हेलो, हेब्र! मैं आपके लिए
"कैसे एक संबंधपरक डेटाबेस काम करता है" लेख का अनुवाद प्रस्तुत करता हूं ।

जब रिलेशनल डेटाबेस की बात आती है, तो मैं मदद नहीं कर सकता लेकिन लगता है कि कुछ गायब है। इनका इस्तेमाल हर जगह होता है। कई अलग-अलग डेटाबेस हैं: छोटे और उपयोगी SQLite से शक्तिशाली Teradata तक। लेकिन केवल कुछ लेख हैं जो बताते हैं कि डेटाबेस कैसे काम करता है। आप "howdoesarelationaldatabasework" ("कैसे संबंधपरक डेटाबेस काम करते हैं") को देखने के लिए खोज सकते हैं कि कितने परिणाम हैं। इसके अलावा, ये लेख कम हैं। यदि आप नवीनतम ट्रेंडी तकनीकों (बिगडाटा, नोएसक्यूएल या जावास्क्रिप्ट) की तलाश कर रहे हैं, तो आपको और अधिक गहन लेख मिलेंगे, जिसमें बताया जाएगा कि वे कैसे काम करते हैं।

क्या रिलेशनल डेटाबेस बहुत पुराने और बहुत उबाऊ हैं जिन्हें विश्वविद्यालय के पाठ्यक्रमों, शोध पत्रों और पुस्तकों के बाहर समझाया जा सकता है।

, . 40 , . , - , . , . , , .

, , , . , , CRUD; . , , .

, (BigO). , , . , , : SQL . , , .

, , , . ; .

, 3 :

( , ...), , . , .

, . .

O(1) vs O(n²)

… !

( ) , . , ! , . (cost based optimization).

, . , . , , .

, " O (some_function() )", , some_function(a_certain_amount_of_data) .

**, , ** . , .

. , . , 1 1 . , :

• O(1) ( ).
• O(log(n)) .
• — O(n²), .
• .

O(1) O(n²) . , , , 2000 .

• O (1) 1
• O (log (n)) 7
• O (n) 2 000
• O (n * log (n)) 14 000
• O (n²) 4 000 000

O(1) O(n²) (4 ) 2 , . , . -.

, - . 1 000 000 ( ):

• O (1) 1
• O (log (n)) 14
• O (n) 1 000 000
• O (n * log (n)) 14 000 000
• O (n2) 1 000 000 000 000

, , O (n2) ( !). 0 , , .

:

• - O (1).
• O (log (n)).
• O (n).
• O (n * log (n)).
• O (n²).

: .

:

.

, :

• /

, , n², :

• n⁴: ! .
• 3ⁿ: ! , , ( ).
• n: .
• nⁿ: , , ...

: « », . () .

MergeSort ( )

, ? ? sort ()… , … , sort ().

, : . , , , , . , join , merge join ( ).

Merge ()

, : 2 N / 2 N- N . .

, :

, 8 2 4- . 4- :

• 1) ( = )
• 2) , 8
• 3) ,
• 1,2,3, .
• , 8 .

, 4- , «» .

, , merge:

array mergeSort(array a)
   if(length(a)==1)
      return a[0];
   end if

   //recursive calls
   [left_array right_array] := split_into_2_equally_sized_arrays(a);
   array new_left_array := mergeSort(left_array);
   array new_right_array := mergeSort(right_array);

   //merging the 2 small ordered arrays into a big one
   array result := merge(new_left_array,new_right_array);
   return result;

, , (: ). , ; , . , :

• ,
• , ( ), .

Division phase ( )

3 . — log(N) ( N=8, log(N) = 3).

?

! — . , 2. — , . ( 2).

Sorting phase ( )

() . , N = 8 :

• 4 , 2
• 2 , 4
• 1 , 8

log (N) , N * log(N) .

merge sort

?

:

• , , , , .

: in-place ( ).

• /. , , . , 100 .

: .

• / / .

, Hadoop ( ).

• (!).

( ) , . , , .

, -

, , 3 . , . .

— . . :

2- :

• , .
• (integer, string, date …).

, , .

, , , , , . N , N — , , ? .

: : heap-organizedtables index-organizedtables. .

— , :

• , ,
• ,

,

N = 15 . , 208:

• , 136. 136<208, 136.
• 398>208, , 398
• 250>208, , 250
• 200<208, , 200. 200 , ( , , 200).

, , 40

• , 136. 136 > 40, 136.
• 80 > 40, , 80
• 40= 40, . ( ) .
• , , , .

. , , log (N) . , log(N), !

, . integer, , - . , , "country" (column 3) :

• ,
• , ,
• "UKnode" .

log(N) N . , — .

(, , 2 , , …) , (.. ) ( ).

B+TreeIndex

, , . O(N) , (, ). , -, . . B+Tree. B+Tree :

• () ( )
• .

, ( ). , , « », ( ). O(log(N)) ( ). , .

B+Tree, 40 100:

• 40 ( 40, 40 ), .
• 40, , 100.

, M , N . log(N) . , , M M . M+log(N) N . , ( M + log (N) ), . (, 200 ) N (1 000 000 ), .

(!). (, , B+Tree):

• B+Tree, .
• B+Tree, O (log (N)) O (N).

, B+Tree . , . : B+ O (log (N)). , . , / / , O (log (N)) . , ( ).

, B+Tree. B+Tree , MySQL. , InnoDB ( MySQL) .

: , - B+ .

Hashtable (-)

— -. , . , - , - ( hash join). (, , ).

- — , . - :

• - . ( ).
• . , , , .

:

- 10 . , 5 , , , 5 . - 10 . , , :

• 0, 0,
• 1, 1,
• 2, 2,
• …

, , .

, 78:

• - - 78, 8.
• - 8, , , 78.
• 78
• 2 ( -, ).

, , 59:

• - - 59, 9.
• - 9 , — 99. 99!=59, 99 .
• , (9), (79), …, (29).
• .
• 7 .

-

, , , !

- 1 000 000 ( , 6 ), 1 , 000059 . — -, , .

- . , - , :

• ( — )
• 2 ( — )
• 2 ( — , )
• …

- - O(1).

vs -

?

, .

• एक हैश तालिका को आंशिक रूप से मेमोरी में लोड किया जा सकता है , और शेष खंड डिस्क पर रह सकते हैं।
• एक सरणी के साथ, आपको मेमोरी में सन्निहित स्थान का उपयोग करना चाहिए। यदि आप एक बड़ी तालिका लोड कर रहे हैं, तो पर्याप्त निरंतर स्थान ढूंढना बहुत मुश्किल है ।
• एक हैश तालिका के लिए, आप वांछित कुंजी (उदाहरण के लिए, देश और व्यक्ति का नाम) का चयन कर सकते हैं।

अधिक जानकारी के लिए, आप जावा हैशमैप पर लेख पढ़ सकते हैं , जो हैश तालिका का एक कुशल कार्यान्वयन है; इस आलेख में प्रस्तुत अवधारणाओं को समझने के लिए आपको जावा को समझने की आवश्यकता नहीं है।