초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

기존의 바다-II는 늦은 프로젝션(late projection) 기법을 사용하기 때문에 중간 임시 결과 파일의 디스크 쓰기와 디스크 읽기에 많은 디스크 자원, 메모리 자원, 그리고 CPU 시간이 소모되었다. 본 논문은 바다-II에 조기 프로젝션(early projection) 기법의 설계와 구현 그리고 그에 따른 성능 향상을 보인다.

기존의 바다-II는 늦은 프로젝션(late projection) 기법을 사용하기 때문에 중간 임시 결과 파일의 디스크 쓰기와 디스크 읽기에 많은 디스크 자원, 메모리 자원, 그리고 CPU 시간이 소모되었다. 본 논문은 바다-II에 조기 프로젝션(early projection) 기법의 설계와 구현 그리고 그에 따른 성능 향상을 보인다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 바다니 I의 기존 버전은 조인의 수행 시 늦은 프로젝션과 구체화 기법을 사용하였다. 본 논문은 바다니 I에 조기 프로젝션 기법을 어떻게 구현하였는지 그리고 어느 정도의 성능 향상을 이루었는지를 보인다. 본 논문의 나머지 부분의 구성은 다음과 같다.
• 바다시I에 조기 프로젝션 기법을 도입한 이유는 최종적으로 파이프라이닝을 설계하고 구현하기 위함이다. 본 논문을 바탕으로 향후 바다니I에서 파이프라이닝을 설계하고 구현하고자 한다.

가설 설정

• Base 테이블에서 칼럼의 위치는 고정적이지만. 중간 결과 레코드 내에서의 칼럼 위치는 유동적이다. 따라서 중 간 결과 레코드에서 읽어올 칼럼은 이전 프로젝션의 。니tput 칼럼 정보를 보고 input 칼럼 정보를 설정하여야 한다.

제안 방법

• 칼럼의 개수가 많을수록, 결과 투플의 개수가 많을수록 비용은 더 커진다. 바다니 I의 기존 버전은 조인의 수행 시 늦은 프로젝션과 구체화 기법을 사용하였다. 본 논문은 바다니 I에 조기 프로젝션 기법을 어떻게 구현하였는지 그리고 어느 정도의 성능 향상을 이루었는지를 보인다.
• 최적화에 의해 조인 수행 방법을 중첩 루프 조인 알고 리즘으로 설정하였을 경우, 늦은 프로적션과 조기 프로젝 旦의 성능을 평가하였다. 조인 수행 시 인덱스가 존재할 경우, 인덱스를 사용한다.

대상 데이터

• 테이블 정보는 다음과 같다. 각 테이블의 투플 수는 10000 개이다.

성능/효과

• 이는 늦 은 프로젝션 시 조인의 수가 늘어날수록 중간 결과 투플 의 크기가 커지므로 중간 결과 파일에 저장할 데이터의 양도 그 만큼 많아지기 때문이다. 4개 조인의 경우, 조거 프로젝션 시 소요되는 시간이 3개 조인의 경우보다 많이 감소되었지만, 성능 향상 정도는 낮아졌다. □ 이유는 실제 조인에 소요되는 시간의 증가하는 시간에 비해 조기 프로젝션으로 감소된 시간이 적기 때문이다.
• 그림 1-b는 바다니 I에 조기 프로젝션을 도입한 후의 질의 트리로서 bottom up 방식으로 조인을 수행하면서 다음 연산에 필요한 칼럼들과 최종 project 시에 필요한 칼럼들만을 project 하여 중간 임시 결과 파일에 저장한다. 조인 수행 중에 최종 결과를 도출해내는데 필요하지 않은 칼럼들을 버림으로써 바다니 I의 기존의 늦은 프로젝션에 드는 오버헤드를 줄인다.
• 최적화 과정에서 중첩루프 조인 알고리즘으로 조인을 수행했을 경우, 조인의 숫자에 따라 조기 프로젝션 적용 후 작게는 443%에서 크게는 14.22%까지 성능 향상을 보였다. 이는 임시 결과 파일에 중간 결과 투플을 저장하고 읽어들이는데 드는 비용이 적게 들었기 패문이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기