- Tytuł:
-
Performance analysis of write operations in IDENTITY and UUID ordered tables
Analiza wydajności operacji zapisu dla tabel uporządkowanych atrybutami IDENTITY oraz UUID - Autorzy:
- Penar, Maciej
- Powiązania:
- https://bibliotekanauki.pl/articles/2015040.pdf
- Data publikacji:
- 2020
- Wydawca:
- Politechnika Rzeszowska im. Ignacego Łukasiewicza. Oficyna Wydawnicza
- Tematy:
-
database design
logical model
heap files
B + tree
insert performance
projektowanie baz danych
model logiczny
porządkowanie
pliki sekwencyjne
B + drzewo
UUID
GUID
IDENTITY
sekwencje
wydajność wstawiania
ładowanie wsadowe - Opis:
-
Design of the database includes the decision about the physical storage. This is often overlooked as 1) this cannot be expressed in standard SQL and in result each Database Systems have their own way to specify the physical storage and 2) the decision is often made implicitly. This is dangerous situation as many of the databases use B+ trees as table implementation which stores the data physically sorted by some ordering attribute. The choice of the ordering attribute largely affects read and write operations. Commonly, IDENTITY/AUTO_INCREMENT constraint are being chosen as ordering attributes, due to their easy usage and monotonic nature. In some cases ordering tables by the attributes whose values are drawn from uniform distribution leads to better performance in terms of Transactions-Per-Second. Such cases includes situation when data does fit entirely in-memory or when we can limit the set of physical pages being accessed. In the end, however, We cannot entirely say that either monotonic or random attributes are superior. Both have their pros and cons. In this article We present (1) short description of the data structures in contemporary Database Systems, (2) the advantages and the disadvantages of the two common types which are used as the clustering attributes: GUID and IDENTITY, (3) performance analysis of write operation which compare both data types using B+ tree as primary storage and (4) evaluate the efficiency of these bulk load operation using heap files and B+ trees.
Projektowanie bazy danych wymaga podjęcia decyzji o fizycznej strukturze przechowującej dane. Często wpływ tej decyzji jest niedoceniany ponieważ 1) standard SQL nie precyzuje tego ograniczenia, przez co każdy dostawca Bazy Danych implementuje je po swojemu 2) wybór struktury jest podejmowany niejawnie. Na ogół domyślnymi strukturami są B+ drzewa które są strukturami posortowanymi. Wybór tej konkretnej implementacji tabeli wpływa zarówno na wydajność operacji odczytu jak i zapisu. Ze względu że częstą praktyką jest stosowanie atrybutów IDENTITY/AUTO_INCREMENT jako kluczy głównych, według tych wartości atrybutów ustalany jest fizyczny porządek tabeli. W pewnych przypadkach warto jednak korzystać z atrybutów o wartościach losowych w celu zwiększania przepustowości Bazy Danych (liczonej jako liczba transakcji na sekundę). Takie przypadki obejmują sytuację gdy dane mieszczą się w pamięci operacyjnej lub gdy możemy ograniczyć zbiór fizycznych stron do których Baza Danych będzie się odwoływać. W ogólnym przypadku ani atrybuty monotoniczne, ani losowe nie są lepsze od swoich konkurentów. W tym artykule (1) opisujemy struktury wykorzystywane we współczesnych Bazach Danych, (2) opisujemy zalety i wady dwóch najczęściej wykorzystywanych typów: GUID oraz IDENTITY, (3) prezentujemy analizę wydajności operacji zapisu porównującą oba typy w tabelach implementowanych jako B+ drzewo, (4) analizujemy wydajność operacji wsadowego ładowania zarówno w plikach sekwencyjnych jak i B+ drzew. - Źródło:
-
Zeszyty Naukowe Politechniki Rzeszowskiej. Elektrotechnika; 2020, 38 [301], 1-2; 81-95
0209-2662
2300-6358 - Pojawia się w:
- Zeszyty Naukowe Politechniki Rzeszowskiej. Elektrotechnika
- Dostawca treści:
- Biblioteka Nauki
Artykuł