Select your language

Suggested languages for you:
Log In Anmelden

Lernmaterialien für Datenbanken II WS19/20 an der Universität Salzburg

Greife auf kostenlose Karteikarten, Zusammenfassungen, Übungsaufgaben und Altklausuren für deinen Datenbanken II WS19/20 Kurs an der Universität Salzburg zu.

TESTE DEIN WISSEN

Nested Loop Join

Wie viele Blockzugriffe gibt es bei den Relationen R und S (B = Blockanzahl | N = Datensätze) im

-Worst Case(nur ein Block passt in den Puffer)

-Best Case(innere Relation passt vollständig in den Puffer)

Lösung anzeigen
TESTE DEIN WISSEN

-Worst Case:  Br + Nr*Bs

-Best Case: Br +Bs

Lösung ausblenden
TESTE DEIN WISSEN

Block Nested Loop Join(Zick-Zack Modus)

Wie viele Blockzugriffe gibt es bei den Relationen R und S (B = Blockanzahl | N = Datensätze)

k = Vergleiche die in den Puffer können

M = Puffergröße

Lösung anzeigen
TESTE DEIN WISSEN

Br + k + aufgerundet: [Br/(M-k)] *(Bs - k)

Lösung ausblenden
TESTE DEIN WISSEN

Dense vs. Sparse:

Lösung anzeigen
TESTE DEIN WISSEN
  • sparse Index braucht weniger Platz
  • sparse Index hat geringere Kosten beim Aktualisieren
  • dense Index erlaubt bestimmte Anfragen zu beantworten, ohne dass Datensätze gelesen werden müssen (“covering index”)
Lösung ausblenden
TESTE DEIN WISSEN

Merge Join

Wie viele Blockzugriffe gibt es bei den Relationen R und S (B = Blockanzahl | N = Datensätze) und nur wann ist dieser Anwendbar?

Lösung anzeigen
TESTE DEIN WISSEN

Nur für Equi- und Natürliche Joins anwendbar

Die Relationen müssen sortiert werden => c = Sortierkosten(falls Relationen schon sortiert dann = 0)

Kosten: Br + Bs + c

Lösung ausblenden
TESTE DEIN WISSEN
Externes Merge Sort 
B = Anzahl Blöcke der Relation
M = Puffergröße
-Wie lassen sich die Läufe berechnen?
-Wie lässt sich die Anzahl der Mischdurchläufe berechnen?
-Wie lassen sich die Kosten berechnen? 
Lösung anzeigen
TESTE DEIN WISSEN
-Aufgerundet : (B/M)
-Aufgerundet : log(M-1)(B/M)
-B*(2 * Anzahl Mischdurchläufe + 1)
Lösung ausblenden
TESTE DEIN WISSEN

Dense Index

Wie schaut ein Dense Index aus?

Lösung anzeigen
TESTE DEIN WISSEN

Es gibt pro Datensatz einen eigenen Index-Eintrag.

Die Größe des Indexes kann groß werden, ist aber normalerweise immer kleiner als die Daten.

Ein Non-Clusterd Index ist immer dense.

Lösung ausblenden
TESTE DEIN WISSEN

Indexed Nested Loop Join

Wie viele Blockzugriffe gibt es bei den Relationen R und S (B = Blockanzahl | N = Datensätze):

Lösung anzeigen
TESTE DEIN WISSEN

Br + Nr * c

c = Kosten für Durchlauf von Index auf S

Lösung ausblenden
TESTE DEIN WISSEN

Wie kann mit mehrfachen Suchschlüsseln umgegangen werden?

Lösung anzeigen
TESTE DEIN WISSEN

a) Doppelte Indexeinträge

  => Schwierige Handhabung bei B+-Bäumen

b) Buckets

  => Nur ein Indexeintrag pro Suchschlüssel

  => Index Eintrag zeigt auf ein Bucket

  =>Bucket zeigt auf alle Datensätze zum entsprechenden Suchschlüssel (Zusätzlicher Block muss gelesen werden)

c) Suchschlüssel eindeutig machen

  => TID wird angehängt

Lösung ausblenden
TESTE DEIN WISSEN

Binäre Suche

Wie sind die Kosten für eine binäre Suche und was ist die Voraussetzung diesen anwenden zu können?

Lösung anzeigen
TESTE DEIN WISSEN

- Abgerundet:[Log2(B)] + 1 Block-Lese-Operationen

- Index bzw Datensatz muss sortiert sein

Lösung ausblenden
TESTE DEIN WISSEN

B+-Baum

Was sind die Vor- und Nachteile des B+-Baums?

Lösung anzeigen
TESTE DEIN WISSEN

Vorteile:

  • Anzahl der Ebenen wird automatisch angepasst
  • reorganisiert sich selbst nach Einfüge- oder Lösch-Operationen durch kleine lokale Änderungen
  • reorganisieren des gesamten Indexes ist nie erforderlich

Nachteile:

  • evtl. Zusatzaufwand bei Einfügen und Löschen
  • etwas höherer Speicherbedarf
  • komplexer zu implementieren
Lösung ausblenden
TESTE DEIN WISSEN

B+-Baum

Wie viele Such schlüssel hat ein Wurzelknoten mit Grad m?

Lösung anzeigen
TESTE DEIN WISSEN

Blattknoten: 0 bis m-1 Suchschlüssel

Nicht Blattknoten: mind. 2 Kinder

Lösung ausblenden
TESTE DEIN WISSEN

Block Nested Loop Join

Wie viele Blockzugriffe gibt es bei den Relationen R und S (B = Blockanzahl | N = Datensätze) im

  • Worst Case
    - M = 2
    Jeder Block, der inneren Relation s wird für jeden Block der äußeren Relation einmal gelesen(statt für jedes Tupel der äußeren Relation)
  • Best Case
    - M > Bs
Lösung anzeigen
TESTE DEIN WISSEN

Worst Case : Br + Br*Bs


Best Case: Br + Bs

Lösung ausblenden
  • 115394 Karteikarten
  • 1503 Studierende
  • 19 Lernmaterialien

Beispielhafte Karteikarten für deinen Datenbanken II WS19/20 Kurs an der Universität Salzburg - von Kommilitonen auf StudySmarter erstellt!

Q:

Nested Loop Join

Wie viele Blockzugriffe gibt es bei den Relationen R und S (B = Blockanzahl | N = Datensätze) im

-Worst Case(nur ein Block passt in den Puffer)

-Best Case(innere Relation passt vollständig in den Puffer)

A:

-Worst Case:  Br + Nr*Bs

-Best Case: Br +Bs

Q:

Block Nested Loop Join(Zick-Zack Modus)

Wie viele Blockzugriffe gibt es bei den Relationen R und S (B = Blockanzahl | N = Datensätze)

k = Vergleiche die in den Puffer können

M = Puffergröße

A:

Br + k + aufgerundet: [Br/(M-k)] *(Bs - k)

Q:

Dense vs. Sparse:

A:
  • sparse Index braucht weniger Platz
  • sparse Index hat geringere Kosten beim Aktualisieren
  • dense Index erlaubt bestimmte Anfragen zu beantworten, ohne dass Datensätze gelesen werden müssen (“covering index”)
Q:

Merge Join

Wie viele Blockzugriffe gibt es bei den Relationen R und S (B = Blockanzahl | N = Datensätze) und nur wann ist dieser Anwendbar?

A:

Nur für Equi- und Natürliche Joins anwendbar

Die Relationen müssen sortiert werden => c = Sortierkosten(falls Relationen schon sortiert dann = 0)

Kosten: Br + Bs + c

Q:
Externes Merge Sort 
B = Anzahl Blöcke der Relation
M = Puffergröße
-Wie lassen sich die Läufe berechnen?
-Wie lässt sich die Anzahl der Mischdurchläufe berechnen?
-Wie lassen sich die Kosten berechnen? 
A:
-Aufgerundet : (B/M)
-Aufgerundet : log(M-1)(B/M)
-B*(2 * Anzahl Mischdurchläufe + 1)
Mehr Karteikarten anzeigen
Q:

Dense Index

Wie schaut ein Dense Index aus?

A:

Es gibt pro Datensatz einen eigenen Index-Eintrag.

Die Größe des Indexes kann groß werden, ist aber normalerweise immer kleiner als die Daten.

Ein Non-Clusterd Index ist immer dense.

Q:

Indexed Nested Loop Join

Wie viele Blockzugriffe gibt es bei den Relationen R und S (B = Blockanzahl | N = Datensätze):

A:

Br + Nr * c

c = Kosten für Durchlauf von Index auf S

Q:

Wie kann mit mehrfachen Suchschlüsseln umgegangen werden?

A:

a) Doppelte Indexeinträge

  => Schwierige Handhabung bei B+-Bäumen

b) Buckets

  => Nur ein Indexeintrag pro Suchschlüssel

  => Index Eintrag zeigt auf ein Bucket

  =>Bucket zeigt auf alle Datensätze zum entsprechenden Suchschlüssel (Zusätzlicher Block muss gelesen werden)

c) Suchschlüssel eindeutig machen

  => TID wird angehängt

Q:

Binäre Suche

Wie sind die Kosten für eine binäre Suche und was ist die Voraussetzung diesen anwenden zu können?

A:

- Abgerundet:[Log2(B)] + 1 Block-Lese-Operationen

- Index bzw Datensatz muss sortiert sein

Q:

B+-Baum

Was sind die Vor- und Nachteile des B+-Baums?

A:

Vorteile:

  • Anzahl der Ebenen wird automatisch angepasst
  • reorganisiert sich selbst nach Einfüge- oder Lösch-Operationen durch kleine lokale Änderungen
  • reorganisieren des gesamten Indexes ist nie erforderlich

Nachteile:

  • evtl. Zusatzaufwand bei Einfügen und Löschen
  • etwas höherer Speicherbedarf
  • komplexer zu implementieren
Q:

B+-Baum

Wie viele Such schlüssel hat ein Wurzelknoten mit Grad m?

A:

Blattknoten: 0 bis m-1 Suchschlüssel

Nicht Blattknoten: mind. 2 Kinder

Q:

Block Nested Loop Join

Wie viele Blockzugriffe gibt es bei den Relationen R und S (B = Blockanzahl | N = Datensätze) im

  • Worst Case
    - M = 2
    Jeder Block, der inneren Relation s wird für jeden Block der äußeren Relation einmal gelesen(statt für jedes Tupel der äußeren Relation)
  • Best Case
    - M > Bs
A:

Worst Case : Br + Br*Bs


Best Case: Br + Bs

Datenbanken II WS19/20

Erstelle und finde Lernmaterialien auf StudySmarter.

Greife kostenlos auf tausende geteilte Karteikarten, Zusammenfassungen, Altklausuren und mehr zu.

Jetzt loslegen

Das sind die beliebtesten StudySmarter Kurse für deinen Studiengang Datenbanken II WS19/20 an der Universität Salzburg

Für deinen Studiengang Datenbanken II WS19/20 an der Universität Salzburg gibt es bereits viele Kurse, die von deinen Kommilitonen auf StudySmarter erstellt wurden. Karteikarten, Zusammenfassungen, Altklausuren, Übungsaufgaben und mehr warten auf dich!

Das sind die beliebtesten Datenbanken II WS19/20 Kurse im gesamten StudySmarter Universum

Datenbanken I

Technische Hochschule Köln

Zum Kurs
Datenbanken

Fachhochschule der Wirtschaft

Zum Kurs
Datenbanken 2

Duale Hochschule Baden-Württemberg

Zum Kurs
Datenbanken

Fachhochschule Bielefeld

Zum Kurs

Die all-in-one Lernapp für Studierende

Greife auf Millionen geteilter Lernmaterialien der StudySmarter Community zu
Kostenlos anmelden Datenbanken II WS19/20
Erstelle Karteikarten und Zusammenfassungen mit den StudySmarter Tools
Kostenlos loslegen Datenbanken II WS19/20