CMU 15-445/645 Database System

我们期望查询语句尽可能的命中索引，所以一般来说主键是一定要建立索引的，其他的属性上就要看管理员自己的考量了。但索引越多意味着当表中的数据发生变动的时候，它所需要的维护成本越高。

join是数据库内核中一个很重要的算子，但是它的实现方式有很多。通过建立hash table的方式能提高probe的效率，但是它只适用于等值连接；通过loop的方式更简洁，但是需要规划左右表的次序。

query的执行方式，可以分为两大类，pull模型和push模型，分别对应自上而下（top-to-bottom）和自底向上（bottom-to-top）这两种截然相反的逻辑。这里介绍三种pull模型。

前面已经讨论了在硬盘上如何存储和管理存储，在内存中如何进行数据缓存以及如何访问数据（哈希表存储中间数据，索引加速数据访问，并发控制策略等。 是时候讨论一些真正的技术了。

前面讨论的数据结构都是在单线程中的情况。但是实际场景中，并发和多线程操作是一定存在的，所以必须要确保DBMS在多线程操作的情况下仍然可以安全的访问数据，尽可能的利用现在越来越多的cpu核心。

首先补充了一下上一节没有写完的，关于索引的一些优化策略。首先从空间的代价去考虑，索引中的key都是有序存储的，所以可以用提取公共前缀的思想来减少叶子节点中的数据占用的空间。

这一节介绍的是数据库中的索引使用的数据结构：B+树。这种树的定义和一些特征应该都很熟悉了，网上也有很多资料，所以不加赘述；更重要的是，关注一下它用在索引中，有什么价值，有哪些细节需要注意

这一节介绍的是哈希表的几种设计思路。在处理一些query时，有可能需要创建一些临时的数据结构来作为中间表等，用于加速和优化执行过程。本节提到的hash table就可以用于join的结果生成中间表。

The DBMS can manage that sweet, sweet memory better than the OS.

不同类型的数据库应运而生，来应对渐次出现的多种类型工作。我们通常把数据库的workload分为两类，OLTP型和OLAP型。前者应对业务查询，使用行存储；后者专攻数据分析，使用列存储。

数据库中的数据，究其根本，是以文件的形式存储在磁盘上的。 那么就要考虑以下几个问题： - DBMS如何管理这些数据库文件？ - 每一条数据在文件中具体是如何存储的？

SQL相当于对关系代数进行的一层封装，我们通过编写SQL来实现我们期望的查询。DBMS会设计优化器来对SQL进行优化，使其尽可能以最高效的方式来转化成关系代数表达式进行执行，称为query plan。

0. 内容说明 CMU 15-445/645 Intro to Database Systems（Fall 2019版）系列课程的学习笔记。 Slides: Index of /fall2019/sl