tarea academica sistemas distribuidos i

7/31/2019 Tarea Academica Sistemas Distribuidos i

1/13

Facultad de Ingeniera de Sistemas, Computacin y Telecomunicaciones

NO SQL Y SU USO EN LA

COMPUTACIN EN LA NUBE

Presentado por

Franco Infantas Raineiro Patricio

Tacna Per

Mayo 2012


2/13

2

INDICE

Que es NoSQL 03

Caractersticas de NoSQL 04

MongoDB 07

Caractersticas 08

Ejemplo de implementacin de BD con MongoDB 10


3/13

3

QUE ES NOSQL

NoSQL fue desarrollado por primera vez en finales de 1990 por Carlo

Strozzi se refiere a una nueva arquitectura de sistemas de bases de datos,

generalmente distribuidos, que no requieren tablas con esquemas fijos,

evitan el uso de la operacin JOIN, tpicamente escalan de forma

horizontal y no siempre exponen sus datos mediante interfaces SQL. Es de

notar que existen proveedores NoSQL tanto propietarios como basados en

software libre. En algunos casos el termino NoSQL incluso se utiliza con el

significado de un sistema totalmente no relacional, pero en la prctica no es

tan sencillo como a decir que los sistemas RDBMS y NoSQL son

totalmente opuestos, ya que existen diferentes soluciones y bibliotecas

intermedias que adicionan y complementan los sistemas NoSQL con las

caractersticas ACID de los sistemas RDBMS.

Por lo general, en el mbito acadmico a este tipo de bases de datos a e se

les refiere como almacenamiento estructurado, trmino que tambin incluye

a las bases de datos relacionales clsicas.

Werner Vogels, CTO de Amazon dice no llamarlos "bases de datos", se

refiere a su sistema Dynamo como "un almacenamiento de clave-valor de

alta disponibilidad". Google llama a su BigTable, otro de los modelos para

muchos simpatizantes de NoSQL, "un sistema de almacenamiento

distribuido para gestionar datos estructurados".


4/13

4

CARACTERSTICAS DE NOSQL

Entre las caractersticas que ms demandan las aplicaciones actuales y han

incidido en la creacin e incremento en el uso de las bases de datos NoSQL

se pueden enumerar las siguientes:

Gran cantidad de peticiones de lectura y escritura de forma concurrente. La

propia complejidad de la lgica detrs del funcionamiento de las bases o a

de datos relacionales, tiende a perder eficiencia en relacin al crecimiento o

de los datos. Esto hace responder con poca latencia en el caso de las

aplicaciones que atienden un gran nmero de pedidos a la misma vez.

Necesidad de almacenar y gestionar eficientemente cantidades masivas de

datos.

Aplicaciones multimedia, redes sociales o los buscadores, por solo citar

algunos ejemplos, requieren almacenar y gestionar cantidades de datos

continuamente crecientes sin que esto implique una perdida de eficiencia.

Estas son aplicaciones para los cuales los RDBMS en general no estndiseados.

Brindar un servicio alta escalabilidad y alta disponibilidad. Para la gestin

de altos volmenes de datos y para garantizar su disponibilidad, se hacen

necesarios sistemas redundantes y fciles de escalar. Los sistemas NoSQL

estn diseados para lograr fcilmente un escalado en forma horizontal a

diferencia de los clsicos sistemas relacionales que escalan a verticalmente.

Disminuir costos de operacin y de mantenimiento. La existencia de

buenos proveedores NoSQL basados en Software Libre y de los bajos

costes del hardware necesario para un escalado horizontal, convierten los

sistemas NoSQL en una opcin econmicamente ventajosa. Es por todo lo

anterior, que el concepto NoSQL no se entiende solamente como una forma

de llamar a los sistemas diferentes a los tradicionales, sino que se refieren a


5/13

5

las ventajas que estos traen sobre los clsicos sistemas RDBMS a como una

interpretacin en abreviatura de Nosolo SQL.

Pueden manejar enormes cantidades de datos. Hypertable, una

implementacin de cdigo abierto basada en BigTable, se usa dentro del

motor de bsqueda Zvents para escribir 1000 millones de celdas de datos

por da, segn cuenta el ingeniero Doug Judd.

A su vez, BigTable, en conjunto con su tecnologa hermana MapReduce,

procesa hasta 20 petabytes de datos por da.

Definitivamente la cantidad de datos es tan grande que las personas estn

buscando otras tecnologas", dice Travis de SpringSource, que con su

tecnologa VPork ayuda a los usuarios de NoSQL a realizar benchmarks de

rendimiento de sus bases de datos alternativas.

"No slo de SQL"

No relacionales: base de datos de archivo plano horizontal

Escalable: los nuevos nodos o mdulos puede ser fcilmente aadidos

para los usuarios ms.

Verticalmente escalable: se puede aadir ms informacin.

Almacenamiento estructurado: por lo general una coleccin de tablas de

datos estructurados (como las tablas hash o un diccionario).

No esquema predefinido

No es necesario trazar diseos orientados a objetos en un modelo

relacional.


6/13

6

Ejemplos: BigTable de Google, el Dynamo de Amazon. Cassandra

(utilizado en la bandeja de entrada de Facebook de bsqueda) y HBase

(Apache) son de cdigo abierto.

Ventajas de NoSQL

Barato, fcil de aplicar

Los datos se replican y se puede dividir

Fcil de distribuir

No se requiere un esquema

Puede escalar hacia arriba y abajo

procesar rpidamente grandes cantidades de datos

Relax el requisito de consistencia de los datos (PAC)

Desventajas de NoSQL

Nuevo y con errores a veces,

Los datos se duplican por lo general, el potencial de inconsistencia

No esquema normalizado

No existe un formato estndar para consultas

Ninguna lengua estndar

La mayora de los sistemas de NoSQL evitar que en la memoria de

almacenamiento

Dificultad para imponer estructuras complicadas

Confe en la capa de aplicacin para hacer cumplir la integridad de datos


7/13

7

MongoDB

MongoDB es un sistema de bases de datos NoSQL orientado a

documentos, a diferencia de MySQL, este no es una base de datos

relacional.

Es open source y esta entre nosotros desde el 2009. Est escrito en C++ y

tiene intencin de aumentar la escalabilidad de un sistema. Es compatible

con Linux, OS X, Windows y Solaris.

Adems de MongoDB existen otros sistemas NoSQL como por ejemplo

Cassandra, CouchDB, Redis, Riak, Membase, Neo4j y HBase.

Considera que mongoDB fue diseado para ser un motor de bsqueda

sobre aplicaciones en la nube, debes de ser bien especfico al momento de

elegir un sistema NoSQL. Esto porque tienen diferentes funciones o estn

optimizados para diferentes tareas: Como Cassandra que fue diseado para

bsquedas en Facebook.

Una base de datos en MongoDB tiene diferentes conceptos a una base de

datos regular como MySQL. Cada registro o unidad bsica de datos se le

denomina documento. Y cada conjunto de documentos, que formaran una

tabla, se le llama coleccin.

Un documento se podra comprar con el concepto de fila y una coleccin a

una tabla.


8/13

8

Caractersticas

MongoDB es un sistema de base de datos multiplataforma orientado a

documentos, de esquema libre. Esto significa que cada entrada o registro

puede tener un esquema de datos diferentes, con atributos o columnas

que no tienen por qu repetirse de un registro a otro. Est escrito en C++, lo

que le confiere cierta cercana a los recursos de hardware de la mquina, de

modo que es bastante rpido a la hora de ejecutar sus tareas. Adems, est

licenciado como GNU AGPL 3.0, de modo que se trata de un software de

licencia libre. Funciona en sistemas operativos Windows, Linux, OS X y

Solaris.

Las caractersticas que ms destacara de MongoDB son su velocidad y su

rico pero sencillo sistema de consulta de los contenidos de la base de datos.

Se podra decir que alcanza un balance perfecto entre rendimiento y

funcionalidad, incorporando muchos de los tipos de consulta que

utilizaramos en nuestro sistema relacional preferido, pero sin sacrificar en

rendimiento.

Los distintos documentos se almacenan en formato BSON, o Binary JSON,

que es una versin modificada de JSON que permite bsquedas rpidas de

datos. Para hacernos una idea, BSON guarda de forma explcita las

longitudes de los campos, los ndices de los arrays, y dems informacin

til para el escaneo de datos. Es por esto que, en algunos casos, el mismo

documento en BSON ocupa un poco ms de espacio de lo que ocupara de

estar almacenado directamente en formato JSON. Pero una de las ideas

claves en los sistemas NoSQL es que el almacenamiento es barato, y es

mejor aprovecharlo si as se introduce un considerable incremento en la

velocidad de localizacin de informacin dentro de un documento.


9/13

9

Sin embargo, en la prctica, nunca veremos el formato en que

verdaderamente se almacenan los datos, y trabajaremos siempre sobre un

documento en JSON tanto al almacenar como al consultar informacin.

Las caractersticas principales son:

Las consultas son a nivel de collection (sin joins)

Los ndices se generan en las collection

Los documentos tienen una ID nica

La atomicidad es a nivel de document.

MongoDB ofrece adems una serie de mtodos y herramientas novedosos

para hacer consultas (querying) y operaciones de una forma muy sencilla y

muy optimizado. Estos son:

Consultas:

Permite consultas dinmicas (cdigo JavaScript u objetos)

'Map/Reduce' (funciones JavaScript)

Creacin de indices secundarios (B-tree, R-tree, etc.)

Operaciones:

Replicacin

Master/Slave

Herramientas tiles:

Mongo shell, mongostat, mongo (dump,restore,export,import)


10/13

10

Ejemplo de implementacin de BD con MongoDB

Un ejemplo de un documento en MongoDB podra ser perfectamente ste:

{

_id : 4da2c0e2e999fb56bf000002

title : Una introduccin a MongoDB,

body : Loremipsum dolor sit amet,

published_at : 2012-05-09T18:17:07-07:00,

author_info : {

_id : 4dc8919331c0c00001000002

name : franco rai

},

tags : [MongoDB, NoSQL, Basesde datos]

comments : [

{

author_info : { name : rai franco,email : [email protected] },

body : Test,

created_at : 2012-05-10T10:14:01-07:00

},

{

author_info : { name : infantaspatricio, email : [email protected] },

body : Otrotest,

created_at : 2012-05-10T10:14:09-07:00

}

]

liked_by : [4d7cf768e999fb67c0000001,4da34c62ba875a19d4000001]

}


11/13

11

Como podemos ver en este documento pretende representar la manera en

que podran almacenarse los datos correspondientes a un post de un blog.

Los atributos _id o clave principal pueden tener el formato que se desee,

aunque MongoDB utiliza un valor parecido a un UUID en hexadecimal por

defecto si no se ha especificado ninguno. A pesar de parecer un valor

completamente aleatorio aunque ya se sabe que la aleatoriedad real no

existe en informtica, utilizan como base una semilla basada en la MAC de

la interfaz de red de la mquina y otros detalles de la misma para evitar que

dos mquinas diferentes puedan generar el mismo valor para la clave de un

documento. Y los primeros bytes corresponden a una marca de tiempo, de

modo que las claves se ordenan de forma natural por orden de creacin o

casi, pues est claro que las distintas mquinas corriendo MongoDB deben

tener la fecha y hora sincronizadas sin tener que mirar cul fue el ltimo

valor usado. Una solucin inteligente, a mi modo de ver bastante ms

eficiente que un campo autonumrico, en especial para evitar que una

mquina bloquee la insercin de registros en una coleccin slo paraasegurarse que no se dan condiciones de carrera al intentar dos mquinas

diferentes escribir un documento con el mismo valor para _id. Por cierto,

este atributo _id es el nico obligatorio para un documento.

Las etiquetas y los comentarios estn en el propio documento que

representa al post, en lugar de guardarlos en colecciones separadas y

utilizar claves forneas para referenciar a los mismos. Sin embargo, en el

atributo liked_by s que guardamos una relacin de claves, que

corresponden a los usuarios que han marcado el post como que les ha

gustado. Utilizar una forma u otra depender de las necesidades de acceso a

estos datos En este caso, por ejemplo, sabemos que no vamos a pintar

informacin sobre los usuarios que han marcado un post con un me

gusta, pero s queremos ver cuntos lo han marcado as, o si el usuario


12/13

12

actual ya lo ha marcado o no, con lo que almacenar nicamente las claves

de esos usuarios y guardar su informacin personal detallada en otra

coleccin es lo ms conveniente.

No es necesario pedir a MongoDB que nos devuelva todo el documento

cada vez que lo consultamos. Si por ejemplo vamos a pintar nicamente un

listado de posts recientes, seguramente sea suficiente obtener el atributo

title, con los documentos ordenados por published_at. As, ahorramos

ancho de banda entre el motor de base de datos y la aplicacin, al mismo

tiempo que memoria dado que no hay que instanciar todo el documento.

Adems, si tenemos muchos miles de visitantes, el atributo liked_by

podra llegar a crecer bastante. Aunque el tamao de un documento de

MongoDB puede llegar hasta los 16 Megabytes, con lo que podemos

almacenar bastante informacin dentro de un nico documento sin

necesidad de utilizar referencias, si as lo necesitamos. En caso de que

tuviramos que almacenar mucho ms, habra que optar por utilizar otro

esquema.

En momentos vamos a tener que desnormalizar para poder tener a mano la

informacin necesaria a la hora de pintar un post. Es por eso que en el

atributo author_info he utilizado una versin intermedia: Si bien tenemos

la clave principal del usuario que ha escrito este post, como es habitual que

pintemos el nombre del autor, he almacenado tambin dicho nombre en el

documento que representa al post, para que no sea necesario realizar una

segunda consulta a la coleccin usuarios. Estas desnormalizaciones

dependen nuevamente del uso que se den a los datos. En este caso, tengo

claro que el nombre de un usuario no va a cambiar demasiado, as que

recorrer todos los posts para cambiar este valor en caso de que el usuario

realice esta operacin, si bien es una modificacin que podra llevar un

tiempo considerable para ejecutarse, no es una operacin habitual frente a


13/13

13

la consulta del nombre del autor, y por tanto compensa. Incluso podramos

llegar a tratar el post como algo ms permanente, de modo que aunque un

usuario cambiara su nombre a posteriori, el nombre utilizado para firmar

los posts anteriores no vare, o sencillamente los posts puedan firmarse con

diferentes pseudnimos.

Como creo que habr quedado patente a estas alturas, el modelado del

esquema de datos con MongoDB depende ms de la forma en que

consultaremos o actualizaremos los datos que de las limitaciones del propio

sistema.

tarea academica sistemas distribuidos i

Documents