CC BY
34
rdra)1
i \QQ/ *
УДК 004.457/004.054
UDC 004.457/004.054
ПРОГРАММНОЕ СРЕДСТВО ИССЛЕДОВАНИЯ РАЗЛИЧНЫХ АЛГОРИТМОВ КЭШИРОВАНИЯ В РЕЛЯЦИОННЫХ СУБД
SOFTWARE TOOL FOR INVESTIGATING VARIOUS CACHING ALGORITHMS IN RELATIONAL DBMS
Иванов В. И., Новиков С. П.
Донской государственный технический университет, г. Ростов-на-Дону, Российская Федерация slava-ivanoff@mail.ru, п serg7@mail.ru.
Рассмотрены различные алгоритмы кэширования. Реализовано приложение,
Ivanov V. I., Novikov S. P.
Don State Technical University, Rostov-on-Don,
Russian Federation
slava-ivanoff@mail.ru,
n_serg7@mail.ru.
The article examines various caching algorithms. The authors have implemented an application,
позволяющее определить эффективность того which allows them to determine the effectiveness или иного метода в конкретно заданной of a particular method in a specified relational реляционной базе данных путём вывода database, by outputting the time spent on SQL
реляционная база данных.
Введение. В настоящее время все больше сфер деятельности использует базы данных (БД). Их развитие идет стремительными темпами, а объемы хранимой информации пропорционально возрастают. Благодаря исследованиям частных компаний было выяснено, что наибольшую популярность в данный момент имеют реляционные базы данных — MySQL, PostgreSQL, MS SQL server. Реляционная база данных — это совокупность взаимосвязанных таблиц, каждая из которых содержит информацию об объектах определенного типа. Строка таблицы содержит данные об одном объекте, а столбцы таблицы описывают различные характеристики этих объектов — атрибутов. Записи, то есть строки таблицы, имеют одинаковую структуру — они состоят из полей, хранящих атрибуты объекта. Каждое поле, то есть столбец, описывает только одну характеристику объекта и имеет строго определенный тип данных. Все записи имеют одни и те же поля, только в них отображаются различные информационные свойства объекта [1, 2, 3].
Одна из проблем, возникающих при работе с реляционными базами данных, — это потеря производительности из-за постоянно возрастающего объёма хранимых данных. Одним из способов решения данной проблемы является использование кэша и операции кэширования. Кэш (cache) — промежуточный буфер с быстрым доступом, содержащий информацию, которая может быть запрошена с наибольшей вероятностью. Соответственно кэширование — это процесс размещения и хранения какой-либо информации в кэше с целью увеличения скорости доступа к ней [2, 3]. Доступ к данным в кэше осуществляется быстрее, чем выборка исходных данных из более медленной памяти или удаленного источника, однако её объём существенно ограничен по сравнению с хранилищем исходных данных. Однако неправильно выбранный способ кэширования способен наоборот понизить производительность. Таким образом, необходимо средство, которое способно определять, какой именно алгоритм кэширования нужно применять в каждой отдельно взятой базе данных.
Постановка задачи. Необходимо рассмотреть основные используемые алгоритмы кэширования, разработать и реализовать программное средство, с помощью которого можно проводить тестирование различных алгоритмов кэширования в реляционной базе данных при
затраченного времени на SQL-запросы.
queries.
Ключевые слова: кэш, кэширование, Keywords: cache, caching, relational database
rdraY
i \QQ/ *
помощи SQL-запросов. При этом требуется использовать существующую систему управления базами данных (СУБД) и сохранить все базовые отношения в БД.
Описание метода. В данный момент основными используемыми алгоритмами кэширования являются: FIFO, LFU, LRU, сегментный LRU, mid point LRU, 2Q, MQ. Рассмотрим каждый из них по отдельности [1, 2, 3].
FIFO (first input first output) работает как обычная очередь по принципу «первый вошел, первый вышел». Т.е. если искомый элемент не находится в кэше, он вставляется в хвост очереди. Для освобождения места удаляются элементы из головы очереди.
В LFU для каждого элемента кэша создается счётчик обращений. При этом каждый новый элемент вставляется в кэш со значением счётчика равным 1 и значение его увеличивается с каждым новым обращением. Главным недостатком LFU является то, что некогда частотные элементы могут присутствовать в кэше очень долго, даже если уже давно не происходил их запрос.
При использовании LRU каждый новый элемент вставляется в голову списка. При попадании в кэш элемент перемещается в голову списка вытесняя оттуда старый элемент. Если нужно освободить место, вытесняется элемент из хвоста списка. Таким образом, вытесняется элемент, который не запрашивался дольше всех.
Сегментный LRU является модернизированной версией обычного LRU. Кэш организован в виде нескольких LRU кэшей. Новый элемент вставляется в нулевой LRU кэш. При попадании в кэш элемент перемещается в следующий LRU кэш, либо в голову списка последнего LRU кэша, если выше уже идти некуда. При вытеснении элемента из k-го LRU кэша он перемещается в k-1 LRU кэш. По достижению 0LRU кэша, элемент удаляется [3, 4].
Mid point LRU является подвидом сегментного LRU, в котором количество сегментов — 2, и эти два сегмента делят кэш не на пополам, а в пропорции, которая вычисляется для каждой базы данных опытным путём.
2Q — данный вид кэширования характерен тем, что разделен на 3 части: In, Out, Main. In — FIFO кэш, в который попадают все новые элементы. Out — FIFO кэш, в который попадают элементы, вытесненные из In. При этом этот кэш хранит ключ и не хранит значение, поэтому его можно сделать достаточно большим. Main — главный LRU кэш, в который попадают новые элементы, найденные в Out. При вытеснении элемента из главного кэша он удаляется [3, 4, 5].
MQ — является вариацией LRU кэша. Для каждого элемента ведётся счётчик его запросов. Номер LRU кэша, в который стоит поместить элемент, вычисляется используя некоторую функцию от этого счётчика, например, логарифм.
В силу особенностей кэш памяти (малого его количества) эффективнее всего применять операцию кэширования в случае, когда объем данных в таблицах не чрезмерно большой.
Программная реализация и результат. Для реализации данного метода и проведения сравнительных испытаний, была выбрана СУБД «PostgreSQL 9.6». В качестве примера была выбрана упрощенная локальная база данных банка, заполненная данными. Ее структура показана на рис. 1.
Э ". 1 р<зу
3- Col игл ns (3) I id_pay ..! pay_dafce 0 id clitnt
dient_name в' Ц Columns (4) ! name
Q actual_from
Ф С dient^ad dress e ! 1 client | 13 Щ Columns (4) =' ! Columns (1)
□ address U actual_from ;_. actual_to id_client
Рис. 1. Структура БД
Молодой исследователь Дона
№3(12) 2018
Реализация приложения для тестирования различных видов кэширования осуществлена на языке программирования C#.
Все описанные в структуре программы алгоритмы тестировались про помощи автоматизированного составления 1000 запросов к структуре базы данных, состоящей из 10 000 записей. Это позволяет сказать о репрезентативности полученных результатов, которые отображены в таблице 1, а также на рис. 2. Данные отображены при расчете по среднему времени обработки запроса из 10 000 опытов и представлены в секундах.
Таблица 1
Результаты работы приложения по тестированию различных алгоритмов кэширования
Без кэша FIFO LFU LRU SLRU mpLRU 2Q MQ
10,361 10,765 9,972 10,293 10,453 10,454 10,785 10,532
10,41 10,687 10,001 10,285 10,345 10,351 10,738 10,583
10,334 10,794 10,031 10,215 10,495 10,49 10,741 10,594
10,359 10,698 9,983 10,243 10,462 10,462 10,79 10,523
10,318 10,715 10,114 10,363 10,501 10,516 10,816 10,578
10,361 10,536 10,056 10,339 10,434 10,428 10,804 10,573
10,395 10,621 10,04 10,298 10,483 10,489 10,809 10,604
10,297 10,695 10,155 10,257 10,429 10,428 10,764 10,542
10,297 10,748 9,99 10,343 10,504 10,513 10,753 10,537
Рис. 2. График производительности алгоритмов кэширования
Как видно из графиков и таблицы, использование LFU и LRU в данном случае незначительно ускорили скорость выполнения SQL-запросов, а все остальные — замедлили. В качестве точки отсчёта для сравнения производительности при разных способах кэширования приходится значение «без кэша», т.е. это значение можно взять за 100%. В таком случае получаются значения, представленные в таблице 2.
Молодой исследователь Дона
№3(12) 2018
Таблица 2
Сравнение полученных результатов
Без кэша FIFO LFU LRU SLRU mpLRU 2Q MQ
100% 103,33% 96,97% 99,44% 101,01% 101% 104,12% 102,04%
В данном случае при использовании LFU и LRU прирост производительности слишком мал и не позволяет сделать вывод о целесообразности использования кэша.
Заключение. Рассмотрены основные типы алгоритмов кэширования и создано приложение, с помощью которого можно тестировать эффективность использования того или иного алгоритма кэширования в реляционных базах данных. В данный момент в работе приложения остаются нерешенными проблемы осуществления выбора пользователем СУБД из нескольких заранее предложенных, с которой должна осуществляться работа, определения структуры базы данных для того чтобы в последующем можно было осуществлять более сложные и разнообразные SQL-запросы и остается проблема формирования не однотипных SQL-запросов.
Библиографический список
1. Реляционная база данных и её структура [электронный ресурс] / Научная библиотека избранных естественно-научных изданий. — Режим доступа: http://sernam.ru/book_cbd.php?id=2 (дата обращения 04.05.2017)
2. Федорова Г. Н. Разработка и администрирование баз данных / Г. Н. Федорова. — Москва: Академия, 2015. — 58с.
3. Дейт, К. Дж. Введение в системы баз данных, 8-е издание.: пер. с англ. / Дж. К. Дейт. — Москва: Издательский дом «Вильяме», 2005. — 1328 с.
4. Первое знакомство с кэшем и процессом кэширования [электронный ресурс] / Microsoft TechNet. — Режим доступа: https://social.technet.microsoft.com/wiki/ru-ru/contents/articles/11074.aspx (дата обращения: 04.05.2017).
5. Алгоритмы кэширования [электронный ресурс] / Программерский блог. — Режим доступа: https://artemy-kolesnikov.blogspot.ru/2014/11/blog-post.html (дата обращения 07.05.2017).
