Green-IT und Datenbanken - ODBMS

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