Cơ sở dữ liệu - Chapter 11: Storage and file structure

Database System Concepts, 5th Ed. ©Silberschatz, Korth and Sudarshan See www.db­book.com for conditions on re­use  Chapter 11: Storage and File Structure Rev. Aug 1, 2008 ©Silberschatz, Korth and Sudarshan11.2Database System Concepts ­ 5th Edition Chapter 11:  Storage and File Structure n Overview of Physical Storage Media n Magnetic Disks n RAID n Tertiary Storage  n Storage Access n File Organization n Organization of Records in Files n Data­Dictionary Storage ©Silberschatz, Korth and Sudarshan11.3Database System Concepts ­ 5th Edition Classification of Physical Storage Media n Speed with which data can be accessed n Cost per unit of data n Reliability l data loss on power failure or system crash l physical failure of the storage device n Can differentiate storage into: l volatile storage: loses contents when power is switched  off l non­volatile storage:    Contents persist even when power is switched off.    Includes secondary and tertiary storage, as well as  battery­backed up main­memory. ©Silberschatz, Korth and Sudarshan11.4Database System Concepts ­ 5th Edition Physical Storage Media n Cache – fastest and most costly form of storage; volatile;  managed by the computer system hardware l (Note: “Cache” is pronounced as “cash”) n Main memory: l fast access (10s to 100s of nanoseconds; 1 nanosecond =  10–9 seconds) l generally too small (or too expensive) to store the entire  database  capacities of up to a few Gigabytes widely used  currently  Capacities have gone up and per­byte costs have  decreased steadily and rapidly  (roughly factor of 2  every 2 to 3 years) l Volatile — contents of main memory are usually lost if a  power failure or system crash occurs. ©Silberschatz, Korth and Sudarshan11.5Database System Concepts ­ 5th Edition Physical Storage Media (Cont.) n Flash memory  l Data survives power failure l Data can be written at a location only once, but location can  be erased and written to again   Can support only a limited number (10K – 1M) of  write/erase cycles.  Erasing of memory has to be done to an entire  bank of  memory  l Reads are roughly as fast as main memory l But writes are slow (few microseconds), erase is slower ©Silberschatz, Korth and Sudarshan11.6Database System Concepts ­ 5th Edition Physical Storage Media (Cont.) n Flash memory  l NOR Flash  Fast reads, very slow erase, lower capacity  Used to store program code in many embedded devices l NAND Flash  Page­at­a­time read/write, multi­page erase  High capacity (several GB)  Widely used as data storage mechanism in portable  devices ©Silberschatz, Korth and Sudarshan11.7Database System Concepts ­ 5th Edition Physical Storage Media (Cont.) n Magnetic­disk l Data is stored on spinning disk, and read/written magnetically l Primary medium for the long­term storage of data; typically stores  entire database. l Data must be moved from disk to main memory for access, and  written back for storage l direct­access –  possible to read data on disk in any order,  unlike magnetic tape l Survives power failures and system crashes  disk failure can destroy data: is rare but does happen ©Silberschatz, Korth and Sudarshan11.8Database System Concepts ­ 5th Edition Physical Storage Media (Cont.) n Optical storage  l non­volatile, data is read optically from a spinning disk using  a laser  l CD­ROM (640 MB) and DVD (4.7 to 17 GB) most popular  forms l Write­one, read­many (WORM) optical disks used for  archival storage (CD­R, DVD­R, DVD+R) l Multiple write versions also available (CD­RW, DVD­RW,  DVD+RW, and DVD­RAM) l Reads and writes are slower than with magnetic disk  l Juke­box systems, with large numbers of removable disks, a  few drives, and a mechanism for automatic loading/unloading  of disks available for storing large volumes of data ©Silberschatz, Korth and Sudarshan11.9Database System Concepts ­ 5th Edition Physical Storage Media (Cont.) n Tape storage  l non­volatile, used primarily for backup (to recover from disk  failure), and for archival data l sequential­access – much slower than disk  l very high capacity (40 to 300 GB tapes available) l tape can be removed from drive ⇒ storage costs much  cheaper than disk, but drives are expensive l Tape jukeboxes available for storing massive amounts of  data   hundreds of terabytes (1 terabyte = 109 bytes) to even a  petabyte (1 petabyte = 1012 bytes) ©Silberschatz, Korth and Sudarshan11.10Database System Concepts ­ 5th Edition Storage Hierarchy ©Silberschatz, Korth and Sudarshan11.11Database System Concepts ­ 5th Edition Storage Hierarchy (Cont.) n primary storage: Fastest media but volatile (cache, main  memory). n secondary storage: next level in hierarchy, non­volatile,  moderately fast access time l also called on­line storage  l E.g. flash memory, magnetic disks n tertiary storage: lowest level in hierarchy, non­volatile, slow  access time l also called off­line storage  l E.g. magnetic tape, optical storage ©Silberschatz, Korth and Sudarshan11.12Database System Concepts ­ 5th Edition Magnetic Hard Disk Mechanism NOTE: Diagram is schematic, and simplifies the structure of actual disk drives ©Silberschatz, Korth and Sudarshan11.13Database System Concepts ­ 5th Edition Magnetic Disks n Read­write head  l Positioned very close to the platter surface (almost touching it) l Reads or writes magnetically encoded information. n Surface of platter divided into circular tracks l Over 50K­100K tracks per platter on typical hard disks n Each track is divided into sectors.   l Sector size typically 512 bytes l Typical sectors per track: 500 (on inner tracks) to 1000 (on outer  tracks) n To read/write a sector l disk arm swings to position head on right track l platter spins continually; data is read/written as sector passes  under head ©Silberschatz, Korth and Sudarshan11.14Database System Concepts ­ 5th Edition Magnetic Disks (Cont.) n Head­disk assemblies  l multiple disk platters on a single spindle (1 to 5 usually) l one head per platter, mounted on a common arm. n Cylinder i consists of ith track of all the platters  n Earlier generation disks were susceptible to “head­crashes”  leading to loss of all data on disk l Current generation disks are less susceptible to such  disastrous failures, but individual sectors may get corrupted ©Silberschatz, Korth and Sudarshan11.15Database System Concepts ­ 5th Edition Disk Controller n Disk controller – interfaces between the computer system and  the disk drive hardware. l accepts high­level commands to read or write a sector  l initiates actions such as moving the disk arm to the right track  and actually reading or writing the data l Computes and attaches checksums to each sector to verify  that data is read back correctly  If data is corrupted, with very high probability stored  checksum won’t match recomputed checksum l Ensures successful writing by reading back sector after writing  it l Performs remapping of bad sectors ©Silberschatz, Korth and Sudarshan11.16Database System Concepts ­ 5th Edition Disk Subsystem n Disk interface standards families l ATA (AT adaptor) range of standards l SATA (Serial ATA)  l SCSI (Small Computer System Interconnect) range of  standards l Several variants of each standard (different speeds and  capabilities) ©Silberschatz, Korth and Sudarshan11.17Database System Concepts ­ 5th Edition Performance Measures of Disks n Access time – the time it takes from when a read or write request  is issued to when data transfer begins.  Consists of:  l Seek time – time it takes to reposition the arm over the correct  track.    Average seek time is 1/2 the worst case seek time. – Would be 1/3 if all tracks had the same number of  sectors, and we ignore the time to start and stop arm  movement  4 to 10 milliseconds on typical disks l Rotational latency – time it takes for the sector to be accessed  to appear under the head.    Average latency is 1/2 of the worst case latency.  4 to 11 milliseconds on typical disks (5400 to 15000 r.p.m.) ©Silberschatz, Korth and Sudarshan11.18Database System Concepts ­ 5th Edition Performance Measures (Cont.) n Data­transfer rate – the rate at which data can be retrieved from  or stored to the disk. l 25 to 100 MB per second max rate, lower for inner tracks l Multiple disks may share a controller, so rate that controller can  handle is also important  E.g. ATA­5: 66 MB/sec, SATA: 150 MB/sec, Ultra 320 SCSI:  320 MB/s  Fiber Channel (FC2Gb): 256 MB/s ©Silberschatz, Korth and Sudarshan11.19Database System Concepts ­ 5th Edition Performance Measures (Cont.) n Mean time to failure (MTTF) – the average time the disk is  expected to run continuously without any failure. l Typically 3 to 5 years l Probability of failure of new disks is quite low, corresponding to  a theoretical MTTF of 500,000 to 1,200,000 hours for a new  disk  E.g., an MTTF of 1,200,000 hours for a new disk means that  given 1000 relatively new disks, on an average one will fail  every 1200 hours l MTTF decreases as disk ages ©Silberschatz, Korth and Sudarshan11.20Database System Concepts ­ 5th Edition Optimization of Disk­Block Access n Block – a contiguous sequence of sectors from a single track  l data is transferred between disk and main memory in  blocks  l Typical block sizes today range from 4 to 16 kilobytes n Disk­arm­scheduling algorithms order pending accesses to  tracks so that disk arm movement is minimized  l elevator algorithm : move disk arm in one direction (from  outer to inner tracks or vice versa), processing next request  in that direction, till no more requests in that direction, then  reverse direction and repeat ©Silberschatz, Korth and Sudarshan11.21Database System Concepts ­ 5th Edition Optimization of Disk Block Access (Cont.) n File organization – optimize block access time by organizing  the blocks to correspond to how data will be accessed l E.g.  Store related information on the same or nearby  blocks/cylinders.  File systems attempt to allocate contiguous chunks of  blocks (e.g. 8 or 16 blocks) to a file l Files may get fragmented over time  E.g. if data is inserted to/deleted from the file  Or free blocks on disk are scattered, and newly created  file has its blocks scattered over the disk  Sequential access to a fragmented file results in  increased disk arm movement l Some systems have utilities to defragment the file system,  in order to speed up file access ©Silberschatz, Korth and Sudarshan11.22Database System Concepts ­ 5th Edition n Nonvolatile write buffers speed up disk writes by writing blocks to  a non­volatile RAM buffer immediately l Non­volatile RAM:  battery backed up RAM or flash memory  Even if power fails, the data is safe and will be written to disk  when power returns l Controller then writes to disk whenever the disk has no other  requests or request has been pending for some time l Database operations that require data to be safely stored  before continuing can continue without waiting for data to be  written to disk l Writes can be reordered to minimize disk arm movement Optimization of Disk Block Access (Cont.) ©Silberschatz, Korth and Sudarshan11.23Database System Concepts ­ 5th Edition n Log disk – a disk devoted to writing a sequential log of block  updates l  Used exactly like nonvolatile RAM  Write to log disk is very fast since no seeks are required  No need for special hardware (NV­RAM) n File systems typically reorder writes to disk to improve  performance l Journaling file systems write data in safe order to NV­RAM  or log disk l Reordering without journaling: risk of corruption of file system  data Optimization of Disk Block Access (Cont.) ©Silberschatz, Korth and Sudarshan11.24Database System Concepts ­ 5th Edition RAID n RAID: Redundant Arrays of Independent Disks  l disk organization techniques that manage a large numbers of  disks, providing a view of a single disk of   high capacity and high speed  by using multiple disks in  parallel, and   high reliability by storing data redundantly, so that data can  be recovered even if  a disk fails  n The chance that some disk out of a set of N disks will fail is much  higher than the chance that a specific single disk will fail. l   E.g., a system with 100 disks, each with MTTF of 100,000  hours (approx.  11 years), will have a system MTTF of 1000  hours (approx. 41 days) ©Silberschatz, Korth and Sudarshan11.25Database System Concepts ­ 5th Edition Improvement of Reliability via Redundancy n Redundancy – store extra information that can be used to  rebuild information lost in a disk failure n E.g., Mirroring (or shadowing) l Duplicate every disk.  Logical disk consists of two physical  disks. l Every write is carried out on both disks  Reads can take place from either disk l If one disk in a pair fails, data still available in the other  Data loss would occur only if a disk fails, and its mirror  disk also fails before the system is repaired – Probability of combined event is very small  » Except for dependent failure modes such as fire or  building collapse or electrical power surges ©Silberschatz, Korth and Sudarshan11.26Database System Concepts ­ 5th Edition Improvement of Reliability via Redundancy n Mean time to data loss depends on mean time to failure,  and mean time to repair l E.g. MTTF of 100,000 hours, mean time to repair of 10  hours gives mean time to data loss of 500*106 hours (or  57,000 years) for a mirrored pair of disks (ignoring  dependent failure modes) ©Silberschatz, Korth and Sudarshan11.27Database System Concepts ­ 5th Edition Improvement in Performance via Parallelism n Two main goals of parallelism in a disk system:  1. Load balance multiple small accesses to increase throughput 2. Parallelize large accesses to reduce response time. n Improve transfer rate by striping data across multiple disks. n Bit­level striping – split the bits of each byte across multiple disks l But seek/access time worse than for a single disk  Bit level striping is not used much any more n Block­level striping – with n disks, block i of a file goes to disk (i  mod n) + 1 l Requests for different blocks can run in parallel if the blocks  reside on different disks l A request for a long sequence of blocks can utilize all disks in  parallel ©Silberschatz, Korth and Sudarshan11.28Database System Concepts ­ 5th Edition RAID Levels n RAID organizations, or RAID levels, have differing cost,  performance and reliability characteristics n RAID Level 0:  Block striping; non­redundant.  l  Used in high­performance applications where data lost is not  critical.  n RAID Level 1:  Mirrored disks with block striping l Offers best write performance.   l Popular for applications such as storing log files in a database  system. ©Silberschatz, Korth and Sudarshan11.29Database System Concepts ­ 5th Edition RAID Levels (Cont.) n RAID Level 2:  Memory­Style Error­Correcting­Codes (ECC) with bit  striping. n RAID Level 3: Bit­Interleaved Parity l  a single parity bit is enough for error correction, not just detection  When writing data, corresponding parity bits must also be  computed and written to a parity bit disk  To recover data in a damaged disk, compute XOR of bits from  other disks (including parity bit disk)  ©Silberschatz, Korth and Sudarshan11.30Database System Concepts ­ 5th Edition RAID Levels (Cont.) n RAID Level 3 (Cont.) l Faster data transfer than with a single disk, but fewer I/Os per  second since every disk has to participate in every I/O.  n RAID Level 4:  Block­Interleaved Parity; uses block­level striping,  and keeps a parity block on a separate disk for corresponding  blocks from N other disks. l When writing data block, corresponding block of parity bits must  also be computed and written to parity disk l To find value of a damaged block, compute XOR of bits from  corresponding blocks (including parity block) from other disks. ©Silberschatz, Korth and Sudarshan11.31Database System Concepts ­ 5th Edition RAID Levels (Cont.) n RAID Level 4 (Cont.) l Provides higher I/O rates for independent block reads than Level  3   block read goes to a single disk, so blocks stored on different  disks can be read in parallel l Before writing a block, parity data must be computed   Can be done by using old parity block, old value of current  block and new value of current block (2 block reads + 2 block  writes)  Or by recomputing the parity value using the new values of  blocks corresponding to the parity block – More efficient for writing large amounts of data sequentially l Parity block becomes a bottleneck for independent block writes  since every block write also writes to parity disk ©Silberschatz, Korth and Sudarshan11.32Database System Concepts ­ 5th Edition RAID Levels (Cont.) n RAID Level 5:  Block­Interleaved Distributed Parity; partitions  data and parity among all N + 1 disks, rather than storing data  in N disks and parity in 1 disk. l E.g., with 5 disks, parity block for nth set of blocks is  stored on disk (n mod 5) + 1, with the data blocks stored  on the other 4 disks. ©Silberschatz, Korth and Sudarshan11.33Database System Concepts ­ 5th Edition RAID Levels (Cont.) n RAID Level 5 (Cont.) l Higher I/O rates than Level 4.    Block writes occur in parallel if the blocks and their parity  blocks are on different disks. l Subsumes Level 4: provides same benefits, but avoids  bottleneck of parity disk. n RAID Level 6: P+Q Redundancy scheme; similar to Level 5, but  stores extra redundant information to guard against multiple disk  failures.  l  Better reliability than Level 5 at a higher cost; not used as  widely.  ©Silberschatz, Korth and Sudarshan11.34Database System Concepts ­ 5th Edition Choice of RAID Level n Factors in choosing RAID level l Monetary cost l Performance: Number of I/O operations per second, and  bandwidth during normal operation l Performance during failure l Performance during rebuild of failed disk  Including time taken to rebuild failed disk n RAID 0 is used only when data safety is not important  l E.g. data can be recovered quickly from other sources n Level 2 and 4 never used since they are subsumed by 3 and 5 n Level 3 is not used since bit­striping forces single block reads to  access all disks, wasting disk arm movement n Level 6 is rarely used since levels 1 and 5 offer adequate safety  for most applications n So competition is mainly between 1 and 5 ©Silberschatz, Korth and Sudarshan11.35Database System Concepts ­ 5th Edition Choice of RAID Level (Cont.) n Level 1 provides much better write performance than level 5 l Level 5 requires at least 2 block reads and 2 block writes to write a  single block, whereas Level 1 only requires 2 block writes l Level 1 preferred for high update environments such as log disks n Level 1 had higher storage cost than level 5 l disk drive capacities increasing rapidly (50%/year) whereas disk  access times have decreased much less (x 3 in 10 years) l I/O requirements have increased greatly, e.g. for Web servers l When enough disks have been bought to satisfy required rate of I/ O, they often have spare storage capacity   so there is often no extra monetary cost for Level 1! n Level 5 is preferred for applications with low update rate, and large amounts of data n  Level 1 is preferred for all other applications ©Silberschatz, Korth and Sudarshan11.36Database System Concepts ­ 5th Edition Hardware Issues n Software RAID:  RAID implementations done entirely in software,  with no special hardware support n Hardware RAID:  RAID implementations with special hardware l Use non­volatile RAM to record writes that are being executed l Beware:  power failure during write can result in corrupted disk  E.g. failure after writing one block but before writing the second  in a mirrored system  Such corrupted data must be detected when power is restored – Recovery from corruption is similar to recovery from failed  disk – NV­RAM helps to efficiently detected potentially corrupted  blocks » Otherwise all blocks of disk must be read and compared  with mirror/parity block ©Silberschatz, Korth and Sudarshan11.37Database System Concepts ­ 5th Edition Hardware Issues (Cont.) n Hot swapping: replacement of disk while system is running,  without power down l Supported by some hardware RAID systems,  l reduces time to recovery, and improves availability greatly n Many systems maintain spare disks which are kept online, and  used as replacements for failed disks immediately on detection  of failure l Reduces time to recovery greatly n Many hardware RAID systems ensure that a single point of  failure will not stop the functioning of the system by using  l Redundant power supplies with battery backup l Multiple controllers and multiple interconnections to guard  against controller/interconnection failures ©Silberschatz, Korth and Sudarshan11.38Database System Concepts ­ 5th Edition RAID Terminology in the Industry n RAID terminology not very standard in the industry l E.g. Many vendors use  RAID 1:  for mirroring without striping  RAID 10 or RAID 1+0:  for mirroring with striping l “Hardware RAID” implementations often just offload RAID  processing onto a separate subsystem, but don’t offer  NVRAM.   Read the specs carefully! n Software RAID supported directly in most operating systems  today ©Silberschatz, Korth and Sudarshan11.39Database System Concepts ­ 5th Edition Optical Disks n Compact disk­read only memory (CD­ROM) l Seek time about 100 msec (optical read head is heavier and  slower) l Higher latency (3000 RPM) and lower data­transfer rates (3­6  MB/s) compared to magnetic disks n Digital Video Disk (DVD)  l DVD­5  holds 4.7 GB , variants up to 17 GB l Slow seek time, for same reasons as CD­ROM  n Record once versions (CD­R and DVD­R) ©Silberschatz, Korth and Sudarshan11.40Database System Concepts ­ 5th Edition Magnetic Tapes n Hold large volumes of data and provide high transfer rates l Few GB for DAT (Digital Audio Tape) format, 10­40 GB with DLT  (Digital Linear Tape) format, 100 – 400 GB+ with Ultrium format,  and 330 GB with Ampex helical scan format l Transfer rates from few to 10s of MB/s n Currently the cheapest storage medium  l Tapes are cheap, but cost of drives is very high n Very slow access time in comparison to magnetic disks and optical  disks l  limited to sequential access. l Some formats (Accelis) provide faster seek (10s of seconds) at  cost of lower capacity n Used mainly for backup, for storage of infrequently used information,  and as an off­line medium for transferring information from one system  to another. n Tape jukeboxes used for very large capacity storage l (terabyte (1012 bytes) to petabye (1015 bytes) ©Silberschatz, Korth and Sudarshan11.41Database System Concepts ­ 5th Edition Storage Access n A database file is partitioned into fixed­length storage units  called blocks.  Blocks are units of both storage allocation and  data transfer. n Database system seeks to minimize the number of block  transfers between the disk and memory.  We can reduce the  number of disk accesses by keeping as many blocks as  possible in main memory. n Buffer – portion of main memory available to store copies of  disk blocks. n Buffer manager – subsystem responsible for allocating buffer  space in main memory. ©Silberschatz, Korth and Sudarshan11.42Database System Concepts ­ 5th Edition Buffer Manager n Programs call on the buffer manager when they need a block from  disk.  n Buffer manager does the following: l If the block is already in the buffer, return the address of the  block in main memory 2. If the block is not in the buffer 1. Allocate space in the buffer for the block 4 Replacing (throwing out) some other block, if required,  to make space for the new block. 4 Replaced block written back to disk only if it was  modified since the most recent time that it was written  to/fetched from the disk. 4 Read the block from the disk to the buffer, and return the  address of the block in main memory to requester.  ©Silberschatz, Korth and Sudarshan11.43Database System Concepts ­ 5th Edition Buffer­Replacement Policies n Most operating systems replace the block least recently used (LRU  strategy) n Idea behind LRU – use past pattern of block references as a  predictor of future references n Queries have well­defined access patterns (such as sequential  scans), and a database system can use the information in a user’s  query to predict future references l LRU can be a bad strategy for certain access patterns involving  repeated scans of data  e.g. when computing the join of 2 relations r and s by a nested loops    for each tuple tr of r do       for each tuple ts of s do         if the tuples tr and ts match  l Mixed strategy with hints on replacement strategy provided by the query optimizer is preferable ©Silberschatz, Korth and Sudarshan11.44Database System Concepts ­ 5th Edition Buffer­Replacement Policies (Cont.) n Pinned block – memory block that is not allowed to be  written back to disk. n Toss­immediate strategy – frees the space occupied by a  block as soon as the final tuple of that block has been  processed n Most recently used (MRU) strategy –  system must pin the  block currently being processed.  After the final tuple of that  block has been processed, the block is unpinned, and it  becomes the most recently used block. n Buffer manager can use statistical information regarding the  probability that a request will reference a particular relation l E.g., the data dictionary is frequently accessed.  Heuristic:   keep data­dictionary blocks in main memory buffer n Buffer managers also support forced output of blocks for the  purpose of recovery (more in Chapter 17) ©Silberschatz, Korth and Sudarshan11.45Database System Concepts ­ 5th Edition File Organization n The database is stored as a collection of files.  Each file is a  sequence of records.  A record is a sequence of fields. n One approach: lassume record size is fixed leach file has records of one particular type only  ldifferent files are used for different relations This case is easiest to implement; will consider variable length  records later. ©Silberschatz, Korth and Sudarshan11.46Database System Concepts ­ 5th Edition Fixed­Length Records n Simple approach: l Store record i starting from byte n ∗ (i – 1), where n is the  size of each record. l Record access is simple but records may cross blocks  Modification: do not allow records to cross block  boundaries n Deletion of record i:  alternatives: l move records i + 1, . . ., n  to i, . . . , n – 1 l move record n  to i l do not move records, but  link all free records on a free list ©Silberschatz, Korth and Sudarshan11.47Database System Concepts ­ 5th Edition Free Lists n Store the address of the first deleted record in the file header. n Use this first record to store the address of the second deleted  record, and so on n Can think of these stored addresses as pointers since they  “point” to the location of a record. n More space efficient representation:  reuse space for normal  attributes of free records to store pointers.  (No pointers stored  in in­use records.) ©Silberschatz, Korth and Sudarshan11.48Database System Concepts ­ 5th Edition Variable­Length Records n Variable­length records arise in database systems in  several ways: l Storage of multiple record types in a file. l Record types that allow variable lengths for one or more  fields. l Record types that allow repeating fields (used in some  older data models). ©Silberschatz, Korth and Sudarshan11.49Database System Concepts ­ 5th Edition Variable­Length Records: Slotted Page  Structure n Slotted page header contains: l number of record entries l end of free space in the block l location and size of each record n Records can be moved around within a page to keep them  contiguous with no empty space between them; entry in the  header must be updated. n Pointers should not point directly to record — instead they  should point to the entry for the record in header. ©Silberschatz, Korth and Sudarshan11.50Database System Concepts ­ 5th Edition Organization of Records in Files n Heap – a record can be placed anywhere in the file where  there is space n Sequential – store records in sequential order, based on the  value of the search key of each record n Hashing – a hash function computed on some attribute of  each record; the result specifies in which block of the file the  record should be placed n Records of each relation may be stored in a separate file. In a   multitable clustering file organization  records of several  different relations can be stored in the same file l Motivation: store related records on the same block to  minimize I/O ©Silberschatz, Korth and Sudarshan11.51Database System Concepts ­ 5th Edition Sequential File Organization n Suitable for applications that require sequential  processing of the entire file  n The records in the file are ordered by a search­key ©Silberschatz, Korth and Sudarshan11.52Database System Concepts ­ 5th Edition Sequential File Organization (Cont.) n Deletion – use pointer chains n Insertion –locate the position where the record is to be inserted l if there is free space insert there  l if no free space, insert the record in an overflow block l In either case, pointer chain must be updated n Need to reorganize the file  from time to time to restore  sequential order ©Silberschatz, Korth and Sudarshan11.53Database System Concepts ­ 5th Edition Multitable Clustering File Organization (cont.) n Store several relations in one file using a multitable  clustering file organization  n Multitable clustering organization of customer and depositor: l good for queries involving depositor     customer, and for  queries involving one single customer and his accounts l bad for queries involving only customer ©Silberschatz, Korth and Sudarshan11.54Database System Concepts ­ 5th Edition Data Dictionary Storage n Information about relations l names of relations l names and types of attributes of each relation l names and definitions of views l integrity constraints n User and accounting information, including passwords n Statistical and descriptive data l number of tuples in each relation n Physical file organization information l How relation is stored (sequential/hash/) l Physical location of relation  n Information about indices (Chapter 12)  Data dictionary (also called system catalog) stores  metadata: that is, data about data, such as ©Silberschatz, Korth and Sudarshan11.55Database System Concepts ­ 5th Edition Data Dictionary Storage (Cont.) n Catalog structure l Relational representation on disk l specialized data structures designed for efficient access, in  memory n A possible catalog representation: Relation_metadata =  (relation_name, number_of_attributes,                                         storage_organization, location) Attribute_metadata =  (relation_name, attribute_name,  domain_type,  position, length) User_metadata =        (user_name, encrypted_password, group) Index_metadata =       (relation_name, index_name, index_type,  index_attributes) View_metadata =        (view_name, definition)  Database System Concepts, 5th Ed. ©Silberschatz, Korth and Sudarshan See www.db­book.com for conditions on re­use  Extra Slides ©Silberschatz, Korth and Sudarshan11.57Database System Concepts ­ 5th Edition Record Representation n Records with fixed length fields are easy to represent l Similar to records (structs) in programming languages l Extensions to represent  null values  E.g. a bitmap indicating which attributes are null n Variable length fields can be represented by a pair         (offset, length)  offset: the location within the record,     length: field length.  l All fields start at predefined location, but extra indirection  required for variable length fields Example record structure of account record account_number branch_name balance PerryridgeA­102 40010 000 null­bitmap Database System Concepts, 5th Ed. ©Silberschatz, Korth and Sudarshan See www.db­book.com for conditions on re­use  End of Chapter ©Silberschatz, Korth and Sudarshan11.59Database System Concepts ­ 5th Edition File Containing account  Records ©Silberschatz, Korth and Sudarshan11.60Database System Concepts ­ 5th Edition File of Figure 11.6, with Record 2 Deleted and  All Records Moved ©Silberschatz, Korth and Sudarshan11.61Database System Concepts ­ 5th Edition File of Figure 11.6, With Record 2 deleted and  Final Record Moved ©Silberschatz, Korth and Sudarshan11.62Database System Concepts ­ 5th Edition Byte­String Representation of Variable­Length  Records ©Silberschatz, Korth and Sudarshan11.63Database System Concepts ­ 5th Edition Clustering File Structure ©Silberschatz, Korth and Sudarshan11.64Database System Concepts ­ 5th Edition Clustering File Structure With Pointer Chains ©Silberschatz, Korth and Sudarshan11.65Database System Concepts ­ 5th Edition The depositor Relation ©Silberschatz, Korth and Sudarshan11.66Database System Concepts ­ 5th Edition The customer Relation ©Silberschatz, Korth and Sudarshan11.67Database System Concepts ­ 5th Edition Clustering File Structure ©Silberschatz, Korth and Sudarshan11.68Database System Concepts ­ 5th Edition ©Silberschatz, Korth and Sudarshan11.69Database System Concepts ­ 5th Edition Figure 11.4 ©Silberschatz, Korth and Sudarshan11.70Database System Concepts ­ 5th Edition Figure 11.7 ©Silberschatz, Korth and Sudarshan11.71Database System Concepts ­ 5th Edition Figure 11.8 ©Silberschatz, Korth and Sudarshan11.72Database System Concepts ­ 5th Edition Figure 11.20 ©Silberschatz, Korth and Sudarshan11.73Database System Concepts ­ 5th Edition Byte­String Representation of Variable­Length Records Byte string representation Attach an end­of­record (⊥) control character to the end of each record Difficulty with deletion Difficulty with growth ©Silberschatz, Korth and Sudarshan11.74Database System Concepts ­ 5th Edition Fixed­Length Representation n Use one or more fixed length records:  l reserved space l pointers n Reserved space – can use fixed­length records of a known  maximum length; unused space in shorter records filled with a null  or end­of­record symbol. ©Silberschatz, Korth and Sudarshan11.75Database System Concepts ­ 5th Edition Pointer Method n Pointer method  l A variable­length record is represented by a list of fixed­length  records, chained together via pointers. l Can be used even if the maximum record length is not known ©Silberschatz, Korth and Sudarshan11.76Database System Concepts ­ 5th Edition Pointer Method (Cont.) n Disadvantage to pointer structure; space is wasted in all  records except the first in a a chain. n Solution is to allow two kinds of block in file: l Anchor block – contains the first records of chain l Overflow block – contains records other than those that  are the first records of chairs. ©Silberschatz, Korth and Sudarshan11.77Database System Concepts ­ 5th Edition Mapping of Objects to Files n Mapping objects to files is similar to mapping tuples to files in a relational  system; object data can be stored using file structures. n Objects in O­O databases may lack uniformity and may be very large;  such objects have to managed differently from records in a relational  system. l Set fields with a small number of elements may be implemented  using data structures such as linked lists.   l Set fields with a larger number of elements may be implemented as  separate relations in the database. l Set fields can also be eliminated at the storage level by  normalization.  Similar to conversion of multivalued attributes of E­R diagrams to  relations ©Silberschatz, Korth and Sudarshan11.78Database System Concepts ­ 5th Edition Mapping of Objects to Files (Cont.) n Objects are identified by an object identifier (OID); the storage system  needs a mechanism to locate an object given its OID (this action is  called dereferencing). l logical identifiers do not directly specify an object’s physical  location; must maintain an index that maps an OID to the object’s  actual location. l physical identifiers encode the location of the object so the  object can be found directly.  Physical OIDs typically have the  following parts: 1.  a volume or file identifier 2.  a page identifier within the volume or file 3.  an offset within the page ©Silberschatz, Korth and Sudarshan11.79Database System Concepts ­ 5th Edition Management of Persistent Pointers n Physical OIDs may be a unique identifier.  This identifier is  stored in the object also and is used to detect references via  dangling pointers.  ©Silberschatz, Korth and Sudarshan11.80Database System Concepts ­ 5th Edition Management of Persistent Pointers  (Cont.) n Implement persistent pointers using OIDs; persistent pointers are  substantially longer than are in­memory pointers  n Pointer swizzling cuts down on cost of locating persistent objects  already in­memory. n Software swizzling (swizzling on pointer deference) l When a persistent pointer is first dereferenced, the pointer is  swizzled (replaced by an in­memory pointer) after the object is  located in memory. l Subsequent dereferences of of the same pointer become cheap. l The physical location of an object in memory must not change if  swizzled pointers pont to it; the solution is to pin pages in memory l When an object is written back to disk, any swizzled pointers it  contains need to be unswizzled. ©Silberschatz, Korth and Sudarshan11.81Database System Concepts ­ 5th Edition Hardware Swizzling n With hardware swizzling, persistent pointers in objects need the  same amount of space as in­memory pointers — extra storage  external to the object is used to store rest of pointer information. n Uses virtual memory translation mechanism to efficiently and  transparently convert between persistent pointers and in­memory  pointers. n All persistent pointers in a page are swizzled when the page is  first read in.  l thus programmers have to work with just one type of pointer,  i.e., in­memory pointer. l some of the swizzled pointers may point to virtual memory  addresses that are currently not allocated any real memory  (and do not contain valid data)  ©Silberschatz, Korth and Sudarshan11.82Database System Concepts ­ 5th Edition Hardware Swizzling n Persistent pointer is conceptually split into two parts:  a page identifier,  and an offset within the page. l The page identifier in a pointer is a short indirect pointer: Each  page has a translation table that provides a mapping from the  short page identifiers to full database page identifiers. l Translation table for a page is small (at most 1024 pointers in a  4096 byte page with 4 byte pointer) l Multiple pointers in page to the same page share same entry in  the translation table. ©Silberschatz, Korth and Sudarshan11.83Database System Concepts ­ 5th Edition Hardware Swizzling (Cont.) n Page image before swizzling (page located on disk) ©Silberschatz, Korth and Sudarshan11.84Database System Concepts ­ 5th Edition Hardware Swizzling (Cont.) n When system loads a page into memory the persistent pointers in the page  are swizzled as described below 1. Persistent pointers in each object in the page are located using object  type information n For each persistent pointer (pi, oi)  find its full page ID Pi  H If Pi does not already have a virtual memory page allocated to it,  allocate a virtual memory page to Pi and read­protect the page  Note: there need not be any physical space (whether in memory  or on disk swap­space) allocated for the virtual memory page at  this point.  Space can be allocated later if (and when) Pi is  accessed.  In this case read­protection is not required.  Accessing a memory location in the page in the will result in a  segmentation violation, which is handled as described later  H Let vi be the virtual page allocated to Pi (either earlier or above) H Replace (pi, oi) by (vi, oi)  H Replace each entry (pi, Pi) in the translation table, by (vi, Pi)  ©Silberschatz, Korth and Sudarshan11.85Database System Concepts ­ 5th Edition Hardware Swizzling (Cont.) n When an in­memory pointer is dereferenced, if the operating  system detects the page it points to has not yet been allocated  storage, or is read­protected, a segmentation violation occurs. n The mmap() call in Unix is used to specify a function to be invoked  on segmentation violation n The function does the following when it is invoked 1. Allocate storage (swap­space) for the page containing the  referenced address, if storage has not been allocated earlier.   Turn off read­protection 2. Read in the page from disk 3. Perform pointer swizzling for each persistent pointer in the  page, as described earlier ©Silberschatz, Korth and Sudarshan11.86Database System Concepts ­ 5th Edition Hardware Swizzling (Cont.) n Page with short page identifier 2395 was allocated address 5001.   Observe change in pointers and translation table. n Page with short page identifier 4867 has been allocated address  4867.  No change in pointer and translation table. Page image after swizzling ©Silberschatz, Korth and Sudarshan11.87Database System Concepts ­ 5th Edition Hardware Swizzling (Cont.) n After swizzling, all short page identifiers point to virtual memory addresses  allocated for the corresponding pages l functions accessing the objects are not even aware that it has  persistent pointers, and do not need to be changed in any way! l can reuse existing code and libraries that use in­memory pointers n After this, the pointer dereference that triggered the swizzling can continue n Optimizations: l If all pages are allocated the same address as in the short page  identifier, no changes required in the page! l No need for deswizzling — swizzled page can be saved as­is to disk l A set of pages (segment) can share one translation table. Pages can  still be swizzled as and when fetched (old copy of translation table is  needed). n A process should not access more pages than size of virtual memory —  reuse of virtual memory addresses for other pages is expensive ©Silberschatz, Korth and Sudarshan11.88Database System Concepts ­ 5th Edition Disk versus Memory Structure of Objects n The format in which objects are stored in memory may be different from  the formal in which they are stored on disk in the database.  Reasons  are: l software swizzling – structure of persistent and in­memory pointers  are different l database accessible from different machines, with different data  representations l Make the physical representation of objects in the database  independent of the machine and the compiler. l Can transparently convert from disk representation to form required  on the specific machine, language, and compiler, when the object  (or page) is brought into memory.  ©Silberschatz, Korth and Sudarshan11.89Database System Concepts ­ 5th Edition Large Objects n Large objects : binary large objects (blobs) and character large  objects (clobs) l Examples include:   text documents  graphical data such as images and computer aided designs  audio and video data n Large objects may need to be stored in a contiguous sequence of  bytes when brought into memory. l If an object is bigger than a page, contiguous pages of the buffer  pool must be allocated to store it. l May be preferable to disallow direct access to data, and only allow  access through a file­system­like API, to remove need for  contiguous storage. ©Silberschatz, Korth and Sudarshan11.90Database System Concepts ­ 5th Edition Modifying Large Objects n If the application requires insert/delete of bytes from specified regions of  an object: l B+­tree file organization (described later in Chapter 12) can be  modified to represent large objects l Each leaf page of the tree stores between half and 1 page worth of  data from the object n Special­purpose application programs outside the database are used to  manipulate large objects: l Text data treated as a byte string manipulated by editors and  formatters. l Graphical data and audio/video data is typically created and displayed  by separate application l checkout/checkin method for concurrency control and creation of  versions