Green-IT und Datenbanken - ODBMS
Green-IT und Datenbanken - ODBMS
Green-IT und Datenbanken - ODBMS
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
7.1 Ergebnisse<br />
Einfluss der Datenbankgröße auf den Energieverbrauch: Die Untersuchungen<br />
mit unterschiedlichen Datenbankgrößen haben gezeigt, dass es einen linearen<br />
Zusammenhang zwischen der Datenbankgröße <strong>und</strong> dem durchschnittlichen Energieverbrauch<br />
beziehungsweise der Laufzeit aller Abfragen gibt. Eine Verdoppelung der<br />
Datenbankgröße führt zu einer Verdoppelung der Laufzeit, beziehungsweise des Energieverbrauches.<br />
Eine Ausnahme hiervon bilden einfache Selektionen, deren Laufzeit<br />
<strong>und</strong> Energieverbrauch weniger stark anwächst (siehe Abschnitt 5.3.4).<br />
Einfluss von Indizes auf den Energieverbrauch: Einleitend wurden zwei Arten<br />
der Indizierung von Daten vorgestellt. Der konventionelle Index <strong>und</strong> der Bitmap-<br />
Index <strong>und</strong> es wurde die Besonderheiten beider Indizierungsarten dargelegt (siehe<br />
Abschnitt 6.2.2).<br />
Der Abschnitt 6.2.3 behandelt die Thematik der Analyse von Abfragen <strong>und</strong> die daraus<br />
resultierenden Indizes. Der Ansatz der Indizierung von eingrenzenden Wertebereichen<br />
hat sich in Abschnitt 6.2.4 als gute Methode für die Einsparung von Energie erwiesen.<br />
Es ergab sich folgender Zusammenhang: Je mehr Datensätze durch den Index<br />
von der Berechnung ausgeschlossen werden, umso höher ist die Energieersparnis. Des<br />
Weiteren wurden in Abschnitt 6.2.4 festgestellt, dass Indizes nicht zwangsläufig zu<br />
einer Energieersparnis führen.<br />
Einsatz von Solid State Disks: Zur Einführung in diese Thematik wurde das<br />
In-Page-Logging vorgestellt, welches teure Schreibzugriffe auf Flash-Speicher minimiert.<br />
Dies wird dadurch erreicht, dass Log-Einträge (in einer Log-Datei werden alle<br />
Änderungen an der Datenbank protokolliert) nur zusammen mit einer Daten-Seite in<br />
einen Block geschrieben werden. Dadurch kann das Potenzial eines Flash-Speichers<br />
besser genutzt werden (siehe Abschnitt 6.3.2).<br />
Ebenso wurde die Datenbank FlashDB vorgestellt. FlashDB benutzt einen neuartigen<br />
Index, welcher sich dynamisch an die Struktur des zugr<strong>und</strong>eliegenden Speichers <strong>und</strong><br />
Workloads anpasst. Der Index (B + -Baum) besteht aus schreib-optimierten <strong>und</strong> leseoptimierten<br />
Knoten. Die Struktur des Baums wird dynamisch an den tatsächlichen<br />
Workload angepasst. Bei einem lese-intensiven Workload, besteht solch ein Baum<br />
beispielsweise überwiegend aus lese-optimierten Knoten (siehe Abschnitt 6.3.2).<br />
Um die Nutzung einer Solid State Disc (SSD) durch die Datenbank Caché zu verbessern<br />
<strong>und</strong> dadurch den Energieverbrauch zu reduzieren, untersuchten wir die Auswirkungen<br />
von unterschiedlichen Datenbank-Blockgrößen auf den Energieverbrauch. Die<br />
Datenbank-Blockgröße kann in Caché erst nach Änderung einer Konfigurationsdatei<br />
über ein Terminal geändert werden (siehe Abschnitt 4.4). Die Standard-Blockgröße<br />
der Datenbank Caché beträgt 8 KB. Schon der alleinige Tausch eines Festplattenlaufwerks<br />
(HDD) durch eine SSD resultierte in einer Energieeinsparung von 18 %. Der<br />
Energieverbrauch konnte durch eine größere Blockgröße zusätzlich reduziert werden.<br />
Bei einer Datenbank-Blockgröße von 64 KB sank der Energieverbrauch um 25 %. Bei<br />
einer Blockgröße von 2 KB nahm hingegen der Energieverbrauch zu. Dies führt zu<br />
folgender Aussage für die von uns getesteten Blockgrößen im Bereich von 2 KB bis<br />
183