Capítulo 5: Teoria del Diseño Relacional

Anomalías por redundancia:

 Modificación
 Inserción (Se solucionan descomponiendo)
 Eliminación

Propiedades deseables de los esquemas: (descomposición)

 Descomposición sin pérdida de información

o El tableau de Chase verifica si una determinada descomposición
arbitraria es sin pérdida de información.
 Preservacion de dependencias
o Algoritmo:

Z=X
Mientras Z cambie:
recorrer todos los Ri haciendo: Z = [ Z ∪ ((Z ∩ Ri)+ ∩ Ri) ]

La X+(clausura de X) es el conjunto de atributos que dependen de X. Si todos los

atributos de una relacion dependen de X, entonces X es superclave. Para que un grupo
de dependencias sea equivalente a otro, sus clausuras deben ser equivalentes.

 Algoritmo:

Xc=X
Mientras Xc cambie,
para cada df (A→B), si A ⊆ Xc ⇒ Xc = Xc ∪ B

El recubrimiento minimal es un grupo de dependencias equivalente al original, pero lo

mas simplificado posible.
Propiedades:

 Todos los lados derechos son unitarios

 Los lados izquierdos no son redundantes
 No hay dependencias funcionales redundantes

Formas Normales:

1FN ← 2FN ← 3FN ← FNBC ← 4FN ← FNPJ (5FN) Nos orientan a conseguir
descomposiciones que cumplan una serie de normas

 3FN: Para todo X→Y, X es superclave de R o Y es subconjunto de clave de R

o Existe un algoritmo capaz de obtener una descomposición sin pérdida de
información ni dependencias
o Hay mas redundancia que en FNBC
 FN de Boyce Codd: Toda X→Y es trivial o X es superclave.
o Menor redundancia que en 3FN
 o No garantiza una completa eliminacion de la redundancia (debido a
dfmv)
o Existe un algoritmo capaz de obtener una descomposición sin pérdida de
información, pero no garantiza la preservacion de dependencias
funcionales
 4FN: Toda X →→Y es trivial o X es superclave
o Satisface FNBC y 3FN (obviamente...)
 5FN: Toda dj es trivial o es implicada (df) por las claves de R

Dependencias multivaluadas:

X multidetermina a Y (X→→Y) cuando para cada valor de X existe un conjunto de

valores de Y y ese conjunto es independiente de los restantes atributos (R-XY). Las
dependencias funcionales son un caso particular de las dmv‘s. Condiciones:

 t1[X] = t2[X] = t3[X] = t4[X]

 t1[Y] = t3[Y] ^ t2[R-XY] = t3[R-XY]
 t2[Y] = t4[Y] ^ t1[R-XY] = t4[R-XY]
 X→→Y es trivial si: YcX ó R=XY

NOTA: Encontrar dmv‘s a un esquema puede generar NUEVAS df‘s al esquema (ver
axioma 5).

Axiomas dmv's:

1. Complementación: X→→Y => X→→(R-XY)

2. Aumento: V c W ^ X→→Y => XW→→YV
3. Transitividad: X→→Y ^ Y→→Z => X→→(Z-Y)
4. Conversión: X→Y => X→→Y
5. Interacción: X→→Y ^ ∃ W/ WnY=0 ^ ∃ ZcY ^ W→Z => X→Z
6. Unión: X→→Y ^ X→→Z => X→→YZ
7. Pseudo-transitividad: X→→Y ^ YW→→Z => XW→→(Z-YW)
8. Pseudo-transitividad mixta: X→→Y ^ XY→→Z => X→→(Z-Y)
9. Descomposición: ???

Base de dependencias:

Similar al concepto de clausura para un conjunto de atributos.

Si C es un conjunto CERRADO de atributos no vacios, cualquier conjunto de atributos
multideterminado por C puede ser obtenido mediante operaciones de conjuntos sobre
los subconjuntos de atributos que forman la Base de Dependencias de C

 Base de Dependencias minimal ⇒ minima cantidad de atributos posibles.

 Algoritmo:

T=R-X
Mientras T cambie,
si ∃ V⊆T ^ Y→→Z ^ V∩Y=0 => V=[(V-Z),(V∩Z)]

Dmv's embebidas:
Son dmv‘s que no existen en un esquema original R, pero que son satisfechas en una
determinada descomposición del mismo.

Dependencias de Juntas:

?????
Son un caso mas general de las dmv‘s.
Existe un algoritmo derivado de la tableau de Chase para determinar si una dj
(dependencia de junta) es implicada por un conjunto determinado de otras dj.

Capítulo 6: Estructuras Fisicas de Datos

Almacenamiento de datos:

 Todo en memoria principal, un archivo por tabla, o todas las tablas en un archivo
 los bloques de memoria contienen completar

Gestor de cache

Se utilizan Buffers en memoria principal debido al costo en tiempos de acceder a

memoria estable. Es transparente a los modulos que requieren bloques y utilizan
politicas de reemplazo de información en sus buffers debido a que la memoria principal
es acotada.

Formas de indexado:

 Indice secuencial, índice denso o su evolucion, el Arbol B

 Hashing estático, Hashing dinámico (por ej. extensible)

El Hashing dinámico es al estático lo que el Arbol B es al índice secuencial. FALTA

índices multiples, IMPORTANTE. Revisar el resto del cap por que esto esta muy
pobre

Capítulo 7: El Procesador de Consultas

Etapas:

 Analizador sintáctico y semántico: Verifica que la consulta este bien escrita y

que las tablas y atributos pedidos existan en la BD
 Generacion de codigo intermedio: Expresion de algebra relacional
 Generacion de Arbol de consulta
 Optimización algebraica, Optimización de costos
 Evaluacion → Relacion de respuesta

Costos de procesamiento:

* Comunicaciones (no tenemos en cuenta BD distribuidas) * Accesos a memoria

secundaria * Tiempo de procesador (generalmente desreciado frente al anterior)
Optimizaciones del arbol de consultas:

Mediante equivalencias algebraicas, transformar las consultas para realizar lo antes

posible:

 Selecciones: acotando la cantidad de tuplas de los resultados parciales

 Juntas Naturales en las que participen la menor cantidad de tuplas posibles
 Proyecciones: acotando el tamaño de los resultados parciales
 Operaciones Booleanas

Métodos para armar un Natural Join:

 Sin Indices:
o Secuencial(el mas lento de todos) Costo = Br + Mr.Bs
o Por bloques(se utiliza para tablas chicas sin indexar) Costo = Br + Bs
o Sort-Merge(leo cada bloque solo una vez, sin importar el tamaño de las
tablas) Costo = Br + Bs + Bs.Log2Bs
 Con Indices:
o Indice normal (Accedo solo a los bloques indicados por el índice) Costo
= Mr.Ms/v(A,S) + Br
o de agrupamiento (Accedo solo a los bloques indicados por el índice, pero
ademas las tuplas buscadas se concentran en estos bloques)
Costo=Br+Mr.Bs/v(A,S)
 Método simple de Hash
 Método Grace (genera un nuevo archivo ordenando cada tupla por su hash)
Costo=3(Br+Bs)
 Método de índice de juntas con mapas de Bits

Costo de Natural Joins:

Comentar algo...

Pipelines:

Evitan la necesidad de guardar en memoria secundaria los resultados parciales.

Método: [(T1,L1→T2),L1→T3],L1→T4 y luego lo mismo con L2...LN[T=Tabla, L=Linea]

Capítulo 8: Control de Paralelismo y Recuperación:

Propiedades ACID:

(propiedades que un SGBD garantiza a las transacciones que ejecuta)

 Atomicidad: Una transacción se ejecuta completamente o no se ejecuta en

absoluto.
 Consistencia: Todas las transacciones mantienen a la BD en forma consistente.
 Aislamiento: Ninguna transacción interfiere con otra (por mas que se ejecuten
en paralelo)
  Durabilidad: Una vez ejecutado Commit, la actualizacion queda en forma
persistente

Serialización

Cuando la ejecución de un conjunto de transacciones (E) que intercala las operaciones

de cada transacción en forma conveniente, es equivalente a alguna ejecución en serie de
las transacciones de E, decimos que E es Serializable. Lo importante es que toda
ejecución serializable preserva la consistencia de la BD, es decir, las transacciones
devolveran resultados validos, mas alla de que el resultado de las transacciones sea
distinto segun el orden de ejecución.
Para determinar si un conjunto de transacciones son serializables, generamos un grafo
de precedencia, ubicando a las transacciones como nodos y enlazando arcos entre ellas
cuando haya conflictos en los protocolos de cierre al intentar acceder a los datos (por
ejemplo, cuando se quiera escribir un dato que otra transacción tambien quiere escribir o
leer). Si logramos dibujar (de alguna manera) un grafo aciclico, podremos orientar todos
los arcos de izquierda a derecha, obteniendo una ejecución serial equivalente.

Protocolos de cierre:

 Candados simple
o Un solo tipo de candado para lectura y escritura; no se comparten.
 Candados de lectura y escritura
o Existen 2 tipos de candados (lectura y escritura) Se permite compartir un
cierre para lectura.
o Se necesita un grafo de precedencia para asegurar la seriabilidad
 Cierre de dos fases
o Solo se comienzan a liberar los cierres luego de haber obtenido el control
de todos los datos necesarios.
o Si es respetado, nos garantiza que la ejecución sera siempre serializable
 Protocolo de Arbol
o Cierro en modo inicial un nodo cualquiera del arbol
o A partir de aca, puedo cerrar un nodo solo si poseo el cierre del nodo
padre
o Libero los nodos padre a medida que dejan de ser necesarios
o Una vez que comienzo a liberar nodos, no puedo cerrar ningun otro
 Locks de update ???
 Locks de Incremento ???
 Tablas de Locks ???

Problemas de los protocolos de cierre:

 Deadlocks (bloqueos) Dos transacciones necesitan mutuamente un dato bajo el

control de la otra transacción para poder continuar y liberar los recursos.
 Livelocks (postergacion indefinida) Una transacción necesita modificar un dato
que otra transacción cerro para lectura, pero antes de que el dato sea liberado es
cerrado para lectura por otra transacción. Si se repite el esquema
indefinidamente, tenemos un livelock.

Niveles de Aislamiento:
(y los fenomenos que pueden aparecer)

Nivel de Aislamiento Fenomenos que pueden aparecer Tipo de acceso

Read Uncommited F1, F2, F3 Solo Lectura
Read Commited F2, F3 Solo Lectura
Repeateble Read F3 Solo Lectura
Serializable Ninguno Lectura / Escritura

Fenómenos:

 Lectura Sucia: Lectura de un atributo grabado por una transacción que todavia
no hizo Commit
 Lectura no Repetible: Una transacción lee 2 veces un atributo, pero este es
modificado entre lecturas
 Fantasma: Una transacción lee una tabla con X elementos, y en una segunda
lectura esa cantidad fue cambiada por otra transacción.

Gestor de Recuperación:

 Abort: Restaura los valores de los datos modificados por la transacción abortada
 Commit: Graba a memoria estable los cambios (en el LOG) que hizo la
transacción.
 Reiniciar: Aborta todas las transacciones que se estan ejecutando desde la ultima
hasta la primera antes del ultimo checkpoint (UNDO) y luego graba a la BD la
información actualizada por transacciones que llegaron a ejecutar commit
(REDO). Reiniciar es Idempotente ya que debe ser equivalente ejecutarlo una
vez, completamente, que varias veces en forma parcial y finalmente una ultima
vez en forma completa.

Protocolos:

 Write Ahead Log (WAL) Consiste en grabar siempre las actualizaciones primero
en el Log y luego en la BD
 Force Log at Commit (FLC) Consiste en grabar al Log las actualizaciones
hachas por una transacción antes de concluir el Commit

Recuperación de Medios:

Se utlizan copias de respaldo en unidades de cinta, pero demanda mucho tiempo. Mas
reciente es la utilizacion de RAID replicando discos uno a uno o en conjuntos de mas de
3 utilizando paridad de datos. Si un disco dejara de funcionar, la BD puede seguir
funcionando, mientras se le reemplaza el disco dañado por uno nuevo y se reconstruye
la paridad en background