6.文件组织与文件格式

2013-7-12
信息存储与检索
4
• 【例】下表是一个简单的职工文件。每个职工情况是一个记录， 它由7个数据项组成。其中"职工号"可作为主关键字项，它能惟 一标识一个记录，即它的值对任意两个记录都是不同的。姓名、 性别等数据只能作为次关键字项，因为它们的值对不同的记录 可以是相同的。
2013-7-12
2013-7-12
信息存储与检索
9
6.2 常用文件的组织
6.2.1 顺序文件
1、定义及使用特点
顺序文件是指按记录进入文件的先后顺序存放，其逻辑顺 序和物理顺序一致的文件。 – “逻辑顺序”是指写入的顺序依次为第一个，第二个等； – “物理顺序”是指实际存放在外存中的位置依次排在第一个 记录，第二个记录等等。 – 只有顺序文件有这个二者一致的特点：先进先出，后进后出， 且先进者排在前。 – 顺序文件的记录没有标志，可以不等长，从顺序文件中读记 录，必须从第一个记录读起，不能从中间记录读起。
2013-7-12
信息存储与检索
24
利用查找表建立多级索引
②多级索引
– 当查找表中项目仍很多，可建立更高一级的索引。 通常最高可达四级索引：
数据文件一索引表一查找表一第二查找表一第三查找表
多级索引是一种静态索引。多级索引的各级索引 均为顺序表，结构简单，修改很不方便，每次修改 都要重组索引。
2013-7-12
3、驻留介质
– 文件的组织形式和驻留介质有制约关系，如磁带文 件、打印机文件、卡片文件只能是顺序文件。磁盘 文件可以使用各种组织形式。
2013-7-12
信息存储与检索
8
6.1.2 记录式文件的基本属性
4、处理方式
文件上检索和更新操作，都可有实时和批量两种不同的处理方 式。 ① 实时处理：响应时间要求严格，要求在接受询问后几秒种 内完成检索和更新。 ② 批量处理：响应时间要求宽松一些，不同的文件系统有不 同的要求。 【例】一个民航订票系统，其检索和更新都应当实时处理； 而银行的账户系统需要实时检索，但可进行批量更新，即可以将 一天的存款和提款记录在一个事务文件上，在一天的营业之后再 进行批量处理。
2013-7-12
信息存储与检索
29
多重表文件
2013-7-12
信息存储与检索
30
• 建立多重表索引
2013-7-12
信息存储与检索
31
• 建立倒排文件索引
2013-7-12
信息存储与检索
32
（2）倒排文件的查询
– 倒排表的主要优点是：在处理复杂的多关键字查询时，可在 倒排表中先完成查询的交、并等逻辑运算，得到结果后再对 记录进行存取。这样不必对每个记录随机存取，把对记录的 查询转换为地址集合的运算，从而提高查找速度。
信息存储与检索
25
（5）动态索引
• 动态索引结构是指文件创建、初始装入记录时 所生成的索引结构，在系统运行过程中插入或 删除记录时，索引结构本身也可能发生改变， 改变索引结构的目的是为保持较好的性能，例 如较高的检索效率。B树和B+树都是经典的动 态索引。
2013-7-12
信息存储与检索
26
2、倒排索引文档
信息存储与检索 10
2013-7-12
6.2.1 顺序文件
• 顺序文件分类 – 顺序有序文件 • 记录按其主关键字有序的顺序文件为顺序有序文件。 • 在数据库中称为顺排文档，它按某一关键字的顺序 存入了数据库的全部记录，故又称为主文档。 – 顺序无序文件 • 记录未按其主关键字有序排列的顺序文件为顺序无 序文件。
2013-7-12
信息存储与检索
3
6.1、外存数据的组织
– 数据库文件 • 数据库中的文件是性质相同的记录的集合。数据 库中所研究的文件是带有结构的记录集合，每个 记录可由若干个数据项构成。 • 数据库中的记录是文件中存取的基本单位，数据 项是文件可使用的最小单位。数据项有时也称为 字段或者称为属性，其值能唯一标志一个记录的 数据项或数据项的组合者称为主关键字项。
2013-7-12
信息存储与检索
13
顺排文档检索
（2） 分块查找法
设文件按主关键字的递增顺序，每100个记录为一块，各 块的最后一个记录的主关键字为Kl00，K200，…，K100i，…。 查找时，将所要查找的记录的主关键字K，依次和各块的最 后一个记录的主关键字比较，当K大于K100(i-1)且小于或等于K100i 时，则在第i块内进行扫描。 分块查找法在查找时不必扫描整个文件中的记录。
2013-7-12
信息存储与检索
6
常用的文件组织形式
• 顺序文件
• 索引文件
• 相对文件
• 散列文件
2013-7-12
信息存储与检索
7
6.1.2 记录式文件的基本属性
2、存取方式
– 顺序存取方式：沿某种含义的序列，从序列的指定 位置开始依次地存取每一个后继记录。 – 随机存取方式：指定记录值的某种标志，按标志存 取特定的一个记录。
2013-7-12
信息存储与检索
15
二分查找法
• 算法思想
– 首先，将表中间位置记录的关键字与查找关键字比 较，如果两者相等，则查找成功；否则利用中间位 置记录将表分成前、后两个子表，如果中间位置记 录的关键字大于查找关键字，则进一步查找前一子 表，否则进一步查找后一子表。 – 重复以上过程，直到找到满足条件的记录，使查找 成功，或直到子表不存在为止，此时查找不成功。
2013-7-12
信息存储与检索
16
2013-7-12
信息存储与检索
17
6.2.2 索引文件与倒排文件
1、索引文件及其使用
– 文件的索引是指记录的关键字与相应记录的存储地 址的对照表，带索引的文件称为被索引文件。 – 索引文件由主文件和索引表构成。主文件是文件本 身；索引表是文件本身外建立的一张表，它指明逻 辑记录和物理记录之间的一一对应关系。 – 索引表由若干索引项组成。一般索引项由主关键字 和该关键字所在记录的物理地址组成。索引表必须 按主关键字有序；而主文件本身则是可以按主关键 字有序或无序组织。
2013-7-12
信息存储与检索
11
2、顺序文件的处理
• 批处理
2013-7-12
信息存储与检索
12
3、顺排文档检索
（1）顺序查找法
– 顺序查找法即顺序扫描文件，按记录的主关键字逐个 查找。要检索第i个记录，必须检索前i-1个记录。 – 注意： • ① 这种查找法对于少量的检索是不经济的，但适 合于批量检索。 • ② 顺序存取存储器上的文件只能用顺序查找法存 取。
– 例：要找出所有工资级别小于13的硬件人员，则只需将工资 级别倒排表中的次关键字为10，11和12的物理地址集合先做 “并”运算，然后与职务倒排表中的硬件人员的物理地址集合 做“交”运算：{108}∪{102，106} ∪{101}) ∩{101，102，107， 110}={101，102} – 即符合条件的记录，其物理地址是101和102。
– 主索引和倒排索引的构造有差异。因为主关键字的取值是唯 一的，而次关键字的取值可以不唯一。对应一个次关键字值 的记录往往有许多个。 – 在次关键字索引中，具有相同次关键字的记录之间不进行链 接，而是列出具有该次关键字记录的物理地址。倒排文件中 的次关键字索引称做倒排表。倒排表和主文件一起就构成了 倒排文件。 – 多重表文件是将索引方法和链接方法相结合的一种组织方式。 对每个需要查询的次关键字建立一个索引，同时将具有相同 次关键字的记录链接成一个链表，并将此链表的头指针、链 表长度及次关键字，作为索引表的一个索引项。通常多重表 文件的主文件是一个顺序文件。
信息存储与检索
5
6.1 外存数据的组织
6.1.2 记录式文件的基本属性
1、组织形式 • 记录式文件是记录值的集合，记录值在文件物理 存储空间上的存放模式称为文件组织形式。 • 一方面组织形式涉及文件的物理结构；另一方面 在用户的语言界面上文件的组织形式又作为一种 逻辑属性来定义，用户按对外存数据的存取要求 来选择文件的组织形式。
2013-7-12
信息存储与检索
20
（2）索引文件的建立
– 建立索引文件的过程是： • 按输入记录的先后次序建立数据区和索引表。其中索引 表中关键字是无序的。 • 待全部记录输入完毕后对索引表进行排序，排序后的索 引表和主文件一起就形成了索引文件。
2013-7-12
信息存储与检索
21
（3）索引文件的操作
2013-7-12
信息存储与检索
27
• 倒排文档示例
关键字 计算机 相关文献数 3 物理地址 500，501，550
用户 系统软件 系统硬件 应用软件
3 2 2 2
501，502，540 500，533 501，509 500，502
2013-7-12ຫໍສະໝຸດ 信息存储与检索28
（1）倒排文档的组织方式和特点
2013-7-12
信息存储与检索
19
索引文件
• 注意：
– ① 通常将索引非顺序文件简称为索引文件。 – ② 索引非顺序文件主文件无序，顺序存取将会频繁地引起磁 头移动，适合于随机存取，不适合于顺序存取。 – ③ 索引顺序文件的主文件是有序的，适合于随机存取、顺序 存取。 – ④ 索引顺序文件的索引是稀疏索引。索引占用空间较少，是 最常用的一种文件组织。 – ⑤ 最常用的索引顺序文件：ISAM文件和VSAM文件。ISAM 索引顺序存取方法，VSAM虚拟存储存取方法。
• 检索操作
– 检索分两步进行： • ① 将外存上含有索引区的页块送人内存，查找所需记录 的物理地址。 • ② 将含有该记录的页块送人内存 – 注意： • ①索引表不大时，索引表可一次读入内存，在索引文件中 检索只需两次访问外存：一次读索引，一次读记录。 • ②由于索引表有序，对索引表的查找可用顺序查找或二分 查找等方法。