第20讲-数据库查询实现算法之两趟扫描算法

2000-第20讲本讲学习什么（1分21秒）及第20讲教学课件

2001-两趟扫描算法的基本思想（7分20秒）

为什么需要两趟算法？

内存不够装载整个关系

2002-两阶段多路归并排序算法（2个视频总计16分41秒）

两阶段多路归并排序算法（9分11秒）

两阶段多路归并排序算法过程模拟及讨论（7分30秒）

2003-基于排序的两趟扫描算法（8分58秒）

2004-基于散列的两趟扫描算法（2个视频总计16分13秒）

基于散列的两趟扫描算法-去重与分组（8分00秒）

基于散列的两趟扫描算法-并交差与连接（8分13秒）

第20讲模拟练习题

1、已知内存共有8块，若要排序有70块的数据集，应如何组织，才能使磁盘读写次数最少。下列方案中磁盘读写次数最少的方案是________。

• A.方案I：(1)以8块为一个单位划分子集合，每个子集合进行内排序并存储，形成9个已排序子集合（其中包含一个仅有6块的子集合）；(2)接着在9个子集合中选择3个子集合 (其中包含仅有6块的子集合)，进行一个三路归并，形成一个已排序子集合；(3)再将剩余5个子集合与刚才归并后形成的子集合，进行一个七路归并，形成最终的已排序集合。这个方案的磁盘读写次数最少。

• B.方案II：(1)以7块为一个单位划分子集合，每个子集合进行内排序并存储，形成10个已排序子集合；(2)接着在10个子集合中任选5个子集合进行一个五路归并，形成一个已排序子集合；(3)再将剩余5个子集合与刚才归并后形成的子集合，进行一个六路归并，形成最终的已排序集合。这个方案的磁盘读写次数最少。

• C.方案III：(1)以8块为一个单位划分子集合，每个子集合进行内排序并存储，形成9个已排序子集合（其中包含一个仅有6块的子集合）；(2)接着在9个子集合中任选七个子集合进行一个七路归并，形成一个已排序子集合；(3)再将剩余2个子集合与刚才归并后形成的子集合，进行一个三路归并，形成最终的已排序集合。这个方案的磁盘读写次数最少。

• D.方案IV：(1)以8块为一个单位划分子集合，每个子集合进行内排序并存储，形成9个已排序子集合；(2)接着在9个子集合中任选5个子集合进行一个五路归并，形成一个已排序子集合；(3)再将剩余4个子集合与刚才归并后形成的子集合，进行一个五路归并，形成最终的已排序集合。这个方案的磁盘读写次数最少。

正确答案：A你选对了

2、已知内存共有100块，若要排序有10000块的数据集，则该数据集不能在两趟内实现排序，磁盘读写次数为40400次。。

3、已知内存共有8块，若要排序有100块的数据集，则给定多路归并算法如下：(1)以8块为一个单位划分子集合，每个子集合进行内排序并存储，形成13个已排序子集合(含一个仅有4块的子集合)；(2)接着在13个子集合中任选7个子集合（包含仅有4块的子集合）进行一个七路归并，形成一个已排序子集合；(3)再将剩余6个子集合与刚才归并后形成的子集合，进行一个七路归并，形成最终的已排序集合。问：这个方案的磁盘读写次数是504。

4、关于基于排序的两趟算法，下列说法都正确：

基于排序的两趟算法的第一趟都是划分子表并排序。每一个子表应都能装入内存，并进行排序，然后再存回磁盘。

基于排序的两趟算法的第二趟是进行归并，在归并的过程中可以边排序边去重复，归并完成即去重复操作完成。

基于排序的两趟算法的第二趟是进行归并，在归并的过程中可以一边排序一边进行分组并进行聚集计算，归并完成即分组聚集计算操作完成。

5、已知关系R和S。关系占用的磁盘块数B(R)=1000，B(S)=1000，已知可用内存页数M=40。采用基于排序的算法，下列说法正确的是用一趟算法即可实现R和S的包的并操作。

6、已知关系R和S。关系占用的磁盘块数B(R)=1000，B(S)=500，已知可用内存页数M=50。采用基于排序的算法，下列说法正确的是用两趟算法才能实现R和S的集合并操作。

7关于基于散列的两趟算法，下列说法都正确：

基于散列的两趟算法的第一趟是散列子表。用某一个散列函数，将具有相同散列值的元组散列到相同的子表中并存回磁盘。

基于散列的两趟算法的第二趟是用与第一趟不同的散列函数，将子表再散列到内存的不同内存块中，在具有相同散列值的所有内存块中去重复，即是在整个关系上去重复。所有子表处理完成，去重复操作即告完成。

两次散列函数的选择是不同的，第一趟是在大范围上进行散列，将一个大数据集散列成若干个具有相同散列值的散列子表，第二趟是在小范围上进行散列，将具有某相同散列值的散列子表(大范围上散列值相等)散列到内存的某一块或几块(小范围上散列值相等)。

8、基于散列的两趟算法和基于排序的两趟算法，其中第一趟都是划分子表，都要求子表的存储块数要小于可用内存数，以便子表可以一次性装入内存进行处理。关于划分子表，下列说法正确的是基于排序的算法总是可以均匀地划分子表(即每个子表的大小都一样，除最后一块外)；基于散列的算法不能保证总是均匀地划分子表。

9、关于R与S的并、交、差运算的基于散列的两趟算法，其中第一趟都是划分子表，都要求子表的存储块数要小于可用内存块数，以便子表可以一次性装入内存进行处理。关于划分子表，下列说法正确的是必须用相同的散列函数将R和S分别散列成若干个子表。

10、关于基于散列的两趟算法和基于排序的两趟算法的基本思想，下列说法正确的是排序算法是先划分子表，独立处理子表（第一趟），然后再对各子表进行关联性处理（第二趟）；散列算法是先从关联性角度处理，形成子表（第一趟），然后再独立处理每一个子表（第二趟）。

11、关于连接运算R (JOIN on R.A=S.B) S的基于散列的两趟算法，下列说法不正确的是_______。

• A.必须以相同的散列函数分别散列R和S，形成若干个散列子表。

• B.散列过程中，R必须以A属性值作为散列函数的键值，S必须以B属性值作为散列函数的键值。

• C.散列过程中，R必须以A和B属性值作为散列函数的键值，S也必须以A和B属性值作为散列函数的键值。

• D.第二趟处理中，须将R的子表再完整地散列到内存的若干块中，然后再一块一块处理S对应子表的每一块，以便快速决定可以连接的元组。

正确答案：C你选对了

12、关于基于散列的两趟算法，下列说法正确的是第一趟散列的目的是使数据子集具有某一种特性(如具有相同的散列值)，而第二趟散列的目的是提高数据处理的速度。