Индекс базы данных ИРБИС

Введение

Инверсный файл состоит из 3 физических файлов, два из которых содержат словарь поисковых терминов (в структуре бинарного дерева) и третий содержит список ссылок, соответствующих каждому термину. В бинарном дереве файл с расширением N01 содержит узлы дерева и файл с расширением L01 – листья. Записи с листьями указывают на файл ссылок IFP. Физически взаимосвязи между файлами N01 и L01 обеспечиваются ссылками, которые представляют собой относительные адреса соответствующих записей. Относительный адрес это порядковый номер записи в данном файле. Структура записи одинакова для N01 и L01 файлов. Размер (длина) записи зависит от реализации (512;1024;2048;4096). (Таким образом, максимальный размер файлов L01 и N01 определяется как 2Гб*Размер записи) В данной реализации 2048 Адрес корневой записи файла N01 сохраняется как номер первой записи. Смещение на запись в файле IFP сохраняется в файле L01 и имеет длину 64 байта (в данной реализации используется только младшее слово этого смещения).

Формат файлов N01 и L01

Эти файлы содержат в себе индексы словаря поисковых терминов и состоят из записей (блоков) постоянной длины. Записи состоят из трех частей: лидера, справочника и ключей переменной длины.

Формат лидера записи

Число бит	Параметр	Описание
32	NUMBER	номер записи(начиная с 1; в N01 файле номер первой записи равен номеру корневой записи дерева)
32	PREV	номер предыдущей записи(если нет = -1)
32	NEXT	номер следующей записи(если нет = -1)
16	TERMS	число ключей в записи
16	OFFSET_FREE	смещение на свободную позицию в записи (от начала записи)

Справочник это таблица, определяющая поисковый термин. Каждый ключ переменной длины, который есть в записи, представлен в справочнике одним входом следующего формата:

Формат справочника

Число бит	Параметр	Описание
16	LEN	длина ключа
16	OFFSET_KEY	смещение на ключ (от начала записи)
32	LOW	В N01 файле: ссылка на запись файла N01 (если LOW > 0) или файла L01 (если LOW < 0), у которых 1-й ключ равен данному. Положительное значение LOW определяет ветку индекса иерархически более низкого уровня. Самый низкий уровень индекса (LOW < 0)соответствует ссылкам на записи (листья) файла L01; В L01 файле: младшее слово 8 байтового смещения на ссылочную запись в IFP;
32	HIGH	В N01 файле: всегда 0; В L01 файле: старшее слово 8 байтового смещения на ссылочную запись в IFP

Ключи переменной длины записываются, начиная с конца записи, так что порядок входов, соответствующих им, определяется алфавитным порядком ключей. Сами ключи располагаются вплотную друг к другу без разделителей в порядке поступления на запись.

• Длина справочника 12 * TERMS.
• Длина ключей = [Размер записи] – OFSET_FREE.
• Размер свободного места в записи = 16 + 12 * TERMS - [длина ключей].
• Размер записи зависит от реализации и может быть равен в байтах: 512 ; 1024 ; 2048 ; 4096.

Формат файла IFP

Файл содержит список ссылок для каждого термина словаря. Список ссылок может быть представлен в 2-х различных форматах. Выбор формата размещения ссылок осуществляется при загрузке словаря из файла Lk1 (этот файл формируется после отбора и сортировки терминов) в зависимости от общего числа ссылок для данного термина. Обыкновенный формат – это заголовок блока и набор упорядоченных ссылок. По превышении определенного числа ссылок (MIN_POSTINGS_IN_BLOCK - в данной реализации 256) формат включает специальный блок и набор блоков обыкновенного формата размер которых определяется по следующей схеме:

- блоки 4, 8, 16, 32Kb для общего числа ссылок соответственно 256-32000 ; 32000-64000 ; 64000-128000 ; 128000 и более.

Такая схема оптимизирует работу с диском в процессе инвертирования записи в базах данных, характеризующихся большим количеством ссылок на термин.

Обыкновенный формат записи IFP

Запись состоит из заголовка и упорядоченного набора ссылок.

Ссылка имеет следующий формат

Число бит	Параметр	Описание
32	PMFN	номер записи
32	PTAG	идентификатор поля, назначенный при отборе терминов в словарь
32	POCC	номер повторения
32	PCNT	номер термина в поле

Заголовок имеет следующий формат

Число бит	Параметр	Описание
32	LOW	младшее слово смещения на следующую запись(если нет 0)
32	HIGH	старшее слово смещения на следующую запись(если нет 0)
32	TOTP	общее число ссылок для данного термина(только в первой записи); число ссылок в данном блоке(в следующих записях)
32	SEGP	число ссылок в данном блоке
32	SEGC	вместимость записи в ссылках

Признак последнего блока – LOW = HIGH = -1

Специальный формат записи IFP

В этом случае первой записью является специальный блок, который представляет собой заголовок (обыкновенного формата), в котором смещения имеют специальные значения = -1001, и набор входов следующего формата:

Число бит	Параметр	Описание
32	POSTING	1-я ссылка из записи обыкновенного формата
32	LOW	младшее слово смещения на следующую запись (если нет 0)
32	HIGH	младшее слово смещения на следующую запись (если нет 0)

Число входов кратно 4. Записи, на которые ссылается специальный блок связаны между собой как описано выше. При чем общее количество ссылок для данного термина сохраняется только в специальном блоке.

Модификация записей файла IFP

При выполнении актуализации инверсного файла могут создаваться новые дополнительные записи при добавлении новых ссылок. В этом случае создается новая запись размером, равным общему количеству ссылок, если нет специального блока, и размером, равным количеству ссылок в данной записи, если есть. Новая запись создается таким образом, чтобы не нарушалась возрастающая последовательность следования ссылок. Новая запись связывается с существующими через поле NXT_, ссылки распределяются равномерно между старой и новой записью.