Manual para la materia de Bases de Datos Distribuidas. Elaborado por Lic.

Julio Ismael González Téllez

1.

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

2. Diseño de bases de datos distribuidas 2.1. Consideraciones Diseño Bases de Datos Distribuidas 2.2. Diccionario de Datos 2.3. Niveles de Transparencia 2.3.1. Transparencia de Localización 2.3.2. Transparencia de Fragmentación 2.3.3. Transparencia de Replica 2.4. Fragmentación de Datos 2.4.1. Fragmentación Horizontal 2.4.2. Fragmentación Vertical 2.4.3. Fragmentación Hibrida 2.5. Distribución de Datos 2.5.1. Algoritmos Distribución Datos No Replicados 2.5.2. Algoritmos Distribución Datos Replicados 3. Procesamiento de consultas distribuidas 3.1. Metodología 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. Métodos Ejecución del Join 3.3. Optimización de Consultas Distribuidas 3.3.1. Optimización Global Consultas Distribuidas 3.3.2. Optimización Local Consultas Distribuidas 4. Manejo de transacciones 4.1. Transacciones Conceptos 4.1.1. Estructura de Transacciones 4.1.2. Ejecución Transacciones Centralizada Distribuida 4.1.3. Estructura de transacciones 4.2. Control de Concurrencia 4.2.1. Serialización 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 Validación Optimistas 4.2.3. Disciplinas del Interbloqueo prevención detección eliminación y recuperación 4.3. Confiabilidad 4.3.1. Conceptos Básicos de Confiabilidad 4.3.2. Protocolos Redo Undo 4.3.3. Puntos de Verificación checkpoints 4.3.4. Protocolo 2PC de Confiabilidad Distribuida

Manual para la materia de Bases de Datos Distribuidas. Elaborado por Lic. Julio Ismael González Téllez

1 Fundamentos Bases de Datos Distribuidas 1.1Conceptos Básicos
Un sistema de administración de bases de datos distribuida (DDBMS) rige el almacenamiento y procesamiento de datos lógicamente relacionados a través de un sistema de computadoras interconectadas, donde tanto los datos como las funciones de procesamiento se distribuyen entre varios sitios. Para entender cómo y por qué el DDBMS es diferente del DBMS, es necesario examinar brevemente los cambios en el ambiente de base de datos. Durante los años 70’s, las corporaciones ejercieron sistemas de administración de base de datos centralizados para satisfacer sus necesidades de información estructuradas. Las necesidades de información estructurada son, por lo tanto, bien atendidas por los sistemas centralizados. Básicamente, el uso de una base de datos centralizada requería que los datos corporativos se guardaran en un solo sitio central. El acceso a los datos se proporcionaba mediante terminales no inteligentes. El método centralizado funcionaba bien para satisfacer las necesidades de información estructurada de las corporaciones, pero se quedaba corto cuando los eventos siempre en movimiento requerían tiempos de respuesta y accesos a la información más rápidos. La lenta progresión desde la solicitud de información hasta su aprobación, y desde el especialista hasta el usuario, simplemente no era útil para los tomadores de decisiones en un ambiente dinámico. Lo que se requería era un acceso rápido, no estructurado a la base de datos utilizando consultas ad hoc para generar información al momento. Los sistemas de administración de base de datos basados en el modelo relacional, podrían crear el ambiente en el cual las necesidades de información no estructuradas serian satisfechas mediante consultas ad hoc. Los usuarios finales podrían accesar a los datos cuando lo requirieran. También existieron otros tipos de modelos como: base de datos de red o base de datos jerárquico. Los años 80’s dieron lugar a una serie de cambios tecnológicos y sociales que afectaron el desarrollo y el diseño de las bases de datos tales como: • Los negocios se volvieron más geográficamente descentralizados. • La competencia se globalizo. • Las demandas de los clientes favorecieron el estilo de administración descentralizado. • Los rápidos cambios tecnológicos crearon computadoras de bajo costo, y un número cada vez mayor de corporaciones adoptaron las redes LAN como base para sus soluciones. Estos factores crearon un ambiente de negocios dinámico en el cual las compañías tuvieron que responder con rapidez a las presiones competitivas y tecnológicas. Conforme las grandes unidades de negocios se reestructuraron para formar operaciones más simples, dispersas y de reacción rápida, dos requerimientos de base de datos se volvieron obvios: • El acceso rápido a los datos se volvió crucial para la toma de decisiones dinámicas

Manual para la materia de Bases de Datos Distribuidas. Elaborado por Lic. Julio Ismael González Téllez

sistemas funcionalmente modulares. computadoras dedicadas y de propósito específico. el cómputo distribuido se ha estudiado desde muchos puntos de vista. El impacto más importante que promovió el éxito de las bases de datos distribuidas fue el uso de internet y la solución a los problemas de ancho de banda. •Procesamiento lógico. • Funciones. Elaborado por Lic. Aunque el almacén de datos en general no es una base de datos distribuida. 2005. Entre los términos más comunes que se utilizan para referirse al cómputo distribuido podemos encontrar: funciones distribuidas. multicomputadoras. La información que maneja el sistema. las bases de datos distribuidas existen hoy en día. depende de técnicas – tales como la replicación de datos y consultas distribuidas – que facilitan la extracción e integración de sus datos. (Bolivia. Eliminado: Computación Distribuida Los sistemas de bases de datos distribuidas son un caso particular de los sistemas de cómputo distribuido en los cuales un conjunto de elementos de procesamiento autónomos (no necesariamente homogéneos) se interconectan por una red de comunicaciones y cooperan entre ellos para realizar sus tareas asignadas. es común encontrar en la literatura un gran número de términos que se han usado para identificarlo. una necesidad. Así. en particular la red mundial (www). Las actividades que cada elemento del sistema realiza. • Datos.• La descentralización de las estructuras de administración basadas en la descentralización de unidades de negocios hicieron de las bases de datos descentralizadas ubicadas en lugares múltiples y de acceso múltiple. • El creciente enfoque en el análisis de los datos que condujo al manejo y almacenamiento de los datos. procesamiento tipo "backend". de cualquier manera. procesamiento distribuido de datos. sistemas de tiempo compartido. multiprocesadores. Históricamente. procesamiento satelital. Existen muchos componentes a distribuir para realizar una tarea. Las actividades relacionadas con el manejo o administración del sistema. Las tareas específicas involucradas en una actividad de procesamiento de información. Julio Ismael González Téllez . En computación distribuida los elementos que se pueden distribuir son: • Control. como plataforma para el acceso y distribución de los datos. pág. 5) Manual para la materia de Bases de Datos Distribuidas. Durante los años 90’s todos los factores anteriores se vieron influenciados fuertemente por: • La creciente aceptación de internet y.

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 distribución sea transparente a los usuarios. éste es controlado y administrado por una sola computadora. de tal forma que. (Bolivia. 2005. Finalmente. (Bolivia. un sistema de tiempo compartido no incluye necesariamente un sistema de manejo de bases de datos y. 2005. están conectados por una red local (LAN) (Figura 1. ellos están interconectados por una red de tipo WAN. 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. Elaborado por Lic. 2005. entonces. Si los diferentes sitios pueden estar geográficamente dispersos. un sistema de manejo de bases de datos y facilidades de comunicaciones. 6) El medio ambiente típico de un SMBDD consiste de un conjunto de sitios o nodos. 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. pág. pág. 2005. El término transparente significa que la aplicación trabajaría. si los sitios están localizados en diferentes edificios o departamentos de una misma organización pero geográficamente en la misma ubicación. 5) Un sistema de base de datos distribuida (SBDD) es entonces el resultado de la integración de una base de datos distribuida con un sistema para su manejo. 2005. (Bolivia. (Bolivia. pág. en caso de que lo haga. Por ejemplo. 5) Un sistema de bases de datos distribuidos (SBDD) es un sistema en el cual múltiples sitios de bases de datos están ligados por un sistema de comunicaciones.3). Julio Ismael González Téllez . los cuales tiene un sistema de procesamiento de datos completo que incluye una base de datos local. Por otro lado. pág. Dada la definición anterior. 6) Manual para la materia de Bases de Datos Distribuidas.2). es claro que algunos sistemas no se pueden considerar como SBDD. pág. entonces. Este caso se trata de una base de datos cuyo control y administración está centralizado en un solo nodo pero se permite el acceso a ella a través de la red de computadoras. 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.Figura 1. desde un punto de vista lógico. (Bolivia. pág. Motivación de los sistemas de bases de datos distribuidos.1). Sistemas de bases de datos distribuidas 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 (ver Figura 1. (Bolivia. y administrara esos datos. 6) Un sistema de multiprocesamiento puede administrar una base de datos pero lo hace usualmente a través de un solo sistema de manejo de base de datos.1. 2005. como si un solo SMBD se ejecutara en una sola máquina.

Un sistema centralizado sobre una red. Elaborado por Lic.Figura 1.3. Manual para la materia de Bases de Datos Distribuidas. Un medio ambiente distribuido para bases de datos.2. Julio Ismael González Téllez . Figura 1.

Una ventaja de los sistemas distribuidos es que deben proporcionar mayor confiabilidad y mayor disponibilidad. Julio Ismael González Téllez .. • Esto simplifica los programas de los usuarios. tal que todo el sistema dependa de ese sitio central. Los sitios en un sistema distribuido deben ser autónomos. • Por lo tanto. permite que los datos emigren de un sitio a otro sin invalidar ninguno de estos programas o actividades. La probabilidad de que el sistema esté listo y funcionando en cualquier momento dado.Operación continúa.Independencia de ubicación. un sistema distribuido debe lucir exactamente igual que un sistema que no es distribuido” • En otras palabras. Conocida también como transparencia de ubicación. • La fragmentación es necesaria por razones de rendimiento: los datos pueden estar almacenados en la ubicación donde son usados más Manual para la materia de Bases de Datos Distribuidas. es decir. Un sistema soporta la fragmentación de datos cuando puede ser dividida en partes o fragmentos. • Disponibilidad. ningún sitio X debe depender de algún otro sitio para su operación satisfactoria. 5.. Elaborado por Lic. integridad y representación de almacenamiento de los datos locales permanecen bajo el control y jurisdicción del sitio local. • Todos los problemas de los sistemas distribuidos son o deberían ser. • La autonomía local significa que todas las operaciones en un sitio dado están controladas por ese sitio.Autonomía local. sino que deben ser capaces de comportarse como si todos los datos estuvieran almacenados en su propio sitio local..1. La autonomía local implica que todos los sitios deben ser tratados como iguales. y no externos o en el nivel de usuario.No dependencia de un sitio central. 2. 4.2 Objetivos Bases de Datos Distribuidas Principio Fundamental: “Ante el usuario.. si el sitio central falla. • Los usuarios no tienen que saber dónde están almacenados físicamente los datos.Independencia de fragmentación. • Confiabilidad. para efectos de almacenamiento físico. los usuarios de un sistema distribuido deben ser capaces de comportarse exactamente como si no fuera distribuido. Los SD no son una propuesta de todo o nada.. problemas internos o en el nivel de implementación. pueden continuar operando cuando hay alguna falla en algún componente independiente. El principio fundamental nos conduce a 12 reglas u objetivos: 1. no debe haber particularmente ninguna dependencia de un sitio “maestro” central para algún servicio central. • La seguridad. En particular. La probabilidad de que el sistema esté listo y funcionando continuamente a lo largo de un período especificado. también fallará todo el sistema 3. • Razones por las cuales no debería haber un sitio central: • El sitio central puede ser un cuello de botella • El sistema sería vulnerable.

Poder integrar todos los datos de todos estos sistemas y presentar al usuario una “imagen del sistema único”. al menos en cierto grado. • Aunque no tienen que ser necesariamente copias del mismo software DBMS.Independencia de replicación… 1.Independencia de DBMS. 7. Obviamente es necesario no sólo tener la posibilidad de ejecutar el mismo DBMS en diferentes plataformas de hardware.. el sistema debe por lo tanto asegurarse de que la transacción sea confirmada o deshecha (se puede utilizar el protocolo de confirmación de dos fases).Independencia de red. • El punto básico es que en una consulta que involucra a varios sitios. La optimización es importante en un sistema distribuido que en uno centralizado. Pueden significar una mejor disponibilidad (un objeto replicado permanece disponible para su procesamiento. Manual para la materia de Bases de Datos Distribuidas.Administración de transacciones distribuidas… • Puede involucrar actualizaciones en muchos sitios y se debe de cuidar que la transacción no caiga en un bloqueo mortal (basado en el bloqueo). • Sería muy bueno si diferentes DBMS pudieran participar de alguna forma en un sistema distribuido. 10. y es crucialmente importante que se encuentre una estrategia eficiente.. la principal desventaja de las réplicas es que al actualizarlas es necesario actualizar todas: el problema de la propagación de la actualización. Por supuesto. Los usuarios deben comportarse como si los datos en realidad estuvieran sin fragmentación alguna. 12. Elaborado por Lic. Lo que se necesita es que todos los ejemplares de DBMS en sitios diferentes soporten la misma interfaz. incluso mucho más.Independencia de hardware.. 11. habrá muchas formas posibles de mover los datos en el sistema para satisfacer la solicitud.. sino también ejecutarlo en diferentes plataformas de sistema operativo. 9. es necesario asegurarse que una transacción dada sea atómica en el ambiente distribuido... • En otras palabras. sería posible que el sistema distribuido fuera heterogéneo. Soporte para un gran número de máquinas diferentes. mientras esté disponible al menos una copia). • Para el control de la recuperación. 8. Julio Ismael González Téllez . 6.Independencia de sistema operativo.Procesamiento de consultas distribuidas..• frecuentemente para que la mayoría de las operaciones sean locales y se reduzca el tráfico en la red. • Si el sistema va a tener la posibilidad de soportar muchos sitios distintos es obviamente necesario tener la posibilidad de soportar también una variedad de redes de comunicación distintas.

las funciones que realiza cada uno de las componentes y las interrelaciones e interacciones entre cada componente. La vista conceptual está basada en el esquema conceptual y su construcción se hace en la primera fase del diseño de una base de datos. Aunque las bases de datos pueden contener muchos tipos de datos. Al definir la arquitectura se deben identificar los componentes de un sistema. Puede existir cualquier número de vistas externas y ellos pueden ser completamente independientes o traslaparse entre sí. representa la visión de la comunidad de usuarios de los datos en la base de datos. El nivel interno tiene que ver con la especificación de qué elementos serán indexados. Manual para la materia de Bases de Datos Distribuidas. No toma en cuenta la forma en que las aplicaciones individuales observan los datos o como éstos son almacenados. La vista conceptual. El esquema conceptual se mapea a un esquema interno a nivel interno. Arquitectura de un sistema de bases de datos distribuidas La mayoría de los sistemas de manejo de bases de datos disponibles actualmente están basadas en la arquitectura ANSI-SPARC la cual divide a un sistema en tres niveles: interno. algunos de ellos se encuentran protegidos por las leyes de varios países. qué técnica de organización de archivos utilizar y como los datos se agrupan en el disco mediante "clusters" para mejorar su acceso. conceptual y externo. Julio Ismael González Téllez .1. el cual es el nivel de descripción más 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. 1. observan los datos a través de un esquema externo definido a nivel externo.3 Disciplinas de Estudio de Bases de Datos Distribuidas Son las aplicaciones más usuales son para la gestión de empresas e instituciones públicas. La vista externa proporciona una ventana a la vista conceptual lo cual permite a los usuarios observar únicamente los datos de interés y los aísla de otros datos en la base de datos. los datos personales se encuentran protegidos por la Ley Orgánica de Protección de Datos de Carácter Personal (LOPD). También son ampliamente utilizadas en entornos científicos con el objeto de almacenar la información experimental. incluyendo a los programadores de aplicaciones. Elaborado por Lic. conocida también como vista lógica global. Los usuarios.4 Arquitectura Bases de Datos Distribuidas La arquitectura define la estructura de un sistema. Por ejemplo en España.

Figura 1. J y G.6 Definición de una vista interna a partir de la relación S. Elaborado por Lic. Manual para la materia de Bases de Datos Distribuidas. Julio Ismael González Téllez . S.5 Vista conceptual de las relaciones E.Figura 1. Figura 1.4 Arquitectura ANSI/SPARC de una base de datos.

La ventaja de este enfoque es la importancia que asigna al manejo de datos.7 Dos ejemplos de vistas externas. Este es el enfoque seguido por el modelo ANSI/SPARC. Se identifican las diferentes clases de usuarios junto con la funcionalidad que el sistema ofrecerá para cada clase. Este es un enfoque significativo para los SMBD dado que su propósito principal es manejar datos. Julio Ismael González Téllez . Sin embargo. Se identifican los diferentes tipos de descripción de datos y se especifica un marco de trabajo arquitectural el cual define las unidades funcionales que realizarán y/o usarán los datos de acuerdo con las diferentes vistas. Para definir un esquema de estandarización en bases de datos distribuidas se debe definir un modelo de referencia el cual sería un marco de trabajo conceptual cuyo propósito es dividir el trabajo de estandarización en piezas manejables y mostrar a un nivel general como esas piezas se relacionan unas con otras. Así. este enfoque no proporciona una forma de alcanzar los objetivos. cada uno de los cuales proporciona alguna funcionalidad. Basado en datos. Basado en funciones. La tecnología y prototipos de SMBDD se han desarrollado más o menos en forma independiente uno de otro y cada sistema ha adoptado su propia arquitectura. un SMBD consiste de un número de componentes. Desafortunadamente. La ventaja de este enfoque funcional es la claridad con la cual se especifican los objetivos del sistema. La especificación del sistema en esta categoría típicamente determina una estructura jerárquica para las clases de usuarios. Para definir ese modelo de referencia se puede seguir uno de los siguientes tres enfoques: Basado en componentes. no existe un equivalente de una arquitectura estándar para sistemas de manejo de bases de datos distribuidas. Manual para la materia de Bases de Datos Distribuidas. Se definen los componentes del sistema junto con las relaciones entre ellas. Elaborado por Lic.Figura 1. Sin embargo. la desventaja de este enfoque es que es prácticamente imposible especificar un modelo arquitectural sin especificar los modelos para cada una de sus unidades funcionales.

a priori. En el supuesto que nos decidiéramos por esta segunda opción. se comparten sólo los datos y no los programas. las características de acceso a los datos y el nivel de conocimiento de esas características de acceso (vea la figura 2. dado un programa ubicado en un determinado sitio. o podríamos pensar en repartir las relaciones. En los párrafos sucesivos se tratará de responder a estas cuestiones. no debería suponer un excesivo problema dado que se puede tener una copia de ellos en cada máquina de la red (de hecho. cuál es la mejor opción para colocar los datos: en una gran máquina que albergue a todos ellos. El nivel de compartición presenta tres alternativas: inexistencia. no cambiará a lo largo del tiempo. a lo largo de los diferentes puestos que configuren una red. El lector podrá comprender fácilmente la dificultad de encontrar sistemas distribuidos reales que puedan clasificarse como estáticos. Tradicionalmente se ha clasificado la organización de los sistemas de bases de datos distribuidos sobre tres dimensiones: el nivel de compartición. ¿Realmente este enfoque ofrecerá un mayor rendimiento que el caso centralizado?. Julio Ismael González Téllez . en tal caso existe una réplica de las aplicaciones en cada máquina y los datos viajan por la red. en este caso se optará por el punto intermedio de compartición. en este documento se asumirá que así es).1). cada aplicación y sus datos se ejecutan en una PC con ausencia total de comunicación con otros programas u otros datos. dinámico. por toda la red. y. La ubicación de los programas. encargada de responder a todas las peticiones del resto de las estaciones – sistema de base de datos centralizado –. las tablas. Sin embargo. el cual podrá acceder a los datos situados en un tercer emplazamiento. es decir. estableciendo Manual para la materia de Bases de Datos Distribuidas. Sin embargo. Respecto a las características de acceso a los datos existen dos alternativas principalmente: el modo de acceso a los datos que solicitan los usuarios puede ser estático. Como se comentó líneas atrás. (Diseño de Bases de Datos Distribuidos) Figura 2. o bien. se reparten datos y programas. ¿qué criterios se deberían seguir para llevar a cabo tal distribución?.1 Enfoque de la distribución. Elaborado por Lic. lo realmente importante radica.Unidad 2 Diseño de bases de datos distribuidas El diseño de un sistema de base de datos distribuido implica la toma de decisiones sobre la ubicación de los programas que accederán a la base de datos y sobre los propios datos que constituyen esta última. ¿Podría optarse por alguna otra alternativa?. es decir. éste puede solicitar un servicio a otro programa localizado en un segundo lugar.

Esta dimensión establece la relación entre el diseño de bases de datos distribuidas y el procesamiento de consultas. evidentemente. Es una posibilidad teórica. (Diseño de Bases de Datos Distribuidos) Manual para la materia de Bases de Datos Distribuidas. Julio Ismael González Téllez . cuántas variaciones sufre a lo largo del tiempo. aparecerán una serie de nuevos problemas que son irrelevantes en el caso centralizado. En todos los casos. Una posibilidad es.2) debería resultar familiar a la persona que posea conocimientos sobre el diseño de bases de datos. excepto aquel en el que no existe compartición. se prefiere pensar en el caso donde se parte de cero y se avanza en el desarrollo del trabajo siguiendo la estrategia descendente. y no resultaría extraño a la hora de abordar un trabajo real de diseño de una base de datos que se pudiesen emplear en diferentes etapas del proyecto una u otra estrategia. con el fin de integrarlas en una sola. se resumirán brevemente las etapas por las que se transcurre. pero sería muy laborioso abordar el diseño de la base de datos con tal ausencia de información. que los diseñadores carezcan de información alguna sobre cómo los usuarios acceden a la base de datos. Aunque este caso se pueda presentar con facilidad en la vida real. La estrategia descendente (vea la figura 2. (Diseño de Bases de Datos Distribuidos) El problema del diseño de bases de datos distribuidas podría enfocarse a través de esta trama de opciones. Lo más práctico sería conocer con detenimiento la forma de acceso de los usuarios o. (Diseño de Bases de Datos Distribuidos) La tercera clasificación es el nivel de conocimiento de las características de acceso. En este caso se partiría de los esquemas conceptuales locales y se trabajaría para llegar a conseguir el esquema conceptual global. Pese a todo. conformarnos con una información parcial de ésta. cómo de dinámico es.el dinamismo como base. Elaborado por Lic. exceptuando la fase del diseño de la distribución. en el caso de su imposibilidad. (Diseño de Bases de Datos Distribuidos) A la hora de abordar el diseño 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. La estrategia ascendente podría aplicarse en aquel caso donde haya que proceder a un diseño a partir de un número de pequeñas bases de datos existentes.

Igualmente. los resultados de este último paso sirven de entrada para dos actividades que Manual para la materia de Bases de Datos Distribuidas. Julio Ismael González Téllez . sin olvidar el importante aspecto económico. se deberán fijar los requisitos del sistema. Todo comienza con un análisis de los requisitos que definirán 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. seguridad.2 Estrategia descendente. Como puede observarse. disponibilidad y flexibilidad. Elaborado por Lic. los objetivos que debe cumplir respecto a unos grados de rendimiento.Figura 2.

cada entidad se corresponde con una relación. Dichas estimaciones deberían girar en torno a la frecuencia de acceso. por parte de una aplicación. si las hay. a las distintas relaciones de las que hace uso. (Diseño de Bases de Datos Distribuidos) 2. este aspecto es de vital importancia ya que el modelo conceptual debería soportar no sólo las aplicaciones existentes. El diseño de las vistas trata de definir las interfaces para el usuario final y. • Formateo para preparar los datos para su presentación al usuario final o un programa de aplicación. el cual proyecta los esquemas conceptuales locales sobre los dispositivos de almacenamiento físico disponibles en los distintos sitios. El diseño conceptual puede interpretarse como la integración de las vistas del usuario. por otro lado. se sabe que la actividad de desarrollo y diseño es un tipo de proceso que necesita de una monitorización y un ajuste periódicos. • Interface de E/S para leer o escribir datos de en medios de almacenamientos locales permanentes. El último paso del diseño de la distribución es el diseño físico.1 Consideraciones para el Diseño Bases de Datos Distribuidas Un sistema de administración de base de datos distribuida rige el almacenamiento y procesamiento de datos lógicamente relacionados a través de sistemas de computadoras interconectadas en las cuales. Un DBMS debe contar por lo menos con las funciones siguientes para ser considerado como distribuido: • Interface de la aplicación para interactuar con el usuario final o con programas de aplicación y con otros DBMS dentro de la base de datos distribuida. El objetivo de esta etapa consiste en diseñar los esquemas conceptuales locales que se distribuirán a lo largo de todos los puestos del sistema distribuido. que el proceso del diseño de la distribución conste de dos actividades fundamentales: la fragmentación y la asignación. podría afinarse más anotando los atributos de la relación a la que accede. Elaborado por Lic. se recopilarán datos estadísticos o estimaciones sobre la actividad de estas aplicaciones. En el diseño conceptual y de las vistas del usuario se especificarán las entidades de datos y se determinarán las aplicaciones que funcionarán sobre la base de datos. en el caso del modelo relacional. • Transformación para determinar que componentes de solicitud de datos se distribuyen y cuales son locales.se realizan de forma paralela. Este esquema y la información relativa al acceso a los datos sirven de entrada al paso distintivo: el diseño de la distribución. se distribuyen entre varios sitios. se puede abordar la confección del esquema conceptual global. Por último. Manual para la materia de Bases de Datos Distribuidas. el diseño conceptual se encarga de examinar la empresa para determinar los tipos de entidades y establecer la relación entre ellas. Sería posible tratar cada entidad como una unidad de distribución. Resulta bastante frecuente dividir cada relación en subrelaciones menores denominadas fragmentos que luego se ubican en uno u otro sitio. tanto las funciones de datos como de procesamiento. se pueda retornar a alguna de las fases anteriores. se deben sincronizar las actualización es de los datos?) • Mapeo para determinar la ubicación de los datos de fragmentos locales y remotos. para que si se llegan a producir desviaciones. Julio Ismael González Téllez . De ahí. Desarrollado el trabajo hasta aquí. así mismo. Las entradas para este paso son los esquemas conceptuales locales y la información de acceso a los fragmentos. Existe un vínculo entre el diseño de las vistas y el diseño conceptual. • Optimización de consultas para encontrar la mejor estrategia de acceso (¿Cuáles fragmentos deben ser accesados por la consulta y como. sino que debería estar preparado para futuras aplicaciones.

2 Diccionario de Datos Un diccionario de datos es un conjunto de metadatos que contiene las características lógicas de los datos que se van a utilizar en el sistema que se programa. Un nivel de transparencia adecuado permite ocultar los detalles de implementación a las capas de alto nivel de un sistema y a otros usuarios. Manejo de transacciones para garantizar que los datos pasen de un estado consistente a otro. Por ejemplo. Esto permite que un cambio en la definición de un esquema no afecte a las aplicaciones de usuario.3 Niveles de Transparencia 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. Esta actividad incluye la sincronización de transacciones locales y remotas. La independencia de datos se puede dar en dos aspectos: lógica y física. El diccionario de datos guarda los detalles y descripción de todos estos elementos. Se refiere a la inmunidad de las aplicaciones de usuario a los cambios en la estructura lógica de la base de datos. su contenido también se emplea durante el diseño. Control de concurrencia para manejar el acceso simultaneo a los datos y para garantizar su consistencia a través de los fragmentos en el DDBMS. Elaborado por Lic. transparencia en el manejo de copias repetidas o transparencia en la distribución o fragmentación de la información. Independencia lógica de datos. incluyendo nombre. el Manual para la materia de Bases de Datos Distribuidas. 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. 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. (Wikipedia) Identifica los procesos donde se emplean los datos y los sitios donde se necesita el acceso inmediato a la información. 2. puede existir transparencia en el manejo de la red de comunicación.• • • • • Seguridad para proporcionar privacidad tanto en bases de datos locales como en remotas. lo mismo que transacciones a través de segmentos múltiples distribuidos. (Wikipedia) 2. Julio Ismael González Téllez . se desarrolla durante el análisis de flujo de datos y auxilia a los analistas que participan en la determinación de los requerimientos del sistema. Se pueden encontrar diferentes aspectos relacionados con la transparencia. contenido y organización. Por ejemplo. almacenes de datos y procesos. Los elementos más importantes son flujos de datos. En sistemas de bases de datos distribuidos el propósito fundamental de la transparencia es proporcionar independencia de datos en el ambiente distribuido. Administración de base de datos para el administrador de la base de datos. descripción. Respaldo y recuperación para garantizar la disponibilidad y recuperabilidad de la base de datos en caso de una falla. (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. alias.

agregar un nuevo atributo a una relación, la creación de una nueva relación, el reordenamiento lógico de algunos atributos. 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 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 número de empleado (ENO), su nombre (ENOMBRE), el puesto ocupado en la compañía (TITULO), el salario (SAL), la identificación de los nombres de proyectos en los cuales está trabajando (JNO), la responsabilidad que tiene dentro del proyecto (PUESTO) y la duración de su responsabilidad en meses (DUR). Similarmente, para cada proyecto se desea conocer el número 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 más de un proyecto pero su salario corresponde únicamente al puesto que ocupa en la compañía. Así, después de aplicar normalización 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.

Manual para la materia de Bases de Datos Distribuidas. Elaborado por Lic. Julio Ismael González Téllez

Manual para la materia de Bases de Datos Distribuidas. Elaborado por Lic. Julio Ismael González Téllez

Bases de datos de una empresa con cuatro relaciones: E (ingenieros) ENO E1 E2 E3 E4 E5 E6 E7 E8 ENOMBRE Juan Rodríguez Miguel Sánchez Armando Legarreta Beatriz Molleda Jorge Castañeda Luis Chávez Roberto Dávila Julia Jiménez TITULO Ingeniero Eléctrico Analista de Sistemas Ingeniero Mecánico Programador Analista de Sistemas Ingeniero Eléctrico Ingeniero Mecánico 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) JNOMBRE PRESUPUESTO Instrumentaci 150000 ón Desarrollo de 135000 bases de datos CAD/CAM 250000 Mantenimient 310000 o CAD/CAM 500000

JNO J1 J2

LUGAR Monterre y México

J3 J4 J5

Puebla México Monterre y

S (salarios asignados al puesto) TITULO SALARIO Ingeniero Eléctrico 40000 Analista de Sistemas 34000 2Ingeniero Mecánico 27000 Programador 24000

Manual para la materia de Bases de Datos Distribuidas. Elaborado por Lic. Julio Ismael González Téllez

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. S WHERE G.DUR > 12 AND E. Figura 2.ENO AND E. en el último nivel se permite la transparencia de acceso (por medio de lenguaje de manipulación de datos).Si se quisiera obtener todos los empleados y sus salarios en la corporación quienes han trabajado más de 12 meses se haría la consulta siguiente en SQL: SELECT ENOMBRE.ENO = G.TITLE Se debe tener en cuenta que en cada sitio de la corporación puede haber esquemas diferentes o repetidos. Elaborado por Lic. En el segundo nivel se permite la transparencia de replicación de datos. Finalmente. Julio Ismael González Téllez .TILE = S.3 Diferentes sitios de una corporación. SALARIO FROM E. Entre estos tres módulos se deben resolver los aspectos sobre el procesamiento distribuido de consultas y sobre el manejo de nombres de objetos distribuidos. G. En el tercer nivel se permite la transparencia de la fragmentación. Manual para la materia de Bases de Datos Distribuidas. En el primer nivel se soporta la transparencia de red.

4 Organización en capas de los niveles de transparencia. Elaborado por Lic.Figura 2. Manual para la materia de Bases de Datos Distribuidas. Julio Ismael González Téllez .

la cual permite que una transacción actualice datos en varios sitios de la red. pág.3. la cual permite que el sistema funcione como si fuera un DBMS centralizado. pág. El usuario o programador no necesita saber que una base de datos esta en particiones. 2004. con lo cual se mantiene la integridad de la base de datos. (Coronel & Rob. para el usuario. ni los nombres ni la ubicación de los fragmentos se especifican antes de acceder a los datos. pág. (Coronel & Rob. 498) 2. 498) • Transparencia de desempeño. pág. 499) Manual para la materia de Bases de Datos Distribuidas. 498) • Transparencia de heterogeneidad. También garantiza que el sistema encontrara la ruta de acceso mas optima a los datos remotos. Por consiguiente. 2004. pág. 2004. Las funciones que se perdieron a causa de la falla serán recobradas por otro nodo de la red.3. 2004. el usuario no necesita saber: o Que los datos están en particiones o Que los datos pueden ser replicados en varios sitios o La ubicación de los datos (Coronel & Rob. (Coronel & Rob. la cual permite que el sistema continúa operando en el caso de una falla de nodo. 2004. 499) 2. (Coronel & Rob. 2004. El DDBMS es responsable de transformar las solicitudes de datos del esquema global en es quema de DDBMS local.Características de la Transparencia Un sistema de base de datos distribuida requiere características funcionales que puedan ser agrupadas y descritas como características de transparencia. pág. La transparencia de transacción garantiza que la transacción será completada en su totalidad o abortada. pág. 2004. la cual permite la integración de varios DBMS locales diferentes conforme a un esquema común. el usuario cree que el o ella esta trabajando con un DBMS centralizado. 2004.1 Transparencia de Localización (de ubicación) Existe cuando el usuario o programador debe especificar el nombre de los objetos de la base de datos pero no su ubicación. global. o son transparentes. 498) Las características de transparencia del DDBMS son: • Transparencia de distribución. Julio Ismael González Téllez . 498) • Transparencia de falla. 499) Transparencia de ubicación local Existe cuando el usuario o programador debe especificar tanto los nombres como las ubicaciones de los fragmentos. todas las complejidades de una base de datos distribuida están escondidas. (Coronel & Rob. (Coronel & Rob. (Coronel & Rob. Si un DDBMS exhibe transparencia de distribución. 498) • Transparencia de transacción. El sistema no sufrirá ninguna degradación de desempeño por su uso en una red o por diferencia de plataforma de la red. (Coronel & Rob. la cual permite que una base de datos distribuida sea tratada como una sola base de datos lógica. Elaborado por Lic. En otras palabras.2 Transparencia de Fragmentación Es el mayor nivel de transparencia. Las características de transparencia de DDBMS tiene la propiedad común de permitir que el usuario sienta que es el único que esta utilizando la base de datos. 2004. pág. pág.

EMP_AMAT. los datos de los empleados de Atlanta en el E2 y los de Miami en el E3.3. Atlanta y Miami. Julio Ismael González Téllez . SI LA SENTENCIA SQL REQUIERE: NOMBRE DEL FRAGMENTO Si Si No Si No No NOMBRE DE LA UBICACIÓN EL DBMS SOPORTA Mapeo Local Transparencia de ubicación Transparencia de fragmentación NIVEL DE TRANSPARENCIA DE DISTRIBUCIÓN Bajo Medio Alto PRACTICA DE LABORATORIO No. EMP_FNAC.5 Ubicaciones de los fragmentos Miami Ahora suponga que el usuario desea poner en lista todos los empleados con fecha de nacimiento anterior al primero de Enero de 1940. su existencia debe ser controlada por el sistema no por el usuario. sin hacer caso de que un fragmento este localizado en ellas). EMP_NOM. también suponga que la tabla EMPLEADO esta fragmentada y que cada fragmento es único (la condición de fragmento único indica que todas las filas son únicas.2. INSTANCIA • • • • DESKTOP\SVR_NEWYORK DESKTOP\SVR_ATLANTA DESKTOP\SVR_MIAMI DESKTOP\SVR_RECHUM ADMINISTRADOR sa sa sa sa PASSWORD newyork atlanta Miami rechum Según el nivel de la transparencia de distribución. La tabla está dividida por ubicación. todos los datos del empleado de Nueva York están guardados en el fragmento E1. Elaborado por Lic. pueden examinarse tres casos de consulta: Manual para la materia de Bases de Datos Distribuidas. Para enfocarse en los temas de transparencia. EMP_APAT. Los datos EMPLEADO están distribuidos en 3 lugares: New York. T_EMPLEADO varchar(5) PK EMP_CLAVE varchar(2) FK PUE_CLAVE EMP_APAT varchar(50) EMP_AMAT varchar(50) EMP_NOM varchar(50) EMP_FNAC datetime EMP_FING datetime TC_PUESTO varchar(2) PK PUE_CLAVE PUE_DESC varchar(50) Fragmento E1 DBMS distribuido Tabla EMPLEADO E2 E3 Ubicación New York Atlanta Figura 2. EMP_FING y PUE_CLAVE. es decir.1 Para ilustrar el uso de varios niveles de transparencia suponga que se tiene una tabla T_EMPLEADO que contiene los atributos EMP_CLAVE. suponga que ninguna parte de la base de datos esta replicada en algún otro sitio de la red.3 Transparencia de Replica Consiste en que si existen replicas de objetos de la base de datos. Por último.

Esto se hace con el procedimiento sp_addlinkedserver. que puede utilizarse para conectarse a una instancia específica de SQL Server que se ejecute en el equipo especificado. [ @provstr = ] 'provider_string' ] [ . data_source. Con múltiples instancias de SQL Server. provider_string y catalog. Elaborado por Lic. linkeando los servidores necesarios. [ @location = ] 'location' ] [ . Es el nombre local del servidor vinculado que se va a crear. Si no se especifica data_source. [ @srvproduct = ] 'product_name'. [ @catalog = ] 'catalog' ] [ @server = ] 'server'. [ @datasrc = ] 'data_source' ] [ . Es el nombre de producto del origen de datos OLE DB que se va a agregar como servidor vinculado. provider_name debe ser único para el proveedor OLE DB especificado que se ha instalado en el equipo actual. data_source puede especificarse en el formato nombreServidor\nombreInstancia. el servidor es el nombre real de la instancia. Es la ubicación de la base de datos según la interpreta el proveedor OLE DB. Si es SQL Server.CASO 1: LA BASE DE DATOS SOPORTA TRANSPARENCIA DE FRAGMENTACIÓN La consulta se ajusta al formato de consulta de base de datos no distribuida. [ @provider = ] 'provider_name' ] [ . Julio Ismael González Téllez . [ @srvproduct = ] 'product_name' ] [ .]pubs. server es de tipo sysname y no tiene ningún valor predeterminado. al servidor vinculado podrá hacerse referencia como el origen de datos de SELECT *FROM [servername\instancename. Entonces. Es el nombre del origen de datos según lo interpreta el proveedor OLE DB. no especifica nombres o ubicaciones de fragmento. server puede ser servername\instancename. location es de tipo nvarchar(4000) y su valor predeterminado es NULL. [ @datasrc = ] 'data_source'. Manual para la materia de Bases de Datos Distribuidas. es decir el alias con el que nombraremos al servidor. provider_name es de tipo nvarchar(128) y su valor predeterminado es NULL. product_name es de tipo nvarchar(128) y su valor predeterminado es NULL. no es necesario especificar provider_name. location se pasa como la propiedad DBPROP_INIT_LOCATION para inicializar el proveedor OLE DB. data_source es de tipo nvarchar(4000) y su valor predeterminado es NULL. el DBA debió de generar la vista dividida para el acceso a datos. Se espera que el proveedor OLE DB se registre con el PROGID proporcionado en el registro. Es el identificador de programación único (PROGID) del proveedor OLE DB correspondiente a este origen de datos. es decir.dbo. Previamente a esta instrucción SELECT simple. [ @location = ] 'location'. Cuando se crea el servidor vinculado para el proveedor OLE DB 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 específica a la que se conectará el usuario. para ello el administrador de la Base de Datos será configurado con servidores vinculados. data_source se pasa como la propiedad DBPROP_INIT_DATASOURCE para inicializar el proveedor OLE DB. location. [ @provider = ] 'provider_name'. para emplear dicho procedimiento se debe tener en cuenta la sintaxis del mismo: sp_addlinkedserver [ @server = ] 'server' [ .authors.

provstr se pasa como la propiedad DBPROP_INIT_PROVIDERSTRING para inicializar el proveedor OLE DB.'BD_MIAMI' sp_addlinkedserver 'DESKTOP\SVR_ATLANTA'. 'SQLOLEDB'. Es la cadena de conexión específica del proveedor OLE DB que identifica un origen de datos único. 'DESKTOP\SVR_MIAMI'. [ @catalog = ] 'catalog'.[ @provstr = ] 'provider_string'. por ejemplo. 'BD_ATLANTA' Manual para la materia de Bases de Datos Distribuidas. ''. SQL Server 2005 En el analizador de consultas de DESKTOP\SVR_NEWYORK se ejecutará de la siguiente forma: sp_addlinkedserver 'DESKTOP\SVR_MIAMI'. ''. Password=miami'.'SQLOLEDB'.'User ID=sa. provider_string es de tipo nvarchar(4000) y su valor predeterminado es NULL. catalog se pasa como la propiedad DBPROP_INIT_CATALOG para inicializar el proveedor OLE DB. 'User ID=sa. la instancia puede especificarse mediante la palabra clave SERVER como. catalog es de tipo sysname y su valor predeterminado es NULL. SERVER=nombreServidor\nombreInstancia para especificar una instancia específica de SQL Server. 'DESKTOP\SVR_ATLANTA'. Es el catálogo que va a utilizarse cuando se establezca una conexión con el proveedor OLE DB. ''. Password=atlanta'. Cuando se crea el servidor vinculado para el proveedor OLE DB 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 específica a la que se conectará el usuario. Julio Ismael González Téllez . Elaborado por Lic.''.

'SQLOLEDB'. ''. ''. 'BD_NEWYORK' sp_addlinkedserver 'DESKTOP\MIAMI'. 'DESKTOP\SVR_NEWYORK'. 'BD_MIAMI' Manual para la materia de Bases de Datos Distribuidas. ''. 'DESKTOP\SVR_MIAMI'. 'SQLOLEDB'. Password=newyork'. 'User ID=sa. ''. 'User ID=sa. Elaborado por Lic.Así mismo en DESKTOP\SVR_ATLANTA la sintaxis será la siguiente: sp_addlinkedserver 'DESKTOP\SVR_NEWYORK'. Julio Ismael González Téllez . Password=miami'.

''. ejecute sp_helpserver en cada una de las instancias instaladas. que se han agregado. Password=atlanta'.''. Julio Ismael González Téllez . Password=newyork'.'SQLOLEDB'. 'DESKTOP\SVR_ATLANTA'. 'User ID=sa. En cualquiera de las instancias ejecute la consulta sp_helpserver deberá verse de esta forma: Manual para la materia de Bases de Datos Distribuidas. 'BD_ATLANTA' Para conocer los servidores disponibles.Así mismo en DESKTOP\SVR_MIAMI la sintaxis será la siguiente: sp_addlinkedserver 'DESKTOP\SVR_NEWYORK'. 'DESKTOP\SVR_NEWYORK'. Elaborado por Lic. 'SQLOLEDB'. ''. 'User ID=sa.''. 'BD_NEWYORK' sp_addlinkedserver 'DESKTOP\SVR_ATLANTA'.

ejecute sp_dropserver para cada instancias que desee eliminar. Elaborado por Lic. Un administrador del sistema puede habilitar el uso de 'Ad Hoc Distributed Queries' mediante sp_configure.1 reconfigure with override go Así mismo en DESKTOP\MIAMI . Julio Ismael González Téllez .1 reconfigure with override go sp_configure 'Ad Hoc Distributed Queries'. Nivel 16. vea el tema sobre la configuración de superficie en los Libros en pantalla de SQL Server. que se han agregado.Para eliminar los servidores vinculados o disponibles. Quiere decir que debemos reconfigurar el servidor para que soporte dichas consultas mediante los siguientes comandos: En el analizador de consultas de DESKTOP\SVR_NEWYORK se ejecutará de la siguiente forma: sp_configure 'show advanced options'. Línea 3 SQL Server bloqueó el acceso a STATEMENT 'OpenRowset/OpenDatasource' del componente 'Ad Hoc Distributed Queries' porque este componente está desactivado como parte de la configuración de seguridad de este servidor. En cualquiera de las instancias ejecute la consulta sp_dropserver deberá verse de esta forma: Ahora bien. si al ejecutar una consulta distribuida obtuviéramos un mensaje de error referente a las consultas Ad Hoc como el siguiente: Mens. Para obtener más información sobre cómo habilitar 'Ad Hoc Distributed Queries'. 15281. Estado 1. en DESKTOP\SVR_ATLANTA y DESKTOP\SVR_RECHUM Manual para la materia de Bases de Datos Distribuidas.

'false'. el servidor local debe iniciar la sesión en el servidor vinculado en nombre del usuario para obtener acceso a esa tabla.'sa'.'sa'. Al ejecutar sp_addlinkedserver. se crea automáticamente una asignación predeterminada entre todos los inicios de sesión del servidor local y los inicios de sesión remotos del servidor vinculado. La asignación predeterminada indica que SQL Server utiliza las credenciales de usuario del inicio de sesión local al conectarse al servidor vinculado en nombre del inicio de sesión. Mediante el procedimiento sp_addlinkedsrvlogin especificaremos las credenciales de inicio de sesión que utiliza el servidor local para iniciar sesión en el servidor vinculado.'sa'.'sa'.Cuando un usuario inicia la sesión en el servidor local y ejecuta una consulta distribuida que obtiene acceso a una tabla del servidor vinculado. Julio Ismael González Téllez .'false'. 'atlanta' Así mismo en DESKTOP\MIAMI y en DESKTOP\SVR_ATLANTA Manual para la materia de Bases de Datos Distribuidas. En el analizador de consultas de DESKTOP\SVR_NEWYORK se ejecutará de la siguiente forma: EXEC sp_addlinkedsrvlogin 'DESKTOP\SVR_MIAMI'. Elaborado por Lic.'miami' EXEC sp_addlinkedsrvlogin 'DESKTOP\SVR_ATLANTA'.

''. 'BD_MIAMI' EXEC sp_addlinkedsrvlogin 'DESKTOP\ SVR_MIAMI'. Elaborado por Lic. ''. 'BD_NEWYORK' EXEC sp_addlinkedserver 'DESKTOP\SVR_MIAMI'. ''.''.'miami' EXEC sp_addlinkedsrvlogin 'DESKTOP\SVR_ATLANTA'. 'BD_ATLANTA' EXEC sp_addlinkedsrvlogin 'DESKTOP\SVR_MIAMI'. ''. 'newyork' Manual para la materia de Bases de Datos Distribuidas.'sa'.''. 'SQLOLEDB'.'false'. 'DESKTOP\ SVR_MIAMI'. 'SQLOLEDB'. 'DESKTOP\SVR_MIAMI'. 'SQLOLEDB'.'sa'. ''.'false'. ''.'sa'.'sa'. 'DESKTOP\SVR_ATLANTA'.'sa'.'sa'.''. 'atlanta' Así mismo en DESKTOP\SVR_ATLANTA la sintaxis será la siguiente: EXEC sp_addlinkedserver 'DESKTOP\SVR_NEWYORK'.'sa'. 'BD_MIAMI' EXEC sp_addlinkedserver 'DESKTOP\SVR_ATLANTA'.SQL Server 2000 En el analizador de consultas de DESKTOP\SVR_NEWYORK se ejecutará de la siguiente forma: EXEC sp_addlinkedserver 'DESKTOP\ SVR_MIAMI'.'miami' EXEC sp_addlinkedsrvlogin 'DESKTOP\SVR_NEWYORK'. Julio Ismael González Téllez .'false'.''. ''. ''.'sa'. 'SQLOLEDB'. 'DESKTOP\SVR_NEWYORK'.'false'.

'BD_NEWYORK' EXEC sp_addlinkedserver 'DESKTOP\SVR_ATLANTA'.'sa'. 'DESKTOP\SVR_NEWYORK'. 'newyork' EXEC sp_addlinkedsrvlogin 'DESKTOP\SVR_ATLANTA'.Así mismo en DESKTOP\MIAMI la sintaxis será la siguiente: EXEC sp_addlinkedserver 'DESKTOP\SVR_NEWYORK'.'sa'. que se han agregado. ''. ''. ''.'sa'. ejecute sp_helpserver en cada una de las instancias instaladas. 'SQLOLEDB'.'false'. 'BD_ATLANTA' EXEC sp_addlinkedsrvlogin 'DESKTOP\SVR_NEWYORK'. 'DESKTOP\SVR_ATLANTA'. En cualquiera de las instancias ejecute la consulta sp_helpserver deberá verse de esta forma: Manual para la materia de Bases de Datos Distribuidas. ''. Elaborado por Lic. Julio Ismael González Téllez .'false'.'sa'.''. 'atlanta' Para conocer los servidores disponibles.''. 'SQLOLEDB'.

BD_MIAMI. es importante conocer la manera de poder eliminar un registro de un usuario seguidamente revertir el proceso de vincular un servidor.'sa' EXEC sp_droplinkedsrvlogin 'DESKTOP\SVR_ATLANTA'.'sa' EXEC sp_dropserver 'DESKTOP\SVR_MIAMI' EXEC sp_dropserver 'DESKTOP\SVR_ATLANTA' Manual para la materia de Bases de Datos Distribuidas. esto se puede lograr utilizando los procedimientos almacenados sp_droplinkedsrvlogin y sp_dropserver. Julio Ismael González Téllez . en ese mismo orden.T_EMPLEADO Ahora.dbo.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 información del servidor vinculado: SELECT * FROM [DESKTOP\SVR_MIAMI]. Elaborado por Lic. utilizaremos el analizador de consultas de DESKTOP\SVR_NEWYORK. Para ejemplificar esto. EXEC sp_droplinkedsrvlogin 'DESKTOP\SVR_MIAMI'.

V_EMPLEADO WHERE EMP_APAT LIKE 'K%' Manual para la materia de Bases de Datos Distribuidas. y posteriormente hacer lo correspondiente para los servidores de DESKTOP\SVR_ATLANTA y DESKTOP\SVR_MIAMI: De esta forma la instrucción SELECT final del usuario seria una consulta simple como la siguiente: SELECT * FROM dbo.Luego de lo anterior nuestro servidor esta capacitado para realizar las consultas distribuidas requeridas sobre los diversos servidores. Julio Ismael González Téllez . para poder realizar la transparencia de fragmentación es necesaria la creación de vistas distribuidas. Ahora bien. Elaborado por Lic. estas se realizarían con la siguiente sintaxis en el servidor de DESKTOP\SVR_NEWYORK.

en este caso dbo.T_EMPLEADO UNION SELECT EMP_CLAVE.EMP_FNAC. User ID = sa.EMP_FING. En este ejemplo obtendremos información 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_FING.dbo.'Data Source= LAPTOP\SVR_ATLANTA.EMP_APAT.Creacion de UPDATE.dbo. password=miami').EMP_APAT.T_EMPLEADO Nota: Hay que tener en cuenta que sin la especificación correcta del esquema. User ID = sa.Table_1 INSERT –INSERTAR DATOS EN UNA TABLA OPENDATASOURCE ('SQLOLEDB'.dbo.EMP_FNAC.EMP_APAT. Manual para la materia de Bases de Datos Distribuidas.T_EMPLEADO UNION SELECT EMP_CLAVE.PUE_CLAVE FROM dbo.BD_ATLANTA.TC_PUESTO VALUES('DOS') DELETE OPENDATASOURCE ('SQLOLEDB'.BD_MIAMI.BD_ATLANTA.EMP_AMAT.dbo. User ID = sa. Elaborado por Lic.EMP_FING.BD_MIAMI.'Data Source= LAPTOP\SVR_MIAMI.EMP_AMAT. password=atlanta').EMP_NOM.EMP_NOM. al que pertenece la tabla no se podrá tener acceso a ella como en versiones pasadas de SQL.PUE_CLAVE FROM [DESKTOP\SVR_MIAMI]. password=atlanta'). User ID = sa.Table_1 -MIGRAR INFORMACION DE TABLA A TABLA SELECT UNO FROM OPENDATASOURCE ('SQLOLEDB'.'Data Source= evolution-v2.'Data Source= LAPTOP\SVR_ATLANTA.TC_PUESTO SET PUE_DESC ='SOPORTE TÉCNICO' WHERE PUE_CLAVE LIKE 'ST' INSERT INTO dbo.EMP_AMAT.dbo.EMP_NOM. más no su ubicación.BD_atlanta.dbo. DELETE e INSERT Distribuidos UPDATE OPENDATASOURCE ('SQLOLEDB'. Julio Ismael González Téllez .EMP_FNAC.BD_ATLANTA.Table_1 CASO 2: LA BASE DE DATOS SOPORTA TRANSPARENCIA DE UBICACIÓN En la consulta deben especificarse los nombres de fragmento.PUE_CLAVE FROM [DESKTOP\SVR_ATLANTA].\SVR_ATLANTA. password=atlanta').

Manual para la materia de Bases de Datos Distribuidas. Julio Ismael González Téllez . Elaborado por Lic.

Password=atlanta' ). 'Data Source= DESKTOP\SVR_MIAMI.T_EMPLEADO UNION SELECT * FROM OPENDATASOURCE( 'SQLOLEDB'.CA S O 3 : L A B ASE DE DA T O S S OP O RT A T R AN SP A RE N C I A DE UB I CAC I ÓN L OC AL En la consulta deben especificarse los nombres de fragmento.BD_ATLANTA. Julio Ismael González Téllez . más no su ubicación. 'Data Source= DESKTOP\SVR_ATLANTA. Elaborado por Lic.T_EMPLEADO La instrucción UNION aplicaría con diferentes servidores de SQL Server 2005.dbo. Previamente configurado sp_configure Manual para la materia de Bases de Datos Distribuidas. 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 código: SELECT * FROM T_EMPLEADO UNION SELECT * FROM OPENDATASOURCE( 'SQLOLEDB'. De clic en el botón de “Consulta de motor de base de datos” al lado de “Nueva consulta” y pegue el código anterior.dbo. Password=miami' ). User ID=sa. para este ejemplo puede ejecutar la consulta directamente sobre SQL Server 2005. User ID=sa.BD_MIAMI.

50). Escenario: Suponga usted que el servidor SVR_ATLANTA ha quedado momentáneamente fuera de servicio. Elaborado por Lic. EMP_FNAC (Fecha/Hora). llevando ellos solamente un consecutivo. es que los capturistas desconocen la última clave ingresada en la tabla de empleados. 2) PK Capture los siguientes datos en la tabla T_EMPLEADO: EMP_CLAVE 018 019 020 EMP_APAT Gonzalez Pinilla Rivas EMP_AMAT Escolar Gallego Acevedo EMP_NOM Maria Pilar Humberto EMP_FNAC 09/11/1987 11/04/1980 19/05/1972 EMP_FING 15/12/2008 15/12/2008 15/12/2008 PUE_CLAVE CP DS DS Nota: Una de las razones principales por las cuales se realiza una comprobación antes de la mezcla de los datos.OLEDB. 'admin'.0'. 5) PK. 2 Esta práctica consistirá en aplicar los conceptos de heterogeneidad de base de datos distribuidas. EMP_APAT (Texto.12. aunque si se toma como un campo clave primario. EMP_FING (Fecha/Hora). PUE_CLAVE (Texto. por los detalles anteriores se deben hacer una serie de comprobaciones en ambas tablas.T_EMPLEADO) Manual para la materia de Bases de Datos Distribuidas. Base de datos Access 2007 Ubicación del archivo: C:\ Nombre: BD_TEMP Tablas: T_EMPLEADO Campos en T_EMPLEADO: EMP_CLAVE (Texto.accdb'. vinculando servidores de diversas plataformas y realizando consultas distribuidas sobre ambas. SELECT * FROM OPENROWSET('Microsoft. el ingeniero en Sistemas decide que los empleados que se den de alta durante el tiempo que el servidor no funciona se capturarán en una base de datos temporal en Access para luego ser exportados al servidor.PRACTICA DE LABORATORIO No. Julio Ismael González Téllez . 'C:\BD_TEMP.''. a) Realice una consulta que muestre los datos desde BD_TEMP en el analizador de SQL en SVR_ATLANTA. por otro lado dado que esto es un trabajo emergente se omite un catalogo de empleados. EMP_AMAT (Texto. EMP_NOM (Texto.ACE. 50). 50).

T_EMPLEADO) ORDER BY CLAVE DESC)/**2**/ SET @MENSAJE='CLAVES DUPLICADAS.''.SUBSTRING(EMP_CLAVE.' IF EXISTS (SELECT PUE_CLAVE FROM OPENROWSET('Microsoft.EMP_FING) AS ANIOS FROM OPENROWSET('Microsoft.LEN(@MENSAJE).''.ACE.accdb y comparar las claves con las existentes en T_EMPLEADOS b) Realice una consulta que verifique que los datos a ingresar no están 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.LEN(@MENSAJE)-1) PRINT 'VERIFIQUE LOS ERRORES EN: ' + @MENSAJE + ' ANTES DE IMPORTAR LOS DATOS' END Manual para la materia de Bases de Datos Distribuidas. 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. /**Script para seleccionar datos desde C:\BD_TEMP. 'admin'. AT001=1**/ /**2: Hace el mismo tipo de conversion que 1: pero trabaja con todos los caracteres de la cadena de access p.0'. 'admin'.SUBSTRING(EMP_CLAVE.e.accdb'.12. PUEDE PROCEDER A IMPORTAR LOS DATOS' ELSE BEGIN IF SUBSTRING(@MENSAJE.T_EMPLEADO) WHERE PUE_CLAVE NOT IN (SELECT PUE_CLAVE FROM TC_PUESTO)/** 3**/) SET @MENSAJE=@MENSAJE + 'CLAVES DE PUESTOS.OLEDB.OLEDB. Julio Ismael González Téllez . 'C:\BD_TEMP.0'.accdb'.' SET @MENSAJE=SUBSTRING(@MENSAJE.OLEDB. 'C:\BD_TEMP.ACE.3)) AS CLAVE FROM OPENROWSET('Microsoft.1.' IF @MENSAJE='' PRINT 'TODAS LAS CARACTERISTICAS DE LA TABLA DE ACCESS FUERON SATISFACTORIAMENTE VERIFICADAS.T_EMPLEADO) ORDER BY ANIOS ASC)/**4**/ <18 SET @MENSAJE=@MENSAJE + 'EDADES DE EMPLEADOS.EMP_FNAC.e.3.accdb'.12.1. 'C:\BD_TEMP.1)='. Elaborado por Lic.' IF (SELECT TOP 1 DATEDIFF(YEAR. 'admin'.3)) AS CLAVE FROM T_EMPLEADO ORDER BY CLAVE DESC)/**1**/ >= (SELECT TOP 1 CONVERT(INT.0'.b) Realice una consulta que verifique que los datos a ingresar sean consistentes con la base de datos de ATLANTA.''.ACE.12.

Elaborado por Lic. EMP_APAT. /**Script para seleccionar datos desde C:\BD_TEMP.''.EMP_FING. EMP_AMAT. 'C:\BD_TEMP.accdb'. EMP_AMAT. Julio Ismael González Téllez .EMP_NOM. PUE_CLAVE FROM OPENROWSET('Microsoft.EMP_FNAC.EMP_NOM.0'. PUE_CLAVE) SELECT 'AT' + EMP_CLAVE.ACE. EMP_APAT.EMP_FING. 'admin'.EMP_FNAC.12.OLEDB.T_EMPLEADO) SELECT * FROM T_EMPLEADO ROLLBACK COMMIT TRAN T1 Vista final de la tabla T_EMPLEADO EN SVR_ATLANTA Manual para la materia de Bases de Datos Distribuidas.c) Realice una consulta para enviar los datos desde BD_TEMP a BD_ATLANTA en SVR_ATLANTA.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.

Elaborado por Lic. Julio Ismael González Téllez .Manual para la materia de Bases de Datos Distribuidas.

se utilizara la tabla CLIENTE de la compañía XYZ. Inc.CLI_BAL.00 $5890.00 3 1 3 3 1 2 $1245. Victory. están basadas a nivel de tabla y consisten en dividir una tabla en fragmentos lógicos. Podemos hablar de tres estrategias de fragmentación de datos: horizontal. Cada conjunto (fragmento) se guarda en un nodo diferente. todas las atributos (columnas). pero las ubicaciones de la compañía en cada estado (NY. Para ilustrar las estrategias de fragmentación.00 $3400.00 $0.00 $6000. con una La fragmentación vertical se refiere a la división de una relación en subconjuntos de atributo (columna).4. Cada fragmento puede guardarse en cualquier sitio en una red de computadoras. y cada fragmento tiene columnas únicas. Rue du Monde 123 Maple St. CLI_LIM. 910 Eagle St.00 $4000. La fragmentación horizontal se refiere a la división de (fragmento) de tuplas (filas). En suma.00 $1200.Inc. ilustrada a continuación. Sin embargo.00 $2000. vertical y mezclada (Se debe tener en cuenta que una tabla fragmentada siempre puede recrearse con sus partes fragmentadas mediante una combinación de uniones y articulaciones). Con base en esos requerimientos.00 $6000.4 Fragmentación de Datos La fragmentación de los datos permite dividir un objeto en dos o más segmentos o fragmentos. NY MI NY MI MI AT $3500. se decide distribuir los datos por estado. CLI_NOM.00 $350. La información de la fragmentación de los datos se guarda en un catalogo de datos distribuidos (DDC).00 $50.00 $1200. con la excepción de la columna clave. una relación en subconjunto en un nodo diferente. Esto es el equivalente de la sentencia PROJECT. y cada una tiene un subconjunto de los atributos (columnas). 909 High Ave. en este caso los clientes que maneja la empresa son otras empresas por lo tanto el campo no se descompone en mas. Por consiguiente. Cada fragmento se guarda uno de ellos tiene filas únicas. desde donde es accesara por el procesador de transacciones para procesar las solicitudes de los usuarios. Julio Ismael González Téllez . 321 Sunset Blvd. 2.00 $550. Mynux Corp. Martin Corp. esta tabla contiene los atributos CLI_NUM.00 $3500. El objeto podría ser una base de datos de usuario. Las estrategias de fragmentación de los datos como se analizan aquí.00 $2700. cada fragmento equivale a combinación de uniones y articulaciones. En otras palabras. una base de datos de sistema o una tabla. Inc. Elaborado por Lic. La fragmentación mezclada se refiere a una combinación de estrategias horizontales y verticales. NBCC Corp 12 Main St. la cual es común a todos los fragmentos. MI y AT) solamente requieren datos con respecto a clientes locales. CLI_DIR. BTBC. y cada filas únicas tienen los mismos una sentencia SELECT.00 $0. CLI_UBI. CLI_DUE CLI_N UM CLI_NOM CLI_DIR CLI_UBI CLI_LIM CLI_BAL CLI_RAT CLI_DUE 10 11 12 13 14 15 Sinex.00 $1090. una tabla puede dividirse en varios subconjuntos horizontales (filas). CLI_RAT.1 Fragmentación Horizontal Suponga que la gerencia corporativa de la XYZ Company requiere información sobre sus clientes en los tres estados.00 Comentario [W1]: Cuando aludimos a un Nombre propio hacemos la descomposición del mismo. se definen los fragmentos horizontales de acuerdo con la estructura mostrada en la tabla siguiente: Manual para la materia de Bases de Datos Distribuidas.2.

AT $2000.00 $6000. de servicio Edif.00 $350.00 3 3 $1245.12 15 11. pero la inclusión de los diferentes atributos depende de la columna clave. CLI_RAT. el de servicio y el de colecciones.00 $1200. Nombre del fragmento: CLI_V1 CLI_NUM Ubicación: Edif. Mynux Corp. CLI_LIM. Victory.00 $2700. NY NY $3500. 910 Eagle St. Inc. Los fragmentos resultantes producen las tres tablas que a continuación se muestran: Nombre del fragmento: CLI_H1 CLI_N UM CLI_NOM Ubicación: New York CLI_DIR CLI_UBI CLI_LIM Nodo: NYR CLI_BAL CLI_RAT CLI_DUE 10 12 Sinex.00 $0. MI MI MI $6000. BTBC. 12 Main St. los fragmentos se definen como se muestra a continuación: NOMBRE DEL FRAGMENTO UBICACIÓN NOMBRE DEL NODO NOMBRES DE ATRIBUTO CLI_V1 CLI_V2 Edif. Elaborado por Lic. Inc. CLI_NOM.00 Nombre del fragmento: CLI_H2 CLI_N UM CLI_NOM Ubicación: Atlanta CLI_DIR CLI_UBI CLI_LIM Nodo: ATL CLI_BAL CLI_RAT CLI_DUE 15 NBCC Corp 909 High Ave. Rue du Monde 123 Maple St.00 2. CLI_DUE Cada fragmento vertical debe tener el mismo número de filas.13. CLI_UBI CLI_NUM.00 $3400.00 Nodo: MIA 2 $50.4. CLI_DIR. suponga que la compañía está dividida en dos departamentos. Por ejemplo.00 $5890.00 $1090.Inc.00 $3500. pero cada uno de ellos DEBE tener los mismos atributos. y cada uno tiene interés solamente en unos cuantos de los atributos de la tabla CLIENTE. 321 Sunset Blvd.00 1 3 1 $0. de colección SVC ARC CLI_NUM.00 $4000.00 Nombre del fragmento: CLI_H3 CLI_N UM CLI_NOM Ubicación: Miami CLI_DIR CLI_UBI CLI_LIM CLI_BAL CLI_RAT CLI_DUE 11 13 14 Martin Corp. Los resultados de la fragmentación vertical se muestran a continuación. CLI_BAL.00 $1200. En este caso.00 $550. observe que el atributo clave (CLI_NUM) es común a ambos fragmentos CLI_V1 y CLI_V2.NOMBRE DEL FRAGMENTO UBICACIÓN CONDICION NOMBRE DEL NODO NUMEROS DE CLIENTE NUMERO DE CUARTOS CLI_H1 CLI_H2 CLI_H3 New York Atlanta Miami CUS_STATE=’NY’ CUS_STATE=’AT’ CUS_STATE=’MI’ NYR ATL MIA 10.2 Fragmentación Vertical También puede dividirse la relación CLIENTE en fragmentos verticales compuestos de un conjunto de atributos. de servicio CLI_DIR Nodo: SVC CLI_UBI CLI_NOM Manual para la materia de Bases de Datos Distribuidas.14 2 1 3 Cada fragmento horizontal puede tener un número diferente de filas. Cada departamento está ubicado en un edificio distinto. Julio Ismael González Téllez .

CLI_DIR.12 10. La fragmentación mezclada da los resultados ilustrados en la tabla siguiente: NOMBRE DEL FRAGMENTO UBICACIÓN CRITERIOS HORIZONTALES NOMBRE DEL NODO FILAS RESULTANTES EN EL SITIO CRITERIOS VERTICALES Y ATRIBUTOS EN CADA FRAGMENTO CLI_M1 CLI_M2 CLI_M3 CLI_M4 CLI_M5 CLI_M6 NY-Servicio NY-Colección AT-Servicio AT-Colección MI-Servicio MI-Colección CLI_STATE=’NY’ CLI_STATE=’NY’ CLI_STATE=’AT’ CLI_STATE=’AT’ CLI_STATE=’MI’ CLI_STATE=’MI’ NYR-S NYR-C ATL-S ATL-C MIA-S MIA-C 10. La fragmentación mezclada requiere un procedimiento de dos pasos.00 $6000. CLI_NOM. de colección CLI_BAL CLI_RAT CLI_LIM 10 11 12 13 14 15 $3500. CLI_BAL. se introduce la fragmentación horizontal por cada sitio. NBCC Corp 12 Main St. 321 Sunset Blvd. 910 Eagle St. CLI_DUE CLI_NUM. Mynux Corp. CLI_UBI CLI_NUM.00 $5890. CLI_DIR.00 $350. Como los departamentos están localizados en edificios diferentes.00 $6000. Inc. BTBC. los datos deben ser fragmentados verticalmente para acomodar los diferentes departamentos (servicio y colección).00 $1200. para adaptarse a los Manual para la materia de Bases de Datos Distribuidas. Julio Ismael González Téllez .13. CLI_BAL. Victory.00 $50.CLI_LIM.00 $0. CLI_NOM.12 15 15 11. con lo cual se satisfacen las necesidades de información de cada departamento en cada subsitio. En suma la tabla CLIENTE requiere una fragmentación mezclada.13. Martin Corp. CLI_BAL.14 11.CLI_RAT. dentro de las ubicaciones. con base en la ubicación dentro de un estado (CLI_UBI).00 $3500.00 $1200. CLI_DIR.00 $3400. CLI_NOM.10 11 12 13 14 15 Nombre del fragmento: CLI_V2 CLI_NUM Sinex.CLI_LIM.Inc. Primero. CLI_UBI CLI_NUM. dentro de cada estado por ubicación de departamento. Elaborado por Lic.00 $2700.00 2.00 $550.CLI_LIM.CLI_RAT. CLI_DUE Cada fragmento mostrado en la tabla anterior contiene datos de clientes por estado y.CLI_RAT.3 Fragmentación Hibrida (de Mezcla) La estructura de la XYZ Company requiere que los datos CLIENTE se fragmenten horizontalmente para acomodar las diferentes ubicaciones de la compañía. La fragmentación horizontal produce los subconjuntos de tuplas cliente (fragmentos horizontales) localizados en cada sitio. Inc. Rue du Monde 123 Maple St.00 $2000.00 3 1 3 3 1 2 $1245. se utiliza una fragmentación vertical dentro de cada fragmento horizontal para dividir los atributos. CLI_DUE CLI_NUM.00 $4000.4. 909 High Ave.00 $1090. CLI_UBI CLI_NUM.14 CLI_NUM. TN FL TN FL FL GA Nodo: ARC CLI_DUE Ubicación: Edif.00 $0.

00 $550. AT Nodo: ATLC CLI_DUE Nombre del fragmento: CLI_M4 CLI_NUM CLI_LIM Ubicación: AT-Colección CLI_BAL CLI_RAT 15 $2000.00 1 3 1 $0.00 $1200. 910 Eagle St.00 Nombre del fragmento: CLI_M5 CLI_NUM Ubicación: MIServicio CLI_DIR CLI_NOM 11 13 14 Martin Corp.00 $0.00 $3500. Las tareas de uso y distribución de los datos del DBA pueden requerir mucho tiempo. 12 Main St. Julio Ismael González Téllez .5 Distribución de Datos Los datos son útiles solo cuando llegan a los usuarios correctos en el momento adecuado.00 $6000.00 $3400. MI MI MI Nodo: MIAC CLI_DUE Nombre del fragmento: CLI_M6 CLI_NUM CLI_LIM Ubicación: MI-Colección CLI_BAL CLI_RAT 11 13 14 $6000. 321 Sunset Blvd.00 Nombre del fragmento: CLI_M3 CLI_NUM Ubicación: ATServicio CLI_DIR CLI_NOM 15 NBCC Corp 909 High Ave.00 $350. Mynux Corp.00 $1090.Inc. Inc.00 2 Nodo: MIAS CLI_UBI $50.00 3 3 Nodo: ATLS CLI_UBI $1245.00 $5890. NY NY Nodo: NYRC CLI_DUE Nombre del fragmento: CLI_M2 CLI_NUM CLI_LIM Ubicación: NY-Colección CLI_BAL CLI_RAT 10 12 $3500. donde los usuarios dependen de programadores que suministran los programas para acceder a los datos guardados en la base de datos. BTBC. Rue du Monde 123 Maple St. Aunque la internet y Manual para la materia de Bases de Datos Distribuidas. en particular si la capacidad de entrega de los datos está basada en un ambiente típico de programación de aplicaciones.00 $4000. El DBA es responsable de que los datos sean distribuidos a las personas apropiadas en el momento apropiado y en el formato correcto. Elaborado por Lic.00 $2700. Victory. Las tablas correspondientes a los fragmentos de mezcla se muestran a continuación: Nombre del fragmento: CLI_M1 CLI_NUM Ubicación: NYServicio CLI_DIR Nodo: NYRS CLI_UBI CLI_NOM 10 12 Sinex.00 $1200. Inc.00 2.requerimientos de datos de cada departamento.

instalación. Por ejemplo. el rol doble del DBA podría ser conceptualizado como una capsula cuyo núcleo técnico esta cubierto por una corteza claramente administrativa. Así pues. este será más eficiente en el proceso de toma de decisiones. los usuarios que no entiendan a cabalidad la naturaleza y fuentes de los datos podrían utilizar inapropiadamente los elementos de datos. Los aspectos técnicos del trabajo del DBA están enraizados en las siguientes áreas de operación: • • • • • • Evaluación. Naturalmente. que si se permite que los usuarios se vuelvan relativamente autosuficientes en la adquisición y uso de los datos. Muchas de las actividades técnicas del DBA son una extensión lógica de sus actividades administrativas. ejecución y mantenimiento de los programas de aplicación que interactúan con la base de datos. Esta claro. un DBMS puede guardar datos en un Manual para la materia de Bases de Datos Distribuidas. mantenimiento y actualización del DBMS y software utilitario. selección e instalación del DBMS y utilerías Diseño y ejecución de bases de datos y aplicaciones Pruebas y evaluaciones de bases de datos y aplicaciones Operación del DBMS. su utilización también ha creado nuevos retos para el DBA. Por ejemplo. Un ambiente como ese es más flexible para el usuario. el DBA se encarga de la seguridad e integridad. utilerías y aplicaciones Entrenamiento y soporte de los usuarios Mantenimiento del DBMS. el modelado de datos y metodologías de diseño y otros temas relacionados con el DBM. La actual filosofía de distribución de datos permite que los usuarios autorizados accedan a la base de datos. podría dañarse sin querer la conexión entre los usuarios la función de la administración de datos. el respaldo y recuperación. Rol técnico del DBA El rol técnico del DBA requiere un amplio entendimiento de las funciones del DBMS. Por ejemplo. Esta filosofía de distribución es común hoy en día. la configuración. operación. Julio Ismael González Téllez . Elaborado por Lic. El trabajo del DBA en estas circunstancias podría llegar a ser lo suficientemente complicado como para comprometer la eficiencia de la función de la administración de datos. Una forma de realizar esta tarea es facilitar el uso de una nueva generación de herramientas de consulta más complejas y los nuevos programas frontales de web internet. desarrollo. esta “democracia de datos” también produce algunos efectos colaterales problemáticos. el entrenamiento y soporte de la base de datos. Estos permiten que el DBA enseñe a los usuarios a producir la información requerida sin tener que depender de los programadores de aplicaciones. Al permitir que los usuarios micro manejen sus subconjuntos de datos. las actividades técnicas del DBA incluyen la selección. utilerías y aplicaciones Niveles de distribución de los datos y procesos Los sistemas de base de datos actuales se clasifican con base en como la distribución de los procesos y datos son soportados. así como el diseño. y es probable que llegue a ser más común conforme la tecnología de base de datos avanza. La duplicación de datos podría florecer otra vez si no se realizan verificaciones a nivel organizacional para garantizar la singularidad de los elementos de datos. Por lo tanto. Sin embargo. los lenguajes de programación.sus extensiones intranet y extranet han abierto las bases de datos a los usuarios corporativos. el DBA debe asegurarse de que se sigan los procedimientos y estándares apropiados.

pdf.2 Algoritmos Distribución Datos Replicados Al tratarse de algoritmos de distribución replicados o no replicados la definición de nuestro problema y variables será diferente. junto con su ubicación dentro de la aplicación. cada vez es más factible implementar Sistemas de Bases de Datos Distribuidas. es decir el problema se restringirá de otra manera como se explica en el documento ModeladoFURD. Este problema se conoce como Diseño de la Distribución y nace de la necesidad de especificar las unidades de almacenamiento adecuadas. En la siguiente tabla se muestra una clasificación de los sistemas de base de datos de acuerdo con la distribución de los datos y con los procesos.solo sitio (DB centralizada) o en múltiples sitios (DB distribuida) y puede soportar procesamientos de datos en un solo sitio o en varios. Estas fases ya se concentran en el Modelo FURD. Una vez que se resuelve el Modelo FURD se puede dar solución al problema del diseño.5.5. 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) Manual para la materia de Bases de Datos Distribuidas. pues es un problema de optimización muy complejo que a medida que va creciendo su tamaño.pdf 2. Sin embargo la dificultad radica precisamente en la forma de resolverlo. ha sido desarrollado para resolver el problema del diseño de las Bases de Datos Distribuidas. esta tecnología lleva a los desarrolladores a enfrentar un problema. horizontales o mixtos. ya sea fragmentos verticales.1 Algoritmos Distribución Datos No Replicados Debido al uso que se da a las redes de computadoras en la actualidad incluyendo Internet. Cada atributo se almacena solamente en un solo sitio (Para bases de datos distribuidas no replicadas) 2ª Restricción. DATOS EN UN SOLO SITIO DBMS anfitrión mainframes Servidor de archivos DBMS Cliente/servidor (DBMS de LAN) DATOS EN SITIOS MULTIPLES No aplicable (requiere procesos múltiples) DDBMS Cliente/servidor totalmente distribuido Proceso en un solo sitio Proceso en múltiples sitios 2. el cual esta divido en dos etapas o fases: la fragmentación y la ubicación de fragmentos. El Modelo FURD. la carencia de metodologías y herramientas de apoyo para su diseño que permitan decidir la ubicación de los datos en cada uno de los diferentes sitios que componen la red de computadoras. Julio Ismael González Téllez . ModeladoFURD. Estas restricciones son: 1ª Restricción. sin embargo. se va haciendo más difícil la forma de resolverse. Elaborado por Lic.

Ocultando los detalles de bajo nivel acerca de la localización física de datos. Particularmente. Elaborado por Lic. Sin embargo. típicamente alguna variación del álgebra relacional (ver Figura 3. Una base de datos relacional consiste en muchas piezas. Julio Ismael González Téllez .3. La consulta de bajo nivel implementada es de Manual para la materia de Bases de Datos Distribuidas. selecciona un plan para ejecutar la sintaxis. y el procesador de consultas obra recíprocamente con el motor de almacenaje. El éxito creciente de la tecnología de bases de datos relacionales en el procesamiento de datos se debe. Este procedimiento es llevado a cabo por un módulo del DBMS llamado el procesador de consultas (query processor). Dado que la ejecución de consultas es un aspecto crítico en el rendimiento de un DBMS. Maneja los expedientes. los lenguajes de bases de datos relacionales permiten la expresión de consultas complejas en una forma concisa y simple. ya que existe un gran número de parámetros que afectan el rendimiento de las consultas distribuidas. típicamente en cálculo relacional. y mantiene ficheros de diario. Procesamiento de consultas distribuidas Para adentrarse en este tema es recomendable tener conocimientos básicos de algebra relacional. a una consulta equivalente en una especificación de bajo nivel. a la disponibilidad de lenguajes no procedurales los cuales pueden mejorar significativamente el desarrollo de aplicaciones y la productividad del usuario final. El procesador de consultas aísla al usuario de los detalles de la ejecución: el usuario especifica el resultado y el procesador de consultas determina como se obtiene ese resultado. en parte. el usuario no tiene que especificar de manera precisa el procedimiento que se debe seguir. El problema de procesamiento de consultas La función principal de un procesador de consultas relacionales es transformar una consulta en una especificación de alto nivel. concurrencia de los controles. para construir la respuesta a una consulta. El procesador de consultas acepta sintaxis de SQL.1). pero en su corazón están dos componentes importantes: el motor de almacenaje y el procesador de consultas. y después ejecuta el plan elegido. El motor de almacenaje escribe y lee datos del disco. el procesamiento de consultas es mucho más difícil en ambientes distribuidos que en centralizados. el procesamiento de consultas ha recibido una gran atención tanto para bases de datos centralizadas como distribuidas. El usuario o el programa obran recíprocamente con el procesador de consultas.

El mapeo bien definido que se conoce entre el cálculo relacional y el álgebra relacional hace que la validez de la transformación sea fácil de verificar. JORNADA) Con la siguiente consulta de usuario: "Encuentre todos los nombres de empleados que manejan un proyecto" La expresión de la consulta en SQL se puede ver como SELECT ENOMBRE FROM E. Figura 3. Elaborado por Lic. Julio Ismael González Téllez . Procesamiento de consultas.3: E (ENO. TITULO) G (ENO. la dificultad más importante es seleccionar la estrategia de ejecución que minimiza el consumo de recursos. G WHERE E. si ambas consultas producen el mismo resultado. Ya que cada estrategia de ejecución equivalente puede conducir a consumos de recursos de cómputo muy diferentes. producir una estrategia de ejecución eficiente es mucho más complicado. esto es. La transformación debe ser correcta y eficiente. Considere el siguiente subconjunto del esquema de la base de datos que se vio en el tema 2. RESPONSABLE. JNO. Una consulta en el cálculo relacional puede tener muchas transformaciones correctas y equivalentes en el álgebra relacional.hecho la estrategia de ejecución para la consulta. Sin embargo. Es correcta si la consulta de bajo nivel tiene la misma semántica que la consulta original.1.ENO AND RESPONSABLE = "ADMINISTRADOR" Manual para la materia de Bases de Datos Distribuidas.ENO = G. ENOMBRE.

En un contexto centralizado. • Suponga que E y G tienen 400 y 1000 tuplos. Debe ser complementada con operaciones para el intercambio de datos entre nodos diferentes. se usará un modelo de costo simple: • Suponga que el costo de acceso a un tuplo (tupacc) es 1 unidad.1: Considere la siguiente consulta del ejemplo anterior: Supongamos que E y G están fragmentadas horizontalmente como sigue: • • • • E1 = σ ENO ≤ "E3" (E) E2 = σ ENO > "E3" (E) G1 = σ ENO ≤ "E3" (G) G2 = σ ENO > "E3" (G) Los fragmentos E1. por lo tanto. Para evaluar el consumo de recursos. las estrategias de ejecución de consultas pueden ser bien expresadas como una extensión del álgebra relacional. 3 y 4. el procesador de consultas distribuidas debe seleccionar también los mejores sitios para procesar datos y posiblemente la forma en que ellos tienen que ser transformados. La estrategia A explota el hecho de que las relaciones E y G están fragmentadas de la misma manera y ejecuta la operación de selección y junta en paralelo. E2. G1 y G2 están almacenados en los nodos 1. Ejemplo 3.2 se presentan dos estrategias distribuidas de ejecución diferentes para la misma consulta (se ha ignorado el operador de proyección por simplicidad del ejemplo). en sistemas distribuidos. y el resultado se quiere en el nodo 5. Elaborado por Lic. Julio Ismael González Téllez . 2. Sin embargo. la segunda estrategia que evita calcular el producto cartesiano entre E y G. respectivamente. La estrategia B centraliza todos los datos en el nodo resultante antes de procesar la consulta. es mejor.Dos consultas equivalentes en el álgebra relacional que son transformaciones correctas de la consulta en SQL son: y Como es intuitivamente obvio. consume mucho menos recursos que la primera y. respectivamente. En la Figura 3. Además de elegir el orden de las operaciones del álgebra relacional. y la transferencia de un tuplo (tuptrans) tiene un costo de 10 unidades. el álgebra relacional no es suficiente para expresar la ejecución de estrategias. y que existen 20 administradores en la relación G. Manual para la materia de Bases de Datos Distribuidas.

respectivamente. suponga que los datos están uniformemente distribuidos entre los nodos. hay un acceso directo a los tuplos de G y E. respectivamente. 1 2 3 4 5 6 7 8 Proceso Producir G1’ seleccionando G1 Producir G2’ seleccionando G2 Transferir G1’ al nodo E1 Transferir G2’ al nodo E2 Juntar G1’ y E1 para obtener E1’ Juntar G2’ y E2 para obtener E2’ Transferir E1’ al nodo resultante Transferir E2’ al nodo resultante Cálculo tuplas * tupacc=10*1 tuplas * tupacc=10*1 tuplas * tuptrans= 10*10 tuplas * tuptrans= 10*10 (tuplas E1 * tuplas G1’) * tupacc=10*10*1 (tuplas E2 * tuplas G2’) * tupacc=10*10*1 tuplas * 10=10 * 10 tuplas * 10=10 * 10 Costo (unidades) 10 10 100 100 100 100 100 100 620 Manual para la materia de Bases de Datos Distribuidas. de manera que. Elaborado por Lic. Julio Ismael González Téllez . El costo de la estrategia A se puede derivar como sigue: No. suponga que las relaciones G y E están agrupadas localmente en los atributos RESP y ENO. • Finalmente.• También.

La diferencia sería aún mayor si se hubiera asumido un costo de comunicación mayor y/o un grado de fragmentación mayor. Objetivos de la optimización de consultas Como se estableció antes. Elaborado por Lic. el objetivo del procesamiento de consultas en un ambiente distribuido es transformar una consulta sobre una base de datos distribuida en una especificación de alto nivel a una estrategia de ejecución eficiente expresada en un lenguaje de bajo nivel sobre bases de datos locales. Julio Ismael González Téllez . lo cual es significativo.El costo de la estrategia B se puede derivar como sigue: La estrategia A es mejor por un factor de 37. el problema de optimización de consultas es minimizar una función de costo tal que Manual para la materia de Bases de Datos Distribuidas. Así.

Tipo de optimización El problema de optimización de consultas es altamente demandante en tiempo de ejecución y. en el caso general. En esta sección se enumeran algunas características importantes de los procesadores de consultas que pueden ser usados como base para su comparación. Así. reemplazar una junta por una serie de semijuntas y reordenar operaciones para reducir el tamaño de las relaciones intermedias. Obtienen la transformación óptima. Así existen dos estrategias para su solución: búsqueda exhaustiva o el uso de heurísticas. Los algoritmos de búsqueda exhaustiva tienen una complejidad combinatoria en el número de relaciones de la consulta. En el segundo caso puede obtener transformaciones eficientes si las Manual para la materia de Bases de Datos Distribuidas. es un problema de la clase NP. Las heurísticas más directas a aplicar son el agrupamiento de expresiones comunes para evitar el cálculo repetido de las mismas. así que se consideran los tres factores con pesos variables. pero sólo se aplican a consultas simples dado su tiempo de ejecución. aplicar primero las operaciones de selección y proyección. La primera alternativa no considera el uso de resultados comunes intermedios. Granularidad de la optimización Existen dos alternativas: considerar sólo una consulta a la vez o tratar de optimizar múltiples consultas. ignoran los costos de CPU y de I/O. Caracterización de los procesadores de consultas Es difícil evaluar y comparar procesadores de consultas para sistemas centralizados y distribuidos dado que ellos difieren en muchos aspectos. Por otro lado. normalmente el costo de comunicación domina dado que hay una velocidad de comunicación relativamente baja. Por ejemplo. por lo general. en las redes de área amplia (WAN).Función de costo total = costo de I/O + costo de CPU + costo de comunicación Los diferentes factores pueden tener pesos diferentes dependiendo del ambiente distribuido en el que se trabaje. Elaborado por Lic. Julio Ismael González Téllez . En redes de área local (LAN) el costo de comunicación no es tan dominante. los algoritmos heurísticos obtienen solo aproximaciones a la transformación óptima pero lo hacen en un tiempo de ejecución razonable. los algoritmos diseñados para trabajar en una WAN. los canales están saturados y el trabajo adicional requerido por los protocolos de comunicación es considerable.

el costo de la optimización puede ser amortizada sobre múltiples ejecuciones de la misma consulta. conocido como híbrido. Durante la optimización de consultas dinámica la elección de la mejor operación siguiente se puede hacer basado en el conocimiento exacto de los resultados de las operaciones anteriores. La optimización se puede realizar de manera estática antes de ejecutar la consulta o de forma dinámica durante la ejecución de la consulta. Nodos de Decisión Cuando se utiliza la optimización estática. Sin embargo. La optimización estática es aún más demandante ya que el tamaño de las relaciones intermedias también debe ser estimado basándose en estadísticas. Para minimizar la probabilidad de error. En bases de datos distribuidas las estadísticas para optimización de consultas típicamente se relacionan a los fragmentos. Así. Por tanto. Elaborado por Lic. Sin embargo. la cardinalidad y el tamaño de los fragmentos son importantes así como el número de valores diferentes de los atributos. el espacio de decisión es mucho más amplio lo que afecta grandemente el tiempo de ejecución de la optimización. utiliza básicamente un enfoque estático. Un tercer enfoque. La mayoría de los sistemas utilizan un enfoque centralizado para la toma de decisiones en el cual un solo lugar decide la estrategia a ejecutar. La optimización dinámica de consultas requiere de estadísticas para elegir las operaciones que deben realizarse primero. el proceso de decisión puede ser distribuido entre varios nodos los cuales participan en la elaboración de la mejor Manual para la materia de Bases de Datos Distribuidas. Julio Ismael González Téllez .consultas son similares. La optimización estática se hace en tiempo de compilación de la consulta. pero se puede aplicar un enfoque dinámico cuando los tamaños de las relaciones estimados están alejados de los tamaños actuales. un solo nodo o varios de ellos pueden participar en la selección de la estrategia a ser aplicada para ejecutar la consulta. se requiere tener estadísticas acerca del tamaño de los resultados intermedios para aplicar esta estrategia. Tiempo de optimización Una consulta puede ser optimizada en tiempos diferentes con relación a tiempo de ejecución de la consulta. estadísticas más detalladas tales como histogramas de valores de atributos se usan pagando un costo mayor por su manejo. Estadísticas La efectividad de una optimización recae en las estadísticas de la base de datos.

Para simplificar la discusión. se generan calendarizaciones locales de acuerdo a una optimización de consultas centralizada. En la Figura 4. A partir de ahí. se han desarrollado algoritmos especiales para topologías específicas. En redes de tipo LAN el costo de comunicación no es tan dominante. la topología de estrella. suponga que se tiene un procesador de consultas estático semicentralizado en donde no se tienen fragmentos replicados. 3. pero requiere tener conocimiento de la base de datos distribuida completa. localización de datos. como por ejemplo. Por ejemplo. El enfoque distribuido requiere solo de información local. El enfoque centralizado es simple. se puede tomar ventaja de la comunicación "broadcast" que existe comúnmente en este tipo de redes para optimizar el procesamiento de las operaciones junta. Sin embargo. optimización global de consultas y optimización local de consultas. Por lo tanto. Por otra parte. en redes de tipo WAN se sabe que en la función de costo el factor debido a las comunicaciones es dominante. Julio Ismael González Téllez .1. el tipo de red puede impactar severamente la función objetivo a optimizar para elegir la estrategia de ejecución. Metodología Procesamiento Consultas Distribuidas El problema de procesamiento de consultas se puede descomponer en varios subproblems que corresponden a diferentes niveles. Cuatro capas principales están involucradas en mapear una consulta a una base de datos distribuida en una secuencia optimizada de operaciones locales. Topología de la Red Como se mencionó al principio. Existen enfoques híbridos en donde un nodo determina una calendarización global de las operaciones de la estrategia y cada nodo optimiza las subconsultas locales.4. se trata de crear una calendarización global basada en el costo de comunicación.estrategia. cada una de ellas actuando en una base de datos local. se presenta un esquema por niveles genérico para el procesamiento de consultas. Las primeras tres se realizan en un nodo central usando información global. Manual para la materia de Bases de Datos Distribuidas. Elaborado por Lic. Las cuatro capas principales son: descomposición de consultas. La cuarta capa se realiza en cada nodo local.

Arquitectura en capas del procesamiento de consultas. Optimización Global de Consultas Dada una consulta algebraica sobre fragmentos. Hasta este momento. Mediante reglas de transformación una consulta en el cálculo relacional se transforma a una en el álgebra relacional. tales como. llamada consulta local. El objetivo de esta capa es localizar los datos de la consulta usando la información sobre la distribución de datos. Julio Ismael González Téllez . Para encontrar una buena transformación se consideran las características de los fragmentos. Se sabe que puede existir más de una transformación. La optimización local utiliza los algoritmos de sistemas centralizados. Normalización. Elimina predicados redundantes. Se detecta y rechazan consultas semánticamente incorrectas. 4.4. el enfoque seguido usualmente es empezar con una consulta algebraica y aplicar transformaciones para mejorarla. Por tanto.Figura 4. 2. Involucra la manipulación de los cuantificadores de la consulta y de los calificadores de la misma mediante la aplicación de la prioridad de los operadores lógicos. Simplificación. Elaborado por Lic. Optimización Local de Consultas El trabajo de la última capa se efectúa en todos los nodos con fragmentos involucrados en la consulta. se pueden eligen los algoritmos para realizar las operaciones relacionales. 3. Esta capa determina cuales fragmentos están involucrados en la consulta y transforma la consulta distribuida en una consulta sobre fragmentos. La estrategia de ejecución para una consulta distribuida puede ser descrita con los operadores del álgebra relacional y con primitivas de comunicación para transferir datos entre nodos. es optimizada usando el esquema local del nodo. Localización de Datos La entrada a esta capa es una consulta algebraica definida sobre relaciones distribuidas. Análisis. Manual para la materia de Bases de Datos Distribuidas. La salida de la capa de optimización global es una consulta algebraica optimizada con operación de comunicación incluidas sobre los fragmentos. Un aspecto importante de la optimización de consultas es el ordenamiento de juntas. el objetivo de esta capa es hallar una estrategia de ejecución para la consulta cercana a la óptima. Reestructuración. Descomposición de consultas La primera capa descompone una consulta en el cálculo relacional en una consulta en el álgebra relacional que opera sobre relaciones globales. dado que algunas permutaciones de juntas dentro de la consulta pueden conducir a un mejoramiento de varios órdenes de magnitud. sus cardinalidades. Consiste de cuatro partes: 1. Cada subconsulta que se ejecuta en un nodo.

2 Análisis El análisis de consultas permite rechazar consultas normalizadas para los cuales no se requiere mayor procesamiento. Esto se hace típicamente en los siguientes paso: 1. llamada la gráfica de la consulta o la gráfica de conectividad. Primero. Una consulta se puede rechazar si alguno de sus atributos o nombres de relación no están definidas en el esquema global. es posible hacerlo para una clase importante de consultas relacionales. el nodo raíz se crea como una operación de proyección Manual para la materia de Bases de Datos Distribuidas. Una evaluación directa de la consulta con redundancia puede llevarnos a realizar trabajo duplicado. mientras que un arco cuyo nodo destino es una relación resultante representa una proyección. análisis. Se verifica que las relaciones y atributos invocados en la consulta estén acordes con la definición en la base de datos. La gráfica de juntas es particularmente importante durante la fase de optimización. En SQL. simplificación y reestructuración. 4. en la cual únicamente se consideran las juntas. Una subgráfica importante de la gráfica de conectividad es la gráfica de juntas. La transformación de una consulta en el cálculo relacional en un árbol del álgebra relacional se puede hacer como sigue. En esta sección se abundará más sobre cada uno de los pasos. un nodo indica la relación resultante. el cual es un árbol en donde una hoja representa a una relación almacenada en la base de datos y un nodo no hoja es una relación intermedia producida por una operación del álgebra relacional. En una gráfica de consulta. Una transformación directa del cálculo relacional en el álgebra relacional 2. Más aún. En esta parte se verifica la validez de la expresión que da origen a la consulta. se verifica el tipo de los operandos cuando se hace la calificación. Por ejemplo. las hojas están disponibles de forma inmediata en la cláusula FROM. se crea una hoja diferente para cada variable de tuplo diferente. Segundo. El objetivo de la normalización es transformar una consulta a una forma normalizada para facilitar su procesamiento posterior. También se puede rechazar si las operaciones que se aplican a los atributos no son del tipo adecuado. un nodo no resultado puede ser etiquetado por un predicado de selección o auto-junta. REESTRUCTURACION El último paso en la descomposición de consultas reescribe la consulta en el álgebra relacional. aquellas que no contienen disyunciones y negaciones.1 Normalización La consulta de entrada puede ser arbitrariamente compleja dependiendo de las facilidades provistas por el lenguaje. Dentro del cálculo relacional no es posible determinar la correctitud semántica de una consulta general. Elaborado por Lic. y cualquier otro nodo representa la relación operante. La normalización consiste de dos partes: El análisis léxico y sintáctico.6. Julio Ismael González Téllez .6.6 Descomposición de consultas Como se dijo en la sección anterior la descomposición de consultas consiste de cuatro pasos: normalización. SIMPLIFICACION La consulta en forma normal conjuntiva puede contener predicados redundantes.4. Sin embargo. Una reestructuración de la consulta en el álgebra relacional para mejorar la eficiencia Por claridad es costumbre representar la consulta en el álgebra relacional por un árbol del álgebra relacional. Se puede hacer también un análisis semántico. Un arco entre dos nodos que no son resultados representa una junta. 4. El análisis anterior se basa en la representación de la consulta como una gráfica. La consulta se puede rechazar si las componentes no contribuyen de ninguna forma a la generación del resultado.

TITULO) puede ser dividida en tres fragmentos horizontales E1.2. Tercero. definidos como sigue: E1 = s ENO £ "E3" (E) E2 = s "E3" < ENO £ "E6" (E) E3 = s ENO > "E6" (E) El programa de localización para fragmentación horizontal es la unión de los fragmentos. etc.) yendo de las hojas a la raíz. Estrategias Procesamiento Consultas Distribuidas Reducción para fragmentación horizontal primaria La fragmentación horizontal distribuye una relación basada en predicados de selección.involucrando a los atributos resultantes. join.9. La secuencia se puede dar directamente por el orden de aparición de los predicados y operadores. Julio Ismael González Téllez . La relación E(ENO. la calificación (WHERE) de una consulta se traduce a una secuencia apropiada de operaciones relacionales (select. Aquí se tiene que: E = E1 È E2 È E13 La relación G puede ser dividida en dos fragmentos horizontales G1 y G2 definidos como sigue: G1 = s ENO £ "E3" (G) G2 = s ENO > "E3" (G) El programa de localización para G es la unión de los fragmentos. El ejemplo siguiente será usado a lo largo de esta sección. Manual para la materia de Bases de Datos Distribuidas. union. Aquí se tiene que: G = G1 È G2 El árbol genérico se presenta en la Figura 4. 3.10. Elaborado por Lic. Ejemplo 4. Estos se encuentran en la cláusula SELECT de una consulta en SQL. E2 y E3. ENOMBRE.

13. el programa de localización para una relación fragmentada verticalmente consiste de la junta de los fragmentos sobre el atributo común.. A2. la cual se fragmenta verticalmente como Ri = P A (R). Elaborado por Lic. donde A Í A. La fragmentación vertical distribuye una relación de acuerdo a los atributos de proyección. . Considere de nuevo la relación E dividida en fragmentos verticales como en el Ejemplo 4.12.10. la regla para determinar relaciones intermedias inútiles se puede formular como sigue: Regla 3: P D. Dado que el operador de reconstrucción para la fragmentación vertical es la junta.K (R) es inútil si el conjunto de atributos de proyección D no está en A . Ejemplo 4.9.. Considere también la siguiente consulta en SQL: SELECT ENAME Manual para la materia de Bases de Datos Distribuidas. Las proyecciones sobre fragmentos verticales que no tienen atributos en común con los atributos de proyección (excepto la llave de la relación) producen relaciones inútiles aunque probablemente no vacías.TITULO (E) El programa de localización es E = E1 > < E2 ¨ La reducción de consultas sobre fragmentos verticales se hace determinando relaciones intermedias inútiles y eliminando los subárboles que las producen. E1 = P ENO.. Dada una relación R definida sobre los atributos A = { A1.ENOMBRE (E) E2 = P ENO. An }. Ejemplo 4. Considere la relación E dividida en dos fragmentos verticales donde el atributo ENO sirve como atributo común.Figura 4.12. Julio Ismael González Téllez . Arbol genérico para el ejemplo 4.

2. Elaborado por Lic. Conmutando la proyección con la junta.2. Transacciones Conceptos Manual para la materia de Bases de Datos Distribuidas.TITULO (E) La consulta genérica equivalente se presenta en la Figura 4.13a.2. la inscripción a un curso o la realización de un depósito en una cuenta de cheques. como se presenta en la Figura 4. 3.2. se puede ver que la proyección sobre E2 es inútil dado que ENOMBRE no está en E2.FROM E E1 = P ENO.1.1.13b.ENOMBRE (E) E2 = P ENO. Arboles de Consultas 3. Métodos Ejecución del Join 3. Optimización Global Consultas Distribuidas 3. Julio Ismael González Téllez . la proyección necesita aplicarse únicamente a E1.3. 4.3.1. Optimización Local Consultas Distribuidas 4.3. Manejo de transacciones Las transacciones de base de datos reflejan transacciones reales promovidas por eventos como la compra de un producto. Por lo tanto.2. Transformaciones Equivalentes Consultas Distribuidas 3.3. Optimización de Consultas Distribuidas 3.

2.4. Pruebas Validación Optimistas 4.2.4. Protocolos Redo Undo 4. Puntos de Verificación checkpoints 4.4. Serialización de Transacciones 4. Protocolo 2PC de Confiabilidad Distribuida Manual para la materia de Bases de Datos Distribuidas.3. Ejecución Transacciones Centralizada Distribuida 4.3. Estructura de Transacciones 4.2.1.1.3.1.1.3. Basados en Estampas de Tiempo 4.2.1.2. Conceptos Básicos de Confiabilidad 4. Elaborado por Lic.1. Disciplinas del Interbloqueo prevención detección eliminación y recuperación 4.3. Algoritmos de Control de Concurrencia 4. Estructura de transacciones 4.2.2.2. Confiabilidad 4.2. Basados en Bloqueo. Julio Ismael González Téllez . Control de Concurrencia 4.2.1.2.3.3.2.3. 4.2.

Sign up to vote on this title
UsefulNot useful