Apuntes de Bases de Datos Distribuidas

Manual para la materia de Bases de Datos Distribuidas. Elaborado por Lic. Julio Ismael Gonzlez Tllez


1. Fundamentos Bases de Datos Distribuidas 1.1. Conceptos Bsicos 1.2. Objetivos Bases de Datos Distribuidas 1.3. Disciplinas Estudio Bases de Datos Distribuidas 1.4. Arquitectura Bases de Datos Distribuidas

2. Diseo de bases de datos distribuidas

2.1. Consideraciones Diseo Bases de Datos Distribuidas 2.2. Diccionario de Datos 2.3. Niveles de Transparencia

2.3.1. Transparencia de Localizacin 2.3.2. Transparencia de Fragmentacin 2.3.3. Transparencia de Replica

2.4. Fragmentacin de Datos 2.4.1. Fragmentacin Horizontal 2.4.2. Fragmentacin Vertical 2.4.3. Fragmentacin Hibrida

2.5. Distribucin de Datos 2.5.1. Algoritmos Distribucin Datos No Replicados 2.5.2. Algoritmos Distribucin Datos Replicados

3. Procesamiento de consultas distribuidas

3.1. Metodologa Procesamiento Consultas Distribuidas 3.2. Estrategias Procesamiento Consultas Distribuidas

3.2.1. Arboles de Consultas 3.2.2. Transformaciones Equivalentes Consultas Distribuidas 3.2.3. Mtodos Ejecucin del Join

3.3. Optimizacin de Consultas Distribuidas 3.3.1. Optimizacin Global Consultas Distribuidas 3.3.2. Optimizacin Local Consultas Distribuidas

4. Manejo de transacciones

4.1. Transacciones Conceptos 4.1.1. Estructura de Transacciones 4.1.2. Ejecucin Transacciones Centralizada Distribuida 4.1.3. Estructura de transacciones

4.2. Control de Concurrencia 4.2.1. Serializacin de Transacciones 4.2.2. Algoritmos de Control de Concurrencia

4.2.2.1. Basados en Bloqueo. 4.2.2.2. Basados en Estampas de Tiempo 4.2.2.3. Pruebas Validacin Optimistas

4.2.3. Disciplinas del Interbloqueo prevencin deteccin eliminacin y recuperacin 4.3. Confiabilidad

4.3.1. Conceptos Bsicos de Confiabilidad 4.3.2. Protocolos Redo Undo 4.3.3. Puntos de Verificacin checkpoints 4.3.4. Protocolo 2PC de Confiabilidad Distribuida


1 Fundamentos Bases de Datos Distribuidas

1.1Conceptos Bsicos

Un sistema de administracin de bases de datos distribuida (DDBMS) rige el almacenamiento y procesamiento de datos lgicamente relacionados a travs de un sistema de computadoras interconectadas, donde tanto los datos como las funciones de procesamiento se distribuyen entre varios sitios. Para entender cmo y por qu el DDBMS es diferente del DBMS, es necesario examinar brevemente los cambios en el ambiente de base de datos. Durante los aos 70s, las corporaciones ejercieron sistemas de administracin de base de datos centralizados para satisfacer sus necesidades de informacin estructuradas. Las necesidades de informacin estructurada son, por lo tanto, bien atendidas por los sistemas centralizados. Bsicamente, el uso de una base de datos centralizada requera que los datos corporativos se guardaran en un solo sitio central. El acceso a los datos se proporcionaba mediante terminales no inteligentes. El mtodo centralizado funcionaba bien para satisfacer las necesidades de informacin estructurada de las corporaciones, pero se quedaba corto cuando los eventos siempre en movimiento requeran tiempos de respuesta y accesos a la informacin ms rpidos. La lenta progresin desde la solicitud de informacin hasta su aprobacin, y desde el especialista hasta el usuario, simplemente no era til para los tomadores de decisiones en un ambiente dinmico. Lo que se requera era un acceso rpido, no estructurado a la base de datos utilizando consultas ad hoc para generar informacin al momento. Los sistemas de administracin de base de datos basados en el modelo relacional, podran crear el ambiente en el cual las necesidades de informacin no estructuradas serian satisfechas mediante consultas ad hoc. Los usuarios finales podran accesar a los datos cuando lo requirieran. Tambin existieron otros tipos de modelos como: base de datos de red o base de datos jerrquico. Los aos 80s dieron lugar a una serie de cambios tecnolgicos y sociales que afectaron el desarrollo y el diseo de las bases de datos tales como:

Los negocios se volvieron ms geogrficamente descentralizados. La competencia se globalizo. Las demandas de los clientes favorecieron el estilo de administracin

descentralizado. Los rpidos cambios tecnolgicos crearon computadoras de bajo costo, y un

nmero cada vez mayor de corporaciones adoptaron las redes LAN como base para sus soluciones.

Estos factores crearon un ambiente de negocios dinmico en el cual las compaas tuvieron que responder con rapidez a las presiones competitivas y tecnolgicas. Conforme las grandes unidades de negocios se reestructuraron para formar operaciones ms simples, dispersas y de reaccin rpida, dos requerimientos de base de datos se volvieron obvios:

El acceso rpido a los datos se volvi crucial para la toma de decisiones dinmicas


La descentralizacin de las estructuras de administracin basadas en la descentralizacin de unidades de negocios hicieron de las bases de datos descentralizadas ubicadas en lugares mltiples y de acceso mltiple, una necesidad.

Durante los aos 90s todos los factores anteriores se vieron influenciados fuertemente por:

La creciente aceptacin de internet y, en particular la red mundial (www), como plataforma para el acceso y distribucin de los datos.

El creciente enfoque en el anlisis de los datos que condujo al manejo y almacenamiento de los datos. Aunque el almacn de datos en general no es una base de datos distribuida, depende de tcnicas tales como la replicacin de datos y consultas distribuidas que facilitan la extraccin e integracin de sus datos.

El impacto ms importante que promovi el xito de las bases de datos distribuidas fue el uso de internet y la solucin a los problemas de ancho de banda, de cualquier manera, las bases de datos distribuidas existen hoy en da. Computacin Distribuida

Los sistemas de bases de datos distribuidas son un caso particular de los sistemas de cmputo distribuido en los cuales un conjunto de elementos de procesamiento autnomos (no necesariamente homogneos) se interconectan por una red de comunicaciones y cooperan entre ellos para realizar sus tareas asignadas. Histricamente, el cmputo distribuido se ha estudiado desde muchos puntos de vista. As, es comn encontrar en la literatura un gran nmero de trminos que se han usado para identificarlo. Entre los trminos ms comunes que se utilizan para referirse al cmputo distribuido podemos encontrar: funciones distribuidas, procesamiento distribuido de datos, multiprocesadores, multicomputadoras, procesamiento satelital, procesamiento tipo "backend", computadoras dedicadas y de propsito especfico, sistemas de tiempo compartido, sistemas funcionalmente modulares. Existen muchos componentes a distribuir para realizar una tarea. En computacin distribuida los elementos que se pueden distribuir son: Control. Las actividades relacionadas con el manejo o administracin del sistema. Datos. La informacin que maneja el sistema. Funciones. Las actividades que cada elemento del sistema realiza. Procesamiento lgico. Las tareas especficas involucradas en una actividad de procesamiento de informacin. (Bolivia, 2005, pg. 5)

Eliminado:


Figura 1.1. Motivacin de los sistemas de bases de datos distribuidos.

Sistemas de bases de datos distribuidas

Una base de datos distribuida (BDD) es un conjunto de mltiples bases de datos lgicamente relacionadas las cuales se encuentran distribuidas entre diferentes sitios interconectados por una red de comunicaciones (ver Figura 1.1). (Bolivia, 2005, pg. 5) Un sistema de bases de datos distribuidos (SBDD) es un sistema en el cual mltiples sitios de bases de datos estn ligados por un sistema de comunicaciones, de tal forma que, un usuario en cualquier sitio puede accesar los datos en cualquier parte de la red exactamente como si los datos estuvieran almacenados en su sitio propio. (Bolivia, 2005, pg. 5) Un sistema de manejo de bases de datos distribuidas (SMBDD) es aquel que se encarga del manejo de la BDD y proporciona un mecanismo de acceso que hace que la distribucin sea transparente a los usuarios. El trmino transparente significa que la aplicacin trabajara, desde un punto de vista lgico, como si un solo SMBD se ejecutara en una sola mquina, y administrara esos datos. (Bolivia, 2005, pg. 5) Un sistema de base de datos distribuida (SBDD) es entonces el resultado de la integracin de una base de datos distribuida con un sistema para su manejo. Dada la definicin anterior, es claro que algunos sistemas no se pueden considerar como SBDD. Por ejemplo, un sistema de tiempo compartido no incluye necesariamente un sistema de manejo de bases de datos y, en caso de que lo haga, ste es controlado y administrado por una sola computadora. (Bolivia, 2005, pg. 6) Un sistema de multiprocesamiento puede administrar una base de datos pero lo hace usualmente a travs de un solo sistema de manejo de base de datos; los procesadores se utilizan para distribuir la carga de trabajo del sistema completo o incluso del propio SMBD pero actuando sobre una sola base de datos. Finalmente, una base de datos la cual reside en un solo sitio de una red de computadoras y que es accesada por todos los nodos de la red no es una base de datos distribuida (Figura 1.2). Este caso se trata de una base de datos cuyo control y administracin est centralizado en un solo nodo pero se permite el acceso a ella a travs de la red de computadoras. (Bolivia, 2005, pg. 6) El medio ambiente tpico de un SMBDD consiste de un conjunto de sitios o nodos, los cuales tiene un sistema de procesamiento de datos completo que incluye una base de datos local, un sistema de manejo de bases de datos y facilidades de comunicaciones. Si los diferentes sitios pueden estar geogrficamente dispersos, entonces, ellos estn interconectados por una red de tipo WAN. Por otro lado, si los sitios estn localizados en diferentes edificios o departamentos de una misma organizacin pero geogrficamente en la misma ubicacin, entonces, estn conectados por una red local (LAN) (Figura 1.3). (Bolivia, 2005, pg. 6)


Figura 1.2. Un sistema centralizado sobre una red.

Figura 1.3. Un medio ambiente distribuido para bases de datos.


1.2 Objetivos Bases de Datos Distribuidas

Principio Fundamental: Ante el usuario, un sistema distribuido debe lucir exactamente igual que un sistema que no es distribuido

En otras palabras, los usuarios de un sistema distribuido deben ser capaces de comportarse exactamente como si no fuera distribuido.

Todos los problemas de los sistemas distribuidos son o deberan ser, problemas internos o en el nivel de implementacin, y no externos o en el nivel de usuario.

El principio fundamental nos conduce a 12 reglas u objetivos: 1.- Autonoma local. Los sitios en un sistema distribuido deben ser autnomos.

La autonoma local significa que todas las operaciones en un sitio dado estn controladas por ese sitio; ningn sitio X debe depender de algn otro sitio para su operacin satisfactoria.

La seguridad, integridad y representacin de almacenamiento de los datos locales permanecen bajo el control y jurisdiccin del sitio local.

2.- No dependencia de un sitio central. La autonoma local implica que todos los sitios deben ser tratados como iguales.

Por lo tanto, no debe haber particularmente ninguna dependencia de un sitio maestro central para algn servicio central, tal que todo el sistema dependa de ese sitio central.

Razones por las cuales no debera haber un sitio central: El sitio central puede ser un cuello de botella El sistema sera vulnerable; es decir, si el sitio central falla, tambin fallar

todo el sistema 3.- Operacin contina. Una ventaja de los sistemas distribuidos es que deben proporcionar mayor confiabilidad y mayor disponibilidad.

Confiabilidad. La probabilidad de que el sistema est listo y funcionando en cualquier momento dado. Los SD no son una propuesta de todo o nada; pueden continuar operando cuando hay alguna falla en algn componente independiente.

Disponibilidad. La probabilidad de que el sistema est listo y funcionando continuamente a lo largo de un perodo especificado.

4.- Independencia de ubicacin. Conocida tambin como transparencia de ubicacin.

Los usuarios no tienen que saber dnde estn almacenados fsicamente los datos, sino que deben ser capaces de comportarse como si todos los datos estuvieran almacenados en su propio sitio local.

Esto simplifica los programas de los usuarios. En particular, permite que los datos emigren de un sitio a otro sin invalidar ninguno de estos programas o actividades.

5.- Independencia de fragmentacin. Un sistema soporta la fragmentacin de datos cuando puede ser dividida en partes o fragmentos, para efectos de almacenamiento fsico.

La fragmentacin es necesaria por razones de rendimiento: los datos pueden estar almacenados en la ubicacin donde son usados ms


frecuentemente para que la mayora de las operaciones sean locales y se reduzca el trfico en la red.

Los usuarios deben comportarse como si los datos en realidad estuvieran sin fragmentacin alguna.

6.- Independencia de replicacin 1. Pueden significar una mejor disponibilidad (un objeto replicado permanece

disponible para su procesamiento, mientras est disponible al menos una copia).

Por supuesto, la principal desventaja de las rplicas es que al actualizarlas es necesario actualizar todas: el problema de la propagacin de la actualizacin. 7.- Procesamiento de consultas distribuidas. La optimizacin es importante en un sistema distribuido que en uno centralizado, incluso mucho ms.

El punto bsico es que en una consulta que involucra a varios sitios, habr muchas formas posibles de mover los datos en el sistema para satisfacer la solicitud, y es crucialmente importante que se encuentre una estrategia eficiente.

8.- Administracin de transacciones distribuidas

Puede involucrar actualizaciones en muchos sitios y se debe de cuidar que la transaccin no caiga en un bloqueo mortal (basado en el bloqueo).

Para el control de la recuperacin, es necesario asegurarse que una transaccin dada sea atmica en el ambiente distribuido, el sistema debe por lo tanto asegurarse de que la transaccin sea confirmada o deshecha (se puede utilizar el protocolo de confirmacin de dos fases).

9.- Independencia de hardware. Soporte para un gran nmero de mquinas diferentes. Poder integrar todos los datos de todos estos sistemas y presentar al usuario una imagen del sistema nico. 10.- Independencia de sistema operativo. Obviamente es necesario no slo tener la posibilidad de ejecutar el mismo DBMS en diferentes plataformas de hardware, sino tambin ejecutarlo en diferentes plataformas de sistema operativo. 11.- Independencia de red.

Si el sistema va a tener la posibilidad de soportar muchos sitios distintos es obviamente necesario tener la posibilidad de soportar tambin una variedad de redes de comunicacin distintas.

12.- Independencia de DBMS. Lo que se necesita es que todos los ejemplares de DBMS en sitios diferentes soporten la misma interfaz.

Aunque no tienen que ser necesariamente copias del mismo software DBMS. En otras palabras, sera posible que el sistema distribuido fuera heterogneo, al

menos en cierto grado. Sera muy bueno si diferentes DBMS pudieran participar de alguna forma en un

sistema distribuido.


1.3 Disciplinas de Estudio de Bases de Datos Distribuidas Son las aplicaciones ms usuales son para la gestin de empresas e instituciones pblicas. Tambin son ampliamente utilizadas en entornos cientficos con el objeto de almacenar la informacin experimental. Aunque las bases de datos pueden contener muchos tipos de datos, algunos de ellos se encuentran protegidos por las leyes de varios pases. Por ejemplo en Espaa, los datos personales se encuentran protegidos por la Ley Orgnica de Proteccin de Datos de Carcter Personal (LOPD).

1.4 Arquitectura Bases de Datos Distribuidas

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

identificar los componentes de un sistema, las funciones que realiza cada uno de las

componentes y las interrelaciones e interacciones entre cada componente.

Arquitectura de un sistema de bases de datos distribuidas

La mayora de los sistemas de manejo de bases de datos disponibles actualmente estn

basadas en la arquitectura ANSI-SPARC la cual divide a un sistema en tres niveles: interno,

conceptual y externo.

La vista conceptual, conocida tambin como vista lgica global, representa la visin de

la comunidad de usuarios de los datos en la base de datos. No toma en cuenta la forma en que las aplicaciones individuales observan los datos o como stos son almacenados.

La vista conceptual est basada en el esquema conceptual y su construccin se hace en

la primera fase del diseo de una base de datos.

Los usuarios, incluyendo a los programadores de aplicaciones, observan los datos a travs

de un esquema externo definido a nivel externo. La vista externa proporciona una

ventana a la vista conceptual lo cual permite a los usuarios observar nicamente los datos de inters y los asla de otros datos en la base de datos. Puede existir cualquier nmero de

vistas externas y ellos pueden ser completamente independientes o traslaparse entre s. El esquema conceptual se mapea a un esquema interno a nivel interno, el cual es el nivel

de descripcin ms bajo de los datos en una base de datos. Este proporciona una interfaz

al sistema de archivos del sistema operativo el cual es el responsable del acceso a la base

de datos. El nivel interno tiene que ver con la especificacin de qu elementos sern indexados, qu tcnica de organizacin de archivos utilizar y como los datos se agrupan

en el disco mediante "clusters" para mejorar su acceso.


Figura 1.4 Arquitectura ANSI/SPARC de una base de datos.

Figura 1.5 Vista conceptual de las relaciones E, S, J y G.

Figura 1.6 Definicin de una vista interna a partir de la relacin S.


Figura 1.7 Dos ejemplos de vistas externas.

Desafortunadamente, no existe un equivalente de una arquitectura estndar para sistemas de manejo de bases de datos distribuidas. La tecnologa y prototipos de SMBDD

se han desarrollado ms o menos en forma independiente uno de otro y cada sistema ha adoptado su propia arquitectura.

Para definir un esquema de estandarizacin en bases de datos distribuidas se debe definir un modelo de referencia el cual sera un marco de trabajo conceptual cuyo propsito es

dividir el trabajo de estandarizacin en piezas manejables y mostrar a un nivel general

como esas piezas se relacionan unas con otras. Para definir ese modelo de referencia se

puede seguir uno de los siguientes tres enfoques:

Basado en componentes. Se definen los componentes del sistema junto con las relaciones entre ellas. As, un SMBD consiste de un nmero de componentes, cada uno de los cuales

proporciona alguna funcionalidad.

Basado en funciones. Se identifican las diferentes clases de usuarios junto con la funcionalidad que el sistema ofrecer para cada clase. La especificacin del sistema en

esta categora tpicamente determina una estructura jerrquica para las clases de usuarios. La ventaja de este enfoque funcional es la claridad con la cual se especifican los

objetivos del sistema. Sin embargo, este enfoque no proporciona una forma de alcanzar

los objetivos.

Basado en datos. Se identifican los diferentes tipos de descripcin de datos y se especifica un marco de trabajo arquitectural el cual define las unidades funcionales que realizarn

y/o usarn los datos de acuerdo con las diferentes vistas. La ventaja de este enfoque es la importancia que asigna al manejo de datos. Este es un enfoque significativo para los

SMBD dado que su propsito principal es manejar datos. Sin embargo, la desventaja de este enfoque es que es prcticamente imposible especificar un modelo arquitectural sin

especificar los modelos para cada una de sus unidades funcionales. Este es el enfoque

seguido por el modelo ANSI/SPARC.


Unidad 2 Diseo de bases de datos distribuidas

El diseo de un sistema de base de datos distribuido implica la toma de decisiones sobre la ubicacin de los programas que accedern a la base de datos y sobre los propios datos que constituyen esta ltima, a lo largo de los diferentes puestos que configuren una red. La ubicacin de los programas, a priori, no debera suponer un excesivo problema dado que se puede tener una copia de ellos en cada mquina de la red (de hecho, en este documento se asumir que as es). Sin embargo, cul es la mejor opcin para colocar los datos: en una gran mquina que albergue a todos ellos, encargada de responder a todas las peticiones del resto de las estaciones sistema de base de datos centralizado , o podramos pensar en repartir las relaciones, las tablas, por toda la red. En el supuesto que nos decidiramos por esta segunda opcin, qu criterios se deberan seguir para llevar a cabo tal distribucin?, Realmente este enfoque ofrecer un mayor rendimiento que el caso centralizado?, Podra optarse por alguna otra alternativa?. En los prrafos sucesivos se tratar de responder a estas cuestiones. Tradicionalmente se ha clasificado la organizacin de los sistemas de bases de datos distribuidos sobre tres dimensiones: el nivel de comparticin, las caractersticas de acceso a los datos y el nivel de conocimiento de esas caractersticas de acceso (vea la figura 2.1). El nivel de comparticin presenta tres alternativas: inexistencia, es decir, cada aplicacin y sus datos se ejecutan en una PC con ausencia total de comunicacin con otros programas u otros datos; se comparten slo los datos y no los programas, en tal caso existe una rplica de las aplicaciones en cada mquina y los datos viajan por la red; y, se reparten datos y programas, dado un programa ubicado en un determinado sitio, ste puede solicitar un servicio a otro programa localizado en un segundo lugar, el cual podr acceder a los datos situados en un tercer emplazamiento. Como se coment lneas atrs, en este caso se optar por el punto intermedio de comparticin. (Diseo de Bases de Datos Distribuidos)

Figura 2.1 Enfoque de la distribucin.

Respecto a las caractersticas de acceso a los datos existen dos alternativas principalmente: el modo de acceso a los datos que solicitan los usuarios puede ser esttico, es decir, no cambiar a lo largo del tiempo, o bien, dinmico. El lector podr comprender fcilmente la dificultad de encontrar sistemas distribuidos reales que puedan clasificarse como estticos. Sin embargo, lo realmente importante radica, estableciendo


el dinamismo como base, cmo de dinmico es, cuntas variaciones sufre a lo largo del tiempo. Esta dimensin establece la relacin entre el diseo de bases de datos distribuidas y el procesamiento de consultas. (Diseo de Bases de Datos Distribuidos) La tercera clasificacin es el nivel de conocimiento de las caractersticas de acceso. Una posibilidad es, evidentemente, que los diseadores carezcan de informacin alguna sobre cmo los usuarios acceden a la base de datos. Es una posibilidad terica, pero sera muy laborioso abordar el diseo de la base de datos con tal ausencia de informacin. Lo ms prctico sera conocer con detenimiento la forma de acceso de los usuarios o, en el caso de su imposibilidad, conformarnos con una informacin parcial de sta. (Diseo de Bases de Datos Distribuidos) El problema del diseo de bases de datos distribuidas podra enfocarse a travs de esta trama de opciones. En todos los casos, excepto aquel en el que no existe comparticin, aparecern una serie de nuevos problemas que son irrelevantes en el caso centralizado. (Diseo de Bases de Datos Distribuidos) A la hora de abordar el diseo de una base de datos distribuida podremos optar principalmente por dos tipos de estrategias: la estrategia ascendente y la estrategia descendente. Ambos tipos no son excluyentes, y no resultara extrao a la hora de abordar un trabajo real de diseo de una base de datos que se pudiesen emplear en diferentes etapas del proyecto una u otra estrategia. La estrategia ascendente podra aplicarse en aquel caso donde haya que proceder a un diseo a partir de un nmero de pequeas bases de datos existentes, con el fin de integrarlas en una sola. En este caso se partira de los esquemas conceptuales locales y se trabajara para llegar a conseguir el esquema conceptual global. Aunque este caso se pueda presentar con facilidad en la vida real, se prefiere pensar en el caso donde se parte de cero y se avanza en el desarrollo del trabajo siguiendo la estrategia descendente. La estrategia descendente (vea la figura 2.2) debera resultar familiar a la persona que posea conocimientos sobre el diseo de bases de datos, exceptuando la fase del diseo de la distribucin. Pese a todo, se resumirn brevemente las etapas por las que se transcurre. (Diseo de Bases de Datos Distribuidos)


Figura 2.2 Estrategia descendente.

Todo comienza con un anlisis de los requisitos que definirn el entorno del sistema en aras a obtener tanto los datos como las necesidades de procesamiento de todos los posibles usuarios del banco de datos. Igualmente, se debern fijar los requisitos del sistema, los objetivos que debe cumplir respecto a unos grados de rendimiento, seguridad, disponibilidad y flexibilidad, sin olvidar el importante aspecto econmico. Como puede observarse, los resultados de este ltimo paso sirven de entrada para dos actividades que


se realizan de forma paralela. El diseo de las vistas trata de definir las interfaces para el usuario final y, por otro lado, el diseo conceptual se encarga de examinar la empresa para determinar los tipos de entidades y establecer la relacin entre ellas. Existe un vnculo entre el diseo de las vistas y el diseo conceptual. El diseo conceptual puede interpretarse como la integracin de las vistas del usuario, este aspecto es de vital importancia ya que el modelo conceptual debera soportar no slo las aplicaciones existentes, sino que debera estar preparado para futuras aplicaciones. En el diseo conceptual y de las vistas del usuario se especificarn las entidades de datos y se determinarn las aplicaciones que funcionarn sobre la base de datos, as mismo, se recopilarn datos estadsticos o estimaciones sobre la actividad de estas aplicaciones. Dichas estimaciones deberan girar en torno a la frecuencia de acceso, por parte de una aplicacin, a las distintas relaciones de las que hace uso, podra afinarse ms anotando los atributos de la relacin a la que accede. Desarrollado el trabajo hasta aqu, se puede abordar la confeccin del esquema conceptual global. Este esquema y la informacin relativa al acceso a los datos sirven de entrada al paso distintivo: el diseo de la distribucin. El objetivo de esta etapa consiste en disear los esquemas conceptuales locales que se distribuirn a lo largo de todos los puestos del sistema distribuido. Sera posible tratar cada entidad como una unidad de distribucin; en el caso del modelo relacional, cada entidad se corresponde con una relacin. Resulta bastante frecuente dividir cada relacin en subrelaciones menores denominadas fragmentos que luego se ubican en uno u otro sitio. De ah, que el proceso del diseo de la distribucin conste de dos actividades fundamentales: la fragmentacin y la asignacin. El ltimo paso del diseo de la distribucin es el diseo fsico, el cual proyecta los esquemas conceptuales locales sobre los dispositivos de almacenamiento fsico disponibles en los distintos sitios. Las entradas para este paso son los esquemas conceptuales locales y la informacin de acceso a los fragmentos. Por ltimo, se sabe que la actividad de desarrollo y diseo es un tipo de proceso que necesita de una monitorizacin y un ajuste peridicos, para que si se llegan a producir desviaciones, se pueda retornar a alguna de las fases anteriores. (Diseo de Bases de Datos Distribuidos) 2.1 Consideraciones para el Diseo Bases de Datos Distribuidas Un sistema de administracin de base de datos distribuida rige el almacenamiento y procesamiento de datos lgicamente relacionados a travs de sistemas de computadoras interconectadas en las cuales, tanto las funciones de datos como de procesamiento, se distribuyen entre varios sitios. Un DBMS debe contar por lo menos con las funciones siguientes para ser considerado como distribuido:

Interface de la aplicacin para interactuar con el usuario final o con programas de aplicacin y con otros DBMS dentro de la base de datos distribuida.

Transformacin para determinar que componentes de solicitud de datos se distribuyen y cuales son locales.

Optimizacin de consultas para encontrar la mejor estrategia de acceso (Cules fragmentos deben ser accesados por la consulta y como, si las hay, se deben sincronizar las actualizacin es de los datos?)

Mapeo para determinar la ubicacin de los datos de fragmentos locales y remotos.

Interface de E/S para leer o escribir datos de en medios de almacenamientos locales permanentes.

Formateo para preparar los datos para su presentacin al usuario final o un programa de aplicacin.


Seguridad para proporcionar privacidad tanto en bases de datos locales como en remotas.

Respaldo y recuperacin para garantizar la disponibilidad y recuperabilidad de la base de datos en caso de una falla.

Administracin de base de datos para el administrador de la base de datos. Control de concurrencia para manejar el acceso simultaneo a los datos y para

garantizar su consistencia a travs de los fragmentos en el DDBMS. Manejo de transacciones para garantizar que los datos pasen de un estado

consistente a otro. Esta actividad incluye la sincronizacin de transacciones locales y remotas, lo mismo que transacciones a travs de segmentos mltiples distribuidos.

2.2 Diccionario de Datos

Un diccionario de datos es un conjunto de metadatos que contiene las caractersticas lgicas de los datos que se van a utilizar en el sistema que se programa, incluyendo nombre, descripcin, alias, contenido y organizacin. (Wikipedia) Identifica los procesos donde se emplean los datos y los sitios donde se necesita el acceso inmediato a la informacin, se desarrolla durante el anlisis de flujo de datos y auxilia a los analistas que participan en la determinacin de los requerimientos del sistema, su contenido tambin se emplea durante el diseo. (Wikipedia) En un diccionario de datos se encuentra la lista de todos los elementos que forman parte del flujo de datos de todo el sistema. Los elementos ms importantes son flujos de datos, almacenes de datos y procesos. El diccionario de datos guarda los detalles y descripcin de todos estos elementos. (Wikipedia) 2.3 Niveles de Transparencia

El propsito de establecer una arquitectura de un sistema de bases de datos distribuidas es ofrecer un nivel de transparencia adecuado para el manejo de la

informacin. La transparencia se puede entender como la separacin de la semntica de alto nivel de un sistema de los aspectos de bajo nivel relacionados a la implementacin

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

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

En sistemas de bases de datos distribuidos el propsito 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 comunicacin, transparencia en el manejo de

copias repetidas o transparencia en la distribucin o fragmentacin de la informacin.

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

en la definicin y/u organizacin de los datos y viceversa. La independencia de datos se

puede dar en dos aspectos: lgica y fsica.

Independencia lgica de datos. Se refiere a la inmunidad de las aplicaciones de usuario a los cambios en la estructura lgica de la base de datos. Esto permite que un cambio en la

definicin de un esquema no afecte a las aplicaciones de usuario. Por ejemplo, el


agregar un nuevo atributo a una relacin, la creacin de una nueva relacin, el

reordenamiento lgico de algunos atributos.

Independencia fsica de datos. Se refiere al ocultamiento de los detalles sobre las estructuras de almacenamiento a las aplicaciones de usuario. Esto es, la descripcin fsica

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 organizacin de los datos puede cambiar.

La transparencia al nivel de red se refiere a que los datos en un SBDD se accesan sobre una red de computadoras, sin embargo, las aplicaciones no deben notar su existencia. La

transparencia al nivel de red conlleva a dos cosas:

Ejemplo Las entidades a ser modeladas son ingenieros y proyectos. Para cada ingeniero, se desea conocer su nmero de empleado (ENO), su nombre (ENOMBRE), el puesto

ocupado en la compaa (TITULO), el salario (SAL), la identificacin de los nombres de proyectos en los cuales est trabajando (JNO), la responsabilidad que tiene dentro del

proyecto (PUESTO) y la duracin de su responsabilidad en meses (DUR). Similarmente, para cada proyecto se desea conocer el nmero de proyecto (JNO), el nombre del proyecto

(JNOMBRE), el presupuesto asignado al proyecto (PRESUPUESTO) y el lugar en donde se

desarrolla el proyecto (LUGAR).

Un ingeniero puede participar en ms de un proyecto pero su salario corresponde

nicamente al puesto que ocupa en la compaa. As, despus de aplicar normalizacin

se obtienen las relaciones E ?para ingenieros, J ?para proyectos, S ?para los salarios

asignados a los puestos y G ?para los ingenieros asignados a cada proyecto.


Bases de datos de una empresa con cuatro relaciones:

E (ingenieros)

ENO ENOMBRE TITULO E1 Juan Rodrguez Ingeniero Elctrico E2 Miguel Snchez Analista de Sistemas E3 Armando Legarreta Ingeniero Mecnico E4 Beatriz Molleda Programador E5 Jorge Castaeda Analista de Sistemas E6 Luis Chvez Ingeniero Elctrico E7 Roberto Dvila Ingeniero Mecnico E8 Julia Jimnez Analista de Sistemas

G (ingenieros asignados a proyecto)

ENO JNO PUESTO DUR E1 J1 Administrador 12 E2 J1 Analista 24 E2 J2 Analista 6 E3 J3 Consultor 10 E3 J4 Ingeniero 48 E4 J2 Programador 18 E5 J2 Administrador 24

J (proyectos)

JNO JNOMBRE PRESUPUESTO LUGAR J1 Instrumentaci

n 150000 Monterre

y J2 Desarrollo de

bases de datos

135000 Mxico

J3 CAD/CAM 250000 Puebla J4 Mantenimient

o 310000 Mxico

J5 CAD/CAM 500000 Monterrey

S (salarios asignados al puesto)

TITULO SALARIO Ingeniero Elctrico 40000

Analista de Sistemas 34000 2Ingeniero Mecnico 27000

Programador 24000


Si se quisiera obtener todos los empleados y sus salarios en la corporacin quienes han

trabajado ms de 12 meses se hara la consulta siguiente en SQL:

SELECT ENOMBRE, SALARIO FROM E, G, S WHERE G.DUR > 12 AND E.ENO = G.ENO AND E.TILE = S.TITLE Se debe tener en cuenta que en cada sitio de la corporacin puede haber esquemas

diferentes o repetidos.

Figura 2.3 Diferentes sitios de una corporacin.

En el primer nivel se soporta la transparencia de red. En el segundo nivel se permite la

transparencia de replicacin de datos. En el tercer nivel se permite la transparencia de la fragmentacin. Finalmente, en el ltimo nivel se permite la transparencia de acceso (por

medio de lenguaje de manipulacin de datos). La responsabilidad sobre el manejo de

transparencia debe estar compartida tanto por el sistema operativo, el sistema de manejo

de bases de datos y el lenguaje de acceso a la base de datos distribuida. Entre estos tres mdulos se deben resolver los aspectos sobre el procesamiento distribuido de consultas y

sobre el manejo de nombres de objetos distribuidos.


Figura 2.4 Organizacin en capas de los niveles de transparencia.


Caractersticas de la Transparencia

Un sistema de base de datos distribuida requiere caractersticas funcionales que puedan ser agrupadas y descritas como caractersticas de transparencia. Las caractersticas de transparencia de DDBMS tiene la propiedad comn de permitir que el usuario sienta que es el nico que esta utilizando la base de datos. En otras palabras, el usuario cree que el o ella esta trabajando con un DBMS centralizado; todas las complejidades de una base de datos distribuida estn escondidas, o son transparentes, para el usuario. (Coronel & Rob, 2004, pg. 498) Las caractersticas de transparencia del DDBMS son:

Transparencia de distribucin, la cual permite que una base de datos distribuida sea tratada como una sola base de datos lgica. Si un DDBMS exhibe transparencia de distribucin, el usuario no necesita saber:

o Que los datos estn en particiones o Que los datos pueden ser replicados en varios sitios o La ubicacin de los datos (Coronel & Rob, 2004, pg. 498)

Transparencia de transaccin, la cual permite que una transaccin actualice datos en varios sitios de la red. La transparencia de transaccin garantiza que la transaccin ser completada en su totalidad o abortada, con lo cual se mantiene la integridad de la base de datos. (Coronel & Rob, 2004, pg. 498)

Transparencia de falla, la cual permite que el sistema contina operando en el caso de una falla de nodo. Las funciones que se perdieron a causa de la falla sern recobradas por otro nodo de la red. (Coronel & Rob, 2004, pg. 498)

Transparencia de desempeo, la cual permite que el sistema funcione como si fuera un DBMS centralizado. El sistema no sufrir ninguna degradacin de desempeo por su uso en una red o por diferencia de plataforma de la red. Tambin garantiza que el sistema encontrara la ruta de acceso mas optima a los datos remotos. (Coronel & Rob, 2004, pg. 498)

Transparencia de heterogeneidad, la cual permite la integracin de varios DBMS locales diferentes conforme a un esquema comn, global. El DDBMS es responsable de transformar las solicitudes de datos del esquema global en es quema de DDBMS local. (Coronel & Rob, 2004, pg. 498)

2.3.1 Transparencia de Localizacin (de ubicacin) Existe cuando el usuario o programador debe especificar el nombre de los objetos de la base de datos pero no su ubicacin. (Coronel & Rob, 2004, pg. 499) Transparencia de ubicacin local Existe cuando el usuario o programador debe especificar tanto los nombres como las ubicaciones de los fragmentos. (Coronel & Rob, 2004, pg. 499) 2.3.2 Transparencia de Fragmentacin Es el mayor nivel de transparencia. El usuario o programador no necesita saber que una base de datos esta en particiones. Por consiguiente, ni los nombres ni la ubicacin de los fragmentos se especifican antes de acceder a los datos. (Coronel & Rob, 2004, pg. 499)


2.3.3 Transparencia de Replica

Consiste en que si existen replicas de objetos de la base de datos, su existencia debe ser controlada por el sistema no por el usuario.

SI LA SENTENCIA SQL REQUIERE:

NOMBRE DEL FRAGMENTO

NOMBRE DE LA UBICACIN

EL DBMS SOPORTA NIVEL DE TRANSPARENCIA

DE DISTRIBUCIN

Si Si Mapeo Local Bajo

Si No Transparencia de ubicacin Medio

No No Transparencia de fragmentacin Alto

PRACTICA DE LABORATORIO No.1

Para ilustrar el uso de varios niveles de transparencia suponga que se tiene una tabla T_EMPLEADO que contiene los atributos EMP_CLAVE, EMP_APAT, EMP_AMAT, EMP_NOM, EMP_FNAC, EMP_FING y PUE_CLAVE. Los datos EMPLEADO estn distribuidos en 3 lugares: New York, Atlanta y Miami. La tabla est dividida por ubicacin, es decir, todos los datos del empleado de Nueva York estn guardados en el fragmento E1, los datos de los empleados de Atlanta en el E2 y los de Miami en el E3.

T_EMPLEADO TC_PUESTO EMP_CLAVE varchar(5) PK PUE_CLAVE varchar(2) PK PUE_CLAVE varchar(2) FK PUE_DESC varchar(50) EMP_APAT varchar(50)

EMP_AMAT varchar(50) EMP_NOM varchar(50) EMP_FNAC datetime EMP_FING datetime

DBMS distribuido Tabla EMPLEADO

E1 E2 E3

New York Atlanta Miami

Figura 2.5 Ubicaciones de los fragmentos

Ahora suponga que el usuario desea poner en lista todos los empleados con fecha de nacimiento anterior al primero de Enero de 1940. Para enfocarse en los temas de transparencia, tambin suponga que la tabla EMPLEADO esta fragmentada y que cada fragmento es nico (la condicin de fragmento nico indica que todas las filas son nicas, sin hacer caso de que un fragmento este localizado en ellas). Por ltimo, suponga que ninguna parte de la base de datos esta replicada en algn otro sitio de la red.

INSTANCIA ADMINISTRADOR PASSWORD

DESKTOP\SVR_NEWYORK sa newyork DESKTOP\SVR_ATLANTA sa atlanta DESKTOP\SVR_MIAMI sa Miami DESKTOP\SVR_RECHUM sa rechum

Segn el nivel de la transparencia de distribucin, pueden examinarse tres casos de consulta:

Fragmento

Ubicacin


CASO 1: LA BASE DE DATOS SOPORTA TRANSPARENCIA DE FRAGMENTACIN

La consulta se ajusta al formato de consulta de base de datos no distribuida; es decir, no especifica nombres o ubicaciones de fragmento. Previamente a esta instruccin SELECT simple, el DBA debi de generar la vista dividida para el acceso a datos, linkeando los servidores necesarios, para ello el administrador de la Base de Datos ser configurado con servidores vinculados. Esto se hace con el procedimiento sp_addlinkedserver, para emplear dicho procedimiento se debe tener en cuenta la sintaxis del mismo:

sp_addlinkedserver [ @server = ] 'server' [ , [ @srvproduct = ] 'product_name' ] [ , [ @provider = ] 'provider_name' ] [ , [ @datasrc = ] 'data_source' ] [ , [ @location = ] 'location' ] [ , [ @provstr = ] 'provider_string' ] [ , [ @catalog = ] 'catalog' ]

[ @server = ] 'server'. Es el nombre local del servidor vinculado que se va a crear, es decir el alias con el que nombraremos al servidor. server es de tipo sysname y no tiene ningn valor predeterminado. Con mltiples instancias de SQL Server, server puede ser servername\instancename. Entonces, al servidor vinculado podr hacerse referencia como el origen de datos de SELECT *FROM [servername\instancename.]pubs.dbo.authors. Si no se especifica data_source, el servidor es el nombre real de la instancia.

[ @srvproduct = ] 'product_name'. Es el nombre de producto del origen de datos OLE DB que se va a agregar como servidor vinculado. product_name es de tipo nvarchar(128) y su valor predeterminado es NULL. Si es SQL Server, no es necesario especificar provider_name, data_source, location, provider_string y catalog.

[ @provider = ] 'provider_name'. Es el identificador de programacin nico (PROGID) del proveedor OLE DB correspondiente a este origen de datos. provider_name debe ser nico para el proveedor OLE DB especificado que se ha instalado en el equipo actual. provider_name es de tipo nvarchar(128) y su valor predeterminado es NULL. Se espera que el proveedor OLE DB se registre con el PROGID proporcionado en el registro.

[ @datasrc = ] 'data_source'. Es el nombre del origen de datos segn lo interpreta el proveedor OLE DB. data_source es de tipo nvarchar(4000) y su valor predeterminado es NULL. data_source se pasa como la propiedad DBPROP_INIT_DATASOURCE para inicializar el proveedor OLE DB. Cuando se crea el servidor vinculado para el proveedor OLE DB de SQL Server, data_source puede especificarse en el formato nombreServidor\nombreInstancia, que puede utilizarse para conectarse a una instancia especfica de SQL Server que se ejecute en el equipo especificado. nombreServidor es el nombre del equipo en el que se ejecuta SQL Server y nombreInstancia es el nombre de la instancia de SQL Server especfica a la que se conectar el usuario.

[ @location = ] 'location'. Es la ubicacin de la base de datos segn la interpreta el proveedor OLE DB. location es de tipo nvarchar(4000) y su valor predeterminado es NULL. location se pasa como la propiedad DBPROP_INIT_LOCATION para inicializar el proveedor OLE DB.


[ @provstr = ] 'provider_string'. Es la cadena de conexin especfica del proveedor OLE DB que identifica un origen de datos nico. provider_string es de tipo nvarchar(4000) y su valor predeterminado es NULL. provstr se pasa como la propiedad DBPROP_INIT_PROVIDERSTRING para inicializar el proveedor OLE DB. Cuando se crea el servidor vinculado para el proveedor OLE DB de SQL Server, la instancia puede especificarse mediante la palabra clave SERVER como, por ejemplo, SERVER=nombreServidor\nombreInstancia para especificar una instancia especfica de SQL Server. nombreServidor es el nombre del equipo en el que se ejecuta SQL Server y nombreInstancia es el nombre de la instancia de SQL Server especfica a la que se conectar el usuario.

[ @catalog = ] 'catalog'. Es el catlogo que va a utilizarse cuando se establezca una conexin con el proveedor OLE DB. catalog es de tipo sysname y su valor predeterminado es NULL. catalog se pasa como la propiedad DBPROP_INIT_CATALOG para inicializar el proveedor OLE DB.

SQL Server 2005

En el analizador de consultas de DESKTOP\SVR_NEWYORK se ejecutar de la siguiente forma:

sp_addlinkedserver 'DESKTOP\SVR_MIAMI','','SQLOLEDB', 'DESKTOP\SVR_MIAMI', '','User ID=sa; Password=miami','BD_MIAMI'

sp_addlinkedserver 'DESKTOP\SVR_ATLANTA', '', 'SQLOLEDB', 'DESKTOP\SVR_ATLANTA', '', 'User ID=sa; Password=atlanta', 'BD_ATLANTA'


As mismo en DESKTOP\SVR_ATLANTA la sintaxis ser la siguiente:

sp_addlinkedserver 'DESKTOP\SVR_NEWYORK', '', 'SQLOLEDB', 'DESKTOP\SVR_NEWYORK', '', 'User ID=sa; Password=newyork', 'BD_NEWYORK'

sp_addlinkedserver 'DESKTOP\MIAMI', '', 'SQLOLEDB', 'DESKTOP\SVR_MIAMI', '', 'User ID=sa; Password=miami', 'BD_MIAMI'


As mismo en DESKTOP\SVR_MIAMI la sintaxis ser la siguiente:

sp_addlinkedserver 'DESKTOP\SVR_NEWYORK','','SQLOLEDB', 'DESKTOP\SVR_NEWYORK','', 'User ID=sa; Password=newyork', 'BD_NEWYORK'

sp_addlinkedserver 'DESKTOP\SVR_ATLANTA', '', 'SQLOLEDB', 'DESKTOP\SVR_ATLANTA', '', 'User ID=sa; Password=atlanta', 'BD_ATLANTA'

Para conocer los servidores disponibles, que se han agregado, ejecute sp_helpserver en cada una de las instancias instaladas.

En cualquiera de las instancias ejecute la consulta sp_helpserver deber verse de esta forma:


Para eliminar los servidores vinculados o disponibles, que se han agregado, ejecute sp_dropserver para cada instancias que desee eliminar.

En cualquiera de las instancias ejecute la consulta sp_dropserver deber verse de esta forma:

Ahora bien, si al ejecutar una consulta distribuida obtuviramos un mensaje de error referente a las consultas Ad Hoc como el siguiente:

Mens. 15281, Nivel 16, Estado 1, Lnea 3 SQL Server bloque el acceso a STATEMENT 'OpenRowset/OpenDatasource' del componente 'Ad Hoc Distributed Queries' porque este componente est desactivado como parte de la configuracin de seguridad de este servidor. Un administrador del sistema puede habilitar el uso de 'Ad Hoc Distributed Queries' mediante sp_configure. Para obtener ms informacin sobre cmo habilitar 'Ad Hoc Distributed Queries', vea el tema sobre la configuracin de superficie en los Libros en pantalla de SQL Server.

Quiere decir que debemos reconfigurar el servidor para que soporte dichas consultas mediante los siguientes comandos:


sp_configure 'show advanced options',1 reconfigure with override go sp_configure 'Ad Hoc Distributed Queries',1 reconfigure with override go

As mismo en DESKTOP\MIAMI , en DESKTOP\SVR_ATLANTA y DESKTOP\SVR_RECHUM


Cuando un usuario inicia la sesin en el servidor local y ejecuta una consulta distribuida que obtiene acceso a una tabla del servidor vinculado, el servidor local debe iniciar la sesin en el servidor vinculado en nombre del usuario para obtener acceso a esa tabla. Mediante el procedimiento sp_addlinkedsrvlogin especificaremos las credenciales de inicio de sesin que utiliza el servidor local para iniciar sesin en el servidor vinculado.

Al ejecutar sp_addlinkedserver, se crea automticamente una asignacin predeterminada entre todos los inicios de sesin del servidor local y los inicios de sesin remotos del servidor vinculado. La asignacin predeterminada indica que SQL Server utiliza las credenciales de usuario del inicio de sesin local al conectarse al servidor vinculado en nombre del inicio de sesin.


EXEC sp_addlinkedsrvlogin 'DESKTOP\SVR_MIAMI','false','sa','sa','miami' EXEC sp_addlinkedsrvlogin 'DESKTOP\SVR_ATLANTA','false','sa','sa', 'atlanta'

As mismo en DESKTOP\MIAMI y en DESKTOP\SVR_ATLANTA


SQL Server 2000


EXEC sp_addlinkedserver 'DESKTOP\ SVR_MIAMI', '', 'SQLOLEDB', 'DESKTOP\ SVR_MIAMI','','', 'BD_MIAMI'

EXEC sp_addlinkedserver 'DESKTOP\SVR_ATLANTA', '', 'SQLOLEDB', 'DESKTOP\SVR_ATLANTA', '', '', 'BD_ATLANTA'

EXEC sp_addlinkedsrvlogin 'DESKTOP\SVR_MIAMI','false','sa','sa','miami' EXEC sp_addlinkedsrvlogin 'DESKTOP\SVR_ATLANTA','false','sa','sa', 'atlanta'

As mismo en DESKTOP\SVR_ATLANTA la sintaxis ser la siguiente:

EXEC sp_addlinkedserver 'DESKTOP\SVR_NEWYORK', '', 'SQLOLEDB', 'DESKTOP\SVR_NEWYORK','', '', 'BD_NEWYORK'

EXEC sp_addlinkedserver 'DESKTOP\SVR_MIAMI', '', 'SQLOLEDB', 'DESKTOP\SVR_MIAMI','', '', 'BD_MIAMI'

EXEC sp_addlinkedsrvlogin 'DESKTOP\ SVR_MIAMI','false','sa','sa','miami' EXEC sp_addlinkedsrvlogin 'DESKTOP\SVR_NEWYORK','false','sa','sa', 'newyork'


As mismo en DESKTOP\MIAMI la sintaxis ser la siguiente:

EXEC sp_addlinkedserver 'DESKTOP\SVR_NEWYORK', '', 'SQLOLEDB', 'DESKTOP\SVR_NEWYORK','', '', 'BD_NEWYORK'

EXEC sp_addlinkedserver 'DESKTOP\SVR_ATLANTA', '', 'SQLOLEDB', 'DESKTOP\SVR_ATLANTA','', '', 'BD_ATLANTA'

EXEC sp_addlinkedsrvlogin 'DESKTOP\SVR_NEWYORK','false','sa','sa', 'newyork' EXEC sp_addlinkedsrvlogin 'DESKTOP\SVR_ATLANTA','false','sa','sa', 'atlanta'

Para conocer los servidores disponibles, que se han agregado, ejecute sp_helpserver en cada una de las instancias instaladas.

En cualquiera de las instancias ejecute la consulta sp_helpserver deber verse de esta forma:


Para verificar que efectivamente se vinculo el servidor y se registro de forma correcta al usuario sa procederemos a ejecutar una consulta SELECT simple en el analizador de consultas de DESKTOP\SVR_NEWYORK la cual permita extraer informacin del servidor vinculado:

SELECT * FROM [DESKTOP\SVR_MIAMI].BD_MIAMI.dbo.T_EMPLEADO

Ahora, es importante conocer la manera de poder eliminar un registro de un usuario seguidamente revertir el proceso de vincular un servidor, esto se puede lograr utilizando los procedimientos almacenados sp_droplinkedsrvlogin y sp_dropserver, en ese mismo orden. Para ejemplificar esto, utilizaremos el analizador de consultas de DESKTOP\SVR_NEWYORK.

EXEC sp_droplinkedsrvlogin 'DESKTOP\SVR_MIAMI','sa' EXEC sp_droplinkedsrvlogin 'DESKTOP\SVR_ATLANTA','sa'

EXEC sp_dropserver 'DESKTOP\SVR_MIAMI' EXEC sp_dropserver 'DESKTOP\SVR_ATLANTA'


Luego de lo anterior nuestro servidor esta capacitado para realizar las consultas distribuidas requeridas sobre los diversos servidores.

Ahora bien, para poder realizar la transparencia de fragmentacin es necesaria la creacin de vistas distribuidas, estas se realizaran con la siguiente sintaxis en el servidor de DESKTOP\SVR_NEWYORK, y posteriormente hacer lo correspondiente para los servidores de DESKTOP\SVR_ATLANTA y DESKTOP\SVR_MIAMI:

De esta forma la instruccin SELECT final del usuario seria una consulta simple como la siguiente:

SELECT * FROM dbo.V_EMPLEADO WHERE EMP_APAT LIKE 'K%'


Creacion de UPDATE, DELETE e INSERT Distribuidos UPDATE OPENDATASOURCE ('SQLOLEDB','Data Source= LAPTOP\SVR_MIAMI; User ID = sa; password=miami').BD_MIAMI.dbo.TC_PUESTO SET PUE_DESC ='SOPORTE TCNICO' WHERE PUE_CLAVE LIKE 'ST'

INSERT INTO dbo.Table_1 -MIGRAR INFORMACION DE TABLA A TABLA SELECT UNO FROM OPENDATASOURCE ('SQLOLEDB','Data Source= LAPTOP\SVR_ATLANTA; User ID = sa; password=atlanta').BD_atlanta.dbo.Table_1

INSERT INSERTAR DATOS EN UNA TABLA OPENDATASOURCE ('SQLOLEDB','Data Source= evolution-v2.\SVR_ATLANTA; User ID = sa; password=atlanta').BD_ATLANTA.dbo.TC_PUESTO VALUES('DOS')

DELETE OPENDATASOURCE ('SQLOLEDB','Data Source= LAPTOP\SVR_ATLANTA; User ID = sa; password=atlanta').BD_ATLANTA.dbo.Table_1

CASO 2: LA BASE DE DATOS SOPORTA TRANSPARENCIA DE UBICACIN

En la consulta deben especificarse los nombres de fragmento, ms no su ubicacin. En este ejemplo obtendremos informacin de la tabla T_EMPLEADO ubicadas en los servidores SVR_MIAMI Y SVR_ATLANRA desde un equipo remoto en este caso seria SVR_NEWYORK:

SELECT EMP_CLAVE,EMP_APAT,EMP_AMAT,EMP_NOM,EMP_FNAC,EMP_FING,PUE_CLAVE FROM dbo.T_EMPLEADO

UNION

SELECT EMP_CLAVE,EMP_APAT,EMP_AMAT,EMP_NOM,EMP_FNAC,EMP_FING,PUE_CLAVE FROM [DESKTOP\SVR_ATLANTA].BD_ATLANTA.dbo.T_EMPLEADO

UNION

SELECT EMP_CLAVE,EMP_APAT,EMP_AMAT,EMP_NOM,EMP_FNAC,EMP_FING,PUE_CLAVE FROM [DESKTOP\SVR_MIAMI].BD_MIAMI.dbo.T_EMPLEADO

Nota: Hay que tener en cuenta que sin la especificacin correcta del esquema, en este caso dbo, al que pertenece la tabla no se podr tener acceso a ella como en versiones pasadas de SQL.


CASO 3: LA BASE DE DATOS SOPORTA TRANSPARENCIA DE UBICACIN LOCAL

En la consulta deben especificarse los nombres de fragmento, ms no su ubicacin.

En este primer ejemplo se obtienen datos de las instancias de servidor de SVR_ATLANTA y SVR_MIAMI desde el servidor de SVR_NEWYORK mediante el siguiente cdigo:

SELECT * FROM T_EMPLEADO

UNION

SELECT * FROM OPENDATASOURCE(

'SQLOLEDB', 'Data Source= DESKTOP\SVR_ATLANTA; User ID=sa; Password=atlanta' ).BD_ATLANTA.dbo.T_EMPLEADO

UNION

SELECT * FROM OPENDATASOURCE(

'SQLOLEDB', 'Data Source= DESKTOP\SVR_MIAMI; User ID=sa; Password=miami' ).BD_MIAMI.dbo.T_EMPLEADO

La instruccin UNION aplicara con diferentes servidores de SQL Server 2005, para este ejemplo puede ejecutar la consulta directamente sobre SQL Server 2005. De clic en el botn de Consulta de motor de base de datos al lado de Nueva consulta y pegue el cdigo anterior. Previamente configurado sp_configure


PRACTICA DE LABORATORIO No. 2 Esta prctica consistir en aplicar los conceptos de heterogeneidad de base de datos distribuidas, vinculando servidores de diversas plataformas y realizando consultas distribuidas sobre ambas.

Escenario: Suponga usted que el servidor SVR_ATLANTA ha quedado momentneamente fuera de servicio, el ingeniero en Sistemas decide que los empleados que se den de alta durante el tiempo que el servidor no funciona se capturarn en una base de datos temporal en Access para luego ser exportados al servidor.

Base de datos Access 2007 Ubicacin del archivo: C:\ Nombre: BD_TEMP Tablas: T_EMPLEADO Campos en T_EMPLEADO: EMP_CLAVE (Texto, 5) PK,

EMP_APAT (Texto, 50), EMP_AMAT (Texto, 50), EMP_NOM (Texto, 50), EMP_FNAC (Fecha/Hora), EMP_FING (Fecha/Hora), PUE_CLAVE (Texto, 2) PK

Capture los siguientes datos en la tabla T_EMPLEADO:

EMP_CLAVE EMP_APAT EMP_AMAT EMP_NOM EMP_FNAC EMP_FING PUE_CLAVE 018 Gonzalez Escolar Maria 09/11/1987 15/12/2008 CP 019 Pinilla Gallego Pilar 11/04/1980 15/12/2008 DS 020 Rivas Acevedo Humberto 19/05/1972 15/12/2008 DS

Nota: Una de las razones principales por las cuales se realiza una comprobacin antes de la mezcla de los datos, es que los capturistas desconocen la ltima clave ingresada en la tabla de empleados, llevando ellos solamente un consecutivo, por otro lado dado que esto es un trabajo emergente se omite un catalogo de empleados, aunque si se toma como un campo clave primario, por los detalles anteriores se deben hacer una serie de comprobaciones en ambas tablas.

a) Realice una consulta que muestre los datos desde BD_TEMP en el analizador de SQL en SVR_ATLANTA.

SELECT * FROM OPENROWSET('Microsoft.ACE.OLEDB.12.0', 'C:\BD_TEMP.accdb'; 'admin';'',T_EMPLEADO)


b) Realice una consulta que verifique que los datos a ingresar sean consistentes con la base de datos de ATLANTA.

/**Script para seleccionar datos desde C:\BD_TEMP.accdb y comparar las claves con las existentes en T_EMPLEADOS b) Realice una consulta que verifique que los datos a ingresar no estn duplicados en BD_ATLANTA**/ /** PRIMER COMPROBACION (DUPLICIDAD) 1: Convierte a tipo de datos INT los tres caracteres que siguen a AT en la clave de un empleado p.e. AT001=1**/ /**2: Hace el mismo tipo de conversion que 1: pero trabaja con todos los caracteres de la cadena de access p.e. 018=18**/ /** SEGUNDA COMPROBACION (CATALOGO) 3: Selecciona las claves de puesto que no coincidan con el catalogo de puestos**/ /** TERCER COMPROBACION (FECHAS) 4: Obtiene las edades de los empleados a la fecha del ingreso las ordena y en base a la menor espera que sean mayores de 18**/ DECLARE @MENSAJE VARCHAR(100) SET @MENSAJE='' IF (SELECT TOP 1 CONVERT(INT,SUBSTRING(EMP_CLAVE,3,3)) AS CLAVE FROM T_EMPLEADO ORDER BY CLAVE DESC)/**1**/ >= (SELECT TOP 1 CONVERT(INT,SUBSTRING(EMP_CLAVE,1,3)) AS CLAVE FROM OPENROWSET('Microsoft.ACE.OLEDB.12.0', 'C:\BD_TEMP.accdb'; 'admin';'',T_EMPLEADO) ORDER BY CLAVE DESC)/**2**/ SET @MENSAJE='CLAVES DUPLICADAS,' IF EXISTS (SELECT PUE_CLAVE FROM OPENROWSET('Microsoft.ACE.OLEDB.12.0', 'C:\BD_TEMP.accdb'; 'admin';'',T_EMPLEADO) WHERE PUE_CLAVE NOT IN (SELECT PUE_CLAVE FROM TC_PUESTO)/** 3**/)

SET @MENSAJE=@MENSAJE + 'CLAVES DE PUESTOS,' IF (SELECT TOP 1 DATEDIFF(YEAR,EMP_FNAC,EMP_FING) AS ANIOS FROM OPENROWSET('Microsoft.ACE.OLEDB.12.0', 'C:\BD_TEMP.accdb'; 'admin';'',T_EMPLEADO) ORDER BY ANIOS ASC)/**4**/


c) Realice una consulta para enviar los datos desde BD_TEMP a BD_ATLANTA en SVR_ATLANTA. /**Script para seleccionar datos desde C:\BD_TEMP.accdb c) Realice una consulta para enviar los datos desde BD_TEMP a BD_ATLANTA en SVR_ATLANTA**/ BEGIN TRAN T1 INSERT INTO T_EMPLEADO (EMP_CLAVE, EMP_APAT, EMP_AMAT,EMP_NOM,EMP_FNAC,EMP_FING, PUE_CLAVE) SELECT 'AT' + EMP_CLAVE, EMP_APAT, EMP_AMAT,EMP_NOM,EMP_FNAC,EMP_FING, PUE_CLAVE FROM OPENROWSET('Microsoft.ACE.OLEDB.12.0', 'C:\BD_TEMP.accdb'; 'admin';'',T_EMPLEADO) SELECT * FROM T_EMPLEADO

ROLLBACK

COMMIT TRAN T1

Vista final de la tabla T_EMPLEADO EN SVR_ATLANTA


2.4 Fragmentacin de Datos La fragmentacin de los datos permite dividir un objeto en dos o ms segmentos o fragmentos. El objeto podra ser una base de datos de usuario, una base de datos de sistema o una tabla. Cada fragmento puede guardarse en cualquier sitio en una red de computadoras. La informacin de la fragmentacin de los datos se guarda en un catalogo de datos distribuidos (DDC), desde donde es accesara por el procesador de transacciones para procesar las solicitudes de los usuarios. Las estrategias de fragmentacin de los datos como se analizan aqu, estn basadas a nivel de tabla y consisten en dividir una tabla en fragmentos lgicos. Podemos hablar de tres estrategias de fragmentacin de datos: horizontal, vertical y mezclada (Se debe tener en cuenta que una tabla fragmentada siempre puede recrearse con sus partes fragmentadas mediante una combinacin de uniones y articulaciones).

La fragmentacin horizontal se refiere a la divisin de una relacin en subconjunto (fragmento) de tuplas (filas). Cada fragmento se guarda en un nodo diferente, y cada uno de ellos tiene filas nicas. Sin embargo, todas las filas nicas tienen los mismos atributos (columnas). En suma, cada fragmento equivale a una sentencia SELECT, con una combinacin de uniones y articulaciones. La fragmentacin vertical se refiere a la divisin de una relacin en subconjuntos de atributo (columna). Cada conjunto (fragmento) se guarda en un nodo diferente, y cada fragmento tiene columnas nicas, con la excepcin de la columna clave, la cual es comn a todos los fragmentos. Esto es el equivalente de la sentencia PROJECT. La fragmentacin mezclada se refiere a una combinacin de estrategias horizontales y verticales. En otras palabras, una tabla puede dividirse en varios subconjuntos horizontales (filas), y cada una tiene un subconjunto de los atributos (columnas). Para ilustrar las estrategias de fragmentacin, se utilizara la tabla CLIENTE de la compaa XYZ, ilustrada a continuacin, esta tabla contiene los atributos CLI_NUM, CLI_NOM, CLI_DIR, CLI_UBI, CLI_LIM,CLI_BAL, CLI_RAT, CLI_DUE

CLI_NUM

CLI_NOM CLI_DIR CLI_UBI CLI_LIM CLI_BAL CLI_RAT CLI_DUE

10 Sinex,Inc. 12 Main St. NY $3500.00 $2700.00 3 $1245.00

11 Martin Corp. 321 Sunset Blvd. MI $6000.00 $1200.00 1 $0.00

12 Mynux Corp. 910 Eagle St. NY $4000.00 $3500.00 3 $3400.00

13 BTBC, Inc. Rue du Monde MI $6000.00 $5890.00 3 $1090.00

14 Victory, Inc. 123 Maple St. MI $1200.00 $550.00 1 $0.00

15 NBCC Corp 909 High Ave. AT $2000.00 $350.00 2 $50.00

2.4.1 Fragmentacin Horizontal Suponga que la gerencia corporativa de la XYZ Company requiere informacin sobre sus clientes en los tres estados, pero las ubicaciones de la compaa en cada estado (NY, MI y AT) solamente requieren datos con respecto a clientes locales. Con base en esos requerimientos, se decide distribuir los datos por estado. Por consiguiente, se definen los fragmentos horizontales de acuerdo con la estructura mostrada en la tabla siguiente:

Comentario [W1]: Cuando aludimos a un Nombre propio hacemos la descomposicin del mismo, en este caso los clientes que maneja la empresa son otras empresas por lo tanto el campo no se descompone en mas.


NOMBRE DEL

FRAGMENTO UBICACIN CONDICION NOMBRE DEL

NODO NUMEROS DE

CLIENTE NUMERO DE

CUARTOS

CLI_H1 New York CUS_STATE=NY NYR 10,12 2

CLI_H2 Atlanta CUS_STATE=AT ATL 15 1

CLI_H3 Miami CUS_STATE=MI MIA 11,13,14 3

Cada fragmento horizontal puede tener un nmero diferente de filas, pero cada uno de ellos DEBE tener los mismos atributos. Los fragmentos resultantes producen las tres tablas que a continuacin se muestran:

Nombre del fragmento: CLI_H1 Ubicacin: New York Nodo: NYR CLI_N

UM CLI_NOM CLI_DIR CLI_UBI CLI_LIM CLI_BAL CLI_RAT CLI_DUE

10 Sinex,Inc. 12 Main St. NY $3500.00 $2700.00 3 $1245.00

12 Mynux Corp. 910 Eagle St. NY $4000.00 $3500.00 3 $3400.00

Nombre del fragmento: CLI_H2 Ubicacin: Atlanta Nodo: ATL CLI_N


15 NBCC Corp 909 High Ave. AT $2000.00 $350.00 2 $50.00

Nombre del fragmento: CLI_H3 Ubicacin: Miami Nodo: MIA CLI_N


11 Martin Corp. 321 Sunset Blvd. MI $6000.00 $1200.00 1 $0.00

13 BTBC, Inc. Rue du Monde MI $6000.00 $5890.00 3 $1090.00

14 Victory, Inc. 123 Maple St. MI $1200.00 $550.00 1 $0.00

2.4.2 Fragmentacin Vertical Tambin puede dividirse la relacin CLIENTE en fragmentos verticales compuestos de un conjunto de atributos. Por ejemplo, suponga que la compaa est dividida en dos departamentos, el de servicio y el de colecciones. Cada departamento est ubicado en un edificio distinto, y cada uno tiene inters solamente en unos cuantos de los atributos de la tabla CLIENTE. En este caso, los fragmentos se definen como se muestra a continuacin:

NOMBRE DEL FRAGMENTO

UBICACIN NOMBRE DEL NODO

NOMBRES DE ATRIBUTO

CLI_V1 Edif. de servicio SVC CLI_NUM, CLI_NOM, CLI_DIR, CLI_UBI

CLI_V2 Edif. de coleccin ARC CLI_NUM, CLI_LIM, CLI_BAL, CLI_RAT, CLI_DUE

Cada fragmento vertical debe tener el mismo nmero de filas, pero la inclusin de los diferentes atributos depende de la columna clave. Los resultados de la fragmentacin vertical se muestran a continuacin, observe que el atributo clave (CLI_NUM) es comn a ambos fragmentos CLI_V1 y CLI_V2.

Nombre del fragmento: CLI_V1

Ubicacin: Edif. de servicio

Nodo: SVC

CLI_NUM CLI_NOM CLI_DIR CLI_UBI


10 Sinex,Inc. 12 Main St. TN

11 Martin Corp. 321 Sunset Blvd.

FL

12 Mynux Corp. 910 Eagle St. TN

13 BTBC, Inc. Rue du Monde FL

14 Victory, Inc. 123 Maple St. FL

15 NBCC Corp 909 High Ave. GA

Nombre del fragmento: CLI_V2

Ubicacin: Edif. de coleccin Nodo: ARC

CLI_NUM CLI_LIM CLI_BAL CLI_RAT CLI_DUE

10 $3500.00 $2700.00 3 $1245.00

11 $6000.00 $1200.00 1 $0.00

12 $4000.00 $3500.00 3 $3400.00

13 $6000.00 $5890.00 3 $1090.00

14 $1200.00 $550.00 1 $0.00

15 $2000.00 $350.00 2 $50.00

2.4.3 Fragmentacin Hibrida (de Mezcla) La estructura de la XYZ Company requiere que los datos CLIENTE se fragmenten horizontalmente para acomodar las diferentes ubicaciones de la compaa; dentro de las ubicaciones, los datos deben ser fragmentados verticalmente para acomodar los diferentes departamentos (servicio y coleccin). En suma la tabla CLIENTE requiere una fragmentacin mezclada. La fragmentacin mezclada requiere un procedimiento de dos pasos. Primero, se introduce la fragmentacin horizontal por cada sitio, con base en la ubicacin dentro de un estado (CLI_UBI). La fragmentacin horizontal produce los subconjuntos de tuplas cliente (fragmentos horizontales) localizados en cada sitio. Como los departamentos estn localizados en edificios diferentes, se utiliza una fragmentacin vertical dentro de cada fragmento horizontal para dividir los atributos, con lo cual se satisfacen las necesidades de informacin de cada departamento en cada subsitio. La fragmentacin mezclada da los resultados ilustrados en la tabla siguiente:

NOMBRE DEL FRAGMENTO UBICACIN

CRITERIOS HORIZONTALES

NOMBRE DEL NODO

FILAS RESULTANTES EN EL SITIO

CRITERIOS VERTICALES Y ATRIBUTOS EN CADA FRAGMENTO

CLI_M1 NY-Servicio CLI_STATE=NY NYR-S 10,12 CLI_NUM, CLI_NOM, CLI_DIR, CLI_UBI

CLI_M2 NY-Coleccin CLI_STATE=NY NYR-C 10,12 CLI_NUM,CLI_LIM, CLI_BAL,CLI_RAT, CLI_DUE

CLI_M3 AT-Servicio CLI_STATE=AT ATL-S 15 CLI_NUM, CLI_NOM, CLI_DIR, CLI_UBI

CLI_M4 AT-Coleccin CLI_STATE=AT ATL-C 15 CLI_NUM,CLI_LIM, CLI_BAL,CLI_RAT, CLI_DUE

CLI_M5 MI-Servicio CLI_STATE=MI MIA-S 11,13,14 CLI_NUM, CLI_NOM, CLI_DIR, CLI_UBI

CLI_M6 MI-Coleccin CLI_STATE=MI MIA-C 11,13,14 CLI_NUM,CLI_LIM, CLI_BAL,CLI_RAT, CLI_DUE

Cada fragmento mostrado en la tabla anterior contiene datos de clientes por estado y, dentro de cada estado por ubicacin de departamento, para adaptarse a los


requerimientos de datos de cada departamento. Las tablas correspondientes a los fragmentos de mezcla se muestran a continuacin: Nombre del fragmento: CLI_M1

Ubicacin: NY-Servicio

Nodo: NYR-S


10 Sinex,Inc. 12 Main St. NY

12 Mynux Corp. 910 Eagle St. NY

Nombre del fragmento: CLI_M2

Ubicacin: NY-Coleccin Nodo: NYR-C


10 $3500.00 $2700.00 3 $1245.00

12 $4000.00 $3500.00 3 $3400.00


Ubicacin: AT-Servicio

Nodo: ATL-S


15 NBCC Corp 909 High Ave. AT


Ubicacin: AT-Coleccin Nodo: ATL-C


15 $2000.00 $350.00 2 $50.00


Ubicacin: MI-Servicio

Nodo: MIA-S


11 Martin Corp. 321 Sunset Blvd.

MI

13 BTBC, Inc. Rue du Monde MI

14 Victory, Inc. 123 Maple St. MI


Ubicacin: MI-Coleccin Nodo: MIA-C


11 $6000.00 $1200.00 1 $0.00

13 $6000.00 $5890.00 3 $1090.00

14 $1200.00 $550.00 1 $0.00

2.5 Distribucin de Datos

Los datos son tiles solo cuando llegan a los usuarios correctos en el momento adecuado. El DBA es responsable de que los datos sean distribuidos a las personas apropiadas en el momento apropiado y en el formato correcto. Las tareas de uso y distribucin de los datos del DBA pueden requerir mucho tiempo, en particular si la capacidad de entrega de los datos est basada en un ambiente tpico de programacin de aplicaciones, donde los usuarios dependen de programadores que suministran los programas para acceder a los datos guardados en la base de datos. Aunque la internet y


sus extensiones intranet y extranet han abierto las bases de datos a los usuarios corporativos, su utilizacin tambin ha creado nuevos retos para el DBA. La actual filosofa de distribucin de datos permite que los usuarios autorizados accedan a la base de datos. Una forma de realizar esta tarea es facilitar el uso de una nueva generacin de herramientas de consulta ms complejas y los nuevos programas frontales de web internet. Estos permiten que el DBA ensee a los usuarios a producir la informacin requerida sin tener que depender de los programadores de aplicaciones. Naturalmente, el DBA debe asegurarse de que se sigan los procedimientos y estndares apropiados. Esta filosofa de distribucin es comn hoy en da, y es probable que llegue a ser ms comn conforme la tecnologa de base de datos avanza. Un ambiente como ese es ms flexible para el usuario. Esta claro, que si se permite que los usuarios se vuelvan relativamente autosuficientes en la adquisicin y uso de los datos, este ser ms eficiente en el proceso de toma de decisiones. Sin embargo, esta democracia de datos tambin produce algunos efectos colaterales problemticos. Al permitir que los usuarios micro manejen sus subconjuntos de datos, podra daarse sin querer la conexin entre los usuarios la funcin de la administracin de datos. El trabajo del DBA en estas circunstancias podra llegar a ser lo suficientemente complicado como para comprometer la eficiencia de la funcin de la administracin de datos. La duplicacin de datos podra florecer otra vez si no se realizan verificaciones a nivel organizacional para garantizar la singularidad de los elementos de datos. As pues, los usuarios que no entiendan a cabalidad la naturaleza y fuentes de los datos podran utilizar inapropiadamente los elementos de datos. Rol tcnico del DBA

El rol tcnico del DBA requiere un amplio entendimiento de las funciones del DBMS, la configuracin, los lenguajes de programacin, el modelado de datos y metodologas de diseo y otros temas relacionados con el DBM. Por ejemplo, las actividades tcnicas del DBA incluyen la seleccin, instalacin, operacin, mantenimiento y actualizacin del DBMS y software utilitario, as como el diseo, desarrollo, ejecucin y mantenimiento de los programas de aplicacin que interactan con la base de datos. Muchas de las actividades tcnicas del DBA son una extensin lgica de sus actividades administrativas. Por ejemplo, el DBA se encarga de la seguridad e integridad, el respaldo y recuperacin, el entrenamiento y soporte de la base de datos. Por lo tanto, el rol doble del DBA podra ser conceptualizado como una capsula cuyo ncleo tcnico esta cubierto por una corteza claramente administrativa. Los aspectos tcnicos del trabajo del DBA estn enraizados en las siguientes reas de operacin:

Evaluacin, seleccin e instalacin del DBMS y utileras Diseo y ejecucin de bases de datos y aplicaciones Pruebas y evaluaciones de bases de datos y aplicaciones Operacin del DBMS, utileras y aplicaciones Entrenamiento y soporte de los usuarios Mantenimiento del DBMS, utileras y aplicaciones

Niveles de distribucin de los datos y procesos Los sistemas de base de datos actuales se clasifican con base en como la distribucin de los procesos y datos son soportados. Por ejemplo, un DBMS puede guardar datos en un


solo sitio (DB centralizada) o en mltiples sitios (DB distribuida) y puede soportar procesamientos de datos en un solo sitio o en varios. En la siguiente tabla se muestra una clasificacin de los sistemas de base de datos de acuerdo con la distribucin de los datos y con los procesos. DATOS EN UN SOLO SITIO DATOS EN SITIOS MULTIPLES Proceso en un solo sitio DBMS anfitrin mainframes No aplicable (requiere

procesos mltiples) Proceso en mltiples sitios Servidor de archivos DBMS

Cliente/servidor (DBMS de LAN)

DDBMS Cliente/servidor totalmente distribuido

2.5.1 Algoritmos Distribucin Datos No Replicados Debido al uso que se da a las redes de computadoras en la actualidad incluyendo Internet, cada vez es ms factible implementar Sistemas de Bases de Datos Distribuidas, sin embargo, esta tecnologa lleva a los desarrolladores a enfrentar un problema, la carencia de metodologas y herramientas de apoyo para su diseo que permitan decidir la ubicacin de los datos en cada uno de los diferentes sitios que componen la red de computadoras. Este problema se conoce como Diseo de la Distribucin y nace de la necesidad de especificar las unidades de almacenamiento adecuadas, ya sea fragmentos verticales, horizontales o mixtos, junto con su ubicacin dentro de la aplicacin. El Modelo FURD, ha sido desarrollado para resolver el problema del diseo de las Bases de Datos Distribuidas, el cual esta divido en dos etapas o fases: la fragmentacin y la ubicacin de fragmentos. Estas fases ya se concentran en el Modelo FURD. Una vez que se resuelve el Modelo FURD se puede dar solucin al problema del diseo. Sin embargo la dificultad radica precisamente en la forma de resolverlo, pues es un problema de optimizacin muy complejo que a medida que va creciendo su tamao, se va haciendo ms difcil la forma de resolverse.

ModeladoFURD.pdf

2.5.2 Algoritmos Distribucin Datos Replicados Al tratarse de algoritmos de distribucin replicados o no replicados la definicin de nuestro problema y variables ser diferente, es decir el problema se restringir de otra manera como se explica en el documento ModeladoFURD.pdf. Estas restricciones son: 1 Restriccin. Cada atributo se almacena solamente en un solo sitio (Para bases de datos distribuidas no replicadas)

2 Restriccin. Cada atributo m se ubica en un sitio i que al menos ejecute una consulta que involucre al atributo (Para bases de datos distribuidas replicadas)


3. Procesamiento de consultas distribuidas

Para adentrarse en este tema es recomendable tener conocimientos bsicos de algebra relacional.

El xito creciente de la tecnologa de bases de datos relacionales en el procesamiento de

datos se debe, en parte, a la disponibilidad de lenguajes no procedurales los cuales

pueden mejorar significativamente el desarrollo de aplicaciones y la productividad del

usuario final. Ocultando los detalles de bajo nivel acerca de la localizacin fsica de datos,

los lenguajes de bases de datos relacionales permiten la expresin de consultas complejas

en una forma concisa y simple. Particularmente, para construir la respuesta a una

consulta, el usuario no tiene que especificar de manera precisa el procedimiento que se

debe seguir. Este procedimiento es llevado a cabo por un mdulo del DBMS llamado el

procesador de consultas (query processor).

Una base de datos relacional consiste en muchas piezas, pero en su corazn estn dos

componentes importantes: el motor de almacenaje y el procesador de consultas. El motor

de almacenaje escribe y lee datos del disco. Maneja los expedientes, concurrencia de los

controles, y mantiene ficheros de diario. El procesador de consultas acepta sintaxis de

SQL, selecciona un plan para ejecutar la sintaxis, y despus ejecuta el plan elegido. El

usuario o el programa obran recprocamente con el procesador de consultas, y el

procesador de consultas obra recprocamente con el motor de almacenaje. El

procesador de consultas asla al usuario de los detalles de la ejecucin: el usuario

especifica el resultado y el procesador de consultas determina como se obtiene ese

resultado.

Dado que la ejecucin de consultas es un aspecto crtico en el rendimiento de un DBMS,

el procesamiento de consultas ha recibido una gran atencin tanto para bases de datos

centralizadas como distribuidas. Sin embargo, el procesamiento de consultas es mucho

ms difcil en ambientes distribuidos que en centralizados, ya que existe un gran nmero

de parmetros que afectan el rendimiento de las consultas distribuidas.

El problema de procesamiento de consultas

La funcin principal de un procesador de consultas relacionales es transformar una

consulta en una especificacin de alto nivel, tpicamente en clculo relacional, a una

consulta equivalente en una especificacin de bajo nivel, tpicamente alguna variacin

del lgebra relacional (ver Figura 3.1). La consulta de bajo nivel implementada es de


hecho la estrategia de ejecucin para la consulta. La transformacin debe ser correcta y

eficiente. Es correcta si la consulta de bajo nivel tiene la misma semntica que la consulta

original, esto es, si ambas consultas producen el mismo resultado. El mapeo bien definido

que se conoce entre el clculo relacional y el lgebra relacional hace que la validez de

la transformacin sea fcil de verificar. Sin embargo, producir una estrategia de ejecucin

eficiente es mucho ms complicado. Una consulta en el clculo relacional puede tener

muchas transformaciones correctas y equivalentes en el lgebra relacional. Ya que cada

estrategia de ejecucin equivalente puede conducir a consumos de recursos de

cmputo muy diferentes, la dificultad ms importante es seleccionar la estrategia de

ejecucin que minimiza el consumo de recursos.

Figura 3.1. Procesamiento de consultas.

Considere el siguiente subconjunto del esquema de la base de datos que se vio en el tema 2.3:

E (ENO, ENOMBRE, TITULO)

G (ENO, JNO, RESPONSABLE, JORNADA)

Con la siguiente consulta de usuario:

"Encuentre todos los nombres de empleados que manejan un proyecto"

La expresin de la consulta en SQL se puede ver como

SELECT ENOMBRE

FROM E, G

WHERE E.ENO = G.ENO AND RESPONSABLE = "ADMINISTRADOR"


Dos consultas equivalentes en el lgebra relacional que son transformaciones correctas de la consulta en SQL son:

y

Como es intuitivamente obvio, la segunda estrategia que evita calcular el producto cartesiano entre E y G, consume mucho menos recursos que la primera y, por lo tanto, es mejor.

En un contexto centralizado, las estrategias de ejecucin de consultas pueden ser bien expresadas como una extensin del lgebra relacional. Sin embargo, en sistemas distribuidos, el lgebra relacional no es suficiente para expresar la ejecucin de estrategias. Debe ser complementada con operaciones para el intercambio de datos entre nodos diferentes. Adems de elegir el orden de las operaciones del lgebra relacional, el procesador de consultas distribuidas debe seleccionar tambin los mejores sitios para procesar datos y posiblemente la forma en que ellos tienen que ser transformados.

Ejemplo 3.1: Considere la siguiente consulta del ejemplo anterior:

Supongamos que E y G estn fragmentadas horizontalmente como sigue:

E1 = ENO "E3" (E)

E2 = ENO > "E3" (E)

G1 = ENO "E3" (G)

G2 = ENO > "E3" (G)

Los fragmentos E1, E2, G1 y G2 estn almacenados en los nodos 1, 2, 3 y 4,

respectivamente, y el resultado se quiere en el nodo 5. En la Figura 3.2 se presentan dos

estrategias distribuidas de ejecucin diferentes para la misma consulta (se ha ignorado el

operador de proyeccin por simplicidad del ejemplo). La estrategia A explota el hecho

de que las relaciones E y G estn fragmentadas de la misma manera y ejecuta la

operacin de seleccin y junta en paralelo. La estrategia B centraliza todos los datos en el

nodo resultante antes de procesar la consulta.

Para evaluar el consumo de recursos, se usar un modelo de costo simple:

Suponga que el costo de acceso a un tuplo (tupacc) es 1 unidad, y la

transferencia de un tuplo (tuptrans) tiene un costo de 10 unidades.

Suponga que E y G tienen 400 y 1000 tuplos, respectivamente, y que existen 20

administradores en la relacin G.


Tambin, suponga que los datos estn uniformemente distribuidos entre los nodos.

Finalmente, suponga que las relaciones G y E estn agrupadas localmente en los

atributos RESP y ENO, respectivamente, de manera que, hay un acceso directo a

los tuplos de G y E, respectivamente.

El costo de la estrategia A se puede derivar como sigue:

No. Proceso Clculo Costo (unidades) 1 Producir G1 seleccionando G1 tuplas * tupacc=10*1 10

2 Producir G2 seleccionando G2 tuplas * tupacc=10*1 10 3 Transferir G1 al nodo E1 tuplas * tuptrans= 10*10 100 4 Transferir G2 al nodo E2 tuplas * tuptrans= 10*10 100 5 Juntar G1 y E1 para obtener E1

(tuplas E1 * tuplas G1) * tupacc=10*10*1 100

6 Juntar G2 y E2 para obtener E2 (tuplas E2 * tuplas G2) * tupacc=10*10*1 100

7 Transferir E1 al nodo resultante tuplas * 10=10 * 10 100

8 Transferir E2 al nodo resultante tuplas * 10=10 * 10 100

620


El costo de la estrategia B se puede derivar como sigue:

Apuntes de Bases de Datos Distribuidas

Documents

Transcript of Apuntes de Bases de Datos Distribuidas