Bases de Datos
Distribuidas
1
Arquitecturas de bases de datos




Centralizadas
◦ BD en una sola máquina y una sola CPU
◦ todos los usuarios acceden a esa máquina
Sistemas paralelos
◦ BD en una sola máquina y varias CPU y varios discos
◦ todos los usuarios acceden a esa máquina
Sistemas cliente-servidor
◦ BD en una sola máquina (back-end)
◦ los usuarios acceden desde sistemas remotos (front-end)
Sistemas distribuidos
◦ BD repartida entre varias máquinas
◦ los usuarios acceden a cualquiera de las máquinas del sistema
2
Base de Datos Distribuida
BDD
Sitio
BDD

DB por sí misma
Sistema
de sitios
Usuarios
locales
Convienen en
trabajar juntos
SGBD
local
Programas
Administr.
control
Comunicac.
transacciones
BD local
3
Base de datos distribuida








Es una colección de múltiples y lógicamente relacionadas bases de datos
sobre una red de computadoras.
Un DBMS distribuido se define como el software que permite
gestionarlo y hacer la distribución transparente a los usuarios.
Es una BD almacenada en varios ordenadores que se comunican
mediante una red de comunicaciones.
El usuario debe poder usarla como un sistema único.
Puede procesar todo tipo de peticiones complejas.
La peticiones se pueden procesar en el sitio que hizo la petición o en
cualquier otro o parcialmente en varios.
Necesita una gestión de transacciones especial.
Debe proporcionar optimización de peticiones automáticamente.
4
Sistema Gestor de Base de Datos
Distribuida
SGBDD (DDBMS) = SGBD (DBMS) + componente social
Sistema
HOMOGÉNEO
= Todos ejecutan una copia del mismo SGBD
5
Características de las BDD
Eficacia
Ventajas
BDD
Desventajas
BDD
Accesibilidad
Próximo a la estructura de empresa
complejidad
Sistema
Usuarios
6
Productos desarrollados

Prototipos:
◦
◦
◦

SDD-1 de Computer Corporation of America (finales ‘70s).
R*, versión distribuida de System R de IBM (ppio ‘80s).
INGRES distribuido, versión distribuida del prototipo desarrollado
por la Universidad de Berkeley, California (ppio 80’s).
Productos comerciales:
◦
◦
◦
◦
INGRES/STAR de The ASK GROUP INC’S INGRES DIVISION.
ORACLE 7: de Oracle.
DB2 de IBM.
INFORMIX, SQL SERVER, MySQL...
7
Sistema relacional

La tecnología relacional es un requisito
para la tecnología distribuida:
◦
◦
◦
◦
Relacional = Tablas = Estructura Simple.
Red,
Jerárquicos
Listas invertidas
Estructuras
 (índice sec + prim)
Complejas
◦ Etc ...
8
Las Doce Reglas (I):
Las Doce Reglas definen una serie de condiciones que
debe cumplir todo Sistema de Bases de Datos
Distribuido:
Regla 0: Principio fundamental.
Desde el punto de vista del usuario, un sistema
distribuido debe ser idéntico a un sistema no
distribuido.
9
Las Doce Reglas (II):
Regla 1:Autonomía local.
Cada lugar debe contener:
◦ Propietario local.
◦ Administración local.
◦ Responsabilidad local.
◦ Integración local.
◦ Representación local.
(Hasta donde sea posible llevarlo a cabo).
10
Las Doce Reglas (III):
Regla 2: No dependencia de un sitio central.
No debe existir un único sitio, ya que implicaría:
◦ Cuello de botella.
◦ Vulnerabilidad.
Regla 3: Operación continua.
◦ Adición de elementos.
◦ Actualización de versiones.
NO APAGAR
11
Las Doce Reglas (IV):
Regla 4:Transparencia de localización.
El usuario desconoce dónde están físicamente los
datos.
Regla 5: Transparencia de fragmentación.
◦ División de una relación en partes para su
almacenamiento.
◦ Funcionalidad: cada lugar tiene los datos que usa
con mayor frecuencia.
◦ Ejemplo:
12
Las Doce Reglas (V):
P e r c e p c ió n d e l u s u a r io :
ALUM NO
2 1 .4 6 6 .5 5 2
2 1 .4 6 7 .5 3 9
2 1 .4 6 7 .6 4 0
2 1 .4 6 8 .2 0 1
*********
*********
CARRERA
I.T . In fo rm á tic a
I.T . O b ra s P ú b lic a s
L . D e re c h o
L . F ilo lo g ía In g le s a
*******************
*******************
NO TAS
x x x x x
x x x x x
x x x x x
x x x x x
* * * * * *
* * * * * *
x
x
x
x
F r a g m e n to E s c u e la P o lité c n ic a :
ALUM NO
2 1 .4 6 6 .5 5 2
2 1 .4 6 7 .5 3 9
CARRERA
I.T . In fo rm á tic a
I.T . O b ra s P ú b lic a s
NO TAS
x x x x x x
x x x x x x
F r a g m e n to F a c u lta d d e D e r e c h o :
ALUM NO
2 1 .4 6 7 .6 4 0
CARRERA
L . D e re c h o
NO TAS
x x x x x x
F r a g m e n to F a c u lta d d e F ilo s o fía y L e tr a s
ALUM NO
2 1 .4 6 8 .2 0 1
CARRERA
L . F ilo lo g ía In g le s a
NO TAS
x x x x x x
13
Las Doce Reglas (VI):
Fragmentación Horizontal:
Oper. Relac. de RESTRICCIÓN
Fragmentación Vertical:
Oper. Relac. de PROYECCIÓN
Sitio A
Sitio B
Sitio C
Sitio
A
Extracción de tuplas que
cumplen condición
Sitio
B
Sitio
C
Extracción de atributos de
una relación (conservando
su clave primaria)
14
Las Doce Reglas (VII):
La recomposición se hace con operaciones relacionales:
◦ Reunión (Join): Vertical.
◦ Unión: Horizontal.


Las operaciones relacionales apoyan la fragmentación (y
como consecuencia la distribución).
El usuario no debe notar la fragmentación.
15
Las Doce reglas (VIII):
Regla 6: Transparencia de réplica.
 La réplica proporciona:
◦ VENTAJAS:
 Mayor Prestación: los datos son locales.
 Mayor disponibilidad: los datos son accesibles siempre.
◦ DESVENTAJAS
 Hay que propagar las actualizaciones.

La creación y destrucción de réplicas debe hacerse
transparente al usuario.
16
Las Doce reglas (IX):
Regla 7: Proceso Distribuido de Consultas.
 Sistema relacional  Herramientas de consulta OK
 Ejemplo: “Obtener los alumnos matriculados en derecho”
 Consulta desde la BUAP
 Datos en derecho.
 N filas cumplen
RELACIONAL  2 mensajes = 1 petición + 1 resultado
NO
 2*N mensajes = N peticiones + N resultados
RELACIONAL
17
Las Doce reglas (X):
Proceso de optimización:
Lugar X
Lugar Y
Rx
Ry
Rx viaja a Y
Rx U Ry  <decisión>
Ry viaja a X
Rx, Ry viajan a Z
18
Las Doce reglas (XI):
Regla 8: Manejo distribuido de transacciones.
 Transacción distribuida: varios agentes de la transacción en
varios lugares.
 Control de recuperación: Transacción atómica. Todos los
agentes avanzan o retroceden juntos.
 Control de concurrencia: Bloqueos mediante paso de
mensajes.
Regla 9: Transparencia de equipo.
 El DBMS se ejecutará igual sea cual sea el equipo.
19
Las Doce reglas (XII):
Regla 10: Transparencia del Sistema Operativo.
 El DBMS debe ser multioperativo sin afectar al usuario.
Regla 11: Transparencia de red.
 El DBMS debe soportar múltiples redes sin afectar al
usuario.
Regla 12: Transparencia de DBMS.
 Se pueden manejar distintas copias de DBMS si manejan la
misma norma estándar de SQL: Oracle, SQL Server,
MYSQL, Informix, Multibase, etc.
20
Problemas de las BDD
Lentitud de las WAN (Wide Area Network )respecto a un
disco local.
 Formas de solucionarlo:
◦ Minimizar el uso de la red:

 Número de mensajes.
 Volumen de mensajes.
◦ Optimizar:





Proceso de consultas.
Administración del catálogo.
Propagación de actualizaciones.
Control de recuperación.
Control de concurrencia.
21
Optimización consultas

Fase 1 - Optimización global:
Toma de decisiones de desplazamiento de tablas por consultas previas.
◦ Ejemplo:
Un sitio X hace la consulta Q = Ry U Rz.
Paso1: Por consulta previa se sabe que:
Ry = 100 tuplas en Y
Rz = 100000 tuplas en Z
Paso 2: Toma de decisiones:
mover Ry a Z  100 mensajes
mover Rz a Y  1.000.000 mensajes
mover Ry-Rz a X  1.100.000 mensajes

OK
NOK
NOK
Fase 2 - Optimización local:
Se optimiza la operación de la unión tomando las relaciones más
convenientes para minimizar su tiempo.
22
Optimización consultas (II)

Problema:
LUGAR B
Proveedores
(10.000)
Piezas
(100.000)
(10 rojas)
Datos conocidos:
1 tupla = 200 bits.
Suministros
(1.000.000)
(100.000 por proveedores
de Londres)
Veloc. Transm. = 50000 bits/seg.
Tiempo Acceso = 0.1 seg.
LUGAR A
Se pide: “Proveedores de Londres que suministran piezas rojas”
23
Optimización consultas (III)
Estrategias:

1º) Piezas en B  A :
T(1) = 0,1+(100.000*200) / 50.000 = 400 s. = 6,67 minutos.

2º) Proveedores y suministros en A B :
T(2) = (0,1+0,1) + ( (10.000+1.000.000)*200/50.000 = 4040 s. = 1,12 horas

3º) Consultar suministros de Londres en A y comprobar pieza en B:
T(3) = 0,1 * ( 2 * 100.000 ) = 20.000 s. = 5,56 horas

4º) Consultar piezas rojas en B y comprobar suministros en A:
T(4) = 0,1 * (2*10) = 2 s.

5º) Obtener suministros Londres en A  B :
T(5) = 0,1 + (100.000*200)/50.000 = 400 s. = 6,67 min.

6º) Obtener piezas rojas en B  A :
T(6) = 0,1 + (10*200) / 50.000 = 0,1 s.
24
Administración del catálogo

Información del catálogo:
◦ Información habitual:
 Relaciones
 Índices
 Usuarios
◦ Información de control:
 transparencia de localización
 transparencia de fragmentación
 transparencia de réplica

Almacenamiento del catálogo:
◦
◦
◦
◦

Centralizado.Viola regla 2: “no dependencia de un sitio central”.
Réplicas en cada lugar:Viola regla : “autonomía”.
Catálogo dividido entre todos lugares: Ops. remotas costosas.
Catálogo dividido y una copia global en un sitio:Viola 2.
Conclusión: todos los métodos anteriores tienen problemas.
25
Administración del catálogo (II)

Ejemplo real: Nominación de objetos en R*:
◦ Nombre de impresión: Lo usan los usuarios.
◦ Nombre de sistema: Identificador único interno.
 Id. del creador.
 Id. del sitio del creador.
 Nombre local del objeto.
 Id. del lugar de nacimiento.
[email protected]@ALICANTE
◦ Sinónimos:
CREATE SYNONYM ALI-PIEZAS FOR;
[email protected]@ALICANTE
◦ Cada sitio mantiene:
 Copia total de la tabla de sinónimos.
 Localización actual de un objeto nacido aquí.
 Relación de objetos actualmente aquí.
26
Administración del catálogo (III)

Proceso de consultas en R*:
◦ Consulta local del objeto en la tabla de sinónimos.
◦ Consulta remota a lugar nacimiento para conocer lugar actual del
objeto.
◦ Consulta remota a lugar actual para obtener el objeto.
(TOTAL = 3 mensajes, 2 de ellos remotos)

Proceso de migración en R*:
◦ Borrar objeto del lugar de origen.
◦ Insertar objeto en lugar de destino.
◦ Actualizar en lugar de nacimiento.
27
Propagación de actualizaciones



Método: Propagar toda actualización a todas las copias.
Problema: Lugares inaccesibles  fracaso
Método de la “copia primaria”:
◦
◦
◦
◦
1 copia primaria y n copias secundarias.
Las copias primarias se reparten (no centralización).
El proceso de actualización finaliza al actualizar la primaria.
La copia primaria se encarga de actualizar las demás (cuando
puede).
28
Control de recuperación



Protocolo de compromiso en dos fases: commit-rollback
Evitar medias operaciones: todo o nada.
El coordinador ordena:
◦ Fase 1:
 Pedir OK o NOK a cada gestor local.
 Cada gestor guarda una bitácora de las op’s efectuadas.
◦ Fase 2:
 Si todos OK  COMMIT.
 Si algún NOK  ROLLBACK.
 El resultado se envía a cada gestor local para que confirmen o
deshagan.


Un fallo de interrupción se recupera de la bitácora.
Consideraciones:
◦ No dependencia de un sitio central (si varía el coordinador).
◦ Comunicación coordinada  participación  costo extra.
◦ Pérdida de autonomía local.
29
Control de concurrencia
Mediante bloqueos.
 Costo adicional: Una transacción sobre un objeto con N
copias:

◦
◦
◦
◦
◦
◦

N solicitudes de bloqueo.
N concesiones de bloqueo.
N mensajes de actualización.
N verificaciones.
N solicitudes de liberación.
TOTAL = 5*N mensajes.
Estrategias anti-interbloqueos:
◦ estados parciales - estados globales.
30
GATEWAYS (pasarelas)

Funciones:
◦ Realizar protocolos de intercambio de mensajes en cuanto a
formato.
◦ Ejecución de llamadas remotas.
◦ Resolver problemas de tipos de datos.
◦ Compaginar SQLs.
◦ Compaginar información de retorno.
◦ Compaginar catálogos.
◦ Hacer participar a todos del protocolo de compromiso en 2 fases.
◦ Asegurar los interbloqueos.

Problema: costoso y no 100% funcional.
31
Cliente/servidor en DB distribuidas

Nuevos estándares para cliente/servidor.

P.ej. SQL incorpora:
◦ connect.
◦ disconnect.

Otros estándares:
◦ RDA (Remote Data Access) para SQL define formatos para paso de
mensajes en forma de requerimientos SQL, información y paso de
resultados. Mismo SQL en cliente y servidor.
◦ DRDA (Distributed Relational Database Architecture) permite
diversos dialectos de SQL en cliente y servidor.
32
Cliente/servidor en DB distribuidas(II)

Procedimientos almacenados:
◦ Ventajas:
 Reducen el número de mensajes.
 Mayor independencia.
 Comparte con varios clientes.
 Optimiza en tiempo de compilación.
 Mayor seguridad en el acceso a los datos.
◦ Desventajas:
 Falta de estándares.
33
Descargar

Arquitectura Cliente/Servidor