Update README

README.md

@@ -1,6 +1,15 @@
 Projet INSEE -- base de données avancée
 ---------------------------------------
 
+Ce projet est disponible sur notre serveur git [à cette
+adresse](https://git.epha.se/ephase/projet_INSEE). Le projet va continuer à
+vivre après le rendu. En effet nos obligations professionnelles[^note] ont joué
+contre nous et on a manqué de temps malgrès notre travail acahné pour produire
+des élements de qualité.
+
+[^note]:notamment une semaine d'astreinte ou il y a eu des interventions 3 nuits
+  de rang
+
 ## Installation
 
 Il est vivement conseiller de faire fonctionner ce projet dans un
@@ -155,3 +164,114 @@ L'utilisation du script est simple:
 ```
 ./create_trigger.py
 ```
+
+## Question 5: Trigger avancés
+
+Le script `create_advanced_trigger.py` permet de répondre à la question 6. Il
+permet de créer une seconde procédure pour mettre à jour les colonnes 
+*population* de nos tables *departement* et *région* en fonction des
+informations de la table *commune*.
+
+L'utilisation du script est simple:
+
+```
+./create_advanced_trigger.py
+```
+
+Vous remarquerez que nous acvons créé une nouvelle fonction `fun_mag_pop_2` et
+`prc_pop_reg_dep_2` au lieu de remplacer les anciennent. Ce n;est pas optimisé
+mais le maue de temps nous a poussé à laisser tel quel.
+
+## Question 6: EXPLAIN Afin d'étudier le fonctionnement de l;ordonnanceur de
+PostGreSQL, nous avons exécuter trois requêtes de taille différente que se soit
+en terme de jointures ou de nombre de ligne retournées.
+
+```sql
+-- petite requête : une jointure
+explain SELECT ID_REGION, r.REG, r.NCC,d.DEP
+FROM INSEE.REGION r
+INNER JOIN INSEE.DEPARTEMENT d ON d.REG = r.REG
+WHERE r.NCC = 'BRETAGNE';
+```
+
+
+```
+QUERY PLAN
+Hash Join  (cost=1.24..6.58 rows=6 width=23)
+  Hash Cond: ((d.reg)::text = (r.reg)::text)
+  ->  Seq Scan on departement d  (cost=0.00..5.01 rows=101 width=6)
+  ->  Hash  (cost=1.23..1.23 rows=1 width=20)
+        ->  Seq Scan on region r  (cost=0.00..1.23 rows=1 width=20)
+              Filter: ((ncc)::text = 'BRETAGNE'::text)              
+```
+
+```sql
+-- requête moyenne : deux jointures
+explain SELECT ID_REGION, r.REG, r.NCC  
+FROM INSEE.REGION r  
+INNER JOIN INSEE.DEPARTEMENT d ON d.REG = r.REG  
+INNER JOIN INSEE.COMMUNE c ON c.DEP = d.DEP  
+GROUP BY ID_REGION,r.REG,  r.NCC;
+```
+
+```
+QUERY PLAN
+HashAggregate  (cost=990.76..990.94 rows=18 width=20)
+  Group Key: r.id_region
+  ->  Hash Join  (cost=7.68..903.35 rows=34965 width=20)
+        Hash Cond: ((d.reg)::text = (r.reg)::text)
+        ->  Hash Join  (cost=6.27..788.55 rows=34965 width=3)
+              Hash Cond: ((c.dep)::text = (d.dep)::text)
+              ->  Seq Scan on commune c  (cost=0.00..686.65 rows=34965 width=3)
+              ->  Hash  (cost=5.01..5.01 rows=101 width=6)
+                    ->  Seq Scan on departement d  (cost=0.00..5.01 rows=101 width=6)
+        ->  Hash  (cost=1.18..1.18 rows=18 width=20)
+              ->  Seq Scan on region r  (cost=0.00..1.18 rows=18 width=20)
+```
+
+```sql
+-- grosse : trois jointures avec la table STATISTIQUES qui contient beaucoup de données
+explain SELECT ID_REGION, r.REG, r.NCC, s.ID_INDICATEUR, s.DATE_DEBUT, SUM(s.VALEUR)  
+FROM INSEE.REGION r 
+ INNER JOIN INSEE.DEPARTEMENT d ON d.REG = r.REG  
+ INNER JOIN INSEE.COMMUNE c ON c.DEP = d.DEP  
+ INNER JOIN INSEE.STATISTIQUE s ON s.COM = c.COM  
+ GROUP BY ID_REGION,r.REG, s.DATE_DEBUT, r.NCC, s.ID_INDICATEUR  
+ ORDER BY ID_INDICATEUR;
+```
+
+```
+QUERY PLAN
+Finalize GroupAggregate  (cost=26461.68..26660.78 rows=756 width=34)
+  Group Key: s.id_indicateur, r.id_region, s.date_debut
+  ->  Gather Merge  (cost=26461.68..26638.10 rows=1512 width=34)
+        Workers Planned: 2
+        ->  Sort  (cost=25461.66..25463.55 rows=756 width=34)
+              Sort Key: s.id_indicateur, r.id_region, s.date_debut
+              ->  Partial HashAggregate  (cost=25417.95..25425.51 rows=756 width=34)
+                    Group Key: s.id_indicateur, r.id_region, s.date_debut
+                    ->  Hash Join  (cost=1131.39..19884.52 rows=553343 width=34)
+                          Hash Cond: ((d.reg)::text = (r.reg)::text)
+                          ->  Hash Join  (cost=1129.99..18088.60 rows=553343 width=17)
+                                Hash Cond: ((c.dep)::text = (d.dep)::text)
+                                ->  Hash Join  (cost=1123.71..16568.85 rows=553343 width=17)
+                                      Hash Cond: ((s.com)::text = (c.com)::text)
+                                      ->  Parallel Seq Scan on statistique s  (cost=0.00..13992.43 rows=553343 width=20)
+                                      ->  Hash  (cost=686.65..686.65 rows=34965 width=9)
+                                            ->  Seq Scan on commune c  (cost=0.00..686.65 rows=34965 width=9)
+                                ->  Hash  (cost=5.01..5.01 rows=101 width=6)
+                                      ->  Seq Scan on departement d  (cost=0.00..5.01 rows=101 width=6)
+                          ->  Hash  (cost=1.18..1.18 rows=18 width=20)
+                                ->  Seq Scan on region r  (cost=0.00..1.18 rows=18 width=20)
+```                                
+
+    
+* Plus le nombre de jointure est importante et plus la requête va être longue à
+  s'exécuter et coûteuse. C'est même la première source de consommation de
+  ressource pour des jointures impliquant le plus de lignes dans nos exemples.
+
+* Le nombre de ligne dans les tables jouent également sur le temps d’exécution
+  et le coût qu'elle génère.
+
+* Il faut prioriser de petites requête en évitant des jointure inutile en
+  utilisant un EXISTS par exemple.