Instituto Tecnológico Superior de Occidente del Estado de Hidalgo.

 
Ingeniería en TIC’s. 
Bases de Datos Distribuidas. 

 
Prácticas de laboratorio. 

Práctica No.  Nombre de la práctica:  Optimización  de  consultas  Fecha: 

distribuidas. 
4  Semestre/ Grupo:  5° “B”  30/11/20 
 
INTRODUCCIÓN: 
Las  consultas  distribuidas  se  encargan  de  detener  el  acceso  a  varios  datos,  su 
procesamiento  de  consultas  se  basa  en  reducir  datos,  consultas  en  paralelo  y 
datos  compartidos  en  la  red.  Mientras  que  la  consulta  es  generada  por  un 
código  con  representación  interna,  además  de  una  reformulación  y 
optimización.  
Se  necesita  de  una  localización,  con  heterogeneidad  en los datos para formular 
las  consultas.  Como  bien  sabemos  los  tipos  de  bases  de  datos  (centralizada  y 
distribuida)  mantienen  en  cierta  forma  una  estrategia  de  funcionamiento, 
operaciones  de  selección,  combinar  el  producto  y  la  asociatividad  de 
operaciones.   
El  procesamiento  de  consultas  tiene  varias  etapas  a  seguir  para  resolver  una 
consulta  SQL,  las  características  del modelo relacional permiten que cada motor 
de  base  de  datos  elija  su  propia  representación  que, comúnmente, resulta ser el 
álgebra  relacional.  la  ​optimización  de  consultas  es,  entonces,  una  de  estas 
etapas.  
Existen  distintos  métodos  para  optimizar  consultas  relacionadas,  sin  embargo  el 
enfoque  de  la  optimización  basada  en  costos,  permiten  reducir  el  espacio  de 
búsqueda  de  solución,  que  es  el  método  mayormente  utilizado  por  los  motores 
de base de datos relacionales de la actualidad. 
Dentro  de  estas  estrategias  podemos  encontrar  los  árboles,  así  como  la 
sentencia join SQL que permite combinar registros de dos o más tablas.   
 
OBJETIVO:  
Crear estrategias de  optimización de procesamiento de 
consultas distribuidas  para la recuperación de datos. 
PROCEDIMIENTO: 
Considere las vistas de la práctica #3: 
1. vw_EmpleadosXRegion 
2. vw_PresupuestoXDepartamento 
3. vw_HorasTrabajadas,  
4. vw_EmpleadosXProyecto 
Realice lo siguiente: 
1. Represente  en  álgebra  relacional  las  vistas  (de  la  práctica  3),  utilice  el 
software RAT (Relational Algebra Translator) 
Instituto Tecnológico Superior de Occidente del Estado de Hidalgo. 
Ingeniería en TIC’s. 
Bases de Datos Distribuidas. 

 
Prácticas de laboratorio. 

2. Para  cada  vista  construya  en  el  DBMS  SQL  Server  otra  alternativa  de 
solución,  empleando  distintas  estructuras  o  sentencias  SQL,  por  ejemplo 
uso de joins, subconsultas, etc. 
3. Una  vez  realizado  el  paso  2,  utilice  la  herramienta  “Compare  query”  del 
software  RAT,  con  la  finalidad  de  comparar  las  dos  propuestas  de 
solución,  para  cada  vista. Finalmente argumente sobre la optimización de 
consultas, considerando el tiempo de ejecución. 
Por ejemplo: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
4. Ejecute  en  el  DBMS  SQL  Server  las  dos  propuestas  de  solución  y  utilice  la 
herramienta  “Plan  de  ejecución  estimado”  y  “Estadísticas  del  cliente” 
para argumentar sobre la optimización de las consultas. 
 
Por ejemplo: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Instituto Tecnológico Superior de Occidente del Estado de Hidalgo. 
Ingeniería en TIC’s. 
Bases de Datos Distribuidas. 

 
Prácticas de laboratorio. 

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
RESULTADOS. 
Vistas (práctica 3) en álgebra relacional. RAT 
 
1. vw_EmpleadosXRegion 

Img 1. Representación (árbol) de la vista EmpleadosXRegion con álgebra 

relacional 
 
 
 Instituto Tecnológico Superior de Occidente del Estado de Hidalgo. 
Ingeniería en TIC’s. 
Bases de Datos Distribuidas. 

 
Prácticas de laboratorio. 

 
2. vw_PresupuestoXDepartamento 

Img 2. Representación (árbol) de la vista PresupuestoXDepartamento con 

álgebra relacional 
 
3. vw_HorasTrabajadas 

Img 3. Representación (árbol) de la vista HorasTrabajadas con álgebra relacional 

 Instituto Tecnológico Superior de Occidente del Estado de Hidalgo. 
Ingeniería en TIC’s. 
Bases de Datos Distribuidas. 

 
Prácticas de laboratorio. 

  
4. vw_EmpleadosXProyecto 
 

 
Img 4. Representación (árbol) de la vista EmpleadosXProyecto con álgebra 
relacional 
 
Comparar las dos propuestas de solución (Herramienta: compare query) 

 
Img 5. PresupuestoxDepartamento.  
 
Instituto Tecnológico Superior de Occidente del Estado de Hidalgo. 
Ingeniería en TIC’s. 
Bases de Datos Distribuidas. 

 
Prácticas de laboratorio. 

Argumento: ​Al comparar estas dos vistas y haciendo uso de la palabra clave LIKE 
y los [] hicieron parte de la optimización al reducir nuestra segunda versión de la 
consulta a un 0.0014. 

 
Img 6. PresupuestoXDepartamento 
Argumento:​ Al comparar los tiempos de respuesta quedando la primera versión 
como la más óptima, observamos que fue mínimo el cambio haciendo uso de un 
inner join. 

Img 7. EmpleadoXProyecto 
Instituto Tecnológico Superior de Occidente del Estado de Hidalgo. 
Ingeniería en TIC’s. 
Bases de Datos Distribuidas. 

 
Prácticas de laboratorio. 

Argumento: ​Al igual podemos observar la comparación de nuestras dos vistas, 

siendo la más óptima la segunda versión al ser reemplazado = por un inner join 
arrojándose un 0.0018 

Img 8. EmpleadosXRegión 
Argumento:​   En  esta  última  comparación, la optimización fue más optima nuestra 
versión  original,  manteniendo  únicamente  los  inner  join  que  muestran  un 
conjunto de resultados mínimos. 
 
Plan de ejecución estimado y Estadísticas del cliente 
​ ​vw_PresupuestoXDepartamento 
 
 
 Instituto Tecnológico Superior de Occidente del Estado de Hidalgo. 
Ingeniería en TIC’s. 
Bases de Datos Distribuidas. 

 
Prácticas de laboratorio. 

Img1. Plan de ejecución estimado de la vista PresupuestoxDepartamento 

Argumento:​ Al ejecutar nuestra vista (primera versión) observamos que mantiene 
un porcentaje del 100% de optimización. 

 
Img 2. Estadísticas del cliente de la vista PresupuestoxDepartamento 
 
PresupuestoxDepartamento_V2 

Img 1.2 Plan de ejecución estimado de la vista PresupuestoxDepartamento_V2 

 Instituto Tecnológico Superior de Occidente del Estado de Hidalgo. 
Ingeniería en TIC’s. 
Bases de Datos Distribuidas. 

 
Prácticas de laboratorio. 

Argumento:​ Al igual que nuestra primera versión, observamos que mantiene un 
porcentaje del 100% de optimización, sin variación de nuestro resultado original. 

Img 2.2 Estadísticas del cliente de la vista PresupuestoxDepartamento_V2 

 
  
vw_EmpleadosXRegion 

Img 3. Plan de ejecución de la vista EmpleadosxRegion 

 Instituto Tecnológico Superior de Occidente del Estado de Hidalgo. 
Ingeniería en TIC’s. 
Bases de Datos Distribuidas. 

 
Prácticas de laboratorio. 

Argumento:​ El plan de ejecución, arroja un porcentaje del observamos que 

mantiene un porcentaje del 100% de optimización. 

Img 4. Estadísticas del cliente de la vista EmpleadosxRegion 

 
EmpleadosxRegion_V2 

Img 3.2 Plan de ejecución de la vista EmpleadosxRegion_V2 

 Instituto Tecnológico Superior de Occidente del Estado de Hidalgo. 
Ingeniería en TIC’s. 
Bases de Datos Distribuidas. 

 
Prácticas de laboratorio. 

Argumento:​ Para nuestra segunda versión en plan de ejecución observamos que 

mantiene un porcentaje mayor del 150% de optimización, lo cual no es 
satisfactorio en cuanto a el tiempo. 

Img 4.2 Plan de ejecución de la vista EmpleadosxRegion_V2 

 
vw_HorasTrabajadas 

Img 5. Plan de ejecución de la vista HorasTrabajadas 

 Instituto Tecnológico Superior de Occidente del Estado de Hidalgo. 
Ingeniería en TIC’s. 
Bases de Datos Distribuidas. 

 
Prácticas de laboratorio. 

Argumento:E ​ n la vista horas trabajadas, la ejecución en cuanto optimización del 

uso de los inner arroja un porcentaje del 77 y 87%. 

Img 6. Estadísticas del cliente de la vista HorasTrabajadas 

 
 
HorasTrabajadas_V2 

Img 5.2 Plan de ejecución estimado de la vista HorasTrabajadas_V2 

Instituto Tecnológico Superior de Occidente del Estado de Hidalgo. 
Ingeniería en TIC’s. 
Bases de Datos Distribuidas. 

 
Prácticas de laboratorio. 

Argumento:E ​ n la vista horas trabajadas de la segunda versión, la ejecución en 

cuanto optimización del uso de los inner arroja un porcentaje igual del 77 y 87% a 
la versión original. 

Img 6.2 Estadísticas del cliente de la vista HorasTrabajadas_V2 

vw_EmpleadoXProyecto 

Img 7. Plan de ejecución estimado de la vista EmpleadoXProyecto 

 Instituto Tecnológico Superior de Occidente del Estado de Hidalgo. 
Ingeniería en TIC’s. 
Bases de Datos Distribuidas. 

 
Prácticas de laboratorio. 

Argumento:​ Vista EmpleadosXProceso, muestra un porcentaje de 105% dentro de 

nuestra ejecución en planeación. 
 
 
 
 
 

Img 8. Estadísticas del cliente de la vista EmpleadoXProyecto 

 
EmpleadoXProyecto_V2 

Img 7.2 Plan de ejecución de la vista EmpleadoXProyecto_V2 

 Instituto Tecnológico Superior de Occidente del Estado de Hidalgo. 
Ingeniería en TIC’s. 
Bases de Datos Distribuidas. 

 
Prácticas de laboratorio. 

Argumento: ​A comparación de la primera versión, la ejecución de esta vista es 

más óptima, pues con el uso de los inner arroja un porcentaje del 100%. 

Img 8.2 Estadísticas del cliente de la vista EmpleadoXProyecto_V2 

 
Argumento:​   El  plan  de  ejecución  es  confiable  y  está  basado  en  la 
ejecución  real,  no  estimado,  en  una  estimación  de  comportamiento 
esperado.  

  
CONCLUSIONES. 
 
Con  esta  actividad  hemos  adquirido  conocimientos  sobre  consultas  distribuidas, 
además  de  reforzar  conocimientos  adquiridos  anteriormente  a  partir  del  uso  de 
la  herramienta  RAT,  además  de  desarrollar  un  poco  más  nuestra  lógica 
realizando  esta  práctica  para  poder  buscar soluciones o alternativas de solución 
empleando  distintas  estructuras  o  sentencias  SQL,  por  ejemplo  uso  de  joins,  por 
ejemplo.  Las  consultas  dadas  por  el  docente  y  la  versión  implementada  por 
nosotros  fueron  comparadas  mediante  la  herramienta  “compare  query”,  las dos 
propuestas  de  solución  para  hacer  de  nuestra  consulta  lo  cual  fue  satisfactorio 
para  nosotros  observar  que  la  optimización  de  procesamiento  de  consultas 
distribuidas  es  más  eficiente  en  comparación  con  la  que  se  nos  fue  entregada, 
cabe  mencionar  que  la  forma  de  trabajo  en  la  que  se  realizó  esta  práctica  fue 
en  línea  colaborando  todo  el  equipo  y  utilizando  algunas  herramientas 
Instituto Tecnológico Superior de Occidente del Estado de Hidalgo. 
Ingeniería en TIC’s. 
Bases de Datos Distribuidas. 

 
Prácticas de laboratorio. 

recomendadas  por  el  docente  y  adjuntando  evidencias  que  se  nos  pide  por 
parte de la actual situación que estamos pasando.  
 
 
REFERENCIAS: 

Valduriez, P. (2014). Principles of Distributed Database Systems (Tercera Edición). 

Springer.

Navathe, S. B. (2012). Sistemas de bases de datos (3a edición). Addison-Wesley 

Iberoamericana. 

Toledo, V. (2020, 11 febrero). Sylabus IFM-0406. ITESCAM. 

https://www.itescam.edu.mx/portal/asignatura.php?clave_asig=IFM-0406&carrer
a=LINF-2004-303&id_d=151 
 

ANEXOS 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Instituto Tecnológico Superior de Occidente del Estado de Hidalgo. 
Ingeniería en TIC’s. 
Bases de Datos Distribuidas. 

 
Prácticas de laboratorio. 

 
 
Elaboró:   Revisó:  
Angeles García Manuel 18011480  MGTI. Talhia Heidi Hernández Omaña  
Pérez López Genaro Javier 18011159 
Pérez Arteaga Mahetsi 18011338 
Velázquez  Díaz  Fernando  Yarib 
18011316