ESQUEMAS DE FRAGMENTACION DE UNA BASE DE DATOS DISTRIBUIDA

El problema de fragmentación se refiere al particionamiento de la información para distribuir cada parte a los diferentes sitios de la red

Objetivos de la fragmentación

El objetivo de la fragmentación consiste en dividir la relación en un conjunto de relaciones más pequeñas tal que algunas de las aplicaciones de usuario sólo hagan uso de un fragmento.

Sobre este marco, una fragmentación óptima es aquella que produce un esquema de división que minimiza el tiempo de ejecución de las aplicaciones que emplean esos fragmentos.

La unidad de fragmentación ideal no es la tabla sino una subdivisión de ésta.

Esto es debido a:

• Las aplicaciones usan vistas definidas sobre varias relaciones, es decir, se forman a partir de "trozos" de varias tablas. Si conseguimos que cada una de las vistas esté definida sobre subtablas locales (o en su defecto lo mas "cerca" posible) a cada aplicación, es de esperar un incremento en el rendimiento.
  
• Si múltiples vistas de diferentes aplicaciones están definidas sobre una tabla no fragmentada, se tiene :
  

• Si la tabla no está replicada entonces se produce generación de tráfico por accesos remotos.
  
• Si la tabla está replicada en todos o algunos de los sitios donde residen cada una de las aplicaciones entonces la generación de trafico innecesario es producida por la necesidad de la actualización de las copias.

Ventajas

Al descomponer una relación en fragmentos (unidades de distribución) :

• Permitimos el procesamiento concurrente de transacciones ya que no se bloquean tablas enteras sino subtablas, por lo que dos consultas pueden acceder a la misma tabla a fragmentos distintos.
  
• Permitimos la paralelización de consultas al poder descomponerlas en subconsultas, cada una de la cuales trabajará con un fragmento diferente incrementándose así el rendimiento.
  

Desventajas

• Degradación del rendimiento en vistas definidas sobre varios fragmentos ubicados en sitios distintos (es necesario realizar operaciones con esos trozos lo cual es costoso)
  
• El control semántico se dificulta y el rendimiento se degrada debido que la verificación de restricciones de integridad (claves ajenas, uniques, etc) implican buscar fragmentos en múltiples localizaciones.
  

Por lo tanto división y ubicación de los fragmentos no es trivial.

Tipos de fragmentación de datos

Existen tres tipos de fragmentación:

• Fragmentación horizontal
  
• Fragmentación vertical
  
• Fragmentación híbrida
  

Para que una la fragmentación de una relación sea correcta debe satisfacer las siguientes condiciones:

• Condición de completitud.
  

La descomposición de una relación R en los fragmentos R1, R2, ..., Rn es completa si y solamente si cada elemento de datos en R se encuentra en alguno de los fragmentos Ri.

• Condición de Reconstrucción.
  

La descomposición de una relación R en los fragmentos R1, R2, ..., Rn es completa si y solamente si cada elemento de datos en R se encuentra en alguno de los fragmentos Ri.

• Condición de Fragmentos Disjuntos.
  

Si la relación R se descompone en los fragmentos R1, R2, ..., Rn, y el dato di está en Rj, entonces, no debe estar en ningún otro fragmento Rk (k?j).

 FRAGMENTACION VERTICAL DE UNA BASE DE DATOS DISTRIBUIDA

La fragmentación vertical de una relación R produce una serie de fragmentos R1, R2, ..., Rr cada uno de los cuales contiene un subconjunto de los atributos de R así como la clave primaria de R.

 FRAGMENTACION HORIZONTAL DE UNA BASE DE DATOS DISTRIBUIDA

La fragmentación horizontal de una relación R produce una serie de fragmentos R1, R2, ..., Rr, cada uno de los cuales contiene un subconjunto de las tuplas de R que cumplen determinadas propiedades (predicados)

Fragmentación horizontal primaria y derivada

La Fragmentación Horizontal Primaria (FHP) de una relación se obtiene usando predicados que están definidos en esa relación.

La Fragmentación Horizontal Derivada (FHD) por otra parte, es el particionamiento de una relación como resultado de predicados que se definen en otra relación.

 FRAGMENTACION MIXTA DE UNA BASE DE DATOS DISTRIBUIDA

Consiste en aplicar las operaciones de fragmentación vistas anteriormente de manera recursiva, satisfaciendo las condiciones de correctés cada vez que se realiza la fragmentación.

La reconstrucción puede ser obtenida aplicando las reglas de reconstrucción en orden inverso.
De esta forma podemos fragmentar nuestra tabla global en los pedazos que queramos y como queramos.
Ejemplo: Considere la relación de empleado (E).
Una posible fragmentación híbrida sería:

 SOFTWARE UTILIZADO EN UNA BASE DE DATOS DISTRIBUIDA

Sistema manipulador de base de datos distribuida (DDBMS)

Este sistema está formado por las transacciones y los administradores de la base de datos distribuidos. Un DDBMS implica un conjunto de programas que operan en diversas computadoras, estos programas pueden ser subsistemas de un único DDBMS de un fabricante o podría consistir de una colección de programas de diferentes fuentes.

Administrador de transacciones distribuidas (DTM)

Este es un programa que recibe las solicitudes de procesamiento de los programas de consulta o transacciones y las traduce en acciones para los administradores de la base de datos. Los DTM se encargan de coordinar y controlar estas acciones. Este DTM puede ser propietario o libre.

Sistema manipulador de base de datos (DBMS)

Es un programa que procesa cierta porción de la base de datos distribuida. Se encarga de recuperar y actualizar datos del usuario y generales de acuerdo con los comandos recibidos de los DTM.

Nodo

Un nodo es una computadora que ejecuta un DTM o un DBM o ambos. Un nodo de transacción ejecuta un DTM y un nodo de base de datos ejecuta un DBM.

 BASE DE DATOS DISTRIBUIDAS 

 ¿Qué son?

Es un conjunto de múltiples bases de datos lógicamente relacionadas las cuales se encuentran distribuidas en diferentes espacios lógicos (pej. un servidor corriendo 2 máquinas virtuales) e interconectados por una red de comunicaciones. Dichas BDD tienen la capacidad de realizar procesamiento autónomo, esto permite realizar operaciones locales o distribuidas. Un sistema de Bases de Datos Distribuida (SBDD) es un sistema en el cual múltiples sitios de bases de datos están ligados por un sistema de comunicaciones de tal forma que, un usuario en cualquier sitio puede acceder los datos en cualquier parte de la red exactamente como si estos fueran accedidos de forma local.

 Uso

Como toda base de datos, la base de datos distribuida consiste en un almacén de datos, es decir en un conjunto de datos almacenado de manera sistemática siempre dispuesto a ser utilizado. Pero tiene una particularidad que la diferencia y que consiste en que estos datos están almacenados en distintas máquinas que integran un sistema y que tienen conexión entre si.

Ventajas

• Flexibilidad, acceso desde distintos lugares y por distintas personas a la vez
• Fiabilidad/disponibilidad, en un determinado momento / intervalo. Varios sitios, duplicaciones,evitan fallos
• Modularidad
• Mejora del rendimiento, BD más pequeñas,operaciones de menor volumen
• Crecimiento incremental, añadiendo poder de procesamiento y almacenamiento

 Desventajas

• Complejidad del sistema, desarrollo de software más costoso, problemas de sincronización, dificultad para conocer la corrección de los algoritmos paralelos, detección de caídas de nodos
• Dependencia de la red de comunicaciones, sobrecarga de procesamiento de mensajes
• Dificultad de diseño, fases adicionales 
• Poca madurez de los productos comerciales, orientados a replicación
• Funciones de administración compleja, sincronización y coordinación
• Dificultad de cambio, inexistencia de metodologías
• Personal especializado

INTEGRACION DE DATOS

La integración de datos es el problema de combinar datos que residen en distintos sistemas, posiblemente heterogéneos entre sí y proporcionar a los usuarios finales una vista unificada de estos datos. Por ejemplo: En el caso de los sistemas de información medica que contiene información clínica sobre los pacientes, la integración tiene generalmente como propósito el facilitar a los usuarios (ya sea personal clínico, administrativo, de investigación o el propio paciente) una vista unificada de la información clínica recogida durante el proceso de atención de los pacientes. Esta información no se limita únicamente a la recogida en un departamento sino que incluye la información aportada por la institución o el conjunto de instituciones donde el paciente ha sido atendido alguna vez. Esta situación da lugar al concepto de historia clínica electrónica.
Existen tres factores clave que cabe tener en consideración a la hora de afrontar un proyecto de integración de datos, independientemente de que sean clínicos o no. Estos son: autonomía de las fuentes de datos a integrar, su heterogeneidad y su distribución.

SISTEMAS DE BASE DE DATOS DISTRIBUIDAS 

 

Los Sistemas de Bases de Datos Distribuidas representan más naturalmente la estructura geográficamente descentralizada de una organización, aumentan la disponibilidad de los datos, reducen el tráfico de comunicación y es justificable, además, por el abaratamiento de los costos en el equipamiento y la infraestructura de comunicaciones de las redes de computadoras. El diseño de las Bases de Datos Distribuidas posee las fases del diseño centralizado y cuenta, además, con dos nuevos problemas que caracterizan el proceso de distribución de datos, e incluyen la determinación de: cómo dividir la base de datos en componentes para localizarlos en diferentes sitios, qué cantidad de datos debe ser replicados y cómo deben los fragmentos replicados ser localizados.

Existen varias definiciones sobre qué es un sistema distribuido pero hay divergencias entre ellas, para nuestros propósitos es suficiente expresar que un sistema distribuido es una colección de computadoras independientes interconectadas entre sí que aparecen ante los usuarios del sistema como una única computadora

Ventajas

• El acceso a los datos es más rápido debido a que los datos se localizan más cercanos al lugar donde se utilizan.
  
• El procesamiento es rápido debido a que varios nodos intervienen en el procesamiento de una carga de trabajo
  
• Nuevos nodos se pueden agregar fácil y rápidamente.
  
• La probabilidad de que una falla en un solo nodo afecte al sistema es baja y existe una autonomía e independencia entre los nodos.
  
• Control local de los datos con que se interactúa.
  
• Mayor tolerancia a los fallos
  

Desventajas

• Es más complicado el control y la manipulación de los datos
  
• Es compleja el aseguramiento de la integridad de la información en presencia de fallas no predecibles tanto de componentes de hardware como de software. La integridad se refiere a la consistencia, validez y exactitud de la información.
  
• El control de concurrencia y los mecanismos de recuperación son mucho más complejos que en un sistema centralizado dado que los datos pueden estar replicados.
  

AMBIENTE CON MULTIPLES PROCESADORES

La palabra multiusuario se refiere a un concepto de sistemas operativos, pero en ocasiones también puede aplicarse a programas de computadora de otro tipo (ej. aplicaciones de base de datos) e incluso a sistemas de cómputo. En general se le llama multiusuario a la característica de un sistema operativo o programa que permite proveer servicio y procesamiento a múltiples usuarios simultáneamente, estrictamente es pseudo-simultáneo (tanto en paralelismo real como simulado).

En contraposición a los sistemas monousuario, que proveen servicio y procesamiento a un sólo usuario, en la categoría de multiusuario se encuentran todos los sistemas que cumplen simultáneamente las necesidades de dos o más usuarios, que comparten los mismos recursos. Actualmente este tipo de sistemas se emplean especialmente en redes, pero los primeros ejemplos de sistemas multiusuario fueron los centralizados, que los usuarios compartían a través del uso de múltiples dispositivos de interfaz humana.

ASPECTOS IMPORTANTES DE LOS SISTEMAS DE BASE DE DATOS

Los sistemas de base de datos son ampliamente usados, especialmente en las universidades, centros de investigación, banca de seguros, líneas aéreas, telecomunicaciones, recursos humanos, tiendas, supermercados, etc.

Como se puede observar, las base de datos forman parte importante de la mayoría de empresas actuales, las personas o usuarios no son conscientes de su uso debido a las interfaces, pero en el desarrollo diario de los quehaceres estas ocupan los principales planos, de hecho las base de datos forman parte de la vida de las personas.

SGBD MÁS USADOS

Entre los sistemas gestores de base de datos más usados, tenemos entre otros de acuerdo al tipo de licencia, Libres:

• MySQL: Perteneciente a Sun Microsystems (también existe una versión no libre y más completa).
• Postgresql.
• Open Office Database: De Sun Microsystems.
• SQLite: Con licencia GPL, entre otros.

Privativos

• Oracle Database: Perteneciente a Oracle Corporation.
• Fox Pro.
• Magic.
• Microsoft SQL sever.
• Microsoft Access.
• ADABAS: Perteneciente a IBM.
• Paradox.