Clase I - Introducción A Base de Datos y DBMS

CLASE 1: INTRODUCCIÓN
CS2041- Bases de Datos I
Ciclo 2024-1
Brenner Ojeda bojeda@utec.edu.pe

Teófilo Chambilla - tchambilla@utec.edu.pe
Server Discord
En colaboración Aidan Hogan de la Universidad de Chile (https://aidanhogan.com/)
Agenda
4 ¿Por qué se
1.
necesitan sistemas
Metodología del
de “bases de
.
curso
datos”?
2. 5.
¿Una base de datos
¿Por qué necesitan
siempre modela
este curso?
datos como tablas?
3. 6.
¿Qué vamos a
¿Qué es una “base
aprender?
de datos”?

Server Discord
1.
Acerca del curso
CS2041-Base de datos I
CS2041 Bases de Datos I Computer Science
Los resultados del aprendizaje
❏ Aplicar conceptos de álgebra relacional y teoría de grafos para

generar y optimizar las consultas SQL en la recuperación de
información.
❏ Demostrar la optimización de consultas, indexación y transacción

en las bases de datos mediante motores de bases de datos de
código abierto (PostgreSQL, MongoDB, Casandra).
❏ Construir Base de Datos a través de modelos como

Entidad-Relación, Modelo Relacional, optimización, transacciones
y recuperación de la información.
❏ Utilizar algoritmos de optimización de consultas SQL, como

Hash-Join, Nested-Loop, Merge-Join, mediante índices Hash y
Árboles B+.
2.
Metodología del
curso
Se dicta en:
+ +
2 horas 2 horas 2 horas

teoría
Laboratorio Laboratorio
“Semi-flipped classroom”
• Una cátedra
“Semi-flipped classroom”
• Dos sesiones laboratorio
– Ejercicios escritos o laboratorios con
computadoras
Sesiones prácticas
❏ Sesiones prácticas
– Nuestro primer laboratorio
• Tendremos una clase con archivos de texto plano y otros
❏ En algunos Lab. trabajarán en grupos de tres o

cuatro
– ¡Sólo se puede trabajar en grupo en el lab!
• Si no asistes físicamente al lab, hay que trabajar sólo
❏ A veces, necesitaremos computador

– Tendremos computadores en el laboratorio
507/603/301
– Se pueden usar notebooks personales también
Material
❏ Subiremos todas las diapositivas
antes de cada cátedra:
– Canvas
❏ Las diapositivas servirán como

el material canónico del curso
– Pero si quieren leer más, se
recomienda:
• “Database Management Systems”
– Ramakrishnan / Gehrke, Third Edition
Política sobre Tareas y Copias
Las tareas son individuales. Toda entrega debe ser enteramente fruto de su trabajo
y no puede ser derivada del trabajo de otros, ya sea de fuentes publicadas como no
publicadas, la web, otro estudiante, libros, materia de otros cursos (incluyendo
semestres anteriores de este curso), o cualquier otra persona o programa. Se
prohíbe copiar, examinar, o alterar la tarea de otra persona, o usar un programa para
transcribir, modificar o copiar los archivos de otro alumno.
Para facilitar el aprendizaje cooperativo, está autorizado conversar de una tarea con
otros estudiantes, siempre y cuando se respete la siguiente política de “pizarra”: Una
conversación puede tener lugar en una pizarra (o sobre papel, etc.), y debe cumplir
las siguientes reglas:
● Nadie tiene permiso de tomar notas, grabar la conversación, copiar o

fotografiar lo que esté escrito en la pizarra. La pizarra debe borrarse
después de la discusión.
● Se debe respetar un lapso de cuatro horas después de cualquier
conversación antes de empezar a trabajar en la tarea.
El hecho de que pueda recrear la solución de memoria se considera como prueba de

que se entendió efectivamente.
Toda violación podrá ser reportada a las autoridades correspondiente, solicitando un

sumario.
Si todo sale bien….
El profesor pone la pizza

Sistema de Evaluación:
El promedio final del curso se calcula a través de la siguiente fórmula:
TEORÍA (T) LABORATORIO (L)
EVALUACIÓN
Práctica Calificada PC1 (12%) Evaluación Continua C1 ( 7% )
*La ponderación Práctica Calificada PC2 (14%) Evaluación Continua C2 ( 8% )
de la evaluación Práctica Calificada PC3 (14%) Proyecto P1 ( 10% )
se hará si ambas Examen E1 (20%) Proyecto P2 ( 15% )
partes están
aprobadas
60% 40%
100%
Práctica Calificada (Tentativa)
Práctica Calificada 1 Práctica Calificada 2 Práctica Calificada 3
5 9 13
Semana
12% 14% 14%

Proyecto del Curso
Hito 2: 15%
Hito 1: 10%
1 7 15
Semana
Evaluación Continua
• Tareas
• Ejercicios
• Laboratorio
Desempeño en clase 15%
7 15
Semana
- No está permitido subir archivos

ZIP, no se revisará y es como si no
hubiese entregado su nota es 0.
3.
¿Por qué necesitan
este curso?
Un día cualquiera:
Un día cualquiera: 09:00
Despierto
(Bostezo.)
Reviso el avance del COVID-19
Fuente: https://gisanddata.maps.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd40299423467b48e9ecf6
Reviso el correo
Nada urgente, ¡uf!

Café: pago con tarjeta
Es debito.
Me meto al banco (¿me pagaron?)
Sí. Me pagaron.
Reviso canvas (¿alguna tarea ?)
No, salvo ...

IMDb (The Leftovers … ¿es bueno?)
Sí.
Amazon (The Leftovers … ¿cuánto cuesta?)
Demasiado.
ThePirateBay (me pagaron pero …)
Listo. Pero tengo hambre …

Al supermercado (¿cuánto cuesta?)
Luca.
Al supermercado (esperando en la fila …)
¿Cero likes?
Al supermercado (uso mi tarjeta OH!)
¿Acumulas puntos? Sí.

Desayuno
…
Un día cualquiera: antes de las 11:00
¿Estas actividades tienen algo en común?
Bases de datos:
Interactuamos con bases de datos
todo el tiempo, todos los días
• Especialmente con la Web:

– Búsqueda (Google, Bing, Yahoo!, …)
– Tiendas (Amazon, eBay, …)
– Redes sociales (Facebook, Twitter, …)
– Enciclopedias (Wikipedia, IMDb, …)
– Bancos
– Aerolíneas
– Canvas/EDU
…
Un buen mercado laboral
“Data Scientist”:
Ofertas de Trabajo
http://visit.crowdflower.com/rs/416-ZBE-142/images/CrowdFlower_DataScienceReport_2016.pdf
¿Cúal es la tendencia?
En 2020, cada persona generó 1,7 megabytes de datos en solo un segundo
4.
¿Qué es una “base de
datos”?
¿Una base de datos?
Un ejemplo de una
base de datos?
¿QUÉ ES UNA “BASE DE DATOS”?
DEPENDE ...
Aquí, una base de datos es:
• Una colección de datos

(típicamente datos estructurados)
(típicamente datos electrónicos)
organizada en alguna forma
para facilitar hacer consultas
de una forma eficiente
(hablando de los datos, no la aplicación …) Aquí, sí!

(es un sistema de base de datos entonces …) Aquí,

no!
Un sistema de bases de datos es:
• Un sistema (de software) general
para manejar
bases de datos …
• Facilitan (en una forma general):
• representar datos,
• cargar datos,
• organizar datos,
• definir datos,
• actualizar datos,
• consultar datos,
• …
• DBMS: (DataBase Management System)
Un sistema general implica que podamos
resolver un problema general …
(es una aplicación de base de datos entonces …) Aquí,

no!
(es una aplicación de base de datos entonces …) Aquí, no!

???
CS2041 Bases de Datos I Teófilo Chambilla Aquino
¿POR QUÉ SE NECESITAN

SISTEMAS DE “BASES DE
DATOS”?
Sé programar en C++, sé programar en Python,
… ¡puedo programar algo sin problema!
Intentemos implementar una aplicación sin un
sistema de bases de datos (p.ej., en C++)
Tenemos información de profesores, auxiliares,
alumnos y notas parciales en cada curso
profesores.csv
Dni Nombre Curso
…
40142153 Ernesto Cuadros Vargas CS1100
42440124 Teóﬁlo Chambilla Aquino CS2701
45142154 Heider Sanchez Enriquez CS1102
45142154 Maria Hilda Bermejo Rios CS2701
...
auxiliares.csv
Código Nombre Curso
alumnos.csv …
Código Nombre Curso 201710001 Peña Mendoza Alejandro CS1100
... 201710033 Quesada Velarde Luis CS2701
201710042 Molina Orellana Diego CS1100 201710066 Quispe Roldan Enrique CS1102
201710043 Paredes Sanchez Bruno CS2701 201710077 Peña Cordova Diana CS2701
201710044 Perez Fu Luis Adrian CS1102 ...
201710044 Perez Fu Luis Adrian CS2701
...
notas.csv
cursos.csv Código Nombre Eval Nota
Código Nombre …
… 201710043 CS2701 Lab 1 17
CS2701 Base de datos I 201710043 CS2701 Lab 2 18
CS1102 Programación Orientada a O 201710044 CS1102 Examen 11
CS1100 Introducción a ciencia de la C. 201710045 CS2701 Proyecto 15
... ...
Queremos saber todos los códigos del cursos
que toma el alumno “201710044”
alumnos.csv
...
201710042 Molina Orellana Diego CS1100
201710043 Paredes Sanchez Bruno CS2701
...
• En C++, podemos leer todo el archivo, filtrar todas las filas con
otros códigos y entregar sola la información relevante
¿Algún problema aquí?

Bueno, si los usuarios son impacientes y los
archivos grandes …
Mapa en memoria principal de alumnos.csv

Clave Valor
... ...
201710042 { (Molina Orellana Diego, CS1100) }
201710043 { (Paredes Sanchez Bruno, CS2701) }
201710044 { (Perez Fu Luis Adrian, CS1102),(Perez Fu Luis Adrian,CS2701) }
... ...
• En C++, podemos cargar los datos en memoria principal, y

utilizar un índice con códigos como claves (p.e., un “map”)

Bueno, si los usuarios son impacientes y los
archivos no caben en memoria …
alumnos.csv
Indíce (m. principal) ...
201710042 Molina Orellana Diego CS1100
Código Bloque 201710043 Paredes Sanchez Bruno CS2701
... ...
201710042 1
201710044 2 201710044 Perez Fu Luis Adrian CS1102
... 201710044 Perez Fu Luis Adrian CS2701
...
• En C++, podemos crear bloques de datos ordenados por Código,

y utilizar un índice con el primer Código en cada bloque

Bueno, si tenemos que actualizar la tabla con
datos nuevos …
alumnos.csv
Código Nombre Curso Del?
Código Bloque 201710042 Molina Orellana Diego CS1100 x
... 201710043 Paredes Sanchez Bruno CS2701
201710042 1 ...
201710044 2
... 201710044 Perez Fu Luis Adrian CS1102 x
...
Inserciones (m. principal)


...
• En C++, podemos crear un bloque en memoria principal, o

podemos dejar espacio en los bloques para datos nuevos o …

Bien, si a veces hay que consultar por el nombre
del alumno entonces …
alumnos.csv
Código Nombre Curso Del?
Código Bloque 201710042 Molina Orellana Diego CS1100 x
...
201710042 1 alumnos.csv
201710044 2
... 201710044 Perez Fu Luis Adrian CS1102 x
201710044 Código
Perez Fu Luis AdrianNombreCS2701 Curso Del?
Indíce (m. principal) ... ...
Nombre Bloque 201710042 Molina Orellana Diego CS1100
... 201710042 Molina Orellana Diego CS2701
Molina Diego 1 ...
Paredes Bruno 2
201710044 Perez Fu Luis Adrian CS1102 x
...
• En C++, podemos crear otro índice ordenado por nombre …

ok ok, si a veces hay que consultar por el nombre
de los cursos del alumno entonces …
alumnos.csv
(indexado por Código y Nombre) cursos.csv
(indexado por Código)
... Código Nombre
201710042 Molina Orellana Diego CS1100 …
201710043 Paredes Sanchez Bruno CS2701 CS2701 Base de datos I
201710044 Perez Fu Luis Adrian CS1102 CS1102 Programación Orientada a O
201710044 Perez Fu Luis Adrian CS2701 CS1100 Introducción a ciencia de la C.
... ...
• En C++, podemos crear otro índice para cursos.csv e

implementar “joins” entre ambos índices

… uum, si hay que verificar que los alumnos solo
tengan cursos que aparecen en cursos.csv …
alumnos.csv
... Código Nombre
... ...
INSERT alumnos.csv (201710044,Perez Fu Luis Adrian, CS1100)

INSERT alumnos.csv (201710044,Perez Fu Luis Adrian, CS2801)
• En C++, antes de hacer una inserción a alumnos.csv, podemos

consultar a cursos.csv para verificar que el curso exista.

… pues, si hay que permitir quitar cursos …
alumnos.csv
... Código Nombre
... ...
DELETE alumnos.csv (201710044,Perez Fu Luis Adrian, CS1100)

DELETE cursos.csv (CS2701, Base de datos I)
• En C++, podemos agrupar inserciones y/o borrados para

mantener la consistencia de los datos (transacciones)

… si hay múltiplos usuarios actualizando la base
de datos al mismo tiempo …
alumnos.csv
... Código Nombre
... ...
DELETE alumnos.csv (201710044,Perez Fu Luis Adrian, CS1100) INSERT alumnos.csv (201710044,Perez Fu Luis Adrian, CS1100)
DELETE cursos.csv (CS2701, Base de datos I)
• En C++, hay que aislar transacciones para evitar este tipo de

situación (y otras similares)

… si hay que contar el número de cursos que
cada alumno toma u otra formas de consultas
…
alumnos.csv
... Código Nombre
... ...
SELECT codigo, COUNT(curso) FROM alumnos GROUP BY codigo
• En C++, podemos implementar un lenguaje de consulta

general que cubre los rasgos más necesitados

… si el rendimiento de consultas no basta para
los usuarios, podemos optimizar …
alumnos.csv
... Código Nombre
... ...
SELECT codigo, COUNT(curso) FROM alumnos GROUP BY codigo
• En C++, podemos implementar varias optimizaciones en un

planificador de ejecución

(╯°□°）╯︵ ┻━┻
¡Sí! 'utf-8' codec can't decode byte 0xed
in position 417: invalid continuation
byte
• A veces, faltan valores en las tablas
• Cursos pueden tener más que un nombre
• Tenemos valores como fechas, booleanos, etc., que queremos comparar,
ordenar, manipular, sumar …
• El rendimiento de algunas consultas todavía es terrible
• La carga de datos todavía es demasiado lento
• No hay suficiente memoria para mantener los índices
• Los administradores quieren agregar columnas nuevas como la carrera de
los alumnos
• Los alumnos no deberían tener acceso para cambiar sus notas
• Hay l33t h4cker$ que quieren pwnear nuestra base de datos para cambiar
sus notas
• Tenemos que mantener respaldos en una forma segura
• You won’t see this so I can write it in English.
… y si pudiéramos solucionar estos problemas
deuna forma general …
… habríamos implementado
un sistema de bases de datos
Estos son problemas generales que se
encuentran en muchas aplicaciones
… muchas aplicaciones importantes
Un sistema de bases de datos es:
• Un sistema (de software) general
para manejar
bases de datos …
• Facilitan (en una forma general):
• representar datos,
• cargar datos,
• organizar datos,
• definir datos,
• actualizar datos,
• consultar datos,
• …
• DBMS: (DataBase Management System)
Con un DBMS …
Los usuarios se encargan de:
• diseñar la estructura de la base de datos,

• escribir consultas,
• actualizar los datos,
• …
… solo las cosas específicas en el contexto de la

aplicación específica.
Con un DBMS …
Por debajo, el DBMS se encarga de:
• Almacenaje optimizado
• Indexación
• Procesamiento de consultas
• Optimización de consultas
• Manejo de transacciones
• Manejo de acceso concurrente
• Seguridad
• ¡y mucho más!
… las cosas generales que se necesitan en muchas aplicaciones.

Hay implementaciones con décadas de
desarrollo por miles de expertos
Pero DBMS están siempre evolucionando:
tecnología cambia
Pero DBMS están siempre evolucionando:
los requisitos de las aplicaciones cambian
5.
¿Una base de datos
siempre modela
datos como tablas?
… ¿son siempre modelados así?
profesores.csv
Dni Nombre Curso
…
40142153 Ernesto Cuadros Vargas CS1100
42440124 Teóﬁlo Chambilla Aquino CS2701
45142154 Heider Sanchez Enriquez CS1102
45142154 Maria Hilda Bermejo Rios CS2701
...
auxiliares.csv
alumnos.csv …
Código Nombre Curso 201710001 Peña Mendoza Alejandro CS1100
... 201710033 Quesada Velarde Luis CS2701
201710042 Molina Orellana Diego CS1100 201710066 Quispe Roldan Enrique CS1102
201710043 Paredes Sanchez Bruno CS2701 201710077 Peña Cordova Diana CS2701
201710044 Perez Fu Luis Adrian CS1102 ...
...
notas.csv
cursos.csv Código Nombre Eval Nota
Código Nombre …
… 201710043 CS2701 Lab 1 17
CS2701 Base de datos I 201710043 CS2701 Lab 2 18
CS1102 Programación Orientada a O 201710044 CS1102 Examen 11
CS1100 Introducción a ciencia de la C. 201710045 CS2701 Proyecto 15
... ...
¿Se puede modelar una base de datos
como un mapa?
Clave Valor
... ...
201710042 { (Molina Orellana Diego, CS1100) }
201710043 { (Paredes Sanchez Bruno, CS2701) }
201710044 { (Perez Fu Luis Adrian, CS1102),(Perez Fu Luis
Adrian,CS2701) }
... ...
¡Sí!
como un árbol?
¡Sí!
como un grafo?
¡Sí!
Bases de Datos Relacional
profesores.csv
• Tablas = Un modelo de bases de datos
– Bases de datos relacionales
auxiliares.csv
• El modelo más establecido
alumnos.csv
• El enfoque del curso
• Pero hablaremoscursos.csv
brevemente de otros notas.csv
modelos
6.
Una diversidad de
tipos de (sistemas
de) bases de datos
Los sistemas más utilizados en la práctica
…
http://db-engines.com/en/ranking
7.
¿Qué vamos a
aprender?
Una introducción a bases de datos:
• Hay tres tipos típicos de “usuarios” para un
sistema de bases de datos:
1. Usuarios finales
2. Administradores del sistema
3. Desarrolladores de un sistema
• Enfocaremos en el primer tipo

– Incluye desarrolladores de aplicaciones de bases
de datos
• Hablaremos un poco también de tipos dos y
tres
En este curso, aprenderán
• Como se puede generalizar una consulta, la
indexación, la gestión, etcétera, de datos
• Modelos de bases de datos

– Con énfasis en el modelo relacional
– Otros modelos: grafos, árboles, NoSQL …
• Usar y manejar sistemas de bases de datos

– Cargar datos, escribir consultas, actualizar datos
No aprenderán (específicamente)
• Rasgos específicos de todos los sistemas
• Como se puede implementar un sistema de
bases de datos (en detalle)
• Minería de datos
• Sistemas distribuidos (en detalle)
• Datalog / lógica / teoría (en detalle)
• Big data (en detalle)
La estructura del curso
• Introducción / Motivación
• Entidades/Relaciones
• El Modelo Relacional
• El Álgebra Relacional
• SQL (consultas)
• Indexación / Optimización
• SQL (actualizaciones)
• Formas Normales
• Transacciones
• Otros Modelos:
Base de datos no relacional: JSON
Base de datos en Grafos: SPARQL
¿Preguntas?
GRACIAS

Server Discord

Clase I - Introducción A Base de Datos y DBMS

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clase I - Introducción A Base de Datos y DBMS

Cargado por

Copyright:

Formatos disponibles

CLASE 1: INTRODUCCIÓN

CS2041- Bases de Datos I

Brenner Ojeda bojeda@utec.edu.pe

Teófilo Chambilla - tchambilla@utec.edu.pe

Los resultados del aprendizaje

❏ Aplicar conceptos de álgebra relacional y teoría de grafos para

❏ Demostrar la optimización de consultas, indexación y transacción

❏ Construir Base de Datos a través de modelos como

❏ Utilizar algoritmos de optimización de consultas SQL, como

2 horas 2 horas 2 horas

❏ En algunos Lab. trabajarán en grupos de tres o

❏ A veces, necesitaremos computador

❏ Las diapositivas servirán como

● Nadie tiene permiso de tomar notas, grabar la conversación, copiar o

El hecho de que pueda recrear la solución de memoria se considera como prueba de

Toda violación podrá ser reportada a las autoridades correspondiente, solicitando un

El profesor pone la pizza

TEORÍA (T) LABORATORIO (L)

Práctica Calificada 1 Práctica Calificada 2 Práctica Calificada 3

12% 14% 14%

Desempeño en clase 15%

- No está permitido subir archivos

Nada urgente, ¡uf!

No, salvo ...

Listo. Pero tengo hambre …

¿Acumulas puntos? Sí.

• Especialmente con la Web:

• Una colección de datos

(hablando de los datos, no la aplicación …) Aquí, sí!

(es un sistema de base de datos entonces …) Aquí,

(es una aplicación de base de datos entonces …) Aquí,

(es una aplicación de base de datos entonces …) Aquí, no!

¿POR QUÉ SE NECESITAN

¿Algún problema aquí?

Mapa en memoria principal de alumnos.csv

• En C++, podemos cargar los datos en memoria principal, y

¿Algún problema aquí?

• En C++, podemos crear bloques de datos ordenados por Código,

¿Algún problema aquí?

Inserciones (m. principal)

201710044 Perez Fu Luis Adrian CS2804

• En C++, podemos crear un bloque en memoria principal, o

¿Algún problema aquí?

• En C++, podemos crear otro índice ordenado por nombre …

¿Algún problema aquí?

• En C++, podemos crear otro índice para cursos.csv e

¿Algún problema aquí?

INSERT alumnos.csv (201710044,Perez Fu Luis Adrian, CS1100)

• En C++, antes de hacer una inserción a alumnos.csv, podemos

¿Algún problema aquí?

DELETE alumnos.csv (201710044,Perez Fu Luis Adrian, CS1100)

• En C++, podemos agrupar inserciones y/o borrados para

¿Algún problema aquí?

• En C++, hay que aislar transacciones para evitar este tipo de

¿Algún problema aquí?

SELECT codigo, COUNT(curso) FROM alumnos GROUP BY codigo

• En C++, podemos implementar un lenguaje de consulta

¿Algún problema aquí?

SELECT codigo, COUNT(curso) FROM alumnos GROUP BY codigo

• En C++, podemos implementar varias optimizaciones en un

¿Algún problema aquí?

• diseñar la estructura de la base de datos,

… solo las cosas específicas en el contexto de la