Bases de Datos Distribuidas

Bases de Datos Distribuidas
Estructura de contenidos
Mapa conceptual
Introducción
1. Definición
2. Reglas Características
3. Diseño de Base de Datos Distribuidas
3.1 Consideraciones
3.2 Procedimiento
3.3 Fragmentación
3.3.1 Fragmentación Horizontal
3.3.2 Fragmentación Vertical
4. Replicación
4.1 Características
4.2 Objetos de replicación
4.3 Grupos de replicación
4.4 Los sitios de replicación
4.4.1 Un sitio maestro
4.4.2 Un sitio de instantáneas
4.5 Replicación de Instantáneas
4.5.1 Copias de sólo lectura
4.5.2 Instantáneas actualizables
4.5.3 Usos de la replicación de instantáneas.
Glosario
Bibliografía
Control de Documento
2
3
4
4
6
6
7
9
10
11
12
12
12
13
13
13
14
14
14
15
15
16
17
18
1
FAVA - Formación en Ambientes Virtuales de Aprendizaje
SENA - Servicio Nacional de Aprendizaje
MAPA CONCEPTUAL
Bases de Datos Distribuidas
2
FAVA - Formación en Ambientes Virtuales de Aprendizaje
SENA - Servicio Nacional de Aprendizaje
Bases de Datos Distribuidas
Introducción
La dinámica actual de las organizaciones las ha llevado a asumir la
distribución como un factor de organización, bien sea
por que se
encuentran divididas en forma lógica a través de áreas o departamentos,
o porque la división se asume de una forma física a partir de sucursales,
plantas, laboratorios, etc. Siendo los datos factor determinante para la
realización de los diferentes procesos, no es extraño que estos también se
encuentren distribuidos a través de estas áreas.
Lograr de una manera lógica y coherente la integración de la información
producida por las diferentes divisiones organizacionales, requiere que las
bases de datos manipuladas por estas áreas estén disponibles para los
puntos o nodos de este sistema distribuido, de manera que puedan ser
accedidas globalmente, pero de forma transparente para los usuarios
quienes las procesarán localmente.
Se requiere entonces de un robusto sistema que permita gestionar las
actividades
necesarias
para
garantizar
entre
otros
aspectos,
disponibilidad, seguridad, estrategias de almacenamiento y tráfico en la
red de comunicación entre otros aspectos.
Se presenta en este material de estudio, las
principales de características de las Bases de
Datos Distribuidas (BDD), así como los tipos
de
fragmentación
que
pueden
implementarse
para
generar
el
almacenamiento distribuido y las réplicas
como
estrategia
para
aumentar
la
disponibilidad del servicio y optimización del
manejo de concurrencia, asegurando un
manejo eficiente de tráfico en la red.
3
FAVA - Formación en Ambientes Virtuales de Aprendizaje
SENA - Servicio Nacional de Aprendizaje
Bases de Datos Distribuidas
1. Definición
Un Sistema de Base de Datos Distribuida es una colección de sitios,
conectados por medio de una infraestructura de red, en el cual cada sitio
es un sistema de base de datos completo y estos sitios tienen acuerdos
para trabajar juntos, de tal manera que un usuario pueda acceder a los
datos de un sitio como si estuviera accediendo a ellos de forma
local.(Date, 2001)
Las principales razones para utilizar un sistema de bases de datos
distribuidas son:
Compartir Datos: Proporcionar el acceso a los datos sin importar la
ubicación facilita los medios para optimizar procesos que requieren
de esta información.
Autonomía:
distribuidas.
Posibilidad
de
realizar
operaciones
locales
o
Disponibilidad: Garantizar que los datos se encuentren disponibles
aun cuando exista un fallo en algún nodo o sitio, de manera tal que
se deben asumir estrategias de replicación sobre los datos.
2. Reglas Características
Date en 2001, introdujo doce reglas que deben cumplir los Sistemas de
Base de Datos Distribuidas, las cuales se resumen a continuación.
Autonomía local: Aun cuando debe existir un administrador del
sistema global, cada sitio o nodo debe disponer de administración
local, lo cual determina un nivel de autonomía sobre la
administración de los datos.
Independencia de un sitio central: Todos los sitios deben ser
tratados igual y realizar sus propios procesamientos con el fin de
evitar que la caída del nodo central deje por fuera los demás nodos.
Operación continua: Así como en un sistema centralizado, se debe
garantizar que la inclusión de nuevos nodos o mantenimiento del
sistema no impidan la disponibilidad del servicio.
4
FAVA - Formación en Ambientes Virtuales de Aprendizaje
SENA - Servicio Nacional de Aprendizaje
Bases de Datos Distribuidas
Independencia de Localización: La estructura lógica del sistema,
debe garantizar que se accede a los datos sin que sea necesario para
los usuarios conocer su ubicación.
Independencia de fragmentación: Algunos sistemas optimizan su
despeño al utilizar la fragmentación, que implica que algunas de sus
“tablas” o relaciones se encuentran divididas en diferentes
ubicaciones de disco. El sistema distribuido utiliza principalmente las
bases de datos relacionales por su facilidad para reconstruir
operaciones de fragmentación, todo esto en forma transparente al
usuario final.
Independencia de réplica: Otra estrategia en los sistemas de Base
de datos es la de generar “copias” de los datos almacenadas en
sitios diferentes.
Procesamiento Distribuido de Consultas: Se debe prestar
especial atención a la optimización de consultas, teniendo en cuenta
que su procesamiento se hace en diferentes nodos.
Manejo Distribuido de Transacciones: Una transacción puede
ocasionar el procesamiento en varios nodos y se requiere asegurar la
atomicidad de la transacción, es decir “Todo o Nada”, para lo cual los
diferentes agentes que controlan las transacciones locales deben
estar sincronizados para ejecutar o retroceder las operaciones en
forma simultanea en los diferentes nodos donde se requiera. Otro
aspecto tienen que ver con el control de concurrencia, aquí el
bloqueo de transacciones es la acción que principalmente se utiliza.
Independencia respecto al equipo: Se debe validar que desde
diferentes equipos se pueda ejecutar el DBMS.
Independencia respecto al Sistema Operativo: También se debe
garantizar que se pueden utilizar diversos Sistemas Operativos.
Independencia respecto a la red: Debe garantizarse también que
se pueden utilizar diferentes redes de comunicaciones.
Independencia respecto al DBMS: Es recomendable que el SMBD
que este en cada sitio manipule la misma interfaz sin que sean copias
del mismo sistema.
5
FAVA - Formación en Ambientes Virtuales de Aprendizaje
SENA - Servicio Nacional de Aprendizaje
Bases de Datos Distribuidas
3. Diseño de Bases de Datos Distribuidas
Un Sistema de Base de Datos Distribuida es una colección de sitios,
conectados por medio de una infraestructura de red, en el cual cada sitio
es un sistema de base de datos completo y estos sitios tienen acuerdos
para trabajar juntos, de tal manera que un usuario pueda acceder a los
datos de un sitio como si estuviera accediendo a ellos de forma
local.(Date, 2001)
3.1. Consideraciones
Para definir la estructura organizacional en una base de datos distribuida
es necesario tener en cuenta los siguientes aspectos:
• Necesidades sobre los datos compartidos
• Tipo de acceso a los datos
• Profundidad en la información
Modo de acceso
Dinámico
Información parcial
Estático
Información total
Datos
Nivel de conocimiento
Datos y programas
Compartición
6
FAVA - Formación en Ambientes Virtuales de Aprendizaje
SENA - Servicio Nacional de Aprendizaje
Bases de Datos Distribuidas
En primer lugar, se debe analizar si se requiere compartir aplicaciones o
sólo datos, ya que los recursos requeridos serían diferentes. Si las
aplicaciones y datos son independientes en cada nodo no se requiere de
distribuir datos o programas, se podría pensar en replicación de datos sólo
por aspectos de disponibilidad y seguridad. Para las situaciones en que se
comparten datos únicamente las estrategias de replicación y
fragmentación pueden utilizarse y en el caso que se compartan tanto
datos como aplicaciones se debe proveer la comunicación entre
aplicaciones para la obtención de datos remotos.
El segundo factor corresponde al acceso de los usuarios, identificándose
dos tipos: acceso estático y acceso dinámico: El acceso estático es aquel
donde el usuario siempre solicita datos de la misma manera, controlado la
mayoría de veces por las aplicaciones que ejecuta. El acceso dinámico
corresponde a la posibilidad de estar ejecutando diferentes sentencias
determinadas por los requerimientos del momento.
El tercer factor es el nivel de conocimiento al que se tiene acceso, se
requiere acceso parcial a los datos o el acceso es total, esto se consigue
revisando las políticas de servicio y la estructuración de usuarios y roles
del sistema.
3.2. Procedimiento
Existen dos alternativas a seguir para el diseño de una BDD, la estrategia
ascendente y la descendente. En la primera se parte de un numero de
bases de datos y aplicaciones que requieren ser distribuidas para lo cual
se debe generar un diseño global de administración y comunicación. Y la
segunda donde se planifican desde lo global hasta llegar a cada uno de los
nodos o sitios.
Sin importar la estrategia adoptada es necesario realizar los siguientes
procesos:
Se inicia con el análisis de los requisitos que definirán el entorno del
sistema basados en los procesos y datos requeridos por los usuarios de
la base de datos, y por los parámetros de rendimiento, seguridad,
disponibilidad y flexibilidad definidos para el sistema.
Se procede a continuación a definir el diseño de las vistas y el diseño
conceptual, que se desarrollan en forma paralela. El diseño de las vistas
define las interfaces para los usuarios y en el diseño conceptual se
7
FAVA - Formación en Ambientes Virtuales de Aprendizaje
SENA - Servicio Nacional de Aprendizaje
Bases de Datos Distribuidas
especifican las entidades, relaciones y aplicaciones
tener acceso.
a las que se debe
El esquema conceptual global y la información respecto al acceso a los
datos proveen la información para diseñar la distribución, donde se
definirán los esquemas conceptuales locales a cada nodo o sitio. A nivel de
distribución local es común utilizar la fragmentación para dividir las
relaciones en otras menores que pueden ser alojadas en otros sitios. Este
tema se afrontará en el siguiente numeral de este documento.
En el diseño físico, se especifican los esquemas conceptuales locales sobre
los dispositivos de almacenamiento físico disponibles para lo cual se
revisan los esquemas conceptuales definidos y la información de acceso a
los fragmentos.
Como siempre un último proceso es el de la evaluación, en el cual se
monitorea y ajusta el diseño con la revisión periódica de los requisitos,
accesos y estadísticas de incidentes y uso.
Análisis de requisitos
Diseño conceptual
Diseño de vistas
Esquema conceptual
global
Esquemas externos
Objetivos del
sistema
Información de
acceso
DISEÑO DE LA DISTRIBUCIÓN
Esquemas conceptuales
locales
Diseño físico
Esquema físico
Monitorización y
ajustes
8
FAVA - Formación en Ambientes Virtuales de Aprendizaje
SENA - Servicio Nacional de Aprendizaje
Bases de Datos Distribuidas
3.3. Fragmentación
Una Base de Datos puede ser fragmentada para mejorar el rendimiento y
simplificar su mantenimiento. Las consultas que tienen acceso a tablas
que han sido divididas pueden ejecutarse con mayor rapidez al contar con
menos datos a recorrer o al tener procesamiento simultáneo por varios
procesadores; Por otra parte las tareas de copias de seguridad o
reindexación pueden ejecutarse más rápido al contar con menos datos.
Otra estrategia es la de particionar sin dividir las tablas, esto se consigue
cuando se almacenan las tablas en unidades de disco independientes, lo
cual hace que si se requiere utilizar estas tablas para una misma consulta,
varias cabezas de lectura de disco accederán a los datos de manera
simultánea, recorriendo más rápido los datos. Se recomienda retomar los
conceptos de Raid, vistos anteriormente.
Dir. PC1
Dir. PC2
Dir. PC3
Dir. PC4
ID 1
ID 1
ID 1
ID 1
ID 2
ID 2
ID 2
ID 2
...
...
...
...
ID n
ID n
ID n
ID n
Servidor
D2 2
Usuario
PC1
PC2
PC3
PC4
Dir. PC2
ID 1
Dir. PC1
ID 1
Dir. PC1
ID 1
Dir. PC1
ID 1
Dir. PC3
ID 2
Dir. PC3
ID 2
Dir. PC2
ID 2
Dir. PC2
ID 2
Dir. PC4
...
Dir. PC4
...
Dir. PC4
...
Dir. PC3
...
Dir. Server
ID n
Dir. Server
IDn
Dir. Server
ID n
Dir. Server
ID n
9
FAVA - Formación en Ambientes Virtuales de Aprendizaje
SENA - Servicio Nacional de Aprendizaje
Bases de Datos Distribuidas
La fragmentación también tiene inconvenientes, especialmente cuando
una vista se alimenta de datos que han sido particionados, requiriendo de
tareas de unión y combinación, así como la verificación de dependencias,
que debería revisar en más de una ubicación.
Existen dos tipos de fragmentación o división: horizontal y vertical, La
división o fragmentación horizontal actúa sobre las filas, dividiendo la
tabla en subtablas que contienen un subconjunto de las filas de la tabla
inicial. La fragmentación vertical, se basa en las columnas de la tabla para
efectuar la división.
3.3.1. Fragmentación Horizontal
Llave
Atributo 1
Atributo 2
Atributo 3
Llave
Atributo 1
Atributo 2
Atributo 3
Atributo 4
Llave
Atributo 1
Atributo 2
Atributo 3
Atributo 4
Llave
Atributo 1
Atributo 2
Atributo 3
Atributo 4
Llave
Atributo 1
Atributo 2
Atributo 3
Atributo 4
Atributo 4
Las particiones horizontales permiten dividir una tabla en varias
tablas con el mismo número de columnas, pero con menor número de
filas.
El análisis de los datos será el que determine la forma en que se han
de dividir los datos, con mucha frecuencia se utiliza el parámetro de
tiempo o en su ausencia columnas de referencia como “sucursales”,
“ciudades”, etc. De cualquier forma se requiere el menor número de
ellas, ya que una gran cantidad de consultas e UNION para obtener el
conjunto completo, puede afectar el rendimiento.
10
FAVA - Formación en Ambientes Virtuales de Aprendizaje
SENA - Servicio Nacional de Aprendizaje
Bases de Datos Distribuidas
3.3.2. Fragmentación Vertical
Llave
Atributo 1 Atributo 2
Llave
Atributo 1
Llave
Atributo 3
Atributo 3
Atributo 2
Dividir una tabla en varias utilizando el particionamiento vertical, hace
que existan varias tablas con la misma cantidad de filas que la
original, pero donde se varia el numero de columnas o atributos de la
tabla.
Este proceso puede ser realizado a partir de la normalización de datos
que permitiría extraer columnas redundantes en otras tablas,
accediendo a ellas a través de una llave relacional. Otra alternativa es
la división de columnas en nuevas tablas, con la ayuda de una llave
que relacione los registros particionados.
Optimizan las consultas al recorrer menos datos, ya que no se tiene
que recorrer el total de las columnas (especialmente si sólo se
consultan algunas con mucha frecuencia), pero si se excede en el
número de particiones se puede afectar el rendimiento.
11
FAVA - Formación en Ambientes Virtuales de Aprendizaje
SENA - Servicio Nacional de Aprendizaje
Bases de Datos Distribuidas
4. Replicación
4.1 Características
Otra de las estrategias asociadas a las bases de datos es la de replicación,
que consiste en copiar y mantener objetos de la base de datos en
múltiples bases de datos. Se debe asegurar que los cambios que se
aplican en un sitio se registran localmente antes de ser aplicados en los
sitios remotos donde se comparten los mismos datos.
Las siguientes son las principales características:
Los nodos o sitios que conforman el sistema distribuido no
comparten memoria, ni dispositivos de almacenamiento. Lo cual
determina que físicamente se encuentran en lugares separados.
Existen dos tipos de transacciones, las transacciones locales que son
las que acceden a los datos que se encuentran en el lugar donde se
inicio la transacción, y las transacciones globales que son las que
acceden a datos que están ubicados en sitios diferentes al del inicio
de la transacción.
Se proporciona un acceso rápido y local a los datos y se protege la
disponibilidad de las aplicaciones.
4.2 Objetos de replicación
Se denomina objeto de replicación a las bases de datos existentes en
varios servidores de un sistema de base de datos distribuida. La
instalación de la replicación le permite “duplicar” las tablas y los objetos
de apoyo, tales como vistas, disparadores de base de datos, paquetes,
índices y sinónimos.
Moscú
Bogotá
B
Sídney
Lectura y escritura
C
Datos replicados
12
FAVA - Formación en Ambientes Virtuales de Aprendizaje
SENA - Servicio Nacional de Aprendizaje
Bases de Datos Distribuidas
4.3. Grupos de replicación
Para facilitar la adecuada gestión de los objetos de replicación se requiere
la creación de “Grupos de Replicación”, allí se organizan los objetos de
esquemas que sean necesarios para garantizar el correcto funcionamiento
de una aplicación o servicio.
Sin embargo es necesario aclarar que dentro de un grupo de replicación
puede existir más de una base de datos, adicionalmente los objetos de
una base de datos pueden pertenecer a varios grupos de replicación.
Grupo de replicación
Conexión
Miembro
Propuestas/Precios.xlm
Proyectos/Espec.doc
Proyectos
Proyectos
Propuestas
Propuestas
Carpetas
replicadas
4.4 Los sitios de replicación
Existen dos tipos de sitios básicos donde pueden existir los grupos de
replicación, dependiendo de la estrategia de copia a utilizar.
4.4.1. Un sitio maestro
En este caso se mantiene una copia completa de todos los objetos de
un grupo de replicación. Todos los sitios principales en un entorno de
replicación con múltiples maestros se comunican directamente entre
sí para difundir los datos y los cambios de esquema en el grupo de
replicación.
13
FAVA - Formación en Ambientes Virtuales de Aprendizaje
SENA - Servicio Nacional de Aprendizaje
Bases de Datos Distribuidas
Se define un sitio maestro para cada grupo de replicación que se usa
como punto de control y gestiona el grupo y los objetos accesados por
el grupo.
4.4.2 Un sitio de instantáneas.
En este caso sólo se tienen todos o un subconjunto de “instantáneas”
del objeto del grupo de replicación. Sin embargo, éstos deben ser
simples instantáneas con una correspondencia uno a uno a los objetos
en el sitio principal.
4.5 Replicación de Instantáneas.
Contiene una réplica parcial o total de una tabla maestra de destino desde
un único punto en el tiempo. Una instantánea puede ser de sólo lectura o
de escritura.
4.5.1 Copias de sólo lectura.
En una configuración básica, pueden proporcionar acceso de sólo
lectura a la tabla de datos que se origina a partir de un "maestro" o
en el sitio principal. Las aplicaciones pueden consultar los datos de las
réplicas de datos locales para evitar el acceso a la red
independientemente de la disponibilidad.
Sin embargo, las aplicaciones en todo el sistema deben acceder a los
datos en el sitio principal cuando las actualizaciones son necesarias.
Aplicaciones
del cliente
Actualización Remota
Consulta Local
Tabla
Replicada
Tabla Maestra
Modificable
Red
Tabla de datos replicada
14
FAVA - Formación en Ambientes Virtuales de Aprendizaje
SENA - Servicio Nacional de Aprendizaje
Bases de Datos Distribuidas
4.5.2 Instantáneas actualizables.
En una configuración más avanzada, puede crear una instantánea
actualizable que permite a los usuarios insertar, actualizar y eliminar
filas de la tabla maestra. Una instantánea actualizable también puede
contener sólo un subconjunto del conjunto de la tabla maestra de
destino.
Las instantáneas actualizables se basan en tablas en un sitio principal
que ha sido configurado para permitir la replicación con múltiples
maestros. De hecho, las instantáneas actualizables deben ser parte
de un grupo de instantáneas que se basa en un grupo maestro en un
sitio maestro.
4.5.3 Usos de la replicación de instantáneas.
La réplica de instantáneas es útil para varios tipos de aplicaciones.
Descarga de la información: Las instantáneas de solo lectura son
útiles como una forma de replicar bases de datos enteras o
información de alta carga. Por ejemplo, cuando el rendimiento de
sistemas de alto volumen de procesamiento de transacciones es
crítico, puede ser ventajoso para mantener una base de datos
duplicada y aislar las consultas exigentes de las aplicaciones.
Distribución de la Información: A partir de una tabla maestra se
tienen copias con las que se trabajan y estas réplicas son
actualizadas una vez al día.
Transporte de información: se pueden utilizar las réplicas de sólo
lectura para mover datos de una base de datos de producción de
procesamiento de transacciones a un almacén de datos.
Entornos desconectados: Se utilizan las réplicas para facilitar
procesos donde no se cuenta con conexión permanente, como en el
caso de los vendedores “puerta a puerta”, donde cada vendedor
debe visitar a los clientes regularmente con un ordenador portátil y
pedidos en una base de datos personal mientras están
desconectados de la red corporativa y del sistema de base de datos
centralizada. A su regreso a la oficina, cada vendedor debe enviar
todos los pedidos a una base de datos centralizada, de la empresa.
15
FAVA - Formación en Ambientes Virtuales de Aprendizaje
SENA - Servicio Nacional de Aprendizaje
GLOSARIO
Bases de Datos Distribuidas
Base de Datos Distribuida: Es una colección de sitios, conectados por
medio de una infraestructura de red.
Disponibilidad: Garantizar que los datos se encuentren disponibles
aun cuando exista un fallo en algún nodo.
Independencia: Todos los sitios deben ser tratados igual y realizar sus
propios procesamientos.
Replicación: Proceso de copiar y mantener objetos de BD en múltiples
BD que componen un sistema de base de datos distribuida.
16
FAVA - Formación en Ambientes Virtuales de Aprendizaje
SENA - Servicio Nacional de Aprendizaje
RECURSOS BIBLIOGRÁFICOS
Bases de Datos Distribuidas
Wales, J.,
Sanger, L. (2001).
Wikipedia La enciclopedia libre.
Recuperado el 20 de julio de 2012 de http://es.wikipedia.org
A. Silberschatz, H. F. Korth. Fundamentos de Bases de Datos, 4ta
EdiciónCapítulo 19: Bases de datos distribuidas.
Elmasri, R.,Navathe, S. Fundamentos de sistemas de Bases de Datos
- 5ta Ed. Pearson Addison Wesley.
C.J. Date. Introducción a los sistemas de bases de datos. 7ª Edición.
Capitulo 20. Bases de datos distribuidas. Ed. Prentice Hall.
17
4
FAVA - Formación en Ambientes Virtuales de Aprendizaje
SENA - Servicio Nacional de Aprendizaje
Bases de Datos Distribuidas
Control de documento
Construcción Objeto de Aprendizaje
Bases de Datos Distribuidas
Desarrollador
de contenido
-Experto temático-
Ana Yaqueline Chavarro
Asesor pedagógico
Rafael Neftalí Lizcano Reyes
Producción Multimedia
Eulises Orduz Amézquita
Victor Hugo Tabares Carreño
Programador
Francisco José Lizcano Reyes
Líder expertos temáticos
Ana Yaqueline Chavarro Parra
Líder línea de producción
Santiago Lozada Garcés
Atribución, no comercial, compartir igual
Este material puede ser distribuido, copiado
y exhibido por terceros si se muestran los
créditos. No se puede obtener ningún
beneficio comercial y las obras derivadas
tienen que estar bajo los mismos téminos
de licencia que el trabajo original.
18
FAVA - Formación en Ambientes Virtuales de Aprendizaje
SENA - Servicio Nacional de Aprendizaje