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

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

(Bolivia. Si los diferentes sitios pueden estar geográficamente dispersos. Por ejemplo. 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. 2005. 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. (Bolivia. (Bolivia. están conectados por una red local (LAN) (Figura 1. Motivación de los sistemas de bases de datos distribuidos.1. entonces. un sistema de tiempo compartido no incluye necesariamente un sistema de manejo de bases de datos y. un sistema de manejo de bases de datos y facilidades de comunicaciones. desde un punto de vista lógico. (Bolivia. Elaborado por Lic. pág. es claro que algunos sistemas no se pueden considerar como SBDD.3). pág. 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. como si un solo SMBD se ejecutara en una sola máquina. pág. Dada la definición anterior. 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. Por otro lado. pág. los cuales tiene un sistema de procesamiento de datos completo que incluye una base de datos local. si los sitios están localizados en diferentes edificios o departamentos de una misma organización pero geográficamente en la misma ubicación. de tal forma que.1). Julio Ismael González Téllez . 6) El medio ambiente típico de un SMBDD consiste de un conjunto de sitios o nodos. en caso de que lo haga. éste es controlado y administrado por una sola computadora. (Bolivia. pág. 2005. 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. ellos están interconectados por una red de tipo WAN. 2005. 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. entonces. 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. 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. 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. 2005. El término transparente significa que la aplicación trabajaría. 2005. Finalmente. (Bolivia. y administrara esos datos. pág. 2005. 6) Manual para la materia de Bases de Datos Distribuidas.Figura 1.2).

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

No dependencia de un sitio central. es decir. • La seguridad.2 Objetivos Bases de Datos Distribuidas Principio Fundamental: “Ante el usuario. si el sitio central falla. no debe haber particularmente ninguna dependencia de un sitio “maestro” central para algún servicio central. 4. y no externos o en el nivel de usuario. • Los usuarios no tienen que saber dónde están almacenados físicamente los datos. • La autonomía local significa que todas las operaciones en un sitio dado están controladas por ese sitio. también fallará todo el sistema 3.Operación continúa. Conocida también como transparencia de ubicación. La probabilidad de que el sistema esté listo y funcionando en cualquier momento dado.. Los SD no son una propuesta de todo o nada. • Por lo tanto. Una ventaja de los sistemas distribuidos es que deben proporcionar mayor confiabilidad y mayor disponibilidad. 2. un sistema distribuido debe lucir exactamente igual que un sistema que no es distribuido” • En otras palabras. los usuarios de un sistema distribuido deben ser capaces de comportarse exactamente como si no fuera distribuido.Independencia de fragmentación. sino que deben ser capaces de comportarse como si todos los datos estuvieran almacenados en su propio sitio local. 5. Los sitios en un sistema distribuido deben ser autónomos. La autonomía local implica que todos los sitios deben ser tratados como iguales. pueden continuar operando cuando hay alguna falla en algún componente independiente.. Elaborado por Lic.Independencia de ubicación.1. Julio Ismael González Téllez . • 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. integridad y representación de almacenamiento de los datos locales permanecen bajo el control y jurisdicción del sitio local. para efectos de almacenamiento físico. • Disponibilidad. problemas internos o en el nivel de implementación. • Confiabilidad. El principio fundamental nos conduce a 12 reglas u objetivos: 1... Un sistema soporta la fragmentación de datos cuando puede ser dividida en partes o fragmentos.. tal que todo el sistema dependa de ese sitio central. ningún sitio X debe depender de algún otro sitio para su operación satisfactoria. • Esto simplifica los programas de los usuarios. • Todos los problemas de los sistemas distribuidos son o deberían ser. • Razones por las cuales no debería haber un sitio central: • El sitio central puede ser un cuello de botella • El sistema sería vulnerable. En particular. 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 continuamente a lo largo de un período especificado.Autonomía local.

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

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

6 Definición de una vista interna a partir de la relación S. Manual para la materia de Bases de Datos Distribuidas. Julio Ismael González Téllez .Figura 1.5 Vista conceptual de las relaciones E. Elaborado por Lic. Figura 1.4 Arquitectura ANSI/SPARC de una base de datos. Figura 1. J y G. S.

Elaborado por Lic. cada uno de los cuales proporciona alguna funcionalidad. Manual para la materia de Bases de Datos Distribuidas. no existe un equivalente de una arquitectura estándar para sistemas de manejo de bases de datos distribuidas. La ventaja de este enfoque funcional es la claridad con la cual se especifican los objetivos del sistema. Basado en funciones.7 Dos ejemplos de vistas externas. Sin embargo. La especificación del sistema en esta categoría típicamente determina una estructura jerárquica para las clases de usuarios. Desafortunadamente. Este es el enfoque seguido por el modelo ANSI/SPARC. 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.Figura 1. La ventaja de este enfoque es la importancia que asigna al manejo de datos. 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. Así. Este es un enfoque significativo para los SMBD dado que su propósito principal es manejar datos. Para definir ese modelo de referencia se puede seguir uno de los siguientes tres enfoques: Basado en componentes. Se definen los componentes del sistema junto con las relaciones entre ellas. Julio Ismael González Téllez . este enfoque no proporciona una forma de alcanzar los objetivos. un SMBD consiste de un número de componentes. 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. Basado en datos. Se identifican las diferentes clases de usuarios junto con la funcionalidad que el sistema ofrecerá para cada clase. 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.

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

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

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

en el caso del modelo relacional. Resulta bastante frecuente dividir cada relación en subrelaciones menores denominadas fragmentos que luego se ubican en uno u otro sitio. se pueda retornar a alguna de las fases anteriores. Por último. • Optimización de consultas para encontrar la mejor estrategia de acceso (¿Cuáles fragmentos deben ser accesados por la consulta y como. así mismo. El diseño de las vistas trata de definir las interfaces para el usuario final y. • Transformación para determinar que componentes de solicitud de datos se distribuyen y cuales son locales. Las entradas para este paso son los esquemas conceptuales locales y la información de acceso a los fragmentos. se recopilarán datos estadísticos o estimaciones sobre la actividad de estas aplicaciones. 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. a las distintas relaciones de las que hace uso. 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. • Formateo para preparar los datos para su presentación al usuario final o un programa de aplicación. que el proceso del diseño de la distribución conste de dos actividades fundamentales: la fragmentación y la asignación. se distribuyen entre varios sitios. cada entidad se corresponde con una relación. Desarrollado el trabajo hasta aquí.se realizan de forma paralela. para que si se llegan a producir desviaciones. Este esquema y la información relativa al acceso a los datos sirven de entrada al paso distintivo: el diseño de la distribución. Dichas estimaciones deberían girar en torno a la frecuencia de acceso. se sabe que la actividad de desarrollo y diseño es un tipo de proceso que necesita de una monitorización y un ajuste periódicos. Manual para la materia de Bases de Datos Distribuidas. Julio Ismael González Téllez . podría afinarse más anotando los atributos de la relación a la que accede. se deben sincronizar las actualización es de los datos?) • Mapeo para determinar la ubicación de los datos de fragmentos locales y remotos. 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. (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. sino que debería estar preparado para futuras aplicaciones. 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. se puede abordar la confección del esquema conceptual global. • Interface de E/S para leer o escribir datos de en medios de almacenamientos locales permanentes. De ahí. 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. por parte de una aplicación. si las hay. tanto las funciones de datos como de procesamiento. Elaborado por Lic. El último paso del diseño de la distribución es el diseño físico. Existe un vínculo entre el diseño de las vistas y el diseño conceptual.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.

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

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

Julio Ismael González Téllez . En el primer nivel se soporta la transparencia de red.TILE = S. Finalmente. S WHERE G. Manual para la materia de Bases de Datos Distribuidas. Figura 2.ENO AND E. Elaborado por Lic. En el segundo nivel se permite la transparencia de replicación de datos.TITLE Se debe tener en cuenta que en cada sitio de la corporación puede haber esquemas diferentes o repetidos.DUR > 12 AND E.3 Diferentes sitios de una corporación. Entre estos tres módulos se deben resolver los aspectos sobre el procesamiento distribuido de consultas y sobre el manejo de nombres de objetos distribuidos.ENO = G. En el tercer nivel se permite la transparencia de la fragmentación. 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. el sistema de manejo de bases de datos y el lenguaje de acceso a la base de datos distribuida. La responsabilidad sobre el manejo de transparencia debe estar compartida tanto por el sistema operativo. G. SALARIO FROM E.

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

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

su existencia debe ser controlada por el sistema no por el usuario. Por último. Los datos EMPLEADO están distribuidos en 3 lugares: New York. 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. EMP_NOM. Elaborado por Lic. pueden examinarse tres casos de consulta: Manual para la materia de Bases de Datos Distribuidas. es decir.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. todos los datos del empleado de Nueva York están guardados en el fragmento E1. 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_AMAT. EMP_APAT. Atlanta y Miami. 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.3. EMP_FNAC. 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. Para enfocarse en los temas de transparencia.3 Transparencia de Replica Consiste en que si existen replicas de objetos de la base de datos.1 Para ilustrar el uso de varios niveles de transparencia suponga que se tiene una tabla T_EMPLEADO que contiene los atributos EMP_CLAVE. EMP_FING y PUE_CLAVE.2. sin hacer caso de que un fragmento este localizado en ellas). suponga que ninguna parte de la base de datos esta replicada en algún otro sitio de la red. La tabla está dividida por ubicación. los datos de los empleados de Atlanta en el E2 y los de Miami en el E3.

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

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

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

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

1 reconfigure with override go sp_configure 'Ad Hoc Distributed Queries'. que se han agregado. Estado 1. Para obtener más información sobre cómo habilitar 'Ad Hoc Distributed Queries'. Nivel 16.Para eliminar los servidores vinculados o disponibles. Julio Ismael González Téllez . Un administrador del sistema puede habilitar el uso de 'Ad Hoc Distributed Queries' mediante sp_configure. ejecute sp_dropserver para cada instancias que desee eliminar. si al ejecutar una consulta distribuida obtuviéramos un mensaje de error referente a las consultas Ad Hoc como el siguiente: Mens. Elaborado por Lic. 15281. en DESKTOP\SVR_ATLANTA y DESKTOP\SVR_RECHUM Manual para la materia de Bases de Datos Distribuidas. 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. 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'.1 reconfigure with override go Así mismo en DESKTOP\MIAMI . vea el tema sobre la configuración de superficie en los Libros en pantalla de SQL Server.

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

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

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

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

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

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

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

T_EMPLEADO UNION SELECT * FROM OPENDATASOURCE( 'SQLOLEDB'. 'Data Source= DESKTOP\SVR_ATLANTA. Password=miami' ). Julio Ismael González Téllez .dbo. User ID=sa. De clic en el botón de “Consulta de motor de base de datos” al lado de “Nueva consulta” y pegue el código anterior. User ID=sa.T_EMPLEADO La instrucción UNION aplicaría con diferentes servidores de SQL Server 2005.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. 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'. Password=atlanta' ). más no su ubicación. para este ejemplo puede ejecutar la consulta directamente sobre SQL Server 2005.dbo.BD_ATLANTA.BD_MIAMI. 'Data Source= DESKTOP\SVR_MIAMI. Previamente configurado sp_configure Manual para la materia de Bases de Datos Distribuidas. Elaborado por Lic.

PUE_CLAVE (Texto. 50). 50). EMP_FNAC (Fecha/Hora). por otro lado dado que esto es un trabajo emergente se omite un catalogo de empleados. 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. EMP_APAT (Texto.T_EMPLEADO) Manual para la materia de Bases de Datos Distribuidas. aunque si se toma como un campo clave primario. EMP_FING (Fecha/Hora). Julio Ismael González Téllez . 50). Elaborado por Lic. EMP_NOM (Texto. por los detalles anteriores se deben hacer una serie de comprobaciones en ambas tablas. 2 Esta práctica consistirá en aplicar los conceptos de heterogeneidad de base de datos distribuidas. EMP_AMAT (Texto. 'admin'.ACE. a) Realice una consulta que muestre los datos desde BD_TEMP en el analizador de SQL en SVR_ATLANTA. 'C:\BD_TEMP. SELECT * FROM OPENROWSET('Microsoft. llevando ellos solamente un consecutivo.''.12.OLEDB. Base de datos Access 2007 Ubicación del archivo: C:\ Nombre: BD_TEMP Tablas: T_EMPLEADO Campos en T_EMPLEADO: EMP_CLAVE (Texto. vinculando servidores de diversas plataformas y realizando consultas distribuidas sobre ambas.0'. Escenario: Suponga usted que el servidor SVR_ATLANTA ha quedado momentáneamente fuera de servicio. 5) PK. 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.accdb'.PRACTICA DE LABORATORIO No.

accdb'.12.ACE.LEN(@MENSAJE). 'C:\BD_TEMP.' SET @MENSAJE=SUBSTRING(@MENSAJE.1.accdb'.' IF (SELECT TOP 1 DATEDIFF(YEAR.ACE. PUEDE PROCEDER A IMPORTAR LOS DATOS' ELSE BEGIN IF SUBSTRING(@MENSAJE. /**Script para seleccionar datos desde C:\BD_TEMP.' IF @MENSAJE='' PRINT 'TODAS LAS CARACTERISTICAS DE LA TABLA DE ACCESS FUERON SATISFACTORIAMENTE VERIFICADAS.12.0'.' IF EXISTS (SELECT PUE_CLAVE FROM OPENROWSET('Microsoft. 'C:\BD_TEMP.EMP_FNAC.T_EMPLEADO) ORDER BY CLAVE DESC)/**2**/ SET @MENSAJE='CLAVES DUPLICADAS.1)='. Elaborado por Lic.e. 'admin'.0'.3)) AS CLAVE FROM OPENROWSET('Microsoft.b) Realice una consulta que verifique que los datos a ingresar sean consistentes con la base de datos de ATLANTA.LEN(@MENSAJE)-1) PRINT 'VERIFIQUE LOS ERRORES EN: ' + @MENSAJE + ' ANTES DE IMPORTAR LOS DATOS' END Manual para la materia de Bases de Datos Distribuidas.EMP_FING) AS ANIOS FROM OPENROWSET('Microsoft. 'admin'. 'C:\BD_TEMP. 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. Julio Ismael González Téllez .OLEDB.''.OLEDB.3.12.''.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.T_EMPLEADO) ORDER BY ANIOS ASC)/**4**/ <18 SET @MENSAJE=@MENSAJE + 'EDADES DE EMPLEADOS.1.SUBSTRING(EMP_CLAVE. AT001=1**/ /**2: Hace el mismo tipo de conversion que 1: pero trabaja con todos los caracteres de la cadena de access p.e.3)) AS CLAVE FROM T_EMPLEADO ORDER BY CLAVE DESC)/**1**/ >= (SELECT TOP 1 CONVERT(INT.''.T_EMPLEADO) WHERE PUE_CLAVE NOT IN (SELECT PUE_CLAVE FROM TC_PUESTO)/** 3**/) SET @MENSAJE=@MENSAJE + 'CLAVES DE PUESTOS.OLEDB. 'admin'.accdb'.SUBSTRING(EMP_CLAVE.0'.

ACE.OLEDB. PUE_CLAVE) SELECT 'AT' + EMP_CLAVE.0'.EMP_FING. 'C:\BD_TEMP. 'admin'.c) Realice una consulta para enviar los datos desde BD_TEMP a BD_ATLANTA en SVR_ATLANTA.EMP_NOM.EMP_FNAC. EMP_AMAT. EMP_AMAT.''. EMP_APAT. /**Script para seleccionar datos desde C:\BD_TEMP. Julio Ismael González Téllez . PUE_CLAVE FROM OPENROWSET('Microsoft.EMP_FNAC. Elaborado por Lic.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.accdb'.EMP_NOM. EMP_APAT.EMP_FING.12.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.

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

El objeto podría ser una base de datos de usuario. CLI_NOM.00 $6000.00 $1200. Cada fragmento puede guardarse en cualquier sitio en una red de computadoras. y cada fragmento tiene columnas únicas.00 $0. 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. NY MI NY MI MI AT $3500. una relación en subconjunto en un nodo diferente.00 $0.00 $3500. Victory. esta tabla contiene los atributos CLI_NUM.2. Inc. y cada filas únicas tienen los mismos una sentencia SELECT.00 Comentario [W1]: Cuando aludimos a un Nombre propio hacemos la descomposición del mismo. ilustrada a continuación. Podemos hablar de tres estrategias de fragmentación de datos: horizontal. una tabla puede dividirse en varios subconjuntos horizontales (filas). en este caso los clientes que maneja la empresa son otras empresas por lo tanto el campo no se descompone en mas. La fragmentación horizontal se refiere a la división de (fragmento) de tuplas (filas). desde donde es accesara por el procesador de transacciones para procesar las solicitudes de los usuarios. se utilizara la tabla CLIENTE de la compañía XYZ.CLI_BAL.4. BTBC.00 3 1 3 3 1 2 $1245.1 Fragmentación Horizontal Suponga que la gerencia corporativa de la XYZ Company requiere información sobre sus clientes en los tres estados.00 $4000. CLI_DIR. Por consiguiente.4 Fragmentación de Datos La fragmentación de los datos permite dividir un objeto en dos o más segmentos o fragmentos. Martin Corp. 321 Sunset Blvd. se decide distribuir los datos por estado. CLI_RAT. con la excepción de la columna clave. 910 Eagle St. con una La fragmentación vertical se refiere a la división de una relación en subconjuntos de atributo (columna). 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).00 $5890. Las estrategias de fragmentación de los datos como se analizan aquí.00 $1090. Para ilustrar las estrategias de fragmentación. Sin embargo. Rue du Monde 123 Maple St. y cada una tiene un subconjunto de los atributos (columnas). una base de datos de sistema o una tabla. pero las ubicaciones de la compañía en cada estado (NY.00 $3400. se definen los fragmentos horizontales de acuerdo con la estructura mostrada en la tabla siguiente: Manual para la materia de Bases de Datos Distribuidas. Cada fragmento se guarda uno de ellos tiene filas únicas.00 $50. CLI_UBI. Julio Ismael González Téllez . 2.00 $2000. cada fragmento equivale a combinación de uniones y articulaciones. todas las atributos (columnas). la cual es común a todos los fragmentos. Mynux Corp.00 $350. Esto es el equivalente de la sentencia PROJECT. Inc. NBCC Corp 12 Main St. La fragmentación mezclada se refiere a una combinación de estrategias horizontales y verticales.00 $550.00 $2700. 909 High Ave.Inc. La información de la fragmentación de los datos se guarda en un catalogo de datos distribuidos (DDC). Cada conjunto (fragmento) se guarda en un nodo diferente.00 $1200. CLI_LIM. En suma. están basadas a nivel de tabla y consisten en dividir una tabla en fragmentos lógicos. Con base en esos requerimientos.00 $6000. MI y AT) solamente requieren datos con respecto a clientes locales. En otras palabras. Elaborado por Lic.

Mynux Corp.13. Inc. CLI_RAT. los fragmentos se definen como se muestra a continuación: NOMBRE DEL FRAGMENTO UBICACIÓN NOMBRE DEL NODO NOMBRES DE ATRIBUTO CLI_V1 CLI_V2 Edif. CLI_BAL. Cada departamento está ubicado en un edificio distinto. CLI_NOM.14 2 1 3 Cada fragmento horizontal puede tener un número diferente de filas.00 3 3 $1245.00 Nodo: MIA 2 $50.00 $1090. de servicio CLI_DIR Nodo: SVC CLI_UBI CLI_NOM Manual para la materia de Bases de Datos Distribuidas.00 $0. Julio Ismael González Téllez .Inc. el de servicio y el de colecciones.12 15 11. CLI_DIR.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. 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. En este caso. AT $2000.00 $350.00 2.00 $3400.00 $6000. pero la inclusión de los diferentes atributos depende de la columna clave. Nombre del fragmento: CLI_V1 CLI_NUM Ubicación: Edif. Por ejemplo. 910 Eagle St. NY NY $3500.00 $5890.00 $4000.00 1 3 1 $0. suponga que la compañía está dividida en dos departamentos.00 $2700. de colección SVC ARC CLI_NUM. CLI_UBI CLI_NUM. de servicio Edif. observe que el atributo clave (CLI_NUM) es común a ambos fragmentos CLI_V1 y CLI_V2. y cada uno tiene interés solamente en unos cuantos de los atributos de la tabla CLIENTE.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 10.00 $1200.00 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.00 $1200. Elaborado por Lic. pero cada uno de ellos DEBE tener los mismos atributos. 321 Sunset Blvd. CLI_DUE Cada fragmento vertical debe tener el mismo número de filas. Inc. MI MI MI $6000. Victory.00 $550. BTBC. Rue du Monde 123 Maple St.00 $3500. CLI_LIM. 12 Main St. Los resultados de la fragmentación vertical se muestran a continuación.2 Fragmentación Vertical También puede dividirse la relación CLIENTE en fragmentos verticales compuestos de un conjunto de atributos.4.

00 $350.13.00 $2700. BTBC.10 11 12 13 14 15 Nombre del fragmento: CLI_V2 CLI_NUM Sinex. CLI_BAL.14 11. 910 Eagle St.Inc. NBCC Corp 12 Main St. CLI_UBI CLI_NUM. CLI_NOM.00 2. Martin Corp.00 $3500.00 $6000. de colección CLI_BAL CLI_RAT CLI_LIM 10 11 12 13 14 15 $3500. los datos deben ser fragmentados verticalmente para acomodar los diferentes departamentos (servicio y colección). Inc. Inc. CLI_DUE CLI_NUM.00 $4000.13. CLI_UBI CLI_NUM. CLI_UBI CLI_NUM. CLI_NOM. Elaborado por Lic.00 $1090. En suma la tabla CLIENTE requiere una fragmentación mezclada.00 $0. CLI_DIR. CLI_BAL. La fragmentación mezclada requiere un procedimiento de dos pasos. con base en la ubicación dentro de un estado (CLI_UBI).CLI_RAT. dentro de cada estado por ubicación de departamento. CLI_NOM. Como los departamentos están localizados en edificios diferentes. CLI_BAL. Victory. con lo cual se satisfacen las necesidades de información de cada departamento en cada subsitio. CLI_DUE Cada fragmento mostrado en la tabla anterior contiene datos de clientes por estado y. TN FL TN FL FL GA Nodo: ARC CLI_DUE Ubicación: Edif. 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. CLI_DIR. 321 Sunset Blvd. dentro de las ubicaciones.00 $1200.12 10.00 3 1 3 3 1 2 $1245.00 $550.12 15 15 11.3 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. 909 High Ave.00 $2000.CLI_RAT.CLI_LIM. La fragmentación horizontal produce los subconjuntos de tuplas cliente (fragmentos horizontales) localizados en cada sitio.14 CLI_NUM.00 $50. CLI_DUE CLI_NUM.CLI_RAT.00 $6000. Mynux Corp. Primero.4.CLI_LIM. para adaptarse a los Manual para la materia de Bases de Datos Distribuidas.00 $5890.CLI_LIM. CLI_DIR.00 $1200. se utiliza una fragmentación vertical dentro de cada fragmento horizontal para dividir los atributos. Rue du Monde 123 Maple St. Julio Ismael González Téllez .00 $3400. se introduce la fragmentación horizontal por cada sitio.00 $0.

00 $1090.00 $350. 12 Main St.00 $5890. Inc. Victory.00 $1200.00 $2700. Elaborado por Lic.00 $4000.00 1 3 1 $0.00 $6000.00 $3400.00 $1200. en particular si la capacidad de entrega de los datos está basada en un ambiente típico de programación de aplicaciones. NY NY Nodo: NYRC CLI_DUE Nombre del fragmento: CLI_M2 CLI_NUM CLI_LIM Ubicación: NY-Colección CLI_BAL CLI_RAT 10 12 $3500.00 3 3 Nodo: ATLS CLI_UBI $1245.Inc. donde los usuarios dependen de programadores que suministran los programas para acceder a los datos guardados en la base de datos.00 Nombre del fragmento: CLI_M3 CLI_NUM Ubicación: ATServicio CLI_DIR CLI_NOM 15 NBCC Corp 909 High Ave.requerimientos de datos de cada departamento.5 Distribución de Datos Los datos son útiles solo cuando llegan a los usuarios correctos en el momento adecuado. 910 Eagle St.00 2 Nodo: MIAS CLI_UBI $50.00 $550.00 $3500. Rue du Monde 123 Maple St. AT Nodo: ATLC CLI_DUE Nombre del fragmento: CLI_M4 CLI_NUM CLI_LIM Ubicación: AT-Colección CLI_BAL CLI_RAT 15 $2000. 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. Julio Ismael González Téllez . Mynux Corp. BTBC. El DBA es responsable de que los datos sean distribuidos a las personas apropiadas en el momento apropiado y en el formato correcto.00 2. 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 $0.00 Nombre del fragmento: CLI_M5 CLI_NUM Ubicación: MIServicio CLI_DIR CLI_NOM 11 13 14 Martin Corp. Las tareas de uso y distribución de los datos del DBA pueden requerir mucho tiempo. Aunque la internet y Manual para la materia de Bases de Datos Distribuidas. Inc.

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

cada vez es más factible implementar Sistemas de Bases de Datos Distribuidas. 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.solo sitio (DB centralizada) o en múltiples sitios (DB distribuida) y puede soportar procesamientos de datos en un solo sitio o en varios. 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. 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. pues es un problema de optimización muy complejo que a medida que va creciendo su tamaño.5. El Modelo FURD. Estas fases ya se concentran en el Modelo FURD. 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. junto con su ubicación dentro de la aplicación.pdf 2. ha sido desarrollado para resolver el problema del diseño de las Bases de Datos Distribuidas.pdf. sin embargo. Una vez que se resuelve el Modelo FURD se puede dar solución al problema del diseño.2 Algoritmos Distribución Datos Replicados Al tratarse de algoritmos de distribución replicados o no replicados la definición de nuestro problema y variables será diferente. se va haciendo más difícil la forma de resolverse. Cada atributo se almacena solamente en un solo sitio (Para bases de datos distribuidas no replicadas) 2ª Restricción. Sin embargo la dificultad radica precisamente en la forma de resolverlo. Este problema se conoce como Diseño de la Distribución y nace de la necesidad de especificar las unidades de almacenamiento adecuadas.5. Julio Ismael González Téllez . horizontales o mixtos. 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. es decir el problema se restringirá de otra manera como se explica en el documento ModeladoFURD. Estas restricciones son: 1ª Restricción. Elaborado por Lic. esta tecnología lleva a los desarrolladores a enfrentar un problema. ModeladoFURD.

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

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. Una consulta en el cálculo relacional puede tener muchas transformaciones correctas y equivalentes en el álgebra relacional. Es correcta si la consulta de bajo nivel tiene la misma semántica que la consulta original. TITULO) G (ENO. Considere el siguiente subconjunto del esquema de la base de datos que se vio en el tema 2.hecho la estrategia de ejecución para la consulta. G WHERE E. producir una estrategia de ejecución eficiente es mucho más complicado. la dificultad más importante es seleccionar la estrategia de ejecución que minimiza el consumo de recursos. 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. si ambas consultas producen el mismo resultado.ENO = G.ENO AND RESPONSABLE = "ADMINISTRADOR" Manual para la materia de Bases de Datos Distribuidas. Procesamiento de consultas.1. esto es. Sin embargo.3: E (ENO. Figura 3. JNO. Elaborado por Lic. RESPONSABLE. ENOMBRE. Ya que cada estrategia de ejecución equivalente puede conducir a consumos de recursos de cómputo muy diferentes. Julio Ismael González Téllez . La transformación debe ser correcta y eficiente.

Elaborado por Lic. Debe ser complementada con operaciones para el intercambio de datos entre nodos diferentes. Julio Ismael González Téllez . E2. el álgebra relacional no es suficiente para expresar la ejecución de estrategias. 2. Manual para la materia de Bases de Datos Distribuidas. respectivamente. respectivamente. y la transferencia de un tuplo (tuptrans) tiene un costo de 10 unidades. las estrategias de ejecución de consultas pueden ser bien expresadas como una extensión del álgebra relacional. y que existen 20 administradores en la relación G. G1 y G2 están almacenados en los nodos 1. • Suponga que E y G tienen 400 y 1000 tuplos. 3 y 4. por lo tanto. Sin embargo. Para evaluar el consumo de recursos. en sistemas distribuidos. 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. consume mucho menos recursos que la primera y. la segunda estrategia que evita calcular el producto cartesiano entre E y G. La estrategia B centraliza todos los datos en el nodo resultante antes de procesar la consulta. se usará un modelo de costo simple: • Suponga que el costo de acceso a un tuplo (tupacc) es 1 unidad. 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.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. Ejemplo 3. y el resultado se quiere en el nodo 5. En la Figura 3. Además de elegir el orden de las operaciones del álgebra relacional. es mejor. En un contexto centralizado.2 se presentan dos estrategias distribuidas de ejecución diferentes para la misma consulta (se ha ignorado el operador de proyección por simplicidad del ejemplo).Dos consultas equivalentes en el álgebra relacional que son transformaciones correctas de la consulta en SQL son: y Como es intuitivamente obvio.

hay un acceso directo a los tuplos de G y E. de manera que. suponga que las relaciones G y E están agrupadas localmente en los atributos RESP y ENO. Julio Ismael González Téllez . Elaborado por Lic. respectivamente.• También. • Finalmente. suponga que los datos están uniformemente distribuidos entre los nodos. 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. respectivamente. El costo de la estrategia A se puede derivar como sigue: No.

Objetivos de la optimización de consultas Como se estableció antes. lo cual es significativo. el problema de optimización de consultas es minimizar una función de costo tal que Manual para la materia de Bases de Datos Distribuidas. La diferencia sería aún mayor si se hubiera asumido un costo de comunicación mayor y/o un grado de fragmentación mayor. 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 . Así. Elaborado por Lic.El costo de la estrategia B se puede derivar como sigue: La estrategia A es mejor por un factor de 37.

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

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

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

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

2 Análisis El análisis de consultas permite rechazar consultas normalizadas para los cuales no se requiere mayor procesamiento. En esta parte se verifica la validez de la expresión que da origen a la consulta. mientras que un arco cuyo nodo destino es una relación resultante representa una proyección. Una evaluación directa de la consulta con redundancia puede llevarnos a realizar trabajo duplicado. Esto se hace típicamente en los siguientes paso: 1. Una consulta se puede rechazar si alguno de sus atributos o nombres de relación no están definidas en el esquema global. se crea una hoja diferente para cada variable de tuplo diferente. las hojas están disponibles de forma inmediata en la cláusula FROM. REESTRUCTURACION El último paso en la descomposición de consultas reescribe la consulta en el álgebra relacional. aquellas que no contienen disyunciones y negaciones. En una gráfica de consulta. Segundo. Sin embargo.6. La transformación de una consulta en el cálculo relacional en un árbol del álgebra relacional se puede hacer como sigue. Julio Ismael González Téllez . 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 la cual únicamente se consideran las juntas. un nodo indica la relación resultante. el nodo raíz se crea como una operación de proyección Manual para la materia de Bases de Datos Distribuidas. 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. 4. Elaborado por Lic. Un arco entre dos nodos que no son resultados representa una junta. 4. Por ejemplo. SIMPLIFICACION La consulta en forma normal conjuntiva puede contener predicados redundantes. Más aún. análisis.6. Se verifica que las relaciones y atributos invocados en la consulta estén acordes con la definición en la base de datos. es posible hacerlo para una clase importante de consultas relacionales. y cualquier otro nodo representa la relación operante. El análisis anterior se basa en la representación de la consulta como una gráfica. La normalización consiste de dos partes: El análisis léxico y sintáctico. En SQL. Dentro del cálculo relacional no es posible determinar la correctitud semántica de una consulta general. simplificación y reestructuración.4. llamada la gráfica de la consulta o la gráfica de conectividad. En esta sección se abundará más sobre cada uno de los pasos. Una subgráfica importante de la gráfica de conectividad es la gráfica de juntas. El objetivo de la normalización es transformar una consulta a una forma normalizada para facilitar su procesamiento posterior. Primero. Una transformación directa del cálculo relacional en el álgebra relacional 2.1 Normalización La consulta de entrada puede ser arbitrariamente compleja dependiendo de las facilidades provistas por el lenguaje.6 Descomposición de consultas Como se dijo en la sección anterior la descomposición de consultas consiste de cuatro pasos: normalización. La consulta se puede rechazar si las componentes no contribuyen de ninguna forma a la generación del resultado. se verifica el tipo de los operandos cuando se hace la calificación. También se puede rechazar si las operaciones que se aplican a los atributos no son del tipo adecuado. Se puede hacer también un análisis semántico. La gráfica de juntas es particularmente importante durante la fase de optimización. un nodo no resultado puede ser etiquetado por un predicado de selección o auto-junta.

join. E2 y E3. 3. Aquí se tiene que: G = G1 È G2 El árbol genérico se presenta en la Figura 4. El ejemplo siguiente será usado a lo largo de esta sección.) yendo de las hojas a la raíz. 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.2.involucrando a los atributos resultantes. TITULO) puede ser dividida en tres fragmentos horizontales E1. ENOMBRE. etc. la calificación (WHERE) de una consulta se traduce a una secuencia apropiada de operaciones relacionales (select. Julio Ismael González Téllez . Manual para la materia de Bases de Datos Distribuidas. Elaborado por Lic.10. Estos se encuentran en la cláusula SELECT de una consulta en SQL. Tercero.9. La secuencia se puede dar directamente por el orden de aparición de los predicados y operadores. La relación E(ENO. Estrategias Procesamiento Consultas Distribuidas Reducción para fragmentación horizontal primaria La fragmentación horizontal distribuye una relación basada en predicados de selección. 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. union. Ejemplo 4.

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. Dado que el operador de reconstrucción para la fragmentación vertical es la junta. Dada una relación R definida sobre los atributos A = { A1. Ejemplo 4. E1 = P ENO.10.Figura 4. Considere de nuevo la relación E dividida en fragmentos verticales como en el Ejemplo 4. la cual se fragmenta verticalmente como Ri = P A (R). Elaborado por Lic. Arbol genérico para el ejemplo 4. la regla para determinar relaciones intermedias inútiles se puede formular como sigue: Regla 3: P D.13.. Considere también la siguiente consulta en SQL: SELECT ENAME Manual para la materia de Bases de Datos Distribuidas. el programa de localización para una relación fragmentada verticalmente consiste de la junta de los fragmentos sobre el atributo común. An }.12. .12. Considere la relación E dividida en dos fragmentos verticales donde el atributo ENO sirve como atributo común.ENOMBRE (E) E2 = P ENO.K (R) es inútil si el conjunto de atributos de proyección D no está en A . La fragmentación vertical distribuye una relación de acuerdo a los atributos de proyección.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.. donde A Í A. A2.. Ejemplo 4. Julio Ismael González Téllez .9.

Métodos Ejecución del Join 3.1.ENOMBRE (E) E2 = P ENO.2.2.2. 4. como se presenta en la Figura 4.FROM E E1 = P ENO. Transacciones Conceptos Manual para la materia de Bases de Datos Distribuidas.3. la inscripción a un curso o la realización de un depósito en una cuenta de cheques.13b. Julio Ismael González Téllez . 3.2. se puede ver que la proyección sobre E2 es inútil dado que ENOMBRE no está en E2. Optimización Global Consultas Distribuidas 3.TITULO (E) La consulta genérica equivalente se presenta en la Figura 4. Optimización Local Consultas Distribuidas 4.3.3. Por lo tanto. Arboles de Consultas 3.1.2.13a. la proyección necesita aplicarse únicamente a E1.1. Optimización de Consultas Distribuidas 3.3. Transformaciones Equivalentes Consultas Distribuidas 3. Elaborado por Lic. Conmutando la proyección con la junta. Manejo de transacciones Las transacciones de base de datos reflejan transacciones reales promovidas por eventos como la compra de un producto.

2. Puntos de Verificación checkpoints 4.2.4. Basados en Estampas de Tiempo 4.2. Ejecución Transacciones Centralizada Distribuida 4. Elaborado por Lic.2.1. Algoritmos de Control de Concurrencia 4.2.1.3.2. Confiabilidad 4. Pruebas Validación Optimistas 4.4.3.1.1.2.1. Julio Ismael González Téllez .2.3.3. Protocolo 2PC de Confiabilidad Distribuida Manual para la materia de Bases de Datos Distribuidas. Control de Concurrencia 4. Estructura de Transacciones 4.2.3. 4. Disciplinas del Interbloqueo prevención detección eliminación y recuperación 4. Serialización de Transacciones 4.1.3. Protocolos Redo Undo 4.2.2.4. Estructura de transacciones 4.1. Basados en Bloqueo.2. Conceptos Básicos de Confiabilidad 4.3.3.2.