unidad i - fundamentos de bdd

5/17/2018 Unidad I - Fundamentos de BDD - slidepdf.com

http://slidepdf.com/reader/full/unidad-i-fundamentos-de-bdd 1/13

qwertyuiopasdfghjklzxcvbnmqwerty

uiopasdfghjklzxcvbnmqwertyuiopasd

fghjklzxcvbnmqwertyuiopasdfghjklzx

cvbnmqwertyuiopasdfghjklzxcvbnmqwertyuiopasdfghjklzxcvbnmqwertyui

opasdfghjklzxcvbnmqwertyuiopasdfg

hjklzxcvbnmqwertyuiopasdfghjklzxcvbnmqwertyuiopasdfghjklzxcvbnmq

wertyuiopasdfghjklzxcvbnmqwertyui

opasdfghjklzxcvbnmqwertyuiopasdfg

hjklzxcvbnmqwertyuiopasdfghjklzxcvbnmqwertyuiopasdfghjklzxcvbnmq

wertyuiopasdfghjklzxcvbnmqwertyui

opasdfghjklzxcvbnmqwertyuiopasdfghjklzxcvbnmrtyuiopasdfghjklzxcvbn

mqwertyuiopasdfghjklzxcvbnmqwert

yuiopasdfghjklzxcvbnmqwertyuiopas

dfghjklzxcvbnmqwertyuiopasdfghjklzxcvbnmqwertyuiopasdfghjklzxcvbnm

Base de Datos Distribuidas

Fundamentos de Bases de Datos Distribuidas

01/02/2010

M.T.I. Jorge Carranza Gómez



~ 2 ~

INTRODUCCION

Una “base de datos distribuida” es un objeto virtual, cuyas partes componentes se

almacenan físicamente en varias bases de datos “reales” distintas ubicadas en

diferentes sitios. De hecho, una base de datos distribuida consiste en la unión lógica de

esas bases de datos.

En otras palabras, cada sitio tiene sus propias bases de datos “reales” locales, sus

propios usuarios locales, sus propios DBMS (del inglés: Data Base Management

System) y programas para la administración de transacciones (incluyendo programas

de bloqueo, bitácoras, y recuperación), y su propio administrador local de

comunicación de datos.

En particular un usuario dado puede realizar operaciones sobre los datos en su propiositio local exactamente como si ese sitio no participara en absoluto en el sistema

distribuido (al menos, ése es uno de los objetivos). Así pues, el sistema de bases de

datos distribuidas puede considerarse como una especie de sociedad entre los DBMS

individuales locales de todos los sitios.



~ 3 ~

Definición de Base de Datos Distribuida

Una base de datos distribuida (BDD) es un conjunto de múltiples bases de datos

lógicamente relacionadas las cuales se encuentran distribuidas entre diferentes sitios

interconectados por una red de comunicaciones, los cuales tienen la capacidad de

procesamiento autónomo lo cual indica que puede realizar operaciones locales o

distribuidas.

Un Sistema de Bases de Datos Distribuida (SBDD) es un sistema en el cual múltiples

sitios de bases de datos están ligados por un sistema de comunicaciones de tal forma

que, un usuario en cualquier sitio puede acceder los datos en cualquier parte de la red

exactamente como si los datos estuvieran siendo accedidos de forma local.

Una Base de Datos Distribuida entonces es una colección de datos que pertenecenlógicamente a un sólo sistema, pero se encuentra físicamente disperso en varios

"sitios" de la red.

Objetivos de las Base de Datos Distribuida

Al implementar una base de datos distribuida se tienen ciertos objetivos comunes:

Transparencia de ubicación. Permite a los usuarios tener acceso a los datos sin

que tenga conocimiento de la ubicación de éstos. Se puede conseguir este nivel

de transparencia al utilizar los administradores de transacciones distribuidas,

los cuales son capaces de determinar la localización de los datos y de emitir

acciones a los calendarizadores apropiados, lo cual puede ejecutarse cuando

los administradores de transacciones distribuidas poseen acceso a los

directorios de localizaciones de los datos.

Transparencia de duplicación. Para que la transparencia de duplicación sea

posible, los administradores de transacciones deben traducir las solicitudes de

procesamiento de transacción en acciones para el administrador de datos. Para

las lecturas el administrador de transacciones selecciona uno de los nodos que

almacena los datos y ejecuta la lectura.

Transparencia de concurrencia. Cuando varias transacciones se ejecuten al

mismo tiempo, los resultados de las transacciones no deberán afectarse. La

trasparencia de concurrencia se logra si los resultados de todas las

transacciones concurrentes son consistentes de manera lógica con los

resultados que se habrían obtenido si las transacciones se hubieran ejecutadouna por una, en cualquier orden secuencial.



~ 4 ~

Transparencia de fallas. Significa que a pesar de fallas las transacciones sean

procesadas de un modo correcto. Frente a una falla, las transacciones deben

ser atómicas, significa que se procesen todas o ninguna de ellas. Para este tipo

de problemas es importante tener resguardo de la base de datos, y así poder

restaurarla cuando sea conveniente. El sistema debe detectar cuándo falla una

localidad y tomar las medidas necesarias para recuperarse del fallo. El sistema

no debe seguir utilizando la localidad que falló. Por último, cuando se recupere

o repare esta localidad, debe contarse con mecanismos para reintegrarla al

sistema con el mínimo de complicaciones.

Localidad del procesamiento. Los datos se deben distribuir lo más cerca

posible de las aplicaciones que los usan para maximizar la localidad del

procesamiento, este principio responde a minimizar el acceso remoto a losdatos. Diseñar una distribución que maximice localidad del procesamiento

puede hacerse añadiendo la cantidad de referencias locales y remotas

correspondientes a cada fragmentación candidata y asignar la fragmentación

eligiendo la mejor solución.

Independencia de configuración. La independencia de configuración permite

añadir o reemplazar hardware sin tener que cambiar componentes de software

existentes en el sistema de base de datos distribuida.

Particionamiento de la Base de Datos. La base de datos se distribuye de modo

que no haya solapamiento o duplicación de los datos mantenidos en las

diferentes localidades, como no hay duplicaciones de los datos, se evitan los

costos asociados con el almacenamiento y mantenimiento de datos

redundantes. Si un mismo segmento de datos se usa en más de una localidad

se ve limitada la disponibilidad de los datos. La fiabilidad también puede verse

limitada cuando se produce un fallo en el sistema de cálculo de una localidad se

afecta la disponibilidad de los datos de esa localidad no estén disponible paralos usuarios en cualquier parte del sistema.

Fragmentación de datos. Consiste en subdividir las relaciones y distribuirlas

entre los sitios de la red, tiene como objetivo buscar formas alternativas de

dividir una las instancias (tablas) de relaciones en otras más pequeñas. La

fragmentación se puede realizar por tuplas individuales (fragmentación

horizontal), por atributos individuales (fragmentación vertical) o una

combinación de ambas (fragmentación híbrida). El principal problema de la

fragmentación radica en encontrar la unidad apropiada de distribución.



~ 5 ~

Características de una Base de Datos Distribuida

En un sistema distribuido de bases de datos se almacenan en varias computadoras. Los

principales factores que distinguen un SBDD de un sistema centralizado son los

siguientes:

1. Hay múltiples computadores, llamados sitios o nodos.

2. Estos sitios deben de estar comunicados por medio de algún tipo de red de

comunicaciones para transmitir datos y órdenes entre los sitios.

Los componentes que se encuentran presentes en una base de datos distribuida:

Sistema de Administración de Base de Datos Distribuida (DDBMS). Este

sistema está formado por las transacciones y los administradores de la base de

datos distribuidos. Un DDBMS implica un conjunto de programas que operan

en diversas computadoras, estos programas pueden ser subsistemas de un

único DDBMS de un fabricante o podría consistir de una colección de

programas de diferentes fuentes.

Administrador de transacciones distribuidas (DTM). Este es un programa que

recibe las solicitudes de procesamiento de los programas de consulta o

transacciones y las traduce en acciones para los administradores de la base de

datos. Los DTM se encargan de coordinar y controlar estas acciones. Este DTM

puede ser propietario o desarrollado en casa.

Administrador de la base de datos (DBM). Es un programa que procesa cierta

porción de la base de datos distribuida. Se encarga de recuperar y actualizar

datos del usuario y generales de acuerdo con los comandos recibidos de los

DTM.

Nodo. Un nodo es una computadora que ejecuta un DTM o un DBM o ambos.

Un nodo de transacción ejecuta un DTM y un nodo de base de datos ejecuta un

DBM.

Existen varios factores relacionados a la construcción de bases de datos distribuidas

que no se presentan en bases de datos centralizadas. Entre los más importantes se

encuentran los siguientes:

1. Diseño de la base de datos distribuida. En el diseño de bases de datos

distribuidas se debe considerar el problema de cómo distribuir la información

entre diferentes sitios. Existen razones organizacionales las cuales determinanen gran medida lo anterior. Sin embargo, cuando se busca eficiencia en el



~ 6 ~

acceso a la información, se deben abordar dos problemas relacionados.

Primero, como fragmentar la información. Segundo, como asignar cada

fragmento entre los diferentes sitios de la red. En el diseño de la BDD también

es importante considerar si la información está replicada, es decir, si existen

copias múltiples del mismo dato y, en este caso, como mantener la consistencia

de la información.

2. Procesamiento de consultas. El procesamiento de consultas es de suma

importancia en bases de datos centralizadas. Sin embargo, en BDD éste

adquiere una relevancia mayor. El objetivo es convertir transacciones de

usuario en instrucciones para manipulación de datos. No obstante, el orden en

que se realizan las transacciones afecta grandemente la velocidad de respuesta

del sistema. Así, el procesamiento de consultas presenta un problema deoptimización en el cual se determina el orden en el cual se hace la menor

cantidad de operaciones. Este problema de optimización es NP-difícil, por lo

que en tiempos razonables solo se pueden obtener soluciones aproximadas. En

BDD se tiene que considerar el procesamiento local de una consulta junto con

el costo de transmisión de información al lugar en donde se solicitó la consulta.

3. Control de concurrencia. El control de concurrencia es la actividad de coordinar

accesos concurrentes a la base de datos. El control de concurrencia permite a

los usuarios accesar la base de datos en una forma multiprogramada mientras

se preserva la ilusión de que cada usuario está utilizándola solo en un sistema

dedicado. El control de concurrencia asegura que transacciones múltiples

sometidas por usuarios diferentes no interfieran unas con otras de forma que

se produzcan resultados incorrectos. En BDD el control de concurrencia es aún

más complejo que en sistemas centralizados. Los algoritmos más utilizados son

variaciones de aquellos usados en sistemas centralizados: candados de dos

fases, ordenamiento por estampas de tiempo, ordenamiento por estampas de

tiempo múltiples y control de concurrencia optimista. Un aspecto interesante

del control de concurrencia es el manejo de interbloqueos. El sistema no debe

permitir que dos o más transacciones se bloqueen entre ellas.

4. Confiabilidad. En cualquier sistema de bases de datos, centralizado o

distribuido, se debe ofrecer garantías de que la información es confiable. Así

cada consulta o actualización de la información se realiza mediante

transacciones, las cuales tienen un inicio y fin. En sistemas distribuidos, el

manejo de la atomicidad y durabilidad de las transacciones es aún más

complejo, ya que una sola transacción puede involucrar dos o más sitios de la



~ 7 ~

red. Así, el control de recuperación en sistemas distribuidos debe asegurar que

el conjunto de agentes que participan en una transacción realicen todos, un

compromiso (commit ) al unísono o todos al mismo tiempo restablezcan la

información anterior (roll-back ).

En la Figura 1 se presenta un diagrama con las relaciones entre los aspectos relevantes

sobre las BDD.

Figura 1. Factores importantes en BDD.

Ventajas y Desventajas de Base de Datos Distribuida

Centralizadas Vs Distribuidas

Base Datos Centralizada.

Es una base de datos almacenada en su totalidad en un solo lugar físico, es decir, es

una base de datos almacenada en una sola máquina y una sola CPU, y en donde los

usuarios trabajan en terminales “tontas” que sólo muestran resultados.

Los sistemas de bases de datos centralizadas son aquellos que se ejecutan en un único

sistema informático sin interaccionar con ninguna otra computadora. Estos sistemas

comprenden el rango desde los sistemas de base de datos mono-usuario ejecutándoseen computadoras personales hasta los sistemas de bases de datos de alto rendimiento

ejecutándose en grandes sistemas.

Existen varias diferencias entre una base de datos centralizada y otra base de datos

distribuida; la principal diferencia es que en la primera, los datos se encuentran

almacenados en una sola localidad, mientras que en la segunda, los datos se

encuentran almacenados en diferentes localidades. Esta diferencia implica ciertas

consideraciones que deberán ser tomadas en cuenta al decidir que de base de datos es

más conveniente, las cuales se describen a continuación:



~ 8 ~

Control.

En bases de datos distribuidas, se identifica a un sistema administrador de la base de

datos como global, al cual, en lo sucesivo lo llamaremos coordinador de la transacción,

que es el que tiene la responsabilidad de toda la transacción; además, cuentan consistemas administradores de bases de datos locales, que tienen la responsabilidad,

precisamente, de la base de datos local que les corresponde. Por otra parte, las bases

de datos centralizadas trabajan con un solo administrador, que es el único responsable

de todo el sistema de Información.

Independencia de los datos.

En bases de datos centralizadas, se refiere a que las aplicaciones que el usuario realice

no se vean afectadas por la forma en que los datos se encuentran distribuidos. Enbases de datos distribuidas también existe independencia de datos y este concepto

tiene la misma importancia, únicamente se le agrega el concepto de transparencia en

la distribución, lo cual quiere decir que los programas son escritos como si la base de

datos no fuera distribuida, de esta forma, el cambio de lugar de los datos de una

localidad a otra no afecta los programas, aunque su velocidad de procesamiento si

podrá verse modificada.

Redundancia.

En las bases de dalos centralizadas se pretende reducir al mínimo posible la

redundancia de datos por dos razones:

1. la posible inconsistencia entre los datos.

2. el ahorro de espacio de almacenamiento.

Sin embargo, para las bases de datos distribuidas es una característica deseable, ya

que la velocidad de las aplicaciones se incrementa si la información se replica donde es

necesaria y, además, si una localidad falla, la ejecución de las aplicaciones en otraslocalidades no se interrumpe si cuenta con una réplica de la información requerida.

Acceso.

En bases de datos distribuidas existen dos categorías de acceso: global y local.

El acceso global consiste en determinar qué datos deben ser accedidos, en qué

localidades y cuáles datos se deben transmitir entre las localidades. El principal

aspecto a considerar para optimizar el acceso global es el costo da comunicación. El

acceso local consiste en realizar los accesos, justamente, a la base de datos local. En



~ 9 ~

una base de datos centralizada, el acceso a la información se lleva a cabo de la misma

forma que el acceso local en una base de datos distribuida.

Recuperación, control de concurrencia e integridad.

En una base de datos distribuida, la Integridad de los datos se basa en el proceso de

commít en dos fases. En una base de datos centralizada, toda la información se

encuentra en un solo lugar provocando un mayor tráfico de solicitudes de recursos.

Por otra parte en una base de datos distribuida, la información se encuentra dispersa

entre las diferentes localidades, lo cual provoca un mayor nesgo de perder la

Integridad de los datos, debido a la redundancia de información existente.

Privacidad y seguridad.

En bases de datos centralizadas, el administrador del sistema tiene el control total de

los datos y asegura que sólo sean ejecutados los accesos autorizados. En base de datos

distribuida, la privacidad en los datos se ve afectada por el grado de autonomía de las

localidades y los problemas de seguridad, siendo estos últimos Intrínsecos, porque la

comunicación de redes puede representar un punto débil en este aspecto.

Arquitectura de una Base de Datos Distribuida

La arquitectura define la estructura de un sistema. Al definir la arquitectura se deben

identificar las componentes de un sistema, las funciones que realiza cada una de las

componentes y las interrelaciones e interacciones entre cada componente.

El propósito de establecer una arquitectura de un sistema de bases de datos

distribuidas es ofrecer un nivel de transparencia adecuado para el manejo de la

información. La transparencia se puede entender como la separación de la semántica

de alto nivel de un sistema de los aspectos de bajo nivel relacionados a la

implementación del mismo. Un nivel de transparencia adecuado permite ocultar los

detalles de implementación a las capas de alto nivel de un sistema y a otros usuarios.

En sistemas de bases de datos distribuidos el propósito fundamental de la

transparencia es proporcionar independencia de datos en el ambiente distribuido. Se

pueden encontrar diferentes aspectos relacionados con la transparencia. Por ejemplo,

puede existir transparencia en el manejo de la red de comunicación, transparencia en

el manejo de copias repetidas o transparencia en la distribución o fragmentación de la

información.



~ 10 ~

La independencia de datos es la inmunidad de las aplicaciones de usuario a los

cambios en la definición y/u organización de los datos y viceversa. La independencia de

datos se puede dar en dos aspectos: lógica y física.

1. Independencia lógica de datos. Se refiere a la inmunidad de las aplicaciones de

usuario a los cambios en la estructura lógica de la base de datos. Esto permite

que un cambio en la definición de un esquema no debe afectar a las

aplicaciones de usuario. Por ejemplo, el agregar un nuevo atributo a una

relación, la creación de una nueva relación, el reordenamiento lógico de

algunos atributos.

2. Independencia física de datos. Se refiere al ocultamiento de los detalles sobre

las estructuras de almacenamiento a las aplicaciones de usuario. Esto es, la

descripción física de datos puede cambiar sin afectar a las aplicaciones de

usuario. Por ejemplo, los datos pueden ser movidos de un disco a otro, o la

organización de los datos puede cambiar.

La transparencia al nivel de red se refiere a que los datos en un SBDD se accedan

sobre una red de computadoras, sin embargo, las aplicaciones no deben notar su

existencia. La transparencia al nivel de red conlleva a dos cosas:

1. Transparencia sobre la localización de datos. Esto es, el comando que se usa

es independiente de la ubicación de los datos en la red y del lugar en donde la

operación se lleve a cabo.

2. Transparencia sobre el esquema de nombramiento. Lo anterior se logra

proporcionando un nombre único a cada objeto en el sistema distribuido. Así,

no se debe mezclar la información de la localización con en el nombre de un

objeto.

La transparencia sobre replicación de datos se refiere a que si existen réplicas de

objetos de la base de datos, su existencia debe ser controlada por el sistema no por elusuario. Se debe tener en cuenta que al cuando el usuario se encarga de manejar las

réplicas en un sistema, el trabajo de éste es mínimo por lo que se puede obtener una

eficiencia mayor. Sin embargo, el usuario puede olvidarse de mantener la consistencia

de las réplicas teniendo así datos diferentes.

La transparencia a nivel de fragmentación de datos permite que cuando los objetos

de la bases de datos están fragmentados, el sistema tiene que manejar la conversión

de consultas de usuario definidas sobre relaciones globales a consultas definidas sobre

fragmentos. Así también, será necesario mezclar las respuestas a consultas



~ 11 ~

fragmentadas para obtener una sola respuesta a una consulta global. El acceso a una

base de datos distribuida debe hacerse en forma transparente.

Figura 2. Organización en capas de los niveles de transparencia

En un sistema de bases de datos distribuidas, existen varios factores que deben tomar

en consideración que definen la arquitectura del sistema:

1. Distribución: Los componentes del sistema están localizados en la misma

computadora o no.

2. Heterogeneidad: Un sistema es heterogéneo cuando existen en él

componentes que se ejecutan en diversos sistemas operativos, de diferentes

fuentes, etc.

3. Autonomía: Se puede presentar en diferentes niveles, los cuales se describen a

continuación:

Autonomía de diseño: Habilidad de un componente del para decidir

cuestiones relacionadas a su propio diseño.

Autonomía de comunicación: Habilidad de un componente del para

decidir cómo y cuándo comunicarse con otros SMBD.

Autonomía de ejecución: Habilidad de un componente del para

ejecutar operaciones locales como quiera.



~ 12 ~

Figura 3. Organización en capas de los niveles de transparencia.

Figura 4. Arquitectura de un SMBDD homogéneo.

CONCLUSION

Una base de datos distribuida nació por la necesidad que tenían las empresas para

llevar un mejor control de sus datos y que tener diferentes bases de datos que se

encontraran distribuidos en diferentes sitios o establecimientos. Así se esta manera

permitirle al usuario poder acceder a ella desde cualquier lugar donde se encontrara a

través de una red. Pero principalmente se buscaba transparencia en el procesamiento

de esta información, es decir, que el usuario no pudiera saber de qué lugar obtenía

toda la información.



~ 13 ~

De esta manera las empresas pueden llevar un mejor control de su información y

además que esta se pueda comunicar con cualquiera de sus sistemas en cualquier

momento que él lo deseara sin importar el lugar donde se encontrara este sistema.

unidad i - fundamentos de bdd

Documents