درس ذخیره و بازیابی یکی از پیشنیاز های مهم درس پایگاه داده است. در این اسلاید ها، بحث ساختار فایل و معماری DBMS شرح داده می شود و دانشجویان با انواع روش های شاخص گذاری مانند Clusterd Index و Non-Clustered Index آشنا می شوند. اگر کامنتی برای بهبود اسلایدها دارید لطفا اقدام کنید.

1. ‫ساختار‬ ‫بر‬ ‫ای‬ ‫مقدمه‬
‫گذاری‬ ‫شاخص‬ ‫و‬ ‫فایل‬
‫فصل‬8‫کتاب‬Database Management System‫ویرایش‬
‫سوم‬
‫نشاطی‬ ‫محمود‬ ‫دکتر‬

3. ‫فصل‬ ‫این‬ ‫در‬ ‫مهم‬ ‫های‬ ‫سوال‬
1)‫یک‬DBMS‫ماندگار‬ ‫های‬ ‫داده‬ ‫چگونه‬(Persistent
Data)‫کند؟‬ ‫می‬ ‫سازی‬ ‫ذخیره‬ ‫را‬
2)‫هزینه‬ ‫چرا‬IO‫بسیار‬ ‫داده‬ ‫پایگاه‬ ‫عملیات‬ ‫در‬
‫است؟‬ ‫مهم‬
3)DBMS‫کند‬ ‫می‬ ‫انتخاب‬ ‫را‬ ‫فایل‬ ‫ساختار‬ ‫چگونه‬
‫هزینه‬ ‫تا‬IO‫شود؟‬ ‫کمینه‬
4)Index‫کنیم؟‬ ‫استفاده‬ ‫آن‬ ‫از‬ ‫چگونه‬ ‫و‬ ‫چیست‬
5)‫کجا‬ ‫کدام‬ ‫هر‬ ‫و‬ ‫چیست؟‬ ‫ایندکس‬ ‫مختلف‬ ‫انواع‬
‫دارد؟‬ ‫کاربرد‬
6)‫از‬ ‫چگونه‬Index‫کارایی‬ ‫تا‬ ‫کنیم‬ ‫استفاده‬
‫کنیم؟‬ ‫بهینه‬ ‫را‬ ‫داده‬ ‫پایگاه‬

4. ‫یک‬ ‫داخلی‬ ‫ساختار‬DBMS‫نمونه‬
Query Optimization
and Execution
Files and Access Methods
Buffer Management
Disk Space Management
Application
SQL
‫الیه‬‫اول‬:query‫به‬‫زبان‬
SQL‫را‬‫دریافت‬‫و‬‫پس‬‫از‬
parse‫کردن‬‫نحوه‬‫اجرا‬‫را‬
‫مشخص‬‫می‬‫کند‬.
‫الیه‬‫دوم‬:‫برای‬‫الیه‬
،‫باالتر‬‫مفهوم‬File‫را‬
‫ایجاد‬‫می‬‫کند‬.
File‫مجموعه‬‫از‬‫صفحات‬
‫است‬.
‫هر‬‫صفحه‬‫حاوی‬‫یک‬‫یا‬
‫چند‬‫رکورد‬‫است‬.‫الیه‬ ‫چند‬ ‫ساختار‬MS

5. ‫یک‬ ‫داخلی‬ ‫ساختار‬DBMS‫نمونه‬
Query Optimization
and Execution
Files and Access Methods
Buffer Management
Disk Space Management
Application
SQL
‫الیه‬‫سوم‬:‫وظیفه‬‫انتقال‬
‫صفحات‬‫از‬‫حافظه‬‫جانبی‬‫به‬
‫حافظه‬‫اصلی‬‫را‬‫به‬‫عهده‬
‫دارد‬.
‫الیه‬‫چهارم‬:‫مدیریت‬‫فضای‬
‫روی‬‫دیسک‬‫را‬‫به‬‫عهده‬
‫دارد‬.
‫توابع‬allocate،
deallocate،read‫و‬write
‫صفحات‬

6. ‫فایل‬ ‫ساختار‬
‫نحوه‬‫قرار‬‫گرفتن‬‫رکوردهای‬‫اطالعاتی‬‫در‬
‫فایل‬‫را‬‫اصطالحا‬‫ساختار‬‫فایل‬‫می‬‫گوییم‬.
‫هر‬‫نوع‬‫ساختار‬‫فایل‬‫برخی‬‫از‬‫عملیات‬‫روی‬
‫پایگاه‬‫داده‬‫را‬‫کارا‬‫می‬‫کند‬‫و‬‫برخی‬
‫دیگر‬‫را‬‫دشوار‬‫می‬‫کند‬.
‫مثال‬:‫فرض‬‫کنید‬‫رکوردهای‬‫اطالعاتی‬‫شامل‬
«‫نام‬‫کارمند‬»،«‫نام‬‫خانوادگی‬‫کارمند‬»
«‫تاریخ‬‫تولد‬»‫و‬«‫حقوق‬‫کارمند‬»‫باشد‬.
‫اگر‬‫فهرست‬‫کارمندان‬‫را‬‫به‬‫اساس‬‫حقوق‬‫به‬
‫صورت‬‫نزولی‬‫بخواهیم‬:
‫ساختار‬‫فایل‬:‫مرتب‬‫بر‬‫اساس‬‫حقوق‬

7. ‫مثال‬
‫اگر‬‫نام‬‫کارمندانی‬
‫را‬‫بخواهیم‬‫که‬‫بعد‬
‫از‬‫سال‬1340‫متولد‬
‫شده‬‫اند‬‫باید‬‫کل‬
‫فایل‬‫را‬‫اسکن‬
‫کنیم‬.
‫اگر‬‫حقوق‬‫کارمندان‬
‫با‬‫سرعت‬‫زیاد‬‫عوض‬
،‫شود‬‫ترتیب‬
‫رکوردها‬‫را‬‫باید‬
‫شاخص‬‫گذاری‬‫کمک‬‫می‬،‫کند‬‫مشکالت‬‫باال‬
‫را‬‫حل‬‫کنیم‬

8. ‫حافظه‬ ‫روی‬ ‫داده‬ ‫سازی‬ ‫ذخیره‬
‫ثانویه‬‫می‬ ‫ذخیره‬ ‫اطالعات‬ ‫از‬ ‫زیادی‬ ‫حجم‬ ‫داده‬ ‫پایگاه‬ ‫در‬
‫شود‬.
‫باشد‬ ‫ماندگار‬ ‫باید‬ ‫های‬ ‫داده‬
‫شود‬ ‫نمی‬ ‫جا‬ ‫اصلی‬ ‫حافظه‬ ‫در‬ ‫ها‬ ‫داده‬( .‫این‬ ‫آیا‬
‫است؟‬ ‫مهم‬ ‫هنوز‬ ‫شرط‬)
‫و‬ ‫کنیم‬ ‫می‬ ‫ذخیره‬ ‫ثانویه‬ ‫حافظه‬ ‫روی‬ ‫را‬ ‫ها‬ ‫داده‬
‫می‬ ‫منتقل‬ ‫اصلی‬ ‫حافظه‬ ‫به‬ ‫باشد‬ ‫الزم‬ ‫پروسس‬ ‫وقتی‬
‫کنیم‬( .‫داده‬ ‫انتقال‬ ‫واحد‬=‫پارامتر‬ ،‫صفحه‬DBMS
‫است‬).
‫دیسک‬

9. ‫حافظه‬ ‫روی‬ ‫داده‬ ‫سازی‬ ‫ذخیره‬
‫ثانویه‬
‫اصلی‬ ‫حافظه‬ ‫به‬ ‫جانبی‬ ‫حافظه‬ ‫از‬ ‫صفحه‬ ‫انتقال‬
(‫بالعکس‬ ‫و‬)‫در‬ ‫عملیات‬ ‫ترین‬ ‫پرهزینه‬DBMS
‫است‬.
‫تعداد‬Page IO‫شود‬ ‫کمینه‬ ‫باید‬.
‫مثال‬:‫تفاوت‬External Sorting‫و‬Internal Sorting

10. ‫حافظه‬ ‫روی‬ ‫داده‬ ‫سازی‬ ‫ذخیره‬
‫ثانویه‬
‫فایل‬
‫صفحه‬
‫رکورد‬

11. ‫حافظه‬ ‫روی‬ ‫داده‬ ‫سازی‬ ‫ذخیره‬
‫ثانویه‬‫دیسک‬
‫تصادفی‬ ‫دسترسی‬ ‫با‬ ‫سازی‬ ‫ذخیره‬ ‫ابزار‬ ‫مهمترین‬
(random access)
‫فرض‬:‫واکشی‬ ‫هزینه‬‫تصادفی‬ ‫صفحه‬ ‫یک‬‫است‬ ‫ثابت‬.
‫روی‬ ‫شده‬ ‫ذخیره‬ ‫فیزیکی‬ ‫ترتیب‬ ‫به‬ ‫را‬ ‫صفحات‬ ‫اگر‬
‫خواندن‬ ‫برای‬ ‫موردنیاز‬ ‫زمان‬ ،‫بخوانیم‬ ‫دیسک‬
‫یابد‬ ‫می‬ ‫کاهش‬.
‫نوار‬
‫است‬ ‫متوالی‬ ‫صورت‬ ‫به‬ ‫دسترسی‬( .Sequential)
‫و‬ ‫سازی‬ ‫آرشیو‬ ‫برای‬ ‫مناسب‬Backup‫گیری‬
‫یک‬ ‫رکورد‬ ‫هر‬ ،‫کنیم‬ ‫می‬ ‫فرض‬ ‫فایل‬ ‫الیه‬ ‫در‬

12. ‫حافظه‬ ‫روی‬ ‫داده‬ ‫سازی‬ ‫ذخیره‬
‫ثانویه‬
‫اگر‬‫الیه‬‫فایل‬‫فضای‬‫جدید‬‫نیاز‬‫داشته‬
،‫باشد‬‫به‬‫الیه‬Disk Space Management
‫درخواست‬‫یک‬‫صفحه‬‫جدید‬‫می‬‫دهد‬.
‫اگر‬‫الیه‬‫فایل‬‫یک‬‫صفحه‬‫را‬‫نیاز‬
‫نداشته‬،‫باشد‬‫آن‬‫را‬‫از‬‫طریق‬Disk
Space Management‫آزاد‬‫می‬‫کند‬.

13. ‫گذاری‬ ‫شاخص‬ ‫و‬ ‫فایل‬ ‫ساختار‬
‫به‬ ،‫شده‬ ‫ذخیره‬ ‫های‬ ‫داده‬ ،‫فایل‬ ‫الیه‬ ‫در‬
‫می‬ ‫داده‬ ‫نمایش‬ ‫رکوردها‬ ‫از‬ ‫مجموعه‬ ‫صورت‬
‫شود‬.
‫فایل‬ ‫سطح‬ ‫در‬ ‫عملیات‬:
‫فایل‬ ‫حذف‬ ،‫فایل‬ ‫ساختن‬
،‫رکورد‬ ‫حذف‬ ،‫رکورد‬ ‫درج‬
‫اسکن‬(Scan: )‫رکوردها‬ ‫همه‬ ‫به‬ ‫دسترسی‬

14. ‫گذاری‬ ‫شاخص‬ ‫و‬ ‫فایل‬ ‫ساختار‬
‫مجموعه‬ ‫صورت‬ ‫به‬ ‫را‬ ‫رکوردها‬ ،‫فایل‬ ‫الیه‬
‫کند‬ ‫می‬ ‫ذخیره‬ ‫صفحات‬ ‫از‬.
‫رابطه‬ ‫هر‬ ‫به‬ ‫مربوط‬ ‫های‬ ‫صفحه‬ ،‫فایل‬ ‫الیه‬
‫شناسد‬ ‫می‬ ‫را‬.
،‫فایل‬ ‫الیه‬‫به‬ ‫مربوط‬ ‫صفحه‬ ‫هر‬ ‫خالی‬ ‫فضای‬
‫شناسد‬ ‫می‬ ‫را‬ ‫رابطه‬ ‫یک‬.

15. ‫گذاری‬ ‫شاخص‬ ‫و‬ ‫فایل‬ ‫ساختار‬
‫ساختار‬Heap
‫فایل‬ ‫ساختار‬ ‫ترین‬ ‫ساده‬
‫ساختار‬ ‫در‬Heap‫در‬ ‫تصادفی‬ ‫صورت‬ ‫به‬ ‫رکوردها‬ ،
‫شوند‬ ‫می‬ ‫ذخیره‬ ‫مربوطه‬ ‫صفحات‬.
‫داشتن‬ ‫با‬rid‫رکورد‬ ‫به‬ ‫مربوط‬ ‫صفحه‬ ‫توان‬ ‫می‬
‫کنیم‬ ‫پیدا‬ ‫را‬ ‫موردنظر‬.
‫شده‬ ‫گذاری‬ ‫شاخص‬ ‫ساختار‬
‫از‬ ‫برخی‬ ‫کارایی‬ ‫که‬ ‫ساختار‬ ‫نوعی‬‫جستجو‬ ‫عملیات‬
‫دهد‬ ‫می‬ ‫بهبود‬ ‫را‬.
‫یک‬ ‫برای‬ ‫شاخص‬ ‫هر‬‫جستجو‬ ‫کلید‬(Search key)

16. ‫گذاری‬ ‫شاخص‬ ‫و‬ ‫فایل‬ ‫ساختار‬
‫برای‬‫یک‬‫فایل‬‫واحد‬‫می‬‫توان‬‫چند‬‫نوع‬
‫شاخص‬‫گذاری‬‫داشت‬‫که‬‫هر‬‫کدام‬‫کلید‬
‫جستجوی‬‫خاص‬‫خودش‬‫را‬‫دارد‬.
‫مثال‬‫رکورد‬‫کارمندان‬
‫ذخیره‬‫سازی‬‫به‬‫صورت‬‫شاخص‬‫روی‬‫تاریخ‬‫تولد‬
‫ایجاد‬‫شاخص‬‫اضافی‬‫روی‬‫حقوق‬

17. ‫گذاری‬ ‫شاخص‬ ‫و‬ ‫فایل‬ ‫ساختار‬
‫مفهوم‬ ‫دو‬ ‫با‬ ‫آشنایی‬
Data Entry:‫ایندکس‬ ‫فایل‬ ‫در‬ ‫شده‬ ‫ذخیره‬ ‫های‬ ‫رکورد‬
Data Record:‫داده‬ ‫حاوی‬ ‫رکوردهای‬:‫رکوردهای‬ ‫مانند‬
‫قبل‬ ‫مثال‬ ‫در‬ ‫کارمندان‬
‫داشتن‬ ‫با‬Data Entry‫به‬ ‫توانیم‬ ‫می‬Data Record
‫کنیم‬ ‫پیدا‬ ‫دسترسی‬.
‫ایده‬:
‫یافتن‬ ‫که‬ ‫سازیم‬ ‫می‬ ‫ای‬ ‫گونه‬ ‫به‬ ‫را‬ ‫شاخص‬Data Entry
‫باشد‬ ‫کارا‬ ‫آن‬ ‫در‬ ‫مشخص‬ ‫شرط‬ ‫یک‬ ‫با‬.
‫یافتن‬ ‫از‬ ‫بس‬Data Entry،Data Record‫پیدا‬ ‫را‬ ‫ها‬

18. ‫گذاری‬ ‫شاخص‬
‫کردن‬ ‫مدل‬ ‫های‬ ‫روش‬Data Entry:
‫اول‬ ‫روش‬(‫شده‬ ‫بندی‬ ‫خوشه‬)
= Data recordData Entry
‫دوم‬ ‫روش‬
Data Entry = <K, rid>
‫سوم‬ ‫روش‬
Data Entry = <K, rid list>

19. ‫اول‬ ‫روش‬

20. ‫سوم‬ ‫و‬ ‫دوم‬ ‫روش‬

21. ‫گذاری‬ ‫شاخص‬ ‫های‬ ‫روش‬ ‫مقایسه‬
‫اول‬ ‫روش‬ ‫در‬:
‫شاخص‬ ‫جستجو‬ ‫کلید‬ ‫اساس‬ ‫بر‬ ‫ای‬ ‫داده‬ ‫های‬ ‫رکورد‬
‫گیرند‬ ‫می‬ ‫قرار‬ ‫فایل‬ ‫در‬.
‫سوم‬ ‫و‬ ‫دوم‬ ‫روش‬ ‫در‬:
Data Entry‫به‬ ‫ها‬Data Record‫دهند‬ ‫می‬ ‫آدرس‬ ‫ها‬.
‫اول‬ ‫روش‬ ‫در‬:‫یک‬‫رکوردهای‬ ‫که‬ ‫داریم‬ ‫فایل‬
‫نگهداری‬ ‫شده‬ ‫گذاری‬ ‫شاخص‬ ‫صورت‬ ‫به‬ ‫ای‬ ‫داده‬
‫شوند‬ ‫می‬.
‫سوم‬ ‫و‬ ‫دوم‬ ‫روش‬ ‫در‬:‫فایل‬ ‫از‬ ‫شاخص‬ ‫فایل‬
‫است‬ ‫مستقل‬ ‫و‬ ‫مجزا‬ ‫ای‬ ‫داده‬ ‫رکوردهای‬.

22. ‫شده‬ ‫گذاری‬ ‫خوشه‬ ‫شاخص‬ ‫نمایش‬
Index entries
Data entries = Data Record
direct search for
(Indexed Data File)
data entries
CLUSTERED
‫ترتیب‬data entry‫ترتیب‬ ‫با‬ ‫ها‬data record
‫یکسان‬ ‫ها‬(‫هم‬ ‫به‬ ‫نزدیک‬ ‫یا‬)‫است‬.

23. ‫گذاری‬ ‫خوشه‬ ‫شاخص‬ ‫نمایش‬‫نشده‬
(Index File)
(Data file)
Data entries
UNCLUSTERED
‫ترتیب‬data entry‫ترتیب‬ ‫با‬ ‫ها‬data record
‫است‬ ‫متفاوت‬ ‫ها‬.
Data records

24. ‫گذاری‬ ‫شاخص‬ ‫های‬ ‫روش‬ ‫مقایسه‬
‫شاخص‬ ‫از‬ ‫یکی‬ ‫حداکثر‬ ،‫شاخص‬ ‫چند‬ ‫با‬ ‫فایل‬ ‫یک‬ ‫برای‬
‫باشد‬ ‫اول‬ ‫نوع‬ ‫از‬ ‫تواند‬ ‫می‬ ‫ها‬.
‫چرا؟؟؟؟‬
‫اول‬ ‫نوع‬ ‫شاخص‬ ‫یکی‬ ‫حداکثر‬
‫و‬ ‫دوم‬ ‫نوع‬ ‫شاخص‬
‫سوم‬
‫دلخواه‬ ‫تعداد‬ ‫به‬

25. ‫شده‬ ‫بندی‬ ‫خوشه‬ ‫شاخص‬(Clustered
Index)
‫اگر‬‫یک‬‫فایل‬‫به‬‫گونه‬‫ساختاردهی‬‫شود‬‫که‬
‫ترتیب‬data record‫ها‬‫شبیه‬‫ترتیب‬data Entry
‫ها‬،‫باشد‬‫شاخص‬‫خوشه‬‫بندی‬‫شده‬‫یا‬Clustered
‫نامیده‬‫می‬‫شود‬.
‫تعریف‬ ‫طبق‬ ،‫اول‬ ‫نوع‬ ‫های‬ ‫شاخص‬Clustered‫هستند‬.
‫سوم‬ ‫و‬ ‫دوم‬ ‫های‬ ‫شاخص‬Clustered‫نیستند‬.

26. ‫بندی‬ ‫دسته‬Query‫به‬ ‫توجه‬ ‫با‬ ‫ها‬
‫محدوده‬‫جستجو‬
Range Search Query-‫محدوده‬ ‫جستجوی‬
‫مثال‬:‫حقوق‬ ‫با‬ ‫کارمندان‬ ‫نام‬
‫بین‬1500‫تا‬2500‫بدهید‬ ‫را‬.
 Select name from Employee where salary between 1500
and 2500
Equity Search Query-‫جستجوی‬‫برابری‬
‫مثال‬:‫حقوق‬ ‫با‬ ‫کارمندان‬ ‫نام‬
1000‫بدهید‬ ‫را‬.
 Select name from Employee where salary=1000

27. ‫شده‬ ‫بندی‬ ‫خوشه‬ ‫شاخص‬(Clustered
Index)
‫می‬ ،‫شده‬ ‫بندی‬ ‫خوشه‬ ‫شاخص‬ ‫از‬ ‫استفاده‬ ‫با‬
‫کارایی‬ ‫توانیم‬Range Search Query‫به‬ ‫را‬
‫دهیم‬ ‫افزایش‬ ‫گیری‬ ‫چشم‬ ‫صورت‬.
‫چرا؟‬
‫در‬ ‫کنند‬ ‫می‬ ‫صدق‬ ‫جواب‬ ‫در‬ ‫که‬ ‫رکوردهایی‬
‫اند‬ ‫شده‬ ‫ذخیره‬ ‫هم‬ ‫مجاورت‬.
‫به‬ ‫صفحات‬ ‫از‬ ‫محدودی‬ ‫تعداد‬ ‫انتقال‬ ‫با‬
‫رسیم‬ ‫می‬ ‫جواب‬ ‫به‬ ،‫حافظه‬.

28. ‫شده‬ ‫بندی‬ ‫خوشه‬ ‫شاخص‬Clustered
Index
‫اگر‬‫شاخص‬‫خوشه‬‫بندی‬‫نباشد؟‬
‫ممکن‬‫است‬‫هر‬‫رکورد‬،‫جواب‬‫در‬‫یک‬
‫صفحه‬‫مجزا‬‫قرار‬‫بگیرد‬.
‫در‬‫بدترین‬‫حالت‬‫به‬‫تعداد‬‫رکورد‬
‫های‬‫جواب‬‫باید‬‫صفحه‬‫به‬‫حافظه‬
‫منتقل‬‫کنیم‬.
IO Cost‫بسیار‬‫باال‬

29. ‫کتاب‬ ‫مثال‬-‫جستجوی‬range-search
‫به‬ ‫ان‬ ‫در‬ ‫اخبار‬ ‫که‬ ‫بگیرید‬ ‫نظر‬ ‫در‬ ‫را‬ ‫اخبار‬ ‫کتاب‬ ‫یک‬
‫است‬ ‫شده‬ ‫نوشته‬ ‫جدیدترین‬ ‫به‬ ‫ترین‬ ‫قدیمی‬ ‫از‬ ‫زمانی‬ ‫صورت‬.
‫به‬ ‫پاسخ‬range_search Query‫است‬ ‫کارا‬ ‫بسیار‬ ‫زیر‬:
«‫تاریخ‬ ‫بین‬ ‫خبرها‬ ‫همه‬1/1/94‫تا‬1/1/95‫بدهید‬ ‫را‬»

30. ‫کتاب‬ ‫مثال‬-‫جستجوی‬range-search
‫آن‬ ‫صفحات‬ ‫که‬ ‫بگیرید‬ ‫نظر‬ ‫در‬ ‫را‬ ‫خبر‬ ‫کتاب‬ ‫همان‬
‫باشد‬ ‫شده‬ ‫مرتبط‬ ‫نویسنده‬ ‫اساس‬ ‫بر‬.
‫اول‬ ‫نویسنده‬ ‫خبرهای‬ ‫اول‬ ‫فصل‬
‫دوم‬ ‫نویسنده‬ ‫خبرهای‬ ‫دوم‬ ‫فصل‬
....
‫به‬ ‫پاسخ‬range_search Query‫داشتن‬ ‫با‬ ‫حتی‬ ‫زیر‬
index‫نیست‬ ‫کارا‬:
«‫تاریخ‬ ‫بین‬ ‫خبرها‬ ‫همه‬1/1/94‫تا‬1/1/95‫را‬
‫بدهید‬»
‫تاریخ‬
94/1/1 11, 154,
344,453
94/1/2 99,98,545
94/1/3 1,2
…
95/1/1 45,9999,10001

31. ‫مقایسه‬‫گذاری‬ ‫خوشه‬ ‫شاخص‬‫شده‬‫و‬
‫گذاری‬ ‫خوشه‬ ‫شاخص‬‫نشده‬
‫یک‬ ‫حداکثر‬ ‫فایل‬ ‫یک‬ ‫برای‬‫خوشه‬ ‫شاخص‬
‫گذاری‬‫شده‬‫باشیم‬ ‫داشته‬ ‫توانیم‬ ‫می‬!
‫چرا؟‬
‫شده‬ ‫گذاری‬ ‫خوشه‬ ‫شاخص‬ ‫صفت‬ ‫کدام‬ ‫اساس‬ ‫بر‬
‫بسازیم؟‬
‫توانیم‬ ‫می‬ ‫دلخواه‬ ‫تعداد‬ ‫به‬‫گذاری‬ ‫خوشه‬ ‫شاخص‬
‫نشده‬‫باشیم‬ ‫داشته‬.
‫توانیم‬ ‫می‬ ‫هایی‬ ‫شاخص‬ ‫چه‬ ‫اخبار‬ ‫کتاب‬ ‫برای‬
‫باشیم؟‬ ‫داشته‬

32. ‫شاخص‬Primary‫و‬Secondary
‫تعریف‬ ‫نوع‬ ‫دو‬:
‫اول‬ ‫تعریف‬:‫روی‬ ‫شده‬ ‫تعریف‬ ‫های‬ ‫شاخص‬
Primary Key‫های‬ ‫شاخص‬Primary‫می‬ ‫گفته‬
‫شوند‬.
‫شاخص‬ ‫صورت‬ ‫این‬ ‫غیر‬ ‫در‬Secondary‫است‬.
‫دوم‬ ‫تعریف‬:‫نوع‬ ‫های‬ ‫شاخص‬1‫را‬Primary
index‫نوع‬ ‫های‬ ‫شاخص‬ ‫و‬2‫و‬3‫را‬Secondary
Index‫گوییم‬ ‫می‬.

33. ‫شاخص‬Unique
‫اند‬ ‫شده‬ ‫منتشر‬ ‫یکسان‬ ‫تاریخ‬ ‫یک‬ ‫در‬ ‫که‬ ‫خبر‬ ‫دو‬Search Key
‫اصطالحا‬ ‫و‬ ‫یکسان‬duplicate‫هستند‬.
‫گذاری‬ ‫شاخص‬ ‫یک‬ ‫در‬ ‫اگر‬duplicate‫شاخص‬ ‫به‬ ،‫باشیم‬ ‫نداشته‬
‫مربوطه‬Unique Index‫گوییم‬ ‫می‬.
‫تاریخ‬
94/1/1 11, 154, 344,453
94/1/2 99,98,545
94/1/3 1,2
…
95/1/1 45,9999,10001

34. ‫گذاری‬ ‫شاخص‬ ‫ساختارهای‬ ‫داده‬
‫داده‬ ‫گذاری‬ ‫شاخص‬ ‫برای‬ ‫کلی‬ ‫روش‬ ‫دو‬
‫شود‬ ‫می‬ ‫استفاده‬:
‫از‬ ‫استفاده‬HASHING
‫از‬ ‫استفاده‬TREE
‫هدف‬:‫مقدار‬ ‫داشتن‬ ‫با‬«‫جستجو‬ ‫کلید‬»‫چگونه‬
‫کنیم؟‬ ‫پیدا‬ ‫را‬ ‫جواب‬ ‫رکوردهای‬ ‫صفحه‬ ‫شماره‬
‫مثال‬:«‫که‬ ‫بیابید‬ ‫را‬ ‫دانشجویانی‬ ‫رکوردهای‬
‫نام‬‫ها‬ ‫آن‬‫علی‬‫است‬.»
‫مثال‬:«‫که‬ ‫بیابید‬ ‫را‬ ‫خبرهایی‬ ‫رکوردهای‬
‫به‬ ‫مربوط‬ ‫ها‬ ‫آن‬ ‫تاریخ‬‫مهر‬ ‫اول‬‫است‬.»

35. ‫بر‬ ‫مبتنی‬ ‫گذاری‬ ‫شاخص‬Hash
‫با‬‫استفاده‬‫از‬‫تابع‬Hash‫می‬‫توانیم‬
‫رکورد‬‫ها‬‫را‬‫به‬‫گونه‬‫ای‬‫بچینیم‬‫که‬‫با‬
‫داشتن‬‫کلید‬،‫جستجو‬‫با‬‫سرعت‬‫باال‬‫به‬‫صفحه‬
‫مربوط‬‫به‬‫رکورد‬‫دسترسی‬‫پیدا‬‫کنیم‬.

36. ‫بر‬ ‫مبتنی‬ ‫گذاری‬ ‫شاخص‬Hash
‫سوال‬:‫شاخص‬ ‫اگر‬ ‫کارمندان‬ ‫مثال‬ ‫در‬Hash‫اساس‬ ‫بر‬
‫به‬ ‫چگونه‬ ‫باشد‬ ‫شده‬ ‫ساخته‬ ‫کارمندان‬ ‫تولد‬ ‫تاریخ‬
Query‫دهیم؟‬ ‫پاسخ‬ ‫زیر‬ ‫های‬
«‫سال‬ ‫در‬ ‫که‬ ‫کارمندانی‬ ‫حقوق‬1355‫شده‬ ‫متولد‬
‫اند؟‬»
«‫که‬ ‫کارمندانی‬ ‫تولد‬ ‫تاریخ‬2000‫می‬ ‫حقوق‬ ‫تومان‬
‫گیرند؟‬»
«‫های‬ ‫سال‬ ‫بین‬ ‫که‬ ‫کارمندانی‬ ‫حقوق‬ ‫میانگین‬1345
‫تا‬1355‫اند؟‬ ‫شده‬ ‫متولد‬»

37. ‫از‬ ‫مثال‬Hashing
‫زیر‬ ‫شرح‬ ‫به‬ ‫ها‬ ‫رکورد‬ ‫مجموعه‬ ‫کنید‬ ‫فرض‬
‫باشد‬.

38. ‫از‬ ‫مثال‬Hashing
‫رکوردها‬‫را‬‫به‬
‫صورت‬‫خوشه‬‫بندی‬
،‫شده‬‫با‬
‫استفاده‬‫از‬
‫تابع‬Hash‫زیر‬
‫در‬‫فایل‬‫مرتب‬
‫کنید‬.
«‫باقی‬‫مانده‬
‫تاریخ‬‫تولد‬
‫به‬‫عدد‬3»
‫ورودی‬‫تابع‬:
‫تاریخ‬‫تولد‬
‫خروجی‬‫تابع‬:
‫یک‬‫عدد‬‫صحیح‬
‫بین‬0‫تا‬3

39. ‫از‬ ‫مثال‬Hashing
‫تابع‬
Hash
‫تولد‬ ‫تاریخ‬
‫است‬ ‫شده‬ ‫بندی‬ ‫خوشه‬ ‫شاخص‬ ‫نوع‬
‫نه؟‬ ‫یا‬

40. ‫از‬ ‫مثال‬Hashing
‫هم‬ ‫حقوق‬ ‫اساس‬ ‫بر‬ ‫را‬ ‫قبل‬ ‫فایل‬ ‫رکوردهای‬
‫کنید‬ ‫گذاری‬ ‫شاخص‬.
‫تابع‬Hash
‫از‬ ‫مضربی‬ ‫حقوق‬ ‫آیا‬200‫است؟‬
‫تابع‬ ‫ورودی‬=،‫حقوق‬
‫تابع‬ ‫خروجی‬=‫خیر‬ ،‫بلی‬
‫تعداد‬Bucket‫ها‬=2

41. ‫از‬ ‫مثال‬Hashing
‫ایجاد‬ ‫شده‬ ‫بندی‬ ‫خوشه‬ ‫شاخص‬ ‫توان‬ ‫می‬ ‫آیا‬
‫کرد؟‬
‫داریم‬ ‫جستجو‬ ‫کلید‬ ‫دو‬
1-‫تولد‬ ‫تاریخ‬(‫شده‬ ‫بندی‬ ‫خوشه‬)
2-‫حقوق‬

42. ‫از‬ ‫مثال‬Hashing
‫تابع‬
Hash
‫تولد‬ ‫تاریخ‬
‫تابع‬
Hash
‫حقوق‬
‫شده‬ ‫بندی‬ ‫خوشه‬ ‫حقوق‬ ‫شاخص‬ ‫نوع‬
‫نه؟‬ ‫یا‬ ‫است‬
‫افزونگی‬ ‫بدون‬ ‫توانیم‬ ‫می‬ ‫آیا‬
‫خوشه‬ ‫شاخص‬ ‫چند‬ ‫یا‬ ‫دو‬ ،‫داده‬

43. ‫از‬ ‫مثال‬Hashing
‫می‬ ‫جستجو‬ ‫کلید‬ ‫های‬ ‫فیلد‬ ‫تعداد‬
‫باشد‬ ‫یک‬ ‫از‬ ‫بیش‬ ‫تواند‬.
‫مثال‬:‫شاخص‬ ‫فیلد‬ ‫چند‬ ‫یا‬ ‫دو‬ ‫روی‬ ‫همزمان‬
‫شود‬ ‫انجام‬ ‫گذاری‬.
‫عملی‬ ‫استفاده‬:
‫گذاری‬ ‫شاخص‬ ‫از‬ ‫استفاده‬ ‫عملی‬ ‫صورت‬ ‫به‬
Hashing‫است‬ ‫محدود‬.
‫برای‬ ‫تنها‬Equity Search Query‫است‬ ‫مناسب‬
‫برای‬ ‫و‬Range Query‫نیست‬ ‫مناسب‬.

44. ‫بر‬ ‫مبتنی‬ ‫گذاری‬ ‫شاخص‬Hash
‫چند‬ ‫به‬ ‫ها‬ ‫رکورد‬ ‫مجموعه‬Bucket‫شوند‬ ‫می‬ ‫تقسیم‬.
‫هر‬Bucket،‫نیاز‬ ‫صورت‬ ‫در‬ ‫و‬ ،‫اصلی‬ ‫صفحه‬ ‫یک‬ ‫شامل‬
‫است‬ ‫اضافی‬ ‫صفحه‬ ‫چند‬.
‫نگاشت‬‫جستجو‬ ‫کلید‬‫به‬Bucket‫از‬ ‫استفاده‬ ‫با‬
‫تابع‬Hash‫شود‬ ‫می‬ ‫انجام‬.
‫شماره‬ ‫اگر‬Bucket‫مورد‬ ‫صفحه‬ ‫یافتن‬ ،‫بدانیم‬ ‫را‬
‫محدودی‬ ‫تعداد‬ ‫با‬ ‫نظر‬IO‫است‬ ‫پذیر‬ ‫امکان‬.
‫هنگام‬ ‫در‬Insert‫در‬ ‫رکورد‬ ‫هر‬ ،Bucket‫به‬ ‫مربوط‬
‫شود‬ ‫می‬ ‫درج‬ ‫خود‬.
‫هنگام‬ ‫در‬Search‫با‬ ‫را‬ ‫جستجو‬ ‫کلید‬ ‫مقدار‬ ،
‫تابع‬ ‫از‬ ‫استفاده‬Hash‫شماره‬ ‫به‬Bucket‫می‬ ‫تبدیل‬

45. Hash index in SQL server
 SQL server 2014 supports Hash Index
 The following figure shows three index keys that are mapped to
three different buckets in the hash index.
 Hash function is fix
 BUCKET_COUNT is a parameter.
 bucket count should be between 1 and 2 times the number of distinct values
in the index key.
 Hash Indexing is suitable for memory-optimized table.
 Reference: msdn.microsoft.com/

46. ‫درختی‬ ‫گذاری‬ ‫شاخص‬
‫برای‬ ‫جایگزین‬ ‫راهکار‬ ‫یک‬ ‫درختی‬ ‫ساختار‬
‫ساختن‬Index‫است‬.
‫روش‬ ‫این‬ ‫در‬Data Entry‫به‬ ‫توجه‬ ‫با‬ ‫ها‬
‫مرتب‬ ‫صورت‬ ‫به‬ ،‫جستجو‬ ‫کلید‬(Sorted)‫ذخیره‬
‫شوند‬ ‫می‬.
‫جستجو‬ ‫هدایت‬ ‫برای‬ ‫درختی‬ ‫ساختار‬ ‫از‬
‫شود‬ ‫می‬ ‫استفاده‬.

47. 1345 1356
1320 1371
1300 1380
1300<=Y<1380
1371<=Y<13801320<=Y<13711300<=Y<1320
1320<=Y<1345
1345<=Y<1356 1356<=Y<1371
‫برگ‬ ‫سطح‬
A
B
C
L1 L2 L3
‫شوند‬ ‫می‬ ‫نگهداری‬ ‫صفحه‬ ‫یک‬ ‫در‬

48. ‫درختی‬ ‫گذاری‬ ‫شاخص‬
‫برگ‬ ‫الیه‬:
‫سطح‬ ‫این‬ ‫در‬Data Entry‫گیرند‬ ‫می‬ ‫قرار‬ ‫ها‬.
Data Entry =? Data Record
‫درختی‬ ‫گذاری‬ ‫شاخص‬ ‫مزیت‬:
‫توان‬ ‫می‬ ‫کارا‬ ‫صورت‬ ‫به‬data entry‫شرط‬ ‫در‬ ‫که‬ ‫هایی‬
range Query‫کرد‬ ‫پیدا‬ ‫را‬ ‫کنند‬ ‫می‬ ‫صدق‬!
‫مثال‬:‫های‬ ‫سال‬ ‫بین‬ ‫که‬ ‫کارمندانی‬1345‫تا‬1362
‫اند‬ ‫شده‬ ‫متولد‬.
1362<Birth Year<1345‫از‬ ‫ای‬ ‫صفحه‬ ‫است‬ ‫کافی‬data entry‫را‬ ‫ها‬
‫تار‬ ‫که‬ ‫کنیم‬ ‫پیدا‬‫ی‬‫از‬ ‫بزرگتر‬ ‫تولد‬ ‫خ‬45
‫باشد‬.‫حرکت‬ ‫برگ‬ ‫روی‬ ‫های‬ ‫لینک‬ ‫از‬ ‫سپس‬

49. ‫درختی‬ ‫گذاری‬ ‫شاخص‬
‫چند‬Page IO‫داریم؟‬ ‫نیاز‬
1-‫پاسخ‬ ‫اولین‬ ‫حاوی‬ ‫برگ‬ ‫عمق‬ ‫به‬
2-‫جواب‬ ‫حاوی‬ ‫های‬ ‫برگ‬ ‫تعداد‬ ‫به‬
‫استفاده‬ ‫مورد‬ ‫ساختار‬ ‫داده‬:‫درخت‬B+
‫یکسان‬ ،‫دلخواه‬ ‫برگ‬ ‫هر‬ ‫تا‬ ‫ریشه‬ ‫فاصله‬
‫است‬( .‫ارتفاع‬Balanced)

50. ‫درختی‬ ‫گذاری‬ ‫شاخص‬
‫درخت‬ ‫یک‬ ‫در‬ ‫جستجو‬ ‫هزینه‬B+‫هزینه‬ ‫از‬ ‫کمتر‬
‫فایل‬ ‫روی‬ ‫باینری‬ ‫جستجوی‬sort‫است‬ ‫ها‬ ‫رکورد‬ ‫شده‬.
‫زیادی‬ ‫تعداد‬ ‫تواند‬ ‫می‬ ‫داخلی‬ ‫گره‬ ‫هر‬pointer
‫از‬ ‫استفاده‬ ‫با‬ ‫را‬ ‫درخت‬ ‫ارتفاع‬ ‫که‬ ‫باشد‬ ‫داشته‬
‫دهیم‬ ‫می‬ ‫کاهش‬ ‫آن‬.
‫درخت‬ ‫ارتفاع‬B+‫حداکثر‬ ‫عمل‬ ‫در‬3-4‫است‬
‫برای‬10^6‫باینری‬ ‫درخت‬ ‫ارتفاع‬ ،‫برگ‬=20

51. ‫مقایسه‬B+ Tree‫و‬Binary Tree
‫غیر‬ ‫نود‬ ‫یک‬ ‫نودهای‬ ‫زیر‬ ‫تعداد‬ ‫میانگین‬
‫برگ‬=Fan out Degree
‫کنید‬ ‫فرض‬Fan out = N‫درخت‬ ‫ارتفاع‬ ‫و‬=H
‫است؟‬ ‫تا‬ ‫چند‬ ‫برگ‬ ‫های‬ ‫گره‬ ‫تعداد‬
N^H
‫اگر‬Fan out =100‫و‬H=4‫برگ‬ ‫تعداد‬‫ها‬=100
‫میلیون‬
‫باینری‬ ‫جستجوی‬log(10^8)‫حداقل‬ ‫به‬ ،25IO
‫دارد‬ ‫نیاز‬.

52. Fan out= N, Height = H Leaf Node = N^H
...
... ...
‫ها‬ ‫نود‬ ‫تعداد‬
=N
‫ها‬ ‫نود‬ ‫تعداد‬
=N^2

53. ‫فایل‬ ‫ساختارهای‬ ‫مقایسه‬
‫از‬ ‫استفاده‬ ‫با‬ ‫مختلف‬ ‫عملیات‬ ‫کارایی‬ ‫مقایسه‬
‫متنوع‬ ‫ساختارهای‬
‫های‬ ‫کلید‬ ‫اساس‬ ‫بر‬ ‫ها‬ ‫شاخص‬ ‫کنید‬ ‫فرض‬(‫و‬ ‫حقوق‬
‫تولد‬ ‫سال‬)
‫بحث‬ ‫مورد‬ ‫ساختارهای‬:
Heap
‫فایل‬sort‫شده‬
‫درختی‬ ‫شده‬ ‫بندی‬ ‫خوشه‬ ‫شاخص‬
‫ساختار‬Heap‫درختی‬ ‫ای‬ ‫غیرخوشه‬ ‫شاخص‬ ‫با‬
‫ساختار‬Heap‫غیرخوشه‬ ‫شاخص‬ ‫با‬‫ای‬Hash

54. ‫فایل‬ ‫ساختارهای‬ ‫مقایسه‬
‫شرح‬ ‫به‬ ‫دهیم‬ ‫می‬ ‫انجام‬ ‫ها‬ ‫فایل‬ ‫روی‬ ‫که‬ ‫عملیاتی‬
‫است‬ ‫زیر‬:
Scan
‫حافظه‬ ‫از‬ ‫رکوردها‬ ‫همه‬ ‫انتقال‬ ،‫هدف‬ ‫فعالیت‬ ‫این‬ ‫در‬
‫به‬ ‫چانبی‬Buffer‫است‬.
Equity search-‫جستجو‬ ‫کلید‬ ‫با‬ ‫برابری‬ ‫شرط‬ ‫با‬ ‫جستجو‬
‫مثال‬:‫متولد‬ ‫کارمند‬ ‫که‬ ‫بدهید‬ ‫را‬ ‫رکوردهایی‬ ‫همه‬1345‫درآمد‬ ‫و‬
750‫باشد‬ ‫تومان‬.
‫شوند‬ ‫بازیابی‬ ‫باید‬ ‫مربوطه‬ ‫صفحات‬.
Range Query-‫جستجو‬ ‫کلید‬ ‫روی‬ ‫محدوده‬ ‫جستجوی‬
‫مثال‬:‫سال‬ ‫متولد‬ ‫کارمندان‬ ‫شامل‬ ‫که‬ ‫بدهید‬ ‫را‬ ‫رکوردهایی‬ ‫همه‬360
‫باشد‬ ‫بعد‬ ‫به‬.

55. ‫عملیات‬ ‫هزینه‬ ‫سازی‬ ‫مدل‬
‫مقدار‬
‫متداو‬
‫ل‬
‫نام‬
‫پارامت‬
‫ر‬
‫شرح‬‫پارامتر‬
Size
/8k
B ‫برای‬ ‫صفحات‬ ‫تعداد‬‫رکورد‬ ‫سازی‬ ‫ذخیره‬
‫ها‬(‫اتالف‬ ‫بدون‬)
- R ‫تعداد‬‫صفحه‬ ‫هر‬ ‫در‬ ‫رکورد‬
15 MS D ‫متوسط‬‫خواندن‬ ‫زمان‬/‫صفحه‬ ‫یک‬ ‫نوشتن‬
100 NS C ‫یک‬ ‫پردازش‬ ‫برای‬ ‫الزم‬ ‫زمان‬ ‫متوسط‬
‫رکورد‬
100 NS H ‫تابع‬ ‫اجرای‬ ‫برای‬ ‫الزم‬ ‫زمان‬ ‫متوسط‬
Hash‫رکورد‬ ‫یک‬ ‫روی‬
100 F ‫در‬ ‫برگ‬ ‫غیر‬ ‫نودهای‬ ‫فرزندان‬ ‫تعداد‬
B+ Tree

56. ‫ساختار‬ ‫بررسی‬Heap
scan
B(D+RC)
B‫شود‬ ‫منتقل‬ ‫حافظه‬ ‫به‬ ‫باید‬ ‫صفحه‬B*D
‫شامل‬ ‫صفحه‬ ‫هر‬R‫هر‬ ‫پروسس‬ ‫برای‬ ‫که‬ ‫است‬ ‫رکورد‬
‫رکورد‬C‫است‬ ‫الزم‬ ‫زمان‬=B*R*C
Equity Search
‫شود‬ ‫انجام‬ ‫کاندید‬ ‫کلید‬ ‫روی‬ ‫جستجو‬ ‫اگر‬:
0.5B(D+RC)
‫روی‬ ‫جستجو‬ ‫یا‬ ‫و‬ ‫باشد‬ ‫نداشته‬ ‫جواب‬ ‫جستجو‬ ‫اگر‬
‫باشد‬ ‫غیرکلید‬ ‫صفت‬ ‫یک‬:B(D+RC)

57. ‫ساختار‬ ‫بررسی‬Heap
Range Query
‫کارمندان‬ ‫شامل‬ ‫که‬ ‫بدهید‬ ‫را‬ ‫رکوردهایی‬ ‫همه‬
‫سال‬ ‫متولد‬1360‫باشد‬ ‫بعد‬ ‫به‬.
B(D+RC)
‫کنیم‬ ‫جستجو‬ ‫باید‬ ‫پاسخ‬ ‫یافتن‬ ‫برای‬ ‫را‬ ‫فایل‬ ‫همه‬!
Insert
‫کنیم‬ ‫اضافه‬ ‫فایل‬ ‫انتهای‬ ‫به‬ ‫را‬ ‫رکورد‬ ‫است‬ ‫کافی‬
‫را‬ ‫رکورد‬ ،‫کنبد‬ ‫منتقل‬ ‫حافظه‬ ‫به‬ ‫را‬ ‫آخر‬ ‫صفحه‬
‫کنید‬ ‫منتقل‬ ‫دیسک‬ ‫به‬ ‫را‬ ‫صفحه‬ ‫بنویسید؛‬.
2D+C

58. ‫ساختار‬ ‫بررسی‬Heap
Delete
‫صفحه‬ ‫انتقال‬ ‫و‬ ‫رکورد‬ ‫جستجو‬ ‫هزینه‬
‫حافظه‬ ‫به‬+c+D
‫اگر‬rid‫باشیم‬ ‫داشته‬ ‫را‬
‫صفحه‬ ‫انتقال‬ ‫و‬ ‫رکورد‬ ‫جستجو‬ ‫هزینه‬
‫به‬‫حافظه‬=D
‫اگر‬rid‫را‬‫باشیم‬ ‫نداشته‬
‫های‬ ‫روش‬ ‫با‬ ‫باید‬ ‫را‬ ‫هزینه‬Equity‫یا‬
Range‫کنیم‬ ‫محاسبه‬.
‫نکته‬:‫عملیات‬ ‫هزینه‬delete‫در‬

59. ‫ها‬ ‫هزینه‬ ‫جدول‬
File Type Scan Equity Search Range Search Insert Delete
Heap B(D+RC) 0.5B(D+RC) B(D+RC) 2D+C Search +C+D
Sorted
Clustered Tree
Unclustered Tree
Unclustered Hash
File Type Scan Equity Search Range Search Insert Delete
Heap BD 0.5BD BD 2D Search +D
Sorted
Clustered Tree
Unclustered Tree
Unclustered Hash

60. ‫ساختار‬ ‫بررسی‬Sorted
Scan
B(D+RC)
‫چرا؟‬
Equity Search
‫ترتیب‬ ‫کلید‬ ‫روی‬ ‫جستجو‬(‫کلید‬ ‫اولین‬ ‫حداقل‬)‫شود‬ ‫انجام‬
Log B،‫هدف‬ ‫صفحه‬ ‫یافتن‬ ‫برای‬ ‫جستجو‬Log R‫برای‬ ‫جستجو‬
‫رکورد‬ ‫یافتن‬
D Log B + C Log R
‫باشیم؟‬ ‫داشته‬ ‫جواب‬ ‫رکورد‬ ‫یک‬ ‫از‬ ‫بیش‬ ‫اگر‬
‫نشود‬ ‫انجام‬ ‫ترتیب‬ ‫کلید‬ ‫روی‬ ‫جستجو‬.
‫کند‬ ‫نمی‬ ‫کمکی‬ ‫ترتیب‬.‫مانند‬Heap

61. ‫ساختار‬ ‫بررسی‬Sorted
Range Query
‫متولد‬ ‫کارمندان‬ ‫شامل‬ ‫که‬ ‫بدهید‬ ‫را‬ ‫رکوردهایی‬ ‫همه‬
‫سال‬1360‫باشد‬ ‫بعد‬ ‫به‬.
‫اولین‬ ‫یافتن‬ ‫شامل‬ ‫هزینه‬ ،‫شود‬ ‫انجام‬ ‫ترتیب‬ ‫کلید‬ ‫روی‬ ‫جستجو‬ ‫اگر‬
‫لزوم‬ ‫صورت‬ ‫در‬ ‫و‬ ‫جواب‬ ‫رکود‬fetch‫است‬ ‫بعدی‬ ‫صفحات‬ ‫کردن‬.
‫نکته‬:‫دارد‬ ‫بستگی‬ ‫جواب‬ ‫رکوردهای‬ ‫تعداد‬ ‫به‬ ‫هزینه‬.
D Log B + C Log R + C #matched records
Insert
‫شود‬ ‫مشخص‬ ‫رکورد‬ ‫درج‬ ‫جایگاه‬.
‫شوند‬ ‫جابجا‬ ‫رکورد‬ ‫یک‬ ‫جدید‬ ‫رکوردهای‬ ‫از‬ ‫بعد‬ ‫رکوردهای‬.
2 * (0.5B(D+RC))
delete

62. ‫ها‬ ‫هزینه‬ ‫جدول‬
File Type Scan Equity Search Range Search Insert Delete
Heap B(D+RC) 0.5B(D+RC) B(D+RC) 2D+C Search
+C+D
Sorted B(D+RC) D log 𝟐 𝑩+ C Log R D log 𝟐 𝑩 + C Log
R + RC
#matched record
Search+
B(D+RC)
Search +
B(D+RC)
File Type Scan Equity Search Range Search Insert Delete
Heap BD 0.5BD BD 2D Search +D
Sorted BD log 𝟐 𝑩*D log 𝟐 𝑩 * D BD + Search BD + Search

63. ‫بررسی‬‫ساختار‬Clustered B+ Tree
‫برای‬ ،‫است‬ ‫داده‬ ‫نشان‬ ‫تجربی‬ ‫های‬ ‫آزمایش‬
‫نگهداشتن‬ ‫باالنس‬B+ Tree‫متوسط‬ ‫طور‬ ‫به‬ ،‫یک‬
‫سوم‬‫ماند‬ ‫می‬ ‫خالی‬ ‫صفحات‬ ‫حجم‬.‫اگر‬ ‫پس‬
‫فشرده‬ ‫صورت‬ ‫به‬ ‫داده‬B‫این‬ ‫در‬ ،‫باشد‬ ‫صفحه‬
‫روش‬1.5B‫شود‬ ‫می‬ ‫صفحه‬.
Scan
B(D+RC)*1.5
‫چرا؟‬

64. ‫ساختار‬ ‫بررسی‬Clustered B+ Tree
Equity Search
‫ترتیب‬ ‫کلید‬ ‫روی‬ ‫جستجو‬(‫کلید‬ ‫اولین‬ ‫حداقل‬)‫انجام‬
‫شود‬
log 𝐹 1.5𝐵،‫هدف‬ ‫صفحه‬ ‫یافتن‬ ‫برای‬ ‫جستجو‬𝐿𝑜𝑔2 𝑅‫جستجو‬
‫رکورد‬ ‫یافتن‬ ‫برای‬
𝐷 𝐿𝑜𝑔 𝐹 1.5𝐵 + 𝐶 𝐿𝑜𝑔2 𝑅
‫باشیم؟‬ ‫داشته‬ ‫جواب‬ ‫رکورد‬ ‫یک‬ ‫از‬ ‫بیش‬ ‫اگر‬
‫نشود‬ ‫انجام‬ ‫ترتیب‬ ‫کلید‬ ‫روی‬ ‫جستجو‬.
‫کند‬ ‫نمی‬ ‫کمکی‬ ‫ترتیب‬.‫مانند‬Heap

65. ‫ساختار‬ ‫بررسی‬Clustered B+ Tree
Range Query
‫شامل‬ ‫که‬ ‫بدهید‬ ‫را‬ ‫رکوردهایی‬ ‫همه‬
‫سال‬ ‫متولد‬ ‫کارمندان‬1360‫بعد‬ ‫به‬
‫باشد‬.
،‫شود‬ ‫انجام‬ ‫ترتیب‬ ‫کلید‬ ‫روی‬ ‫جستجو‬ ‫اگر‬
‫در‬ ‫و‬ ‫جواب‬ ‫رکود‬ ‫اولین‬ ‫یافتن‬ ‫شامل‬ ‫هزینه‬
‫لزوم‬ ‫صورت‬fetch‫است‬ ‫بعدی‬ ‫صفحات‬ ‫کردن‬.(
‫از‬ ‫استفاده‬ ‫با‬pointer‫ها‬ ‫برگ‬ ‫روی‬ ‫های‬)
‫نکته‬:‫جواب‬ ‫رکوردهای‬ ‫تعداد‬ ‫به‬ ‫هزینه‬
‫دارد‬ ‫بستگی‬.
𝐷 𝐿𝑜𝑔 1.5𝐵 + 𝐶 𝐿𝑜𝑔 𝑅 + 𝑅𝐶 #𝑚𝑎𝑡𝑐ℎ𝑒𝑑 𝑟𝑒𝑐𝑜𝑟𝑑

66. ‫ساختار‬ ‫بررسی‬Clustered B+ Tree
Insert
‫شود‬ ‫مشخص‬ ‫رکورد‬ ‫درج‬ ‫جایگاه‬ ‫برگ‬ ‫صفحه‬.
‫وجود‬ ‫جدید‬ ‫رکورد‬ ‫یک‬ ‫شدن‬ ‫درچ‬ ‫جای‬ ‫موارد‬ ‫بیشتر‬ ‫در‬
‫ساختار‬ ‫صورت‬ ‫این‬ ‫غیر‬ ‫در‬ ،‫دارد‬B Tree‫به‬ ‫باید‬
‫شود‬ ‫روز‬.
𝐷 𝐿𝑜𝑔 𝐹 1.5𝐵 + 𝐶 𝐿𝑜𝑔 𝑅 + 𝐷
Delete
‫مانند‬Insert

67. ‫ها‬ ‫هزینه‬ ‫جدول‬
File Type Scan Equity Search Range Search Insert Delete
Heap B(D+RC) 0.5B(D+RC) B(D+RC) 2D+C Search
+C+D
Sorted B(D+RC) D Log B + C Log R D Log B + C Log R
+ RC #matched
records
Search+
B(D+RC)
Search +
BD
Clustered Tree 1.5B(D+
RC
𝑫 𝑳𝒐𝒈 𝑭 𝟏. 𝟓𝑩
+ 𝑪 𝑳𝒐𝒈 𝟐 𝑹
𝐷 𝐿𝑜𝑔 𝐹 1.5𝐵
+ 𝐶 𝐿𝑜𝑔 𝑅
+ 𝑅𝐶 #𝑚𝑎𝑡𝑐ℎ𝑒𝑑 𝑟𝑒𝑐𝑜𝑟𝑑𝑠
𝐷 𝐿𝑜𝑔 𝐹 1.5𝐵
+ 𝐶 𝐿𝑜𝑔 𝑅
+ 𝐷
𝐷 𝐿𝑜𝑔 𝐹 1.5𝐵
+ 𝐶 𝐿𝑜𝑔 𝑅
+ 𝐷
Unclustered Tree
Unclustered Hash
‫در‬ ‫نکته‬sql server‫صورت‬ ‫به‬ ‫اصلی‬ ‫کلید‬ ‫اساس‬ ‫بر‬ ‫فرض‬ ‫پیش‬ ‫صورت‬ ‫به‬ ‫جدول‬ ،

68. ‫هزینه‬ ‫جدول‬‫شده‬ ‫ساده‬ ‫های‬
File Type Scan Equity Search Range Search Insert Delete
Heap BD 0.5BD BD 2D Search +D
Sorted BD log 𝟐 𝑩*D log 𝟐 𝑩 * D BD + Search BD + Search
Clustered Tree 1.5BD 𝑳𝒐𝒈 𝑭 𝟏. 𝟓𝑩 ∗ 𝑫 𝑳𝒐𝒈 𝑭 𝟏. 𝟓𝑩 ∗ 𝑫 𝑺𝒆𝒂𝒓𝒄𝒉 + 𝑫 𝑺𝒆𝒂𝒓𝒄𝒉 + 𝑫
‫نکته‬:‫در‬sql server،Fan-out‫تا‬ ‫تواند‬ ‫می‬404‫افزایش‬

69. ‫ساختار‬ ‫بررسی‬Clustered B+ Tree

70. ‫بررسی‬‫ساختار‬Unclustered Tree
‫فرض‬:‫اندازه‬data entry= 0.1 data record
‫برای‬ ‫الزم‬ ‫صفحات‬ ‫تعداد‬ ‫اگر‬data record‫ها‬=B‫باشد‬
‫برای‬ ‫الزم‬ ‫صفحات‬ ‫تعداد‬data entry=0.15*B
‫تعداد‬data Entry‫صفحه‬ ‫هر‬ ‫در‬=10* 0.66=6.6 R
Data entries
Data Records
UNCLUSTERED

71. ‫ساختار‬ ‫بررسی‬Unclustered Tree
Scan
‫ها‬ ‫رکورد‬ ‫به‬ ‫شده‬ ‫مرتب‬ ‫صورت‬ ‫به‬ ‫بخواهیم‬ ‫اگر‬
‫که‬ ‫است‬ ‫بهتر‬ ،‫کنیم‬ ‫پیدا‬ ‫دسترسی‬Index‫کال‬ ‫را‬
‫کنیم‬ ‫فراموش‬.
‫زیاد‬ ‫بسیار‬ ‫هزینه‬
‫خواندن‬ ‫برای‬ ‫الزم‬ ‫هزینه‬data entries:
0.15𝐵(𝐷 + 6.7𝑅𝐶)
‫هر‬ ‫برای‬ ‫حالت‬ ‫بدترین‬ ‫در‬data entry‫یک‬IO
‫داریم‬ ‫الزم‬
𝐵𝑅(𝐷 + 𝐶)

72. ‫ساختار‬ ‫بررسی‬Unclustered Tree
Equity Search
‫هزینه‬ ‫مختلف‬ ‫های‬ ‫بخش‬
‫یافتن‬Data Entry‫مربوطه‬=𝐷 log 𝐹 0.15𝐵
‫یافتن‬entry‫در‬ ‫هدف‬Data Entry=𝐶 log2 6.7𝑅
‫یافتن‬Data Record‫روی‬ ‫از‬Data Entry=D
‫کل‬ ‫هزینه‬=𝐷 log 𝐹 0.15𝐵 + 𝐶 log2 6.7𝑅+ D
‫باشیم‬ ‫داشته‬ ‫جواب‬ ‫رکورد‬ ‫یک‬ ‫از‬ ‫بیش‬ ‫اگر‬:
‫یک‬ ‫جواب‬ ‫هر‬ ‫ازای‬ ‫به‬ ‫حالت‬ ‫بدترین‬ ‫در‬IO‫است‬ ‫الزم‬.

73. ‫ساختار‬ ‫بررسی‬Unclustered Tree
Search Range Query
‫یافتن‬Data Entry‫مربوطه‬=𝐷 log 𝐹 0.15𝐵
‫یافتن‬entry‫در‬ ‫هدف‬Data Entry=𝐶 log2 6.7𝑅
‫های‬ ‫صفحه‬ ‫تعداد‬ ‫به‬Match‫در‬ ‫شده‬Index،IO
‫داریم‬ ‫الزم‬.
‫یک‬ ‫جواب‬ ،‫هر‬ ‫ازای‬ ‫به‬IO‫داریم‬ ‫الزم‬.
‫از‬ ‫بیش‬ ‫اگر‬10‫جواب‬ ‫در‬ ‫جدول‬ ‫درصد‬Match‫است‬ ‫بهتر‬ ‫شود‬ ‫می‬
‫از‬Index‫نکنیم‬ ‫استفاده‬.

74. ‫ساختار‬ ‫بررسی‬Unclustered Tree
Insert
‫در‬ ‫درج‬ ‫هزینه‬heap=2D+C
‫رسانی‬ ‫روز‬ ‫به‬ ‫و‬ ‫جستجو‬ ‫هزینه‬Index=
𝐷 log 𝐹 0.15𝐵 + 𝐶𝐿𝑜𝑔26.7𝑅 + 𝐷
Delete
𝐷 log 𝐹 0.15𝐵 + 𝐶𝐿𝑜𝑔26.7𝑅 + 𝐷
2D

75. ‫هزینه‬ ‫جدول‬‫ها‬‫شده‬ ‫ساده‬ ‫ی‬
File Type Scan Equity Search Range Search Insert Delete
Heap BD 0.5BD BD 2D Search +D
Sorted BD log 𝟐 𝑩*D log 𝟐 𝑩 * D BD + Search BD + Search
Clustered Tree 1.5BD 𝑳𝒐𝒈 𝑭 𝟏. 𝟓𝑩 ∗ 𝑫 𝑳𝒐𝒈 𝑭 𝟏. 𝟓𝑩 ∗ 𝑫 Search + D Search + D
Unclustered Tree BRD (1+log 𝐹 0.15𝐵) D (#matched
records+
log 𝐹 0.15𝐵) D
D(3 +
log 𝐹 0.15𝐵)
Search + 2D

76. ‫ساختار‬ ‫بررسی‬Unclustered Hash
index+ Heap File
‫فرض‬:‫اندازه‬Data Entry=0.1 Data Record
‫فرض‬:overflow‫نداریم‬.
‫فرض‬:‫الزم‬ ‫صفحات‬ ‫تعداد‬0.125*B
‫فرض‬:‫صفحه‬ ‫هر‬ ‫های‬ ‫رکورد‬ ‫تعداد‬=8R

77. ‫ساختار‬ ‫بررسی‬Unclustered Hash
index+ Heap File
Scan
‫بازیابی‬ ‫هزینه‬Data Entry‫ها‬
0.125B(D+8RC)
‫هر‬ ‫برای‬ ‫حالت‬ ‫بدترین‬ ‫در‬data entry‫یک‬IO‫برای‬
‫بازیابی‬Data record‫داریم‬ ‫الزم‬
‫اجرا‬ ‫زمان‬=BR(D+C)
‫از‬Hash‫برای‬scan‫کنیم‬ ‫نمی‬ ‫استفاده‬.

78. ‫ساختار‬ ‫بررسی‬Unclustered Hash
index+ Heap File
Equity Search
‫یافتن‬ ‫هزینه‬Bucket‫جواب‬=H
‫هر‬ ‫اینکه‬ ‫فرض‬ ‫با‬Bucket‫هزینه‬ ،‫است‬ ‫صفحه‬ ‫یک‬ ‫حاوی‬
‫صفحه‬ ‫واکشی‬Data Entry=D
‫جواب‬ ‫رکود‬ ‫یافتن‬ ‫هزینه‬=0.5(8RC)=4RC
‫واکشی‬ ‫هزینه‬data record=D
‫کلی‬ ‫هزینه‬=H+2D+4RC

79. ‫ساختار‬ ‫بررسی‬Unclustered Hash
index+ Heap File
Range Search
‫از‬ ‫استفاده‬Hash index‫کند‬ ‫نمی‬ ‫کمکی‬.
‫فایل‬ ‫کل‬Heap‫شود‬ ‫جستجو‬ ‫باید‬.
Insert
‫در‬ ‫درج‬ ‫هزینه‬Heap=2D+C
‫روزرسانی‬ ‫به‬ ‫هزینه‬Index=H+2D+C
Delete
‫در‬ ‫جستجو‬ ‫هزینه‬Index‫داده‬ ‫فایل‬ ‫و‬=H+2D+4RC
‫روزرسانی‬ ‫به‬ ‫هزینه‬=2D

80. ‫هزینه‬ ‫جدول‬‫ها‬‫شده‬ ‫ساده‬ ‫ی‬
File Type Scan Equity Search Range Search Insert Delete
Heap BD 0.5BD BD 2D Search +D
Sorted BD log 𝟐 𝑩*D log 𝟐 𝑩 * D BD + Search BD + Search
Clustered Tree 1.5BD 𝑳𝒐𝒈 𝑭 𝟏. 𝟓𝑩 ∗ 𝑫 𝑳𝒐𝒈 𝑭 𝟏. 𝟓𝑩 ∗ 𝑫 Search + D 𝒔𝒆𝒂𝒓𝒄𝒉 + 𝑫
Unclustered Tree BRD (1+log 𝐹 0.15𝐵) D (#matched
records+
log 𝐹 0.15𝐵) D
D(3 +
log 𝐹 0.15𝐵)
Search + 2D
Hash Index BRD 2D BD 4D Search + 2D

81. ‫فایل‬ ‫ساختارهای‬ ‫مقایسه‬
‫ساختار‬Heap
Scan‫و‬Insert‫است‬ ‫کند‬ ‫جستجو‬ ،‫سریع‬
‫ساختار‬Sort‫شده‬
‫از‬ ‫جستجو‬Heap‫کند‬ ‫بسیار‬ ‫درج‬ ‫اما‬ ‫است‬ ‫سریعتر‬
‫است‬.
‫ساختار‬Cluster‫شده‬
‫جستجو‬+‫سریع‬ ‫حذف‬ ‫و‬ ‫درج‬
‫ساختار‬Uncluster
،‫سریع‬ ‫جستجوی‬scan‫است‬ ‫کند‬ ‫بسیار‬.

82. ‫انتخاب‬Index‫کارایی‬ ‫تنظیم‬ ‫و‬
‫نوع‬ ‫انتخاب‬index‫کارایی‬ ‫در‬ ‫تواند‬ ‫می‬ ‫ها‬DB
‫باشد‬ ‫موثر‬ ‫بسیار‬.
‫اتخاب‬index‫به‬ ‫توجه‬ ‫با‬ ‫ها‬Work Load‫می‬ ‫انجام‬
‫شود‬.
‫از‬ ‫استفاده‬ ‫کلی‬ ‫طور‬ ‫به‬Index،‫شود‬ ‫می‬ ‫باعث‬
‫در‬ ‫و‬ ‫شود‬ ‫انجام‬ ‫کاراتر‬ ‫صورت‬ ‫به‬ ‫اطالعات‬ ‫بازیابی‬
‫هنگام‬ ‫عوض‬Insert‫شود‬ ‫می‬ ‫زیاد‬ ‫هزینه‬.
Hash Index
Equity Search
Tree Index
Equity Search + Range Search

83. ‫مفهوم‬workload
‫رخداد‬ ‫با‬ ‫و‬ ‫مرسوم‬ ‫جوهای‬ ‫و‬ ‫پرس‬ ‫و‬ ‫عملیات‬
‫چیست؟‬ ‫سیستم‬ ‫در‬ ‫زیاد‬
‫مثال‬:‫دانشگاه‬ ‫آموزشی‬ ‫سیستم‬
‫عملیات‬:‫استاد‬ ‫درج‬(2)‫درج‬ ،‫دانشجو‬(100)‫درج‬ ،
‫درس‬(1)
‫جستجو‬:‫دانشجویی‬ ‫شماره‬ ‫با‬ ‫دانشجو‬(100)‫دانشجو‬ ،
‫خانوادگی‬ ‫نام‬ ‫و‬ ‫نام‬ ‫با‬(80)‫ملی‬ ‫کد‬ ‫با‬ ‫دانشجو‬ ،
(10)
‫طراح‬ ‫های‬ ‫انتخاب‬
‫های‬ ‫رابطه‬ ‫کدام‬ ‫برای‬DB،Index‫کنیم؟‬ ‫تعریف‬
‫نوع‬ ‫چه‬Index‫کنیم؟‬ ‫استفاده‬ ‫یی‬Hash‫یا‬Tree
‫نوع‬ ‫چه‬Index‫کنیم؟‬ ‫استفاده‬ ‫یی‬Clustered‫یا‬

84. ‫طراحی‬ ‫های‬ ‫انتخاب‬
‫طراحی‬ ‫روش‬Index:
Query‫کنید‬ ‫شناسایی‬ ‫را‬ ‫سیستم‬ ‫مهم‬ ‫های‬.
‫اجرای‬ ‫نحوه‬Query‫بگیرید‬ ‫نظر‬ ‫در‬ ‫را‬.
‫شدن‬ ‫اضافه‬ ‫با‬ ‫کنید‬ ‫بررسی‬index‫بهتر‬ ‫کارایی‬ ،‫جدید‬
‫شود؟‬ ‫می‬
‫برای‬ ‫را‬ ‫اجرا‬ ‫نحوه‬ ‫اینجا‬ ‫در‬‫جدول‬ ‫یک‬ ‫برای‬ ‫فقط‬
‫گیریم‬ ‫می‬ ‫نظر‬ ‫در‬
Query Evaluation Plan
‫دقت‬»‫کردن‬ ‫اضافه‬Index‫کارایی‬ ‫جدید‬Insert‫و‬update
‫دهد‬ ‫می‬ ‫کاهش‬ ‫را‬.
Trade off

85. ‫طراحی‬ ‫های‬ ‫انتخاب‬
Attribute‫در‬ ‫که‬ ‫هایی‬where‫قرار‬ ‫زیاد‬ ‫دفعات‬ ‫به‬
‫برای‬ ‫خوبی‬ ‫های‬ ‫کاندید‬ ،‫گیرند‬ ‫می‬Index‫شدن‬
‫هستند‬.
‫برابری‬ ‫شرط‬–Hash Index
‫محدوده‬ ‫جستجوی‬ ‫شرط‬=Tree Index
‫از‬ ‫استفاده‬clustering‫افزایش‬ ‫را‬ ‫محدوده‬ ‫جستجوی‬ ‫کارایی‬
‫دهد‬ ‫می‬
‫انواع‬Index
Single Attribute:‫صفت‬ ‫یک‬ ‫حسب‬ ‫بر‬ ‫ها‬ ‫مدخل‬ ‫یا‬ ‫رکوردها‬
‫اند‬ ‫شده‬ ‫گذاری‬ ‫شاخص‬.
Multi Attribute

86. ‫طراحی‬ ‫های‬ ‫انتخاب‬
‫در‬ ‫معمول‬ ‫طور‬ ‫به‬ ‫اگر‬where‫رخ‬ ‫هم‬ ‫با‬ ‫صفت‬ ‫چند‬
‫توانیم‬ ‫می‬ ‫دهند‬ ‫می‬Index‫صورت‬ ‫به‬ ‫را‬Multi-
Attribute‫بسازیم‬.
‫دانشجویان‬ ‫نام‬ ‫و‬ ‫خانوادگی‬ ‫نام‬ ‫کنید‬ ‫فرض‬ ‫مثال‬
‫در‬ ‫همزمان‬ ‫طور‬ ‫به‬Where‫شود‬ ‫استفاده‬.‫این‬ ‫در‬
،‫شود‬ ‫می‬ ‫پیشنهاد‬ ‫صورت‬multi-attribute Index‫ساخته‬
‫شود‬.
 Select * from STT where stname =‘ali’ and stfamily =
‘hassani’
Data entry‫نام‬ ‫روی‬ ‫بر‬ ‫ابتدا‬ ‫صورت‬ ‫این‬ ‫در‬ ‫ها‬

87. ‫مقایسه‬Multi-Attribute‫و‬Single-
Attributeindex
Single Index

88. ‫مقایسه‬Multi-Attribute‫و‬Single-
Attributeindex
Multi Index

89. ‫طراحی‬ ‫های‬ ‫انتخاب‬
‫در‬multi Attribute Indexing‫در‬ ‫ها‬ ‫صفت‬ ‫تقدم‬
where‫است‬ ‫مهم‬.
 Select * from STT where stfamily =‘‫’اکبری‬ and
stname =‘‫’علی‬
‫در‬Query‫باال‬index‫است‬ ‫مفید‬.
 Select * from STT where stname =‘‫’علی‬
‫در‬Query‫باال‬index‫نیست‬ ‫مفید‬.

90. ‫طراحی‬ ‫های‬ ‫انتخاب‬
Index‫کارایی‬ ‫که‬ ‫کنید‬ ‫انتخاب‬ ‫را‬ ‫هایی‬
‫از‬ ‫بیشتری‬ ‫تعداد‬query‫افزایش‬ ‫را‬ ‫ها‬
‫دهد‬.
‫یک‬ ‫حداکثر‬index‫صورت‬ ‫به‬ ‫تواند‬ ‫می‬
Clustered‫که‬ ‫کنید‬ ‫انتخاب‬ ‫را‬ ‫شاخصی‬ ،‫باشد‬
‫کند‬ ‫ایجاد‬ ‫را‬ ‫کارایی‬ ‫بیشترین‬.

91. ‫مثال‬
‫به‬ ‫پاسخ‬ ‫برای‬Query‫چه‬ ‫زیر‬Index‫پیشنهاد‬ ‫را‬ ‫یی‬
‫کنید‬ ‫می‬.
 Select * from Employee where DOB > 1330
‫آیا‬B+ Index‫باشد؟‬ ‫مفید‬ ‫تواند‬ ‫می‬
‫سوال‬1:‫می‬ ‫صدق‬ ‫شرط‬ ‫در‬ ‫رکوردها‬ ‫از‬ ‫درصد‬ ‫چند‬
‫کنند؟‬
‫باالی‬ ‫اگر‬90‫اساسا‬ ‫است‬ ‫بهتر‬ ،‫است‬ ‫درصد‬Scan
‫کنیم‬!
‫سوال‬2:‫آیا‬Index‫صورت‬ ‫به‬clustered‫است؟‬

92. ‫مرکب‬ ‫جستجوی‬ ‫کلید‬
‫صورت‬ ‫به‬ ‫جستجو‬ ‫اگر‬DOB= 1330&&salary =
400‫باشد‬
‫روی‬ ‫ایندکس‬ ‫کارایی‬(sal,DOB)‫کارایی‬ ‫از‬ ‫بهتر‬
‫روی‬sal‫و‬DOB‫است‬.
‫صورت‬ ‫به‬ ‫جستجو‬ ‫اگر‬1330<DOB<1340&&
300<salary<400
‫روی‬ ‫شده‬ ‫بندی‬ ‫خوشه‬ ‫ایندکس‬(sal,DOB)‫یا‬
(DOB,sal)‫است‬ ‫انتخاب‬ ‫بهترین‬.
‫صورت‬ ‫به‬ ‫جستجو‬ ‫اگر‬DOB=30&&
300<salary<400

93. ‫به‬ ‫پاسخ‬Query‫به‬ ‫دسترسی‬ ‫با‬ ‫فقط‬
Index
‫اگر‬ ‫موارد‬ ‫برخی‬ ‫در‬Index‫داشته‬ ‫مناسب‬
‫به‬ ‫توانیم‬ ‫می‬ ،‫باشیم‬Query‫دسترسی‬ ‫بدون‬
‫دهیم‬ ‫پاسخ‬ ‫داده‬ ‫پایگاه‬ ‫های‬ ‫تاپل‬ ‫به‬.
‫مثال‬
 Select DOB, count(*) from Employee group by DOB
 Index on DOB
 Select AVG(sal) from Employee DOB = 1330 and sal
between 3000 and 5000
 Index on “DOB, salary”

94. ‫هشتم‬ ‫فصل‬ ‫پایان‬