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

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

Elaborado por Lic. pág. 6) El medio ambiente típico de un SMBDD consiste de un conjunto de sitios o nodos. pág. 2005. 6) Un sistema de multiprocesamiento puede administrar una base de datos pero lo hace usualmente a través de un solo sistema de manejo de base de datos. Por ejemplo. y administrara esos datos. 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. están conectados por una red local (LAN) (Figura 1. 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. 2005. 6) Manual para la materia de Bases de Datos Distribuidas. pág. (Bolivia. El término transparente significa que la aplicación trabajaría. 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 1.3). Dada la definición anterior. Motivación de los sistemas de bases de datos distribuidos. los cuales tiene un sistema de procesamiento de datos completo que incluye una base de datos local. (Bolivia.2). 2005. entonces. es claro que algunos sistemas no se pueden considerar como SBDD. 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. en caso de que lo haga.1. ellos están interconectados por una red de tipo WAN. si los sitios están localizados en diferentes edificios o departamentos de una misma organización pero geográficamente en la misma ubicación. Si los diferentes sitios pueden estar geográficamente dispersos. 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. entonces. Finalmente. (Bolivia. un sistema de manejo de bases de datos y facilidades de comunicaciones. (Bolivia. (Bolivia. 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.1). éste es controlado y administrado por una sola computadora. 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. 2005.Figura 1. Julio Ismael González Téllez . desde un punto de vista lógico. 2005. de tal forma que. 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. 2005. (Bolivia. un sistema de tiempo compartido no incluye necesariamente un sistema de manejo de bases de datos y. pág. pág. Por otro lado. como si un solo SMBD se ejecutara en una sola máquina.

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

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

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

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

Figura 1. Manual para la materia de Bases de Datos Distribuidas.Figura 1. Figura 1. Elaborado por Lic. J y G. Julio Ismael González Téllez . S.5 Vista conceptual de las relaciones E.4 Arquitectura ANSI/SPARC de una base de datos.6 Definición de una vista interna a partir de la relación S.

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

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

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

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

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

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

agregar un nuevo atributo a una relación, la creación de una nueva relación, el reordenamiento lógico de algunos atributos. Independencia física de datos. Se refiere al ocultamiento de los detalles sobre las estructuras de almacenamiento a las aplicaciones de usuario. Esto es, la descripción física de datos puede cambiar sin afectar a las aplicaciones de usuario. Por ejemplo, los datos pueden ser movidos de un disco a otro, o la organización de los datos puede cambiar. La transparencia al nivel de red se refiere a que los datos en un SBDD se accesan sobre una red de computadoras, sin embargo, las aplicaciones no deben notar su existencia. La transparencia al nivel de red conlleva a dos cosas: Ejemplo Las entidades a ser modeladas son ingenieros y proyectos. Para cada ingeniero, se desea conocer su número de empleado (ENO), su nombre (ENOMBRE), el puesto ocupado en la compañía (TITULO), el salario (SAL), la identificación de los nombres de proyectos en los cuales está trabajando (JNO), la responsabilidad que tiene dentro del proyecto (PUESTO) y la duración de su responsabilidad en meses (DUR). Similarmente, para cada proyecto se desea conocer el número de proyecto (JNO), el nombre del proyecto (JNOMBRE), el presupuesto asignado al proyecto (PRESUPUESTO) y el lugar en donde se desarrolla el proyecto (LUGAR). Un ingeniero puede participar en más de un proyecto pero su salario corresponde únicamente al puesto que ocupa en la compañía. Así, después de aplicar normalización se obtienen las relaciones E ?para ingenieros, J ?para proyectos, S ?para los salarios asignados a los puestos y G ?para los ingenieros asignados a cada proyecto.

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

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

Bases de datos de una empresa con cuatro relaciones: E (ingenieros) ENO E1 E2 E3 E4 E5 E6 E7 E8 ENOMBRE Juan Rodríguez Miguel Sánchez Armando Legarreta Beatriz Molleda Jorge Castañeda Luis Chávez Roberto Dávila Julia Jiménez TITULO Ingeniero Eléctrico Analista de Sistemas Ingeniero Mecánico Programador Analista de Sistemas Ingeniero Eléctrico Ingeniero Mecánico Analista de Sistemas

G (ingenieros asignados a proyecto) ENO JNO PUESTO DUR E1 J1 Administrador 12 E2 J1 Analista 24 E2 J2 Analista 6 E3 J3 Consultor 10 E3 J4 Ingeniero 48 E4 J2 Programador 18 E5 J2 Administrador 24 J (proyectos) JNOMBRE PRESUPUESTO Instrumentaci 150000 ón Desarrollo de 135000 bases de datos CAD/CAM 250000 Mantenimient 310000 o CAD/CAM 500000

JNO J1 J2

LUGAR Monterre y México

J3 J4 J5

Puebla México Monterre y

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

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

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

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

2004. 2004. 2004. 499) Manual para la materia de Bases de Datos Distribuidas. (Coronel & Rob. la cual permite que el sistema funcione como si fuera un DBMS centralizado. la cual permite que una transacción actualice datos en varios sitios de la red. Por consiguiente. todas las complejidades de una base de datos distribuida están escondidas. 2004. Julio Ismael González Téllez . (Coronel & Rob. global. pág. La transparencia de transacción garantiza que la transacción será completada en su totalidad o abortada. El DDBMS es responsable de transformar las solicitudes de datos del esquema global en es quema de DDBMS local. (Coronel & Rob. la cual permite que el sistema continúa operando en el caso de una falla de nodo. (Coronel & Rob. (Coronel & Rob.2 Transparencia de Fragmentación Es el mayor nivel de transparencia. pág. pág. pág. la cual permite que una base de datos distribuida sea tratada como una sola base de datos lógica. Las funciones que se perdieron a causa de la falla serán recobradas por otro nodo de la red. el usuario cree que el o ella esta trabajando con un DBMS centralizado. o son transparentes. 499) 2.3. la cual permite la integración de varios DBMS locales diferentes conforme a un esquema común. ni los nombres ni la ubicación de los fragmentos se especifican antes de acceder a los datos. Si un DDBMS exhibe transparencia de distribución. 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) Transparencia de ubicación local Existe cuando el usuario o programador debe especificar tanto los nombres como las ubicaciones de los fragmentos. (Coronel & Rob. 498) • Transparencia de transacción. pág. En otras palabras. 2004. El sistema no sufrirá ninguna degradación de desempeño por su uso en una red o por diferencia de plataforma de la red. 498) 2. 2004. pág. 498) • Transparencia de heterogeneidad. pág. 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. 498) • Transparencia de falla. pág. (Coronel & Rob. 2004. El usuario o programador no necesita saber que una base de datos esta en particiones. con lo cual se mantiene la integridad de la base de datos. También garantiza que el sistema encontrara la ruta de acceso mas optima a los datos remotos. 2004. Elaborado por Lic. pág. para el usuario.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. 498) • Transparencia de desempeño. (Coronel & Rob. 498) Las características de transparencia del DDBMS son: • Transparencia de distribución.Características de la Transparencia Un sistema de base de datos distribuida requiere características funcionales que puedan ser agrupadas y descritas como características de transparencia.

suponga que ninguna parte de la base de datos esta replicada en algún otro sitio de la red. pueden examinarse tres casos de consulta: Manual para la materia de Bases de Datos Distribuidas. Para enfocarse en los temas de transparencia. su existencia debe ser controlada por el sistema no por el usuario. sin hacer caso de que un fragmento este localizado en ellas). Julio Ismael González Téllez . EMP_FNAC. 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. Por último. EMP_NOM. también suponga que la tabla EMPLEADO esta fragmentada y que cada fragmento es único (la condición de fragmento único indica que todas las filas son únicas.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. EMP_APAT. EMP_FING y PUE_CLAVE.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. La tabla está dividida por ubicación.1 Para ilustrar el uso de varios niveles de transparencia suponga que se tiene una tabla T_EMPLEADO que contiene los atributos EMP_CLAVE. 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 2.2. EMP_AMAT. todos los datos del empleado de Nueva York están guardados en el fragmento E1.3. es decir. Elaborado por Lic. Los datos EMPLEADO están distribuidos en 3 lugares: New York. los datos de los empleados de Atlanta en el E2 y los de Miami en el E3. Atlanta y Miami.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

2. la cual es común a todos los fragmentos. 321 Sunset Blvd. y cada filas únicas tienen los mismos una sentencia SELECT. ilustrada a continuación. una base de datos de sistema o una tabla. Cada fragmento puede guardarse en cualquier sitio en una red de computadoras. están basadas a nivel de tabla y consisten en dividir una tabla en fragmentos lógicos. Para ilustrar las estrategias de fragmentación.00 $6000. Sin embargo. todas las atributos (columnas). Mynux Corp. 2. vertical y mezclada (Se debe tener en cuenta que una tabla fragmentada siempre puede recrearse con sus partes fragmentadas mediante una combinación de uniones y articulaciones). La información de la fragmentación de los datos se guarda en un catalogo de datos distribuidos (DDC). Inc. MI y AT) solamente requieren datos con respecto a clientes locales. La fragmentación horizontal se refiere a la división de (fragmento) de tuplas (filas). se decide distribuir los datos por estado. Cada fragmento se guarda uno de ellos tiene filas únicas. Victory.00 $1200. Las estrategias de fragmentación de los datos como se analizan aquí. 910 Eagle St.00 $3400. En suma.00 $1090. CLI_DIR.00 3 1 3 3 1 2 $1245. Julio Ismael González Téllez .00 $5890. cada fragmento equivale a combinación de uniones y articulaciones.00 $350.00 $550. 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 este caso los clientes que maneja la empresa son otras empresas por lo tanto el campo no se descompone en mas. Cada conjunto (fragmento) se guarda en un nodo diferente.00 $0. Rue du Monde 123 Maple St. Martin Corp.00 $4000.00 $2000. CLI_LIM. El objeto podría ser una base de datos de usuario.00 Comentario [W1]: Cuando aludimos a un Nombre propio hacemos la descomposición del mismo. con la excepción de la columna clave. La fragmentación mezclada se refiere a una combinación de estrategias horizontales y verticales.00 $50. desde donde es accesara por el procesador de transacciones para procesar las solicitudes de los usuarios. BTBC. 909 High Ave. NY MI NY MI MI AT $3500. y cada una tiene un subconjunto de los atributos (columnas). Elaborado por Lic.00 $0.00 $2700.00 $3500. Inc.00 $1200. se utilizara la tabla CLIENTE de la compañía XYZ. Esto es el equivalente de la sentencia PROJECT. Por consiguiente. y cada fragmento tiene columnas únicas.00 $6000. CLI_UBI. una tabla puede dividirse en varios subconjuntos horizontales (filas). pero las ubicaciones de la compañía en cada estado (NY.Inc. con una La fragmentación vertical se refiere a la división de una relación en subconjuntos de atributo (columna). Con base en esos requerimientos.CLI_BAL. se definen los fragmentos horizontales de acuerdo con la estructura mostrada en la tabla siguiente: Manual para la materia de Bases de Datos Distribuidas.4. En otras palabras. una relación en subconjunto en un nodo diferente.1 Fragmentación Horizontal Suponga que la gerencia corporativa de la XYZ Company requiere información sobre sus clientes en los tres estados. CLI_RAT. CLI_NOM. NBCC Corp 12 Main St. esta tabla contiene los atributos CLI_NUM.4 Fragmentación de Datos La fragmentación de los datos permite dividir un objeto en dos o más segmentos o fragmentos. Podemos hablar de tres estrategias de fragmentación de datos: horizontal.

00 $0. NY NY $3500.00 $550.00 Nodo: MIA 2 $50. CLI_DIR. de servicio CLI_DIR Nodo: SVC CLI_UBI CLI_NOM Manual para la materia de Bases de Datos Distribuidas.00 1 3 1 $0. suponga que la compañía está dividida en dos departamentos.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. Cada departamento está ubicado en un edificio distinto. de servicio Edif. CLI_BAL. pero cada uno de ellos DEBE tener los mismos atributos. 12 Main St. Victory.14 2 1 3 Cada fragmento horizontal puede tener un número diferente de filas.4.00 $5890. En este caso.00 $350.00 $4000. y cada uno tiene interés solamente en unos cuantos de los atributos de la tabla CLIENTE. CLI_UBI CLI_NUM.00 2. CLI_RAT. observe que el atributo clave (CLI_NUM) es común a ambos fragmentos CLI_V1 y CLI_V2. Julio Ismael González Téllez .00 Nombre del fragmento: CLI_H2 CLI_N UM CLI_NOM Ubicación: Atlanta CLI_DIR CLI_UBI CLI_LIM Nodo: ATL CLI_BAL CLI_RAT CLI_DUE 15 NBCC Corp 909 High Ave. CLI_NOM.00 $1200.00 $6000. los fragmentos se definen como se muestra a continuación: NOMBRE DEL FRAGMENTO UBICACIÓN NOMBRE DEL NODO NOMBRES DE ATRIBUTO CLI_V1 CLI_V2 Edif. Los resultados de la fragmentación vertical se muestran a continuación. CLI_DUE Cada fragmento vertical debe tener el mismo número de filas. Inc.00 3 3 $1245. BTBC.2 Fragmentación Vertical También puede dividirse la relación CLIENTE en fragmentos verticales compuestos de un conjunto de atributos. 910 Eagle St. AT $2000.12 15 11. pero la inclusión de los diferentes atributos depende de la columna clave. Por ejemplo. Mynux Corp.00 $2700. CLI_LIM.13. Rue du Monde 123 Maple St. 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. el de servicio y el de colecciones.00 $1090. Inc.00 Nombre del fragmento: CLI_H3 CLI_N UM CLI_NOM Ubicación: Miami CLI_DIR CLI_UBI CLI_LIM CLI_BAL CLI_RAT CLI_DUE 11 13 14 Martin Corp.Inc.00 $1200.00 $3400.00 $3500. Nombre del fragmento: CLI_V1 CLI_NUM Ubicación: Edif. MI MI MI $6000. Elaborado por Lic. 321 Sunset Blvd. de colección SVC ARC CLI_NUM.

con lo cual se satisfacen las necesidades de información de cada departamento en cada subsitio. se introduce la fragmentación horizontal por cada sitio. CLI_NOM. Inc. CLI_BAL.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 $1090.00 2.CLI_RAT.00 $1200. dentro de cada estado por ubicación de departamento. CLI_DUE Cada fragmento mostrado en la tabla anterior contiene datos de clientes por estado y.CLI_LIM.00 $2000. para adaptarse a los Manual para la materia de Bases de Datos Distribuidas. BTBC. 909 High Ave. 321 Sunset Blvd. NBCC Corp 12 Main St. Rue du Monde 123 Maple St. Julio Ismael González Téllez . CLI_UBI CLI_NUM.10 11 12 13 14 15 Nombre del fragmento: CLI_V2 CLI_NUM Sinex. Primero.CLI_LIM. CLI_DIR.14 11. CLI_NOM.14 CLI_NUM.00 $0. CLI_BAL.13.CLI_LIM.00 3 1 3 3 1 2 $1245. CLI_DIR. En suma la tabla CLIENTE requiere una fragmentación mezclada.4. de colección CLI_BAL CLI_RAT CLI_LIM 10 11 12 13 14 15 $3500. se utiliza una fragmentación vertical dentro de cada fragmento horizontal para dividir los atributos.00 $350.00 $6000. La fragmentación mezclada requiere un procedimiento de dos pasos. Martin Corp.00 $3400.13. CLI_DIR.00 $6000.CLI_RAT.00 $4000. La fragmentación horizontal produce los subconjuntos de tuplas cliente (fragmentos horizontales) localizados en cada sitio.CLI_RAT. CLI_NOM.00 $5890.12 10. Inc. Como los departamentos están localizados en edificios diferentes. CLI_UBI CLI_NUM.Inc. CLI_DUE CLI_NUM. dentro de las ubicaciones. CLI_UBI CLI_NUM.00 $0. 910 Eagle St.00 $50. Elaborado por Lic. CLI_BAL. Mynux Corp. TN FL TN FL FL GA Nodo: ARC CLI_DUE Ubicación: Edif.00 $3500.00 $1200.00 $2700. Victory. con base en la ubicación dentro de un estado (CLI_UBI).00 $550. 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. los datos deben ser fragmentados verticalmente para acomodar los diferentes departamentos (servicio y colección).12 15 15 11. CLI_DUE CLI_NUM.

00 $3400. 12 Main St.00 $350.requerimientos de datos de cada departamento.00 $6000.00 $1200. donde los usuarios dependen de programadores que suministran los programas para acceder a los datos guardados en la base de datos.5 Distribución de Datos Los datos son útiles solo cuando llegan a los usuarios correctos en el momento adecuado.00 1 3 1 $0.00 $1090. Elaborado por Lic. en particular si la capacidad de entrega de los datos está basada en un ambiente típico de programación de aplicaciones. Las tareas de uso y distribución de los datos del DBA pueden requerir mucho tiempo.00 $5890. Rue du Monde 123 Maple St.00 $4000. Aunque la internet y Manual para la materia de Bases de Datos Distribuidas.00 $550. 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. AT Nodo: ATLC CLI_DUE Nombre del fragmento: CLI_M4 CLI_NUM CLI_LIM Ubicación: AT-Colección CLI_BAL CLI_RAT 15 $2000. MI MI MI Nodo: MIAC CLI_DUE Nombre del fragmento: CLI_M6 CLI_NUM CLI_LIM Ubicación: MI-Colección CLI_BAL CLI_RAT 11 13 14 $6000.00 3 3 Nodo: ATLS CLI_UBI $1245. 910 Eagle St.Inc. NY NY Nodo: NYRC CLI_DUE Nombre del fragmento: CLI_M2 CLI_NUM CLI_LIM Ubicación: NY-Colección CLI_BAL CLI_RAT 10 12 $3500.00 $1200. Victory. 321 Sunset Blvd. Mynux Corp. BTBC.00 Nombre del fragmento: CLI_M3 CLI_NUM Ubicación: ATServicio CLI_DIR CLI_NOM 15 NBCC Corp 909 High Ave.00 $0.00 $3500.00 2 Nodo: MIAS CLI_UBI $50. Inc. Julio Ismael González Téllez .00 2. El DBA es responsable de que los datos sean distribuidos a las personas apropiadas en el momento apropiado y en el formato correcto.00 $2700.00 Nombre del fragmento: CLI_M5 CLI_NUM Ubicación: MIServicio CLI_DIR CLI_NOM 11 13 14 Martin Corp.

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

Cada atributo m se ubica en un sitio i que al menos ejecute una consulta que involucre al atributo (Para bases de datos distribuidas replicadas) Manual para la materia de Bases de Datos Distribuidas. pues es un problema de optimización muy complejo que a medida que va creciendo su tamaño. Sin embargo la dificultad radica precisamente en la forma de resolverlo. Este problema se conoce como Diseño de la Distribución y nace de la necesidad de especificar las unidades de almacenamiento adecuadas.5. esta tecnología lleva a los desarrolladores a enfrentar un problema.5. Cada atributo se almacena solamente en un solo sitio (Para bases de datos distribuidas no replicadas) 2ª Restricción. Estas restricciones son: 1ª Restricción.pdf. la carencia de metodologías y herramientas de apoyo para su diseño que permitan decidir la ubicación de los datos en cada uno de los diferentes sitios que componen la red de computadoras. Julio Ismael González Téllez . es decir el problema se restringirá de otra manera como se explica en el documento ModeladoFURD. horizontales o mixtos.1 Algoritmos Distribución Datos No Replicados Debido al uso que se da a las redes de computadoras en la actualidad incluyendo Internet. se va haciendo más difícil la forma de resolverse. En la siguiente tabla se muestra una clasificación de los sistemas de base de datos de acuerdo con la distribución de los datos y con los procesos. junto con su ubicación dentro de la aplicación.solo sitio (DB centralizada) o en múltiples sitios (DB distribuida) y puede soportar procesamientos de datos en un solo sitio o en varios. Una vez que se resuelve el Modelo FURD se puede dar solución al problema del diseño.pdf 2. el cual esta divido en dos etapas o fases: la fragmentación y la ubicación de fragmentos. ModeladoFURD. Elaborado por Lic. sin embargo.2 Algoritmos Distribución Datos Replicados Al tratarse de algoritmos de distribución replicados o no replicados la definición de nuestro problema y variables será diferente. ha sido desarrollado para resolver el problema del diseño de las Bases de Datos Distribuidas. ya sea fragmentos verticales. cada vez es más factible implementar Sistemas de Bases de Datos Distribuidas. DATOS EN UN SOLO SITIO DBMS anfitrión mainframes Servidor de archivos DBMS Cliente/servidor (DBMS de LAN) DATOS EN SITIOS MULTIPLES No aplicable (requiere procesos múltiples) DDBMS Cliente/servidor totalmente distribuido Proceso en un solo sitio Proceso en múltiples sitios 2. Estas fases ya se concentran en el Modelo FURD. El Modelo FURD.

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

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

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

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

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

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

Para minimizar la probabilidad de error. Elaborado por Lic.consultas son similares. 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. La optimización estática es aún más demandante ya que el tamaño de las relaciones intermedias también debe ser estimado basándose en estadísticas. La optimización dinámica de consultas requiere de estadísticas para elegir las operaciones que deben realizarse primero. Estadísticas La efectividad de una optimización recae en las estadísticas de la base de datos. el espacio de decisión es mucho más amplio lo que afecta grandemente el tiempo de ejecución de la optimización. Nodos de Decisión Cuando se utiliza la optimización estática. Tiempo de optimización Una consulta puede ser optimizada en tiempos diferentes con relación a tiempo de ejecución de la consulta. se requiere tener estadísticas acerca del tamaño de los resultados intermedios para aplicar esta estrategia. La optimización se puede realizar de manera estática antes de ejecutar la consulta o de forma dinámica durante la ejecución de la consulta. Por tanto. Sin embargo. Durante la optimización de consultas dinámica la elección de la mejor operación siguiente se puede hacer basado en el conocimiento exacto de los resultados de las operaciones anteriores. 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. 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. conocido como híbrido. Un tercer enfoque. La optimización estática se hace en tiempo de compilación de la consulta. 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. utiliza básicamente un enfoque estático. Sin embargo. Julio Ismael González Téllez . la cardinalidad y el tamaño de los fragmentos son importantes así como el número de valores diferentes de los atributos. Así. un solo nodo o varios de ellos pueden participar en la selección de la estrategia a ser aplicada para ejecutar la consulta.

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

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

se verifica el tipo de los operandos cuando se hace la calificación. En esta parte se verifica la validez de la expresión que da origen a la consulta. En esta sección se abundará más sobre cada uno de los pasos. Segundo. Julio Ismael González Téllez . Se verifica que las relaciones y atributos invocados en la consulta estén acordes con la definición en la base de datos.4. Por ejemplo. y cualquier otro nodo representa la relación operante.2 Análisis El análisis de consultas permite rechazar consultas normalizadas para los cuales no se requiere mayor procesamiento. En una gráfica de consulta. Elaborado por Lic. El análisis anterior se basa en la representación de la consulta como una gráfica. aquellas que no contienen disyunciones y negaciones. Dentro del cálculo relacional no es posible determinar la correctitud semántica de una consulta general. SIMPLIFICACION La consulta en forma normal conjuntiva puede contener predicados redundantes. llamada la gráfica de la consulta o la gráfica de conectividad. La consulta se puede rechazar si las componentes no contribuyen de ninguna forma a la generación del resultado. Más aún. mientras que un arco cuyo nodo destino es una relación resultante representa una proyección. un nodo no resultado puede ser etiquetado por un predicado de selección o auto-junta. Sin embargo. En SQL. 4.6. 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.1 Normalización La consulta de entrada puede ser arbitrariamente compleja dependiendo de las facilidades provistas por el lenguaje. 4.6 Descomposición de consultas Como se dijo en la sección anterior la descomposición de consultas consiste de cuatro pasos: normalización. Esto se hace típicamente en los siguientes paso: 1. El objetivo de la normalización es transformar una consulta a una forma normalizada para facilitar su procesamiento posterior. se crea una hoja diferente para cada variable de tuplo diferente. Una transformación directa del cálculo relacional en el álgebra relacional 2. Primero. Una consulta se puede rechazar si alguno de sus atributos o nombres de relación no están definidas en el esquema global. La normalización consiste de dos partes: El análisis léxico y sintáctico. Un arco entre dos nodos que no son resultados representa una junta.6. La gráfica de juntas es particularmente importante durante la fase de optimización. 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. Una subgráfica importante de la gráfica de conectividad es la gráfica de juntas. análisis. un nodo indica la relación resultante. También se puede rechazar si las operaciones que se aplican a los atributos no son del tipo adecuado. simplificación y reestructuración. Una evaluación directa de la consulta con redundancia puede llevarnos a realizar trabajo duplicado. es posible hacerlo para una clase importante de consultas relacionales. el nodo raíz se crea como una operación de proyección Manual para la materia de Bases de Datos Distribuidas. las hojas están disponibles de forma inmediata en la cláusula FROM. 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. Se puede hacer también un análisis semántico. REESTRUCTURACION El último paso en la descomposición de consultas reescribe la consulta en el álgebra relacional.

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

.12. Julio Ismael González Téllez .. 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.K (R) es inútil si el conjunto de atributos de proyección D no está en A .Figura 4. Considere también la siguiente consulta en SQL: SELECT ENAME Manual para la materia de Bases de Datos Distribuidas. la regla para determinar relaciones intermedias inútiles se puede formular como sigue: Regla 3: P D. An }.ENOMBRE (E) E2 = P ENO. E1 = P ENO. Elaborado por Lic. Considere la relación E dividida en dos fragmentos verticales donde el atributo ENO sirve como atributo común. Ejemplo 4.13. el programa de localización para una relación fragmentada verticalmente consiste de la junta de los fragmentos sobre el atributo común. Dado que el operador de reconstrucción para la fragmentación vertical es la junta.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. Dada una relación R definida sobre los atributos A = { A1.10. Ejemplo 4. A2.9. Considere de nuevo la relación E dividida en fragmentos verticales como en el Ejemplo 4.. La fragmentación vertical distribuye una relación de acuerdo a los atributos de proyección. la cual se fragmenta verticalmente como Ri = P A (R). donde A Í A.12. Arbol genérico para el ejemplo 4. .

Arboles de Consultas 3. Manejo de transacciones Las transacciones de base de datos reflejan transacciones reales promovidas por eventos como la compra de un producto. 4. Optimización Global Consultas Distribuidas 3. Elaborado por Lic.2.1.ENOMBRE (E) E2 = P ENO. Optimización Local Consultas Distribuidas 4. la inscripción a un curso o la realización de un depósito en una cuenta de cheques.1. la proyección necesita aplicarse únicamente a E1. se puede ver que la proyección sobre E2 es inútil dado que ENOMBRE no está en E2. Transacciones Conceptos Manual para la materia de Bases de Datos Distribuidas.3.13a.2.13b. 3. Julio Ismael González Téllez .1.2.3. Conmutando la proyección con la junta.2.3.3. Transformaciones Equivalentes Consultas Distribuidas 3. Optimización de Consultas Distribuidas 3.2.TITULO (E) La consulta genérica equivalente se presenta en la Figura 4.FROM E E1 = P ENO. como se presenta en la Figura 4. Por lo tanto. Métodos Ejecución del Join 3.

1.4. Serialización de Transacciones 4.2. Disciplinas del Interbloqueo prevención detección eliminación y recuperación 4.2.1.2.1.3.2.2.3. Basados en Estampas de Tiempo 4.1.2.2. Conceptos Básicos de Confiabilidad 4.3. Julio Ismael González Téllez .4.1.2. Protocolo 2PC de Confiabilidad Distribuida Manual para la materia de Bases de Datos Distribuidas. Puntos de Verificación checkpoints 4. 4.3. Estructura de transacciones 4. Confiabilidad 4.3. Protocolos Redo Undo 4.1. Algoritmos de Control de Concurrencia 4.3.2. Basados en Bloqueo.1. Pruebas Validación Optimistas 4.3.2.2. Elaborado por Lic. Control de Concurrencia 4. Ejecución Transacciones Centralizada Distribuida 4.2.2.4. Estructura de Transacciones 4.3.

Sign up to vote on this title
UsefulNot useful