TP1 Query Eval

Bases de données avancées
M1 Informatique
2021-2022
TP 5 – Evaluation de requêtes et optimisation

Pour cette partie du cours, nous travaillerons sous postgreSQL. Si vous travaillez sur votre compte
étudiant, référez-vous aux consignes sur le elearning pour vous connecter à votre base. Si vous
travaillez sur votre ordinateur personnel, débrouillez vous pour avoir une installation fonctionelle
avant les TPs.
1 Importation et index
1. Nous allons travailler sur les données utilisées en L3 dans le TP sur les index. Récupérez
les fichiers clients.sql et clients_data.csv. Le script clients.sql vous permet de
créer et remplir une table client. Explorez un peu le schéma ainsi que le contenu de la
base. Vous aurez besoin d’analyser les valeurs présentes dans la table pour expliquer les
comportements observés (nombre de valeurs distinctes, valeurs répétées, valeurs uniques,
nulls etc). Dans un premier temps, vous devrez calculer les informations dont vous avez
besoin “à la main” avec des requêtes. (La semaine prochaine, on étudiera les contenus la
table pg_statistic.)
2. Lors de la création de la table, vous n’avez pas créé d’index, pourtant il en existe un. Vérifiez
et expliquez.
3. Lancez la commande ANALYZE afin de mettre à jour les statistiques.

4. Testez la commande EXPLAIN sur la requête toute simple qui énumère le contenu d’une
table. Documentez vous dans la doc sur la signification des informations cost, rows,
width renvoyées par la commande EXPLAIN.
Remarques: Dans ce TP, nous ne nous focaliserons pas sur l’option ANALYZE de EXPLAIN. Gardez
bien en tête le fait que (1) les données d’EXPLAIN sont des estimations (2) les coûts sont calculés
à partir de valeurs de références dont l’échelle est arbitraire.
5. Créez maintenant des scripts en prenant exemple sur clients.sql permettant chacun de
créer des nouvelles tables ayant le même schéma et les mêmes données que la table client.
L’une s’appellera client_btree aura en plus deux index btree: un sur la colonne age et
un sur tel. Un autre s’appellera client_hash aura en plus deux index hash: un sur la
colonne age et un sur tel. Vous pouvez aussi faire une table client_both avec les index
btree et hash.
Les créations d’index devront être faites avant de remplir la table.
6. Relancez ANALYZE après la création de vos tables afin de mettre à jour les statistiques.
2 Opérateurs de sélection
L’objectif de cette partie est d’observer, sur des requêtes simples sans jointure, les choix faits
par le système au niveau des plans d’exécution. Vous expliquerez l’utilisation ou non des différents
1
index selon le type de requêtes et mettrez en évidence les différents opérateurs de sélection de
postgreSQL.
Vous trouverez ci-dessous des suggestions de requêtes. Mais n’hésitez pas à pousser les tests plus
loin et/ou à utiliser d’autres requêtes. L’important est de faire apparitre des comportements
variés et intéressants à expliquer.
Les résultats variant selon les instances de bases et les stats construites par le système, il est
normal que vous n’obteniez pas forcément tous le même résultat à une même requête.
7. Choisir une valeur x non nulle de age qui apparait plus de 1000 fois dans la table. Observer
le query plan de la requête qui extrait les tuples ayant x pour valeur de age.
8. Choisir une valeur x non nulle de tel qui apparait plus d’une fois dans la table. Observer
le query plan de la requête qui extrait les tuples ayant x pour valeur de tel.
9. Extraire les tuples dont age appartient à un intervale de valeurs. Essayer d’obtenir plusieurs
plans différents.
10. Extraire les tuples ayant un null pour age.
11. Extraire les tuples ayant une valeur de age non null.
12. Faire une sélection sur la disjonction d’une valeur de age et d’une valeur de tel.
13. Sur la table client_btree, trouvez une requête mettant en avant l’opérateur BitmapAnd.
3 Jointures
Nous allons maintenant nous intérsser aux opérateurs de jointure. Dans chacun des cas suivants,
proposez une requête calculant le résultat et analysez le plan d’exécution proposé par le query
planner. N’hésitez pas à observer le comportement d’autres requêtes (sur la base magasin par
exemple).
N’hésitez pas à dessiner l’arbre correspondant au plan d’exécution lorsqu’il devient compliqué.
14. La jointure de la table client avec elle même sur l’attribut age. Est-ce que le plan d’exécution
change avec l’index utilisé ?
15. La jointure de la table client avec elle même sur l’attribut age, triée par l’âge de c1. Est-ce
que le plan d’exécution change avec l’index utilisé ?
16. La jointure de la table client avec elle même avec la condition c1.age < c2.age. Est-ce
que le plan d’exécution change avec l’index utilisé ?
4 Autres opérateurs
L’objectif de cette partie est d’observer d’autres opérateurs tels que les opérateurs ensemblistes,
d’agrégats, etc. Proposez des requêtes mettant en évidence l’utilisation des différents opérateurs.
Vous pouvez écrire des requêtes sur la base client ou bien étudiez les plans d’exécution résultant
de vos réponses au TP d’échauffement sur elearning.

TP1 Query Eval

Transféré par

Droits d'auteur :

Formats disponibles

TP1 Query Eval

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

TP1 Query Eval

Transféré par

Droits d'auteur :

Formats disponibles

Bases de données avancées

TP 5 – Evaluation de requêtes et optimisation

3. Lancez la commande ANALYZE afin de mettre à jour les statistiques.

Les créations d’index devront être faites avant de remplir la table.

Vous aimerez peut-être aussi