Módulo 4, parte 2
Análise semântica e execução

O caminho de uma consulta

O comando de hoje

INSERT INTO aluno VALUES (1, 20260001, 'Ana');

Etapa 1, tokenizador: treze tokens, contando o FIM

{"op": "INSERT", "tabela": "aluno", "valores": [1, 20260001, "Ana"]}

Análise semântica

Para o nosso INSERT, são três perguntas:

• A tabela aluno existe?
• Ela tem três colunas, uma para cada valor?
• Cada valor tem o tipo da sua coluna?

O catálogo

página 1 do arquivo, registro de 236 bytes

nome      CHAR(32)    "aluno"
primeira  INT         2                         // página onde aluno começa
colunas   CHAR(200)   "id INT, matricula INT, nome CHAR(20)"

As três respostas estão nessa linha: a tabela existe porque a linha existe, e as colunas, com seus tipos, estão no último campo. De brinde, a linha diz em que página escrever.

O catálogo mora no disco

ESQUEMA_CATALOGO = Esquema([("nome", "CHAR", 32), ("primeira", "INT", 4),
                            ("colunas", "CHAR", 200)])
PAGINA_CATALOGO = 1                                # fixa, combinada no código

class Catalogo:
    def __init__(self, cache):                     # ao abrir o arquivo
        self.tabelas = {}
        for nome, primeira, colunas in le_registros(cache, PAGINA_CATALOGO, ESQUEMA_CATALOGO):
            self.tabelas[nome] = (primeira, Esquema(analisa_colunas(colunas)))

    def busca(self, nome):
        if nome not in self.tabelas:
            raise ErroSemantico(f"tabela {nome} não existe")
        return self.tabelas[nome]

Só duas coisas ficam no código: o esquema do próprio catálogo e a página onde ele está. O resto é lido do disco, e por isso um processo novo sabe que aluno existe.

A semântica rodando à mão

INSERT INTO aluno VALUES (1, 20260001, 'Ana');

Quando a semântica recusa

INSERT INTO aluno VALUES (1, 'Ana', 20260001);

Os mesmos valores, em outra ordem. O tokenizador e o parser aceitam: a árvore é válida.

erro semântico: coluna matricula é INT, veio 'Ana'

A semântica em pseudocódigo

confere(tabela, valores):
    se tabela não está no catálogo:
        erro "tabela não existe"
    colunas = colunas da tabela, lidas do catálogo
    se número de valores ≠ número de colunas:
        erro "esperava N valores, vieram M"
    para cada par (coluna, valor):
        se coluna é INT e valor não é número:
            erro "coluna é INT"
        se coluna é CHAR(n) e valor não é texto de até n bytes:
            erro "coluna é CHAR(n)"

É toda a análise semântica do INSERT. Nada aqui olha token: a tabela e os valores vêm da árvore, e as colunas vêm do catálogo.

A execução em pseudocódigo

executa(sql):
    árvore = analisa(sql)                         // etapas 1 e 2
    se árvore é INSERT:
        confere(árvore.tabela, árvore.valores)    // etapa 3
        registro = serializa(árvore.valores)      // etapa 4: 28 bytes
        página = fixa(primeira página da tabela)
        escreve registro no primeiro slot livre
        soma 1 ao número de slots ocupados
        solta(página), marcada como suja
        devolve "OK 1"

Exercício de hoje

• 1. Em que etapa cada comando falha, e com qual mensagem?

  (a) INSERT INTO alunos VALUES (2, 20260002, 'Bruno');
  (b) INSERT INTO aluno VALUES (2, 20260002);
  (c) INSERT INTO aluno VALUES (2, 20260002, Bruno);
  (d) INSERT INTO aluno VALUES (2, 20260002, 'Maria Eduarda Albuquerque');

• 2. A página 2 está vazia e roda o INSERT da Ana. Escreva a saída de hexdump -C -s 8192 -n 48 dados.db e marque onde o registro começa e termina
• 3. Quantos INSERT cabem na página 2? O que o executa do slide 10 faz no seguinte?