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

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

3). Por ejemplo. en caso de que lo haga. 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. si los sitios están localizados en diferentes edificios o departamentos de una misma organización pero geográficamente en la misma ubicación. 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. éste es controlado y administrado por una sola computadora. (Bolivia. entonces. (Bolivia. 2005. (Bolivia.1. Sistemas de bases de datos distribuidas Una base de datos distribuida (BDD) es un conjunto de múltiples bases de datos lógicamente relacionadas las cuales se encuentran distribuidas entre diferentes sitios interconectados por una red de comunicaciones (ver Figura 1.1).Figura 1. 6) Manual para la materia de Bases de Datos Distribuidas. están conectados por una red local (LAN) (Figura 1. pág. Dada la definición anterior. y administrara esos datos. 2005. pág. Si los diferentes sitios pueden estar geográficamente dispersos. pág. desde un punto de vista lógico. (Bolivia. 2005. Motivación de los sistemas de bases de datos distribuidos. 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. 6) El medio ambiente típico de un SMBDD consiste de un conjunto de sitios o nodos. un sistema de manejo de bases de datos y facilidades de comunicaciones. los cuales tiene un sistema de procesamiento de datos completo que incluye una base de datos local. pág. entonces. como si un solo SMBD se ejecutara en una sola máquina. de tal forma que. 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. Por otro lado. Elaborado por Lic. una base de datos la cual reside en un solo sitio de una red de computadoras y que es accesada por todos los nodos de la red no es una base de datos distribuida (Figura 1. pág. (Bolivia. (Bolivia. 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. Finalmente. un sistema de tiempo compartido no incluye necesariamente un sistema de manejo de bases de datos y. ellos están interconectados por una red de tipo WAN.2). es claro que algunos sistemas no se pueden considerar como SBDD. 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. El término transparente significa que la aplicación trabajaría. Julio Ismael González Téllez . 2005. 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. 2005.

Un sistema centralizado sobre una red. Elaborado por Lic. Manual para la materia de Bases de Datos Distribuidas. Un medio ambiente distribuido para bases de datos.3. Julio Ismael González Téllez .2. Figura 1.Figura 1.

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

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

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

Manual para la materia de Bases de Datos Distribuidas. Figura 1. J y G. Elaborado por Lic. S.4 Arquitectura ANSI/SPARC de una base de datos.6 Definición de una vista interna a partir de la relación S. Figura 1.5 Vista conceptual de las relaciones E.Figura 1. Julio Ismael González Téllez .

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

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

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

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

Existe un vínculo entre el diseño de las vistas y el diseño conceptual. se deben sincronizar las actualización es de los datos?) • Mapeo para determinar la ubicación de los datos de fragmentos locales y remotos. por otro lado. El diseño de las vistas trata de definir las interfaces para el usuario final y. Dichas estimaciones deberían girar en torno a la frecuencia de acceso. se distribuyen entre varios sitios. cada entidad se corresponde con una relación. 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. a las distintas relaciones de las que hace uso. el diseño conceptual se encarga de examinar la empresa para determinar los tipos de entidades y establecer la relación entre ellas. 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. Sería posible tratar cada entidad como una unidad de distribución.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. El diseño conceptual puede interpretarse como la integración de las vistas del usuario. Este esquema y la información relativa al acceso a los datos sirven de entrada al paso distintivo: el diseño de la distribución. • Interface de E/S para leer o escribir datos de en medios de almacenamientos locales permanentes. se sabe que la actividad de desarrollo y diseño es un tipo de proceso que necesita de una monitorización y un ajuste periódicos. • Formateo para preparar los datos para su presentación al usuario final o un programa de aplicación. en el caso del modelo relacional. tanto las funciones de datos como de procesamiento. (Diseño de Bases de Datos Distribuidos) 2. podría afinarse más anotando los atributos de la relación a la que accede. se recopilarán datos estadísticos o estimaciones sobre la actividad de estas aplicaciones. se puede abordar la confección del esquema conceptual global. Por último. si las hay. El último paso del diseño de la distribución es el diseño físico. • Optimización de consultas para encontrar la mejor estrategia de acceso (¿Cuáles fragmentos deben ser accesados por la consulta y como. así mismo. Julio Ismael González Téllez . este aspecto es de vital importancia ya que el modelo conceptual debería soportar no sólo las aplicaciones existentes. Las entradas para este paso son los esquemas conceptuales locales y la información de acceso a los fragmentos. Desarrollado el trabajo hasta aquí. para que si se llegan a producir desviaciones. 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. 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. por parte de una aplicación. que el proceso del diseño de la distribución conste de dos actividades fundamentales: la fragmentación y la asignación. De ahí. Manual para la materia de Bases de Datos Distribuidas. • Transformación para determinar que componentes de solicitud de datos se distribuyen y cuales son locales. Elaborado por Lic.se realizan de forma paralela. el cual proyecta los esquemas conceptuales locales sobre los dispositivos de almacenamiento físico disponibles en los distintos sitios.

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

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

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

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

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

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

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

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

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

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

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

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

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

'sa'. ''.'false'. 'SQLOLEDB'. 'newyork' EXEC sp_addlinkedsrvlogin 'DESKTOP\SVR_ATLANTA'.Así mismo en DESKTOP\MIAMI la sintaxis será la siguiente: EXEC sp_addlinkedserver 'DESKTOP\SVR_NEWYORK'. Elaborado por Lic. 'atlanta' Para conocer los servidores disponibles. ''.'sa'. 'BD_ATLANTA' EXEC sp_addlinkedsrvlogin 'DESKTOP\SVR_NEWYORK'.'false'. 'BD_NEWYORK' EXEC sp_addlinkedserver 'DESKTOP\SVR_ATLANTA'.''.'sa'. 'DESKTOP\SVR_NEWYORK'.'sa'. ejecute sp_helpserver en cada una de las instancias instaladas. ''. que se han agregado. ''. 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 . 'SQLOLEDB'. 'DESKTOP\SVR_ATLANTA'.''.

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

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

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

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

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'. Elaborado por Lic.T_EMPLEADO UNION SELECT * FROM OPENDATASOURCE( 'SQLOLEDB'. Previamente configurado sp_configure Manual para la materia de Bases de Datos Distribuidas.dbo. User ID=sa. 'Data Source= DESKTOP\SVR_MIAMI.BD_ATLANTA.dbo.BD_MIAMI. Password=atlanta' ). Password=miami' ). 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. más no su ubicación.T_EMPLEADO La instrucción UNION aplicaría con diferentes servidores de SQL Server 2005. para este ejemplo puede ejecutar la consulta directamente sobre SQL Server 2005. Julio Ismael González Téllez . 'Data Source= DESKTOP\SVR_ATLANTA.

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

'admin'. 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.e.T_EMPLEADO) ORDER BY ANIOS ASC)/**4**/ <18 SET @MENSAJE=@MENSAJE + 'EDADES DE EMPLEADOS.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.1. AT001=1**/ /**2: Hace el mismo tipo de conversion que 1: pero trabaja con todos los caracteres de la cadena de access p. 'admin'.e.' IF (SELECT TOP 1 DATEDIFF(YEAR.0'.OLEDB. 'admin'.T_EMPLEADO) ORDER BY CLAVE DESC)/**2**/ SET @MENSAJE='CLAVES DUPLICADAS.b) Realice una consulta que verifique que los datos a ingresar sean consistentes con la base de datos de ATLANTA.LEN(@MENSAJE).ACE.SUBSTRING(EMP_CLAVE.accdb'.3)) AS CLAVE FROM OPENROWSET('Microsoft. 'C:\BD_TEMP. 'C:\BD_TEMP.EMP_FNAC. 'C:\BD_TEMP. Elaborado por Lic.' IF @MENSAJE='' PRINT 'TODAS LAS CARACTERISTICAS DE LA TABLA DE ACCESS FUERON SATISFACTORIAMENTE VERIFICADAS.0'.1)='.SUBSTRING(EMP_CLAVE.' IF EXISTS (SELECT PUE_CLAVE FROM OPENROWSET('Microsoft.''.''.''.3. Julio Ismael González Téllez .OLEDB.12.EMP_FING) AS ANIOS FROM OPENROWSET('Microsoft.LEN(@MENSAJE)-1) PRINT 'VERIFIQUE LOS ERRORES EN: ' + @MENSAJE + ' ANTES DE IMPORTAR LOS DATOS' END Manual para la materia de Bases de Datos Distribuidas.accdb'.ACE. PUEDE PROCEDER A IMPORTAR LOS DATOS' ELSE BEGIN IF SUBSTRING(@MENSAJE. /**Script para seleccionar datos desde C:\BD_TEMP.OLEDB.12.accdb'.12.T_EMPLEADO) WHERE PUE_CLAVE NOT IN (SELECT PUE_CLAVE FROM TC_PUESTO)/** 3**/) SET @MENSAJE=@MENSAJE + 'CLAVES DE PUESTOS.0'.ACE.' SET @MENSAJE=SUBSTRING(@MENSAJE.1.3)) AS CLAVE FROM T_EMPLEADO ORDER BY CLAVE DESC)/**1**/ >= (SELECT TOP 1 CONVERT(INT.

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

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

CLI_RAT. Para ilustrar las estrategias de fragmentación. Con base en esos requerimientos.00 $2700. NBCC Corp 12 Main St. Esto es el equivalente de la sentencia PROJECT.4 Fragmentación de Datos La fragmentación de los datos permite dividir un objeto en dos o más segmentos o fragmentos. En suma. están basadas a nivel de tabla y consisten en dividir una tabla en fragmentos lógicos. Por consiguiente. BTBC. Cada conjunto (fragmento) se guarda en un nodo diferente. se decide distribuir los datos por estado. La fragmentación mezclada se refiere a una combinación de estrategias horizontales y verticales. Cada fragmento puede guardarse en cualquier sitio en una red de computadoras. una base de datos de sistema o una tabla. cada fragmento equivale a combinación de uniones y articulaciones. con una La fragmentación vertical se refiere a la división de una relación en subconjuntos de atributo (columna). Inc. 910 Eagle St. 909 High Ave. y cada fragmento tiene columnas únicas.00 $1090. y cada una tiene un subconjunto de los atributos (columnas). ilustrada a continuación. El objeto podría ser una base de datos de usuario.00 $350. CLI_DIR. MI y AT) solamente requieren datos con respecto a clientes locales. con la excepción de la columna clave.00 $3500. En otras palabras. Podemos hablar de tres estrategias de fragmentación de datos: horizontal. pero las ubicaciones de la compañía en cada estado (NY. Elaborado por Lic. Mynux Corp. Victory.00 $5890. Sin embargo.00 $1200.00 $50.00 Comentario [W1]: Cuando aludimos a un Nombre propio hacemos la descomposición del mismo.00 $4000. 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. una tabla puede dividirse en varios subconjuntos horizontales (filas). Cada fragmento se guarda uno de ellos tiene filas únicas.00 $0. Rue du Monde 123 Maple St. 321 Sunset Blvd. 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). La información de la fragmentación de los datos se guarda en un catalogo de datos distribuidos (DDC). una relación en subconjunto en un nodo diferente.00 3 1 3 3 1 2 $1245.4. La fragmentación horizontal se refiere a la división de (fragmento) de tuplas (filas). Inc.Inc. se utilizara la tabla CLIENTE de la compañía XYZ.00 $3400. 2.1 Fragmentación Horizontal Suponga que la gerencia corporativa de la XYZ Company requiere información sobre sus clientes en los tres estados. Las estrategias de fragmentación de los datos como se analizan aquí. CLI_NOM. en este caso los clientes que maneja la empresa son otras empresas por lo tanto el campo no se descompone en mas. Martin Corp. la cual es común a todos los fragmentos.00 $1200.00 $6000. NY MI NY MI MI AT $3500. CLI_LIM.00 $550. todas las atributos (columnas).00 $0.CLI_BAL. y cada filas únicas tienen los mismos una sentencia SELECT. esta tabla contiene los atributos CLI_NUM. CLI_UBI. se definen los fragmentos horizontales de acuerdo con la estructura mostrada en la tabla siguiente: Manual para la materia de Bases de Datos Distribuidas. desde donde es accesara por el procesador de transacciones para procesar las solicitudes de los usuarios. Julio Ismael González Téllez .2.00 $6000.00 $2000.

Inc.00 $2700.00 3 3 $1245. Elaborado por Lic. 12 Main St. CLI_RAT. Mynux Corp. Por ejemplo. el de servicio y el de colecciones. suponga que la compañía está dividida en dos departamentos. Inc.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.2 Fragmentación Vertical También puede dividirse la relación CLIENTE en fragmentos verticales compuestos de un conjunto de atributos. CLI_NOM.00 $1090. Nombre del fragmento: CLI_V1 CLI_NUM Ubicación: Edif. MI MI MI $6000. de servicio Edif.00 $6000. En este caso. Julio Ismael González Téllez .00 Nodo: MIA 2 $50. pero la inclusión de los diferentes atributos depende de la columna clave.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 10.4. CLI_LIM.13.00 $3400. Los resultados de la fragmentación vertical se muestran a continuación. AT $2000.00 $550.00 2. observe que el atributo clave (CLI_NUM) es común a ambos fragmentos CLI_V1 y CLI_V2. 910 Eagle St. los fragmentos se definen como se muestra a continuación: NOMBRE DEL FRAGMENTO UBICACIÓN NOMBRE DEL NODO NOMBRES DE ATRIBUTO CLI_V1 CLI_V2 Edif.00 $1200. CLI_DIR.00 $3500. BTBC.14 2 1 3 Cada fragmento horizontal puede tener un número diferente de filas. Rue du Monde 123 Maple St. Cada departamento está ubicado en un edificio distinto. Victory. 321 Sunset Blvd. de colección SVC ARC CLI_NUM.00 $4000. NY NY $3500. 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. CLI_UBI CLI_NUM.00 $350.00 $0. pero cada uno de ellos DEBE tener los mismos atributos. y cada uno tiene interés solamente en unos cuantos de los atributos de la tabla CLIENTE.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. CLI_DUE Cada fragmento vertical debe tener el mismo número de filas. de servicio CLI_DIR Nodo: SVC CLI_UBI CLI_NOM Manual para la materia de Bases de Datos Distribuidas.00 $5890.00 1 3 1 $0. CLI_BAL.Inc.12 15 11.00 $1200.

CLI_DIR.00 $2700. CLI_DIR.00 $5890. Martin Corp. CLI_DIR. CLI_BAL.CLI_LIM.00 $3400.3 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. Inc. los datos deben ser fragmentados verticalmente para acomodar los diferentes departamentos (servicio y colección).00 $1200. Inc. Como los departamentos están localizados en edificios diferentes. se utiliza una fragmentación vertical dentro de cada fragmento horizontal para dividir los atributos. para adaptarse a los Manual para la materia de Bases de Datos Distribuidas. La fragmentación mezclada requiere un procedimiento de dos pasos. TN FL TN FL FL GA Nodo: ARC CLI_DUE Ubicación: Edif.00 $6000.12 10.00 $350. CLI_NOM.00 $3500. 910 Eagle St. de colección CLI_BAL CLI_RAT CLI_LIM 10 11 12 13 14 15 $3500. Mynux Corp. dentro de cada estado por ubicación de departamento.Inc.00 2. CLI_NOM. En suma la tabla CLIENTE requiere una fragmentación mezclada. con base en la ubicación dentro de un estado (CLI_UBI).00 $1090.CLI_RAT.00 $6000.14 CLI_NUM. CLI_DUE Cada fragmento mostrado en la tabla anterior contiene datos de clientes por estado y. 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 10.12 15 15 11. CLI_UBI CLI_NUM. 321 Sunset Blvd. 909 High Ave.00 $0.10 11 12 13 14 15 Nombre del fragmento: CLI_V2 CLI_NUM Sinex. BTBC. Elaborado por Lic.4. Rue du Monde 123 Maple St. CLI_BAL.00 $2000.00 $50. NBCC Corp 12 Main St.13.CLI_LIM.CLI_RAT. CLI_NOM. Victory.13.CLI_LIM. CLI_BAL.00 $0. CLI_DUE CLI_NUM. La fragmentación horizontal produce los subconjuntos de tuplas cliente (fragmentos horizontales) localizados en cada sitio. CLI_UBI CLI_NUM. CLI_UBI CLI_NUM. con lo cual se satisfacen las necesidades de información de cada departamento en cada subsitio.00 3 1 3 3 1 2 $1245. Julio Ismael González Téllez .00 $4000.00 $550. CLI_DUE CLI_NUM.14 11.CLI_RAT. Primero. dentro de las ubicaciones.00 $1200. se introduce la fragmentación horizontal por cada sitio.

12 Main St.00 $0.00 $3400. donde los usuarios dependen de programadores que suministran los programas para acceder a los datos guardados en la base de datos.Inc.00 $1090. Rue du Monde 123 Maple St.00 $3500. El DBA es responsable de que los datos sean distribuidos a las personas apropiadas en el momento apropiado y en el formato correcto.00 1 3 1 $0.00 Nombre del fragmento: CLI_M5 CLI_NUM Ubicación: MIServicio CLI_DIR CLI_NOM 11 13 14 Martin Corp. Mynux Corp. 321 Sunset Blvd. Aunque la internet y Manual para la materia de Bases de Datos Distribuidas. Julio Ismael González Téllez .00 3 3 Nodo: ATLS CLI_UBI $1245. 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. AT Nodo: ATLC CLI_DUE Nombre del fragmento: CLI_M4 CLI_NUM CLI_LIM Ubicación: AT-Colección CLI_BAL CLI_RAT 15 $2000.00 $1200. Victory.00 $1200. 910 Eagle St. en particular si la capacidad de entrega de los datos está basada en un ambiente típico de programación de aplicaciones. Inc. Las tareas de uso y distribución de los datos del DBA pueden requerir mucho tiempo. BTBC.00 $5890.00 $2700.requerimientos de datos de cada departamento.00 2 Nodo: MIAS CLI_UBI $50.00 $4000. Inc. 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 $6000.00 $550.00 2.00 $350.00 Nombre del fragmento: CLI_M3 CLI_NUM Ubicación: ATServicio CLI_DIR CLI_NOM 15 NBCC Corp 909 High Ave.5 Distribución de Datos Los datos son útiles solo cuando llegan a los usuarios correctos en el momento adecuado. Elaborado por Lic. 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 $6000.

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

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

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

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

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

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

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

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

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

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

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

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

la calificación (WHERE) de una consulta se traduce a una secuencia apropiada de operaciones relacionales (select. El ejemplo siguiente será usado a lo largo de esta sección. Estos se encuentran en la cláusula SELECT de una consulta en SQL. Estrategias Procesamiento Consultas Distribuidas Reducción para fragmentación horizontal primaria La fragmentación horizontal distribuye una relación basada en predicados de selección. Elaborado por Lic. union. 3. La secuencia se puede dar directamente por el orden de aparición de los predicados y operadores. 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. E2 y E3. Julio Ismael González Téllez .2.) yendo de las hojas a la raíz. Ejemplo 4. Manual para la materia de Bases de Datos Distribuidas. Tercero.involucrando a los atributos resultantes. Aquí se tiene que: G = G1 È G2 El árbol genérico se presenta en la Figura 4.10. La relación E(ENO. ENOMBRE. join. etc. 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. TITULO) puede ser dividida en tres fragmentos horizontales E1.9.

Ejemplo 4...K (R) es inútil si el conjunto de atributos de proyección D no está en A . Elaborado por Lic. Dada una relación R definida sobre los atributos A = { A1. donde A Í A. Considere la relación E dividida en dos fragmentos verticales donde el atributo ENO sirve como atributo común. Arbol genérico para el ejemplo 4. la regla para determinar relaciones intermedias inútiles se puede formular como sigue: Regla 3: P D. .ENOMBRE (E) E2 = P ENO. A2. 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. Considere de nuevo la relación E dividida en fragmentos verticales como en el Ejemplo 4.10.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.12. La fragmentación vertical distribuye una relación de acuerdo a los atributos de proyección..12.Figura 4. E1 = P ENO. la cual se fragmenta verticalmente como Ri = P A (R). Ejemplo 4. Considere también la siguiente consulta en SQL: SELECT ENAME Manual para la materia de Bases de Datos Distribuidas. Julio Ismael González Téllez . An }.9. Dado que el operador de reconstrucción para la fragmentación vertical es la junta.13. el programa de localización para una relación fragmentada verticalmente consiste de la junta de los fragmentos sobre el atributo común.

TITULO (E) La consulta genérica equivalente se presenta en la Figura 4.FROM E E1 = P ENO. Elaborado por Lic.2. 4. Manejo de transacciones Las transacciones de base de datos reflejan transacciones reales promovidas por eventos como la compra de un producto.2. Por lo tanto. se puede ver que la proyección sobre E2 es inútil dado que ENOMBRE no está en E2. 3. Optimización Local Consultas Distribuidas 4. Métodos Ejecución del Join 3.13a. Optimización de Consultas Distribuidas 3. Arboles de Consultas 3.ENOMBRE (E) E2 = P ENO. la proyección necesita aplicarse únicamente a E1.3. la inscripción a un curso o la realización de un depósito en una cuenta de cheques. Julio Ismael González Téllez . Conmutando la proyección con la junta.1. Transacciones Conceptos Manual para la materia de Bases de Datos Distribuidas.3.1.3.2.13b.1. Optimización Global Consultas Distribuidas 3.3.2.2. Transformaciones Equivalentes Consultas Distribuidas 3. como se presenta en la Figura 4.

Pruebas Validación Optimistas 4.2. Basados en Bloqueo.3. Ejecución Transacciones Centralizada Distribuida 4.1.1.4.4.3.3. Elaborado por Lic. Protocolos Redo Undo 4.1. Conceptos Básicos de Confiabilidad 4. Estructura de transacciones 4.3.2.2.2. Serialización de Transacciones 4.3.2.2. 4. Algoritmos de Control de Concurrencia 4. Basados en Estampas de Tiempo 4. Puntos de Verificación checkpoints 4.2.1.1. Disciplinas del Interbloqueo prevención detección eliminación y recuperación 4.2. Estructura de Transacciones 4.2.3.2.3.4. Julio Ismael González Téllez . Control de Concurrencia 4. Confiabilidad 4.1.2.3.2.1.2. Protocolo 2PC de Confiabilidad Distribuida Manual para la materia de Bases de Datos Distribuidas.