Semi Join vs Bloom Join
Semi join y Bloom join son dos métodos de unión utilizados en el procesamiento de consultas para bases de datos distribuidas. Al procesar consultas en bases de datos distribuidas, los datos deben transferirse entre bases de datos ubicadas en diferentes sitios. Esta podría ser una operación costosa dependiendo de la cantidad de datos que se deben transferir. Por lo tanto, al procesar consultas en un entorno de base de datos distribuida, es importante optimizar las consultas para minimizar la cantidad de datos transferidos entre sitios. Semi join y bloom join son dos métodos que se pueden utilizar para reducir la cantidad de transferencia de datos y realizar un procesamiento de consultas eficiente.
¿Qué es Semi Join?
Semi join es un método utilizado para el procesamiento eficiente de consultas en entornos de bases de datos distribuidas. Considere una situación en la que una base de datos de empleados (que contiene información como el nombre del empleado, el número de departamento para el que está trabajando, etc.) ubicada en el sitio 1 y una base de datos del Departamento (que contiene información como el número de departamento, el nombre del departamento, la ubicación, etc.) ubicada en el sitio. 2. Por ejemplo, si queremos obtener el nombre del empleado y el nombre del departamento para el que trabaja (solo de los departamentos ubicados en “Nueva York”), ejecutando una consulta en un procesador de consultas ubicado en el sitio 3, hay varias formas de los datos podrían transferirse entre los tres sitios para lograr esta tarea. Pero al transferir datos, es importante tener en cuenta que no es necesario transferir toda la base de datos entre los sitios. Solo algunos de los atributos (o tuplas) que se requieren para la unión deben transferirse entre los sitios para ejecutar la consulta de manera eficiente. Semi join es un método que se puede utilizar para reducir la cantidad de datos enviados entre los sitios. En semiunión, solo la columna de unión se transfiere de un sitio a otro y luego esa columna transferida se usa para reducir el tamaño de las relaciones enviadas entre los otros sitios. Para el ejemplo anterior, puede simplemente transferir el número de departamento y el nombre de departamento de las tuplas con ubicación =”Nueva York” del sitio 2 al sitio 1 y realizar la unión en el sitio 1 y transferir la relación final de regreso al sitio 3.solo la columna de unión se transfiere de un sitio a otro y luego esa columna transferida se usa para reducir el tamaño de las relaciones enviadas entre los otros sitios. Para el ejemplo anterior, puede simplemente transferir el número de departamento y el nombre de departamento de las tuplas con ubicación =”Nueva York” del sitio 2 al sitio 1 y realizar la unión en el sitio 1 y transferir la relación final de regreso al sitio 3.solo la columna de unión se transfiere de un sitio a otro y luego esa columna transferida se usa para reducir el tamaño de las relaciones enviadas entre los otros sitios. Para el ejemplo anterior, puede simplemente transferir el número de departamento y el nombre de departamento de las tuplas con ubicación =”Nueva York” del sitio 2 al sitio 1 y realizar la unión en el sitio 1 y transferir la relación final de regreso al sitio 3.
¿Qué es Bloom Join?
Como se mencionó anteriormente, bloom join es otro método utilizado para evitar la transferencia de datos innecesarios entre sitios al ejecutar consultas en entornos de bases de datos distribuidas. En bloom join, en lugar de transferir la columna de combinación en sí, se transfiere una representación compacta de la columna de combinación entre los sitios. Bloom join utiliza un filtro bloom que emplea un vector de bits para ejecutar consultas de membresía. En primer lugar, se construye un filtro de floración utilizando la columna de unión y se transfiere entre los sitios y luego se realizan las operaciones de unión.
¿Cuál es la diferencia entre Semi Join y Bloom Join?
A pesar de que los métodos de combinación semi y floración se utilizan para minimizar la cantidad de datos transferidos entre los sitios cuando se ejecutan consultas en un entorno de base de datos distribuida, la combinación de floración reduce la cantidad de datos (número de tuplas) transferidos en comparación con la combinación semi mediante el uso de concepto de filtros de floración, que emplean un vector de bits para determinar las membresías del conjunto. Por lo tanto, usar bloom join será más eficiente que usar semi join.
