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

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

(Bolivia. es claro que algunos sistemas no se pueden considerar como SBDD. Si los diferentes sitios pueden estar geográficamente dispersos. 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. entonces. éste es controlado y administrado por una sola computadora. Por ejemplo. un sistema de manejo de bases de datos y facilidades de comunicaciones. Sistemas de bases de datos distribuidas Una base de datos distribuida (BDD) es un conjunto de múltiples bases de datos lógicamente relacionadas las cuales se encuentran distribuidas entre diferentes sitios interconectados por una red de comunicaciones (ver Figura 1. (Bolivia. (Bolivia. como si un solo SMBD se ejecutara en una sola máquina. 2005.2). 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. 2005. Julio Ismael González Téllez . 6) El medio ambiente típico de un SMBDD consiste de un conjunto de sitios o nodos. un sistema de tiempo compartido no incluye necesariamente un sistema de manejo de bases de datos y. si los sitios están localizados en diferentes edificios o departamentos de una misma organización pero geográficamente en la misma ubicación. 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. (Bolivia. Dada la definición anterior. 5) Un sistema de bases de datos distribuidos (SBDD) es un sistema en el cual múltiples sitios de bases de datos están ligados por un sistema de comunicaciones. de tal forma que. (Bolivia. 2005. Elaborado por Lic. desde un punto de vista lógico. Finalmente. pág. en caso de que lo haga. pág. pág. pág. 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. pág. pág. entonces. 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. y administrara esos datos.3).1). 2005. una base de datos la cual reside en un solo sitio de una red de computadoras y que es accesada por todos los nodos de la red no es una base de datos distribuida (Figura 1. 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. los cuales tiene un sistema de procesamiento de datos completo que incluye una base de datos local. ellos están interconectados por una red de tipo WAN. El término transparente significa que la aplicación trabajaría.1. Por otro lado.Figura 1. 6) Manual para la materia de Bases de Datos Distribuidas. Motivación de los sistemas de bases de datos distribuidos. están conectados por una red local (LAN) (Figura 1. 2005. 2005. (Bolivia.

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

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

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

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

Figura 1. Julio Ismael González Téllez .4 Arquitectura ANSI/SPARC de una base de datos. Figura 1.6 Definición de una vista interna a partir de la relación S.5 Vista conceptual de las relaciones E. J y G. Figura 1. Manual para la materia de Bases de Datos Distribuidas. Elaborado por Lic. S.

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

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

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

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

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

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

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

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

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

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

suponga que ninguna parte de la base de datos esta replicada en algún otro sitio de la red. su existencia debe ser controlada por el sistema no por el usuario. Julio Ismael González Téllez . Atlanta y Miami. 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 2.3 Transparencia de Replica Consiste en que si existen replicas de objetos de la base de datos. 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. pueden examinarse tres casos de consulta: Manual para la materia de Bases de Datos Distribuidas. EMP_FNAC. es decir.1 Para ilustrar el uso de varios niveles de transparencia suponga que se tiene una tabla T_EMPLEADO que contiene los atributos EMP_CLAVE. los datos de los empleados de Atlanta en el E2 y los de Miami en el E3.2. sin hacer caso de que un fragmento este localizado en ellas). 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.3. Por último. La tabla está dividida por ubicación. EMP_AMAT. todos los datos del empleado de Nueva York están guardados en el fragmento E1. Los datos EMPLEADO están distribuidos en 3 lugares: New York. EMP_FING y PUE_CLAVE. Para enfocarse en los temas de transparencia. SI LA SENTENCIA SQL REQUIERE: NOMBRE DEL FRAGMENTO Si Si No Si No No NOMBRE DE LA UBICACIÓN EL DBMS SOPORTA Mapeo Local Transparencia de ubicación Transparencia de fragmentación NIVEL DE TRANSPARENCIA DE DISTRIBUCIÓN Bajo Medio Alto PRACTICA DE LABORATORIO No. EMP_NOM. Elaborado por Lic. EMP_APAT.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.

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

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

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

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

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

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

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

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

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

V_EMPLEADO WHERE EMP_APAT LIKE 'K%' Manual para la materia de Bases de Datos Distribuidas. y posteriormente hacer lo correspondiente para los servidores de DESKTOP\SVR_ATLANTA y DESKTOP\SVR_MIAMI: De esta forma la instrucción SELECT final del usuario seria una consulta simple como la siguiente: SELECT * FROM dbo. Julio Ismael González Téllez . 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. estas se realizarían con la siguiente sintaxis en el servidor de DESKTOP\SVR_NEWYORK. Ahora bien.

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

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

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

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

e.12.T_EMPLEADO) ORDER BY ANIOS ASC)/**4**/ <18 SET @MENSAJE=@MENSAJE + 'EDADES DE EMPLEADOS. 'admin'.0'.EMP_FING) AS ANIOS FROM OPENROWSET('Microsoft.' SET @MENSAJE=SUBSTRING(@MENSAJE.EMP_FNAC.' IF EXISTS (SELECT PUE_CLAVE FROM OPENROWSET('Microsoft.12.accdb'.1. 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.T_EMPLEADO) WHERE PUE_CLAVE NOT IN (SELECT PUE_CLAVE FROM TC_PUESTO)/** 3**/) SET @MENSAJE=@MENSAJE + 'CLAVES DE PUESTOS.ACE. 'admin'. Elaborado por Lic.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.accdb'.' IF @MENSAJE='' PRINT 'TODAS LAS CARACTERISTICAS DE LA TABLA DE ACCESS FUERON SATISFACTORIAMENTE VERIFICADAS.ACE.ACE.OLEDB.SUBSTRING(EMP_CLAVE. 'C:\BD_TEMP.3)) AS CLAVE FROM OPENROWSET('Microsoft.12.LEN(@MENSAJE)-1) PRINT 'VERIFIQUE LOS ERRORES EN: ' + @MENSAJE + ' ANTES DE IMPORTAR LOS DATOS' END Manual para la materia de Bases de Datos Distribuidas.''.T_EMPLEADO) ORDER BY CLAVE DESC)/**2**/ SET @MENSAJE='CLAVES DUPLICADAS.LEN(@MENSAJE). /**Script para seleccionar datos desde C:\BD_TEMP.SUBSTRING(EMP_CLAVE.0'.1)='. PUEDE PROCEDER A IMPORTAR LOS DATOS' ELSE BEGIN IF SUBSTRING(@MENSAJE. Julio Ismael González Téllez . AT001=1**/ /**2: Hace el mismo tipo de conversion que 1: pero trabaja con todos los caracteres de la cadena de access p. 'C:\BD_TEMP.OLEDB. 'C:\BD_TEMP.e.0'.''.3.1.OLEDB. 'admin'.' IF (SELECT TOP 1 DATEDIFF(YEAR.''.b) Realice una consulta que verifique que los datos a ingresar sean consistentes con la base de datos de ATLANTA.accdb'.3)) AS CLAVE FROM T_EMPLEADO ORDER BY CLAVE DESC)/**1**/ >= (SELECT TOP 1 CONVERT(INT.

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

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

00 Comentario [W1]: Cuando aludimos a un Nombre propio hacemos la descomposición del mismo. Cada fragmento se guarda uno de ellos tiene filas únicas.00 $1200. Victory. esta tabla contiene los atributos CLI_NUM. se utilizara la tabla CLIENTE de la compañía XYZ. Inc.1 Fragmentación Horizontal Suponga que la gerencia corporativa de la XYZ Company requiere información sobre sus clientes en los tres estados. Por consiguiente. 909 High Ave. Podemos hablar de tres estrategias de fragmentación de datos: horizontal. Rue du Monde 123 Maple St. CLI_LIM.00 $6000.00 $5890. se decide distribuir los datos por estado. se definen los fragmentos horizontales de acuerdo con la estructura mostrada en la tabla siguiente: Manual para la materia de Bases de Datos Distribuidas. todas las atributos (columnas). Mynux Corp. Las estrategias de fragmentación de los datos como se analizan aquí. En otras palabras. Cada conjunto (fragmento) se guarda en un nodo diferente. BTBC. CLI_DIR. NY MI NY MI MI AT $3500. 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. En suma. Esto es el equivalente de la sentencia PROJECT.00 $1090. Cada fragmento puede guardarse en cualquier sitio en una red de computadoras. Julio Ismael González Téllez .00 $1200. con una La fragmentación vertical se refiere a la división de una relación en subconjuntos de atributo (columna).00 $350. CLI_UBI.00 $0.00 $0. están basadas a nivel de tabla y consisten en dividir una tabla en fragmentos lógicos. CLI_RAT.Inc. 910 Eagle St.00 $4000. NBCC Corp 12 Main St. La fragmentación horizontal se refiere a la división de (fragmento) de tuplas (filas). cada fragmento equivale a combinación de uniones y articulaciones.2.00 $3500.00 $2700.CLI_BAL.00 $50. una base de datos de sistema o una tabla. y cada filas únicas tienen los mismos una sentencia SELECT.00 $550. 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). en este caso los clientes que maneja la empresa son otras empresas por lo tanto el campo no se descompone en mas. una tabla puede dividirse en varios subconjuntos horizontales (filas). y cada fragmento tiene columnas únicas. pero las ubicaciones de la compañía en cada estado (NY. MI y AT) solamente requieren datos con respecto a clientes locales. una relación en subconjunto en un nodo diferente. la cual es común a todos los fragmentos. y cada una tiene un subconjunto de los atributos (columnas). Con base en esos requerimientos. La información de la fragmentación de los datos se guarda en un catalogo de datos distribuidos (DDC). Elaborado por Lic. 2. desde donde es accesara por el procesador de transacciones para procesar las solicitudes de los usuarios. con la excepción de la columna clave. Martin Corp.00 $6000. Para ilustrar las estrategias de fragmentación.00 $3400. Inc.4 Fragmentación de Datos La fragmentación de los datos permite dividir un objeto en dos o más segmentos o fragmentos. ilustrada a continuación. Sin embargo. CLI_NOM.4. 321 Sunset Blvd. La fragmentación mezclada se refiere a una combinación de estrategias horizontales y verticales.00 $2000. El objeto podría ser una base de datos de usuario.00 3 1 3 3 1 2 $1245.

pero cada uno de ellos DEBE tener los mismos atributos. 910 Eagle St.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. Victory. CLI_NOM. NY NY $3500.4.00 2. 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 Nodo: MIA 2 $50. de colección SVC ARC CLI_NUM.00 Nombre del fragmento: CLI_H3 CLI_N UM CLI_NOM Ubicación: Miami CLI_DIR CLI_UBI CLI_LIM CLI_BAL CLI_RAT CLI_DUE 11 13 14 Martin Corp.00 1 3 1 $0. CLI_DIR.Inc. AT $2000. Los resultados de la fragmentación vertical se muestran a continuación.00 $4000. Inc.00 $0.00 $2700.00 $350.00 $3400. Nombre del fragmento: CLI_V1 CLI_NUM Ubicación: Edif.00 $550. BTBC.12 15 11. CLI_DUE Cada fragmento vertical debe tener el mismo número de filas. suponga que la compañía está dividida en dos departamentos. y cada uno tiene interés solamente en unos cuantos de los atributos de la tabla CLIENTE.00 $1200. Inc. de servicio Edif.14 2 1 3 Cada fragmento horizontal puede tener un número diferente de filas. CLI_RAT.00 $1200. En este caso. de servicio CLI_DIR Nodo: SVC CLI_UBI CLI_NOM Manual para la materia de Bases de Datos Distribuidas. 321 Sunset Blvd. CLI_LIM. 12 Main St.00 3 3 $1245.00 $5890. MI MI MI $6000. Julio Ismael González Téllez . Cada departamento está ubicado en un edificio distinto.00 $3500.00 $6000.13. Elaborado por Lic.2 Fragmentación Vertical También puede dividirse la relación CLIENTE en fragmentos verticales compuestos de un conjunto de atributos.00 $1090. el de servicio y el de colecciones. CLI_BAL. Mynux Corp. pero la inclusión de los diferentes atributos depende de la columna clave. Por ejemplo.00 Nombre del fragmento: CLI_H2 CLI_N UM CLI_NOM Ubicación: Atlanta CLI_DIR CLI_UBI CLI_LIM Nodo: ATL CLI_BAL CLI_RAT CLI_DUE 15 NBCC Corp 909 High Ave. Rue du Monde 123 Maple St. CLI_UBI CLI_NUM. 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. observe que el atributo clave (CLI_NUM) es común a ambos fragmentos CLI_V1 y CLI_V2.

12 10. Rue du Monde 123 Maple St. 910 Eagle St. Inc. Julio Ismael González Téllez .14 11.10 11 12 13 14 15 Nombre del fragmento: CLI_V2 CLI_NUM Sinex.00 $0.CLI_RAT.00 $3400. para adaptarse a los Manual para la materia de Bases de Datos Distribuidas. CLI_NOM.4. Mynux Corp. Victory. se utiliza una fragmentación vertical dentro de cada fragmento horizontal para dividir los atributos. CLI_BAL.Inc. CLI_UBI CLI_NUM.00 $1200. con base en la ubicación dentro de un estado (CLI_UBI).13. CLI_DIR. CLI_BAL.00 $6000. En suma la tabla CLIENTE requiere una fragmentación mezclada. BTBC. La fragmentación horizontal produce los subconjuntos de tuplas cliente (fragmentos horizontales) localizados en cada sitio.00 $5890. CLI_NOM.CLI_RAT. CLI_DUE Cada fragmento mostrado en la tabla anterior contiene datos de clientes por estado y.00 $50. CLI_DIR.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.00 $1200.00 $350.14 CLI_NUM. de colección CLI_BAL CLI_RAT CLI_LIM 10 11 12 13 14 15 $3500. dentro de las ubicaciones. 909 High Ave. TN FL TN FL FL GA Nodo: ARC CLI_DUE Ubicación: Edif. CLI_NOM. CLI_DIR.00 $6000. CLI_DUE CLI_NUM. se introduce la fragmentación horizontal por cada sitio.CLI_LIM.00 $0. 321 Sunset Blvd. Primero.00 $3500.CLI_LIM.00 $2700. Elaborado por Lic.00 $4000. La fragmentación mezclada requiere un procedimiento de dos pasos. 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. NBCC Corp 12 Main St. CLI_DUE CLI_NUM.00 $2000.00 3 1 3 3 1 2 $1245. CLI_UBI CLI_NUM.CLI_RAT. CLI_UBI CLI_NUM. los datos deben ser fragmentados verticalmente para acomodar los diferentes departamentos (servicio y colección).CLI_LIM.00 2.00 $1090. Inc. Martin Corp. CLI_BAL.12 15 15 11.00 $550.13. con lo cual se satisfacen las necesidades de información de cada departamento en cada subsitio. dentro de cada estado por ubicación de departamento. Como los departamentos están localizados en edificios diferentes.

Mynux Corp. Julio Ismael González Téllez . 910 Eagle St. BTBC. donde los usuarios dependen de programadores que suministran los programas para acceder a los datos guardados en la base de datos. AT Nodo: ATLC CLI_DUE Nombre del fragmento: CLI_M4 CLI_NUM CLI_LIM Ubicación: AT-Colección CLI_BAL CLI_RAT 15 $2000.00 Nombre del fragmento: CLI_M3 CLI_NUM Ubicación: ATServicio CLI_DIR CLI_NOM 15 NBCC Corp 909 High Ave. Aunque la internet y Manual para la materia de Bases de Datos Distribuidas.00 $1090. 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. 12 Main St.00 1 3 1 $0. Rue du Monde 123 Maple St.00 $5890. El DBA es responsable de que los datos sean distribuidos a las personas apropiadas en el momento apropiado y en el formato correcto.00 $6000.00 2. 321 Sunset Blvd.00 $3400. Las tareas de uso y distribución de los datos del DBA pueden requerir mucho tiempo.requerimientos de datos de cada departamento.00 3 3 Nodo: ATLS CLI_UBI $1245.00 $4000.00 Nombre del fragmento: CLI_M5 CLI_NUM Ubicación: MIServicio CLI_DIR CLI_NOM 11 13 14 Martin Corp.00 2 Nodo: MIAS CLI_UBI $50.00 $350.5 Distribución de Datos Los datos son útiles solo cuando llegan a los usuarios correctos en el momento adecuado.00 $1200.00 $550. 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 $3500.00 $2700.00 $1200. Inc. 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. Victory. en particular si la capacidad de entrega de los datos está basada en un ambiente típico de programación de aplicaciones.00 $0.Inc. Inc. Elaborado por Lic.

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

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

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

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

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

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

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

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

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

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

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

6. Esto se hace típicamente en los siguientes paso: 1. El análisis anterior se basa en la representación de la consulta como una gráfica. es posible hacerlo para una clase importante de consultas relacionales. La gráfica de juntas es particularmente importante durante la fase de optimización. mientras que un arco cuyo nodo destino es una relación resultante representa una proyección. Una subgráfica importante de la gráfica de conectividad es la gráfica de juntas. El objetivo de la normalización es transformar una consulta a una forma normalizada para facilitar su procesamiento posterior. el nodo raíz se crea como una operación de proyección Manual para la materia de Bases de Datos Distribuidas. En una gráfica de consulta. Una consulta se puede rechazar si alguno de sus atributos o nombres de relación no están definidas en el esquema global. análisis. 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. En esta sección se abundará más sobre cada uno de los pasos.6.4. 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.6 Descomposición de consultas Como se dijo en la sección anterior la descomposición de consultas consiste de cuatro pasos: normalización. Más aún. En SQL. aquellas que no contienen disyunciones y negaciones. las hojas están disponibles de forma inmediata en la cláusula FROM. llamada la gráfica de la consulta o la gráfica de conectividad. un nodo indica la relación resultante. y cualquier otro nodo representa la relación operante. Julio Ismael González Téllez . Un arco entre dos nodos que no son resultados representa una junta. se verifica el tipo de los operandos cuando se hace la calificación. La normalización consiste de dos partes: El análisis léxico y sintáctico. Dentro del cálculo relacional no es posible determinar la correctitud semántica de una consulta general. simplificación y reestructuración. SIMPLIFICACION La consulta en forma normal conjuntiva puede contener predicados redundantes. Una transformación directa del cálculo relacional en el álgebra relacional 2. Se verifica que las relaciones y atributos invocados en la consulta estén acordes con la definición en la base de datos. Primero. Se puede hacer también un análisis semántico. REESTRUCTURACION El último paso en la descomposición de consultas reescribe la consulta en el álgebra relacional. Por ejemplo. Una evaluación directa de la consulta con redundancia puede llevarnos a realizar trabajo duplicado. En esta parte se verifica la validez de la expresión que da origen a la consulta. 4. También se puede rechazar si las operaciones que se aplican a los atributos no son del tipo adecuado. se crea una hoja diferente para cada variable de tuplo diferente. 4. Segundo. un nodo no resultado puede ser etiquetado por un predicado de selección o auto-junta.1 Normalización La consulta de entrada puede ser arbitrariamente compleja dependiendo de las facilidades provistas por el lenguaje. en la cual únicamente se consideran las juntas. La transformación de una consulta en el cálculo relacional en un árbol del álgebra relacional se puede hacer como sigue. Sin embargo.2 Análisis El análisis de consultas permite rechazar consultas normalizadas para los cuales no se requiere mayor procesamiento. La consulta se puede rechazar si las componentes no contribuyen de ninguna forma a la generación del resultado. Elaborado por Lic.

ENOMBRE. E2 y E3.) yendo de las hojas a la raíz. Estrategias Procesamiento Consultas Distribuidas Reducción para fragmentación horizontal primaria La fragmentación horizontal distribuye una relación basada en predicados de selección. TITULO) puede ser dividida en tres fragmentos horizontales E1. Tercero.10. Ejemplo 4. El ejemplo siguiente será usado a lo largo de esta sección. La relación E(ENO. Manual para la materia de Bases de Datos Distribuidas. etc. Estos se encuentran en la cláusula SELECT de una consulta en SQL. join. Aquí se tiene que: G = G1 È G2 El árbol genérico se presenta en la Figura 4. 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. union. Julio Ismael González Téllez .9. La secuencia se puede dar directamente por el orden de aparición de los predicados y operadores. Elaborado por Lic. 3.involucrando a los atributos resultantes. la calificación (WHERE) de una consulta se traduce a una secuencia apropiada de operaciones relacionales (select. Aquí se tiene que: E = E1 È E2 È E13 La relación G puede ser dividida en dos fragmentos horizontales G1 y G2 definidos como sigue: G1 = s ENO £ "E3" (G) G2 = s ENO > "E3" (G) El programa de localización para G es la unión de los fragmentos.2.

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

Transformaciones Equivalentes Consultas Distribuidas 3. la inscripción a un curso o la realización de un depósito en una cuenta de cheques.2.FROM E E1 = P ENO.13b. Métodos Ejecución del Join 3.1. Conmutando la proyección con la junta. 3.1. Transacciones Conceptos Manual para la materia de Bases de Datos Distribuidas.13a.2. Optimización Global Consultas Distribuidas 3.3. Por lo tanto. la proyección necesita aplicarse únicamente a E1. Arboles de Consultas 3.1. Optimización de Consultas Distribuidas 3.2. 4.ENOMBRE (E) E2 = P ENO. se puede ver que la proyección sobre E2 es inútil dado que ENOMBRE no está en E2.TITULO (E) La consulta genérica equivalente se presenta en la Figura 4.2. Elaborado por Lic.3. como se presenta en la Figura 4.3. Optimización Local Consultas Distribuidas 4. Julio Ismael González Téllez . Manejo de transacciones Las transacciones de base de datos reflejan transacciones reales promovidas por eventos como la compra de un producto.2.3.

1. Pruebas Validación Optimistas 4. Puntos de Verificación checkpoints 4.2. Protocolo 2PC de Confiabilidad Distribuida Manual para la materia de Bases de Datos Distribuidas. Algoritmos de Control de Concurrencia 4. 4.1. Basados en Estampas de Tiempo 4.2. Estructura de Transacciones 4.2.1.3. Julio Ismael González Téllez .2.4.1. Protocolos Redo Undo 4.3.1.1.2.2. Elaborado por Lic. Conceptos Básicos de Confiabilidad 4. Basados en Bloqueo.2.2. Estructura de transacciones 4.2.4. Ejecución Transacciones Centralizada Distribuida 4. Serialización de Transacciones 4. Confiabilidad 4.2.3. Control de Concurrencia 4.3.3.2.3.2.2. Disciplinas del Interbloqueo prevención detección eliminación y recuperación 4.1.3.3.4.

Sign up to vote on this title
UsefulNot useful