Conceptos básicos de las bases de datos distribuidas

1. Bases de datos distribuidas
Introducción y conceptos básicos

2. Complicaciones introducidas por
la distribución
 Replicación en un ambiente distribuido
◦ Escoger una de las copias en caso de
recuperación.
◦ Asegurarse que la actualización se refleje en
cada una de las copias.
 Si algún sitio o enlace de comunicación
falla mientras se ejecuta una
actualización, el sistema debe
asegurarse que los efectos se reflejen
en los datos.
 La sincronización de transacciones en
múltiples sitios es más difícil que en los
sistemas centralizados.

3. CUESTIONES
(PROBLEMAS) DE
DISEÑO

4. Diseño de bases de datos
distribuida
 ¿Dónde se deben establecer (sitios)
las bases de datos y las aplicaciones
que corren sobre ella?
 Existen dos alternativas para
establecer o posicionar los datos en
un diseño distribuido.

5. Diseño de bases de datos
distribuidas
 Particionada (no replicada): La base de
datos se divide en un número de
particiones disjuntas las cuales se
posicionan en diferentes sitios.
 Replicada
◦ Completamente replicada (completamente
duplicada): donde la base de datos entera se
almacena en cada sitio.
◦ Parcialmente replicada (parcialmente
duplicada): donde cada partición se
almacena en más de un sitio, pero no en
todos.

6. Diseño de bases de datos
distribuidas
 Los problemas fundamentales de
diseño son:
◦ Fragmentación: separación de una base
de datos en particiones llamadas
fragmentos.
◦ Distribución: La distribución óptima de los
fragmentos.

7. Administración del directorio
distribuido
 Metadatos.
 Los problemas relacionados con el
directorio distribuido son muy
similares a los presentados con los
DDBS’s.

8. Procesamiento de consultas
distribuidas
 Algoritmos que analizan consultas y
las convierten en una serie de
operaciones de manipulación de
datos.
 Elegir estrategias para ejecutar
consultas sobre la red con el mejor
costo-eficiencia.
 Factores: distribución de los datos,
costo de la comunicación, carencia de
suficiente información disponible

9. Control de concurrencia
distribuido
 Sincronización de accesos a la base de
datos distribuida.
 Además de preocuparse por la
integridad de los datos, debe
preocuparse de la “consistencia mutua”.
 Las clases de soluciones son:
◦ Pesimista: Sincronizar la ejecución de las
peticiones de los usuarios antes de que
comiencen a ejecutarse.
◦ Optimista: Ejecutar las peticiones y después
checar si la ejecución ha comprometido la
consistencia de la base de datos.

10. Control de concurrencia
distribuido
 Los principios fundamentales que
pueden utilizarse en las clases de
soluciones son:
◦ Bloqueo (locking): Basado en la exclusión
mutua de accesos a objetos de datos.
◦ Sello de tiempo (timestamping): La
ejecución de las transacciones se
ordenan con sellos de tiempo.

11. Administración de puntos
muertos (deadlocks) distribuidos
 Los usuarios compiten por un
conjunto de recursos (datos en este
caso), lo cual puede resultar en un
deadlock (punto muerto) si el
mecanismo de sincronización está
basado en bloqueo.

12. Confiabilidad de los DDBS’s
 falla  varios sitios inoperables o
inaccesibles las bases de datos en
los sitios operables  consistentes y
actualizadas
 Sistema se recupera  DDBS se
recupera  DDBS actualiza los sitios
caídos

13. Replicación
 Réplica: copia de objeto de datos.
 Implementar protocolos que aseguren
la consistencia de las réplicas.
◦ Protocolo “entusiasta”: Fuerzan las
actualizaciones a todas las réplicas antes
que la transacción se complete.
◦ Protocolo “lento”: La transacción actualiza
una copia (maestro) desde donde las
actualizaciones se propagan hacia las
demás copias una vez que se completa la
transacción.

14. Relación entre los problemas

15. ARQUITECTURA

16. Arquitectura de los DDBS’s
 Componentes identificados
 Funciones de los componentes
identificadas
 Relaciones e interacciones entre
componentes definidas

17. ANSI / SPARC

18. Arquitectura centralizada
genérica

19. MODELOS DE
ARQUITECTURA DE
DDBS’S
Los DDBS’s se clasifican sobre 3 características

20. Modelos de arquitectura de
DDBS’s

21. Autonomía
 Se refiere a la distribución del control
(no de los datos).
◦ Las operaciones locales no son afectadas
por su participación en el sistema
distribuido.
◦ La manera en que procesa y optimiza
consultas no son afectadas por la
ejecución de consultas globales que
acceden a múltiples bases de datos.
◦ La consistencia de las operaciones o del
sistema no se comprometen cuando se
deja o se une al sistema distribuido.

22. Autonomía
 Las dimensiones de autonomía son
las siguientes:
◦ Autonomía de diseño: Utilizan modelos de
datos y administración de transacciones
que prefieran.
◦ Autonomía de comunicación: Libre de
decidir que tipo de información desea
compartir con otros DBMS’s o con el
software que controla su ejecución.
◦ Autonomía de ejecución: Puede ejecutar
las transacciones de la manera que
desee.

23. Autonomía
 Clasificación de autonomía
◦ Integración estrecha (tight integration): Existe
una única imagen de toda la base de datos
que puede ser compartida y encontrarse en
múltiples bases de datos, y un administrador
de datos tomará el control de las peticiones
de todos los usuarios.
◦ Semiautónomo: deciden participar en una
federación para compartir sus datos locales.
◦ Aislamiento total: no conocen la existencia
de otros DBMS’s ni la manera de
comunicarse con ellos.

24. Distribución (datos)
 Cliente / servidor.
 Punto a punto.
 Sistemas de Bases de datos
múltiples.

25. Heterogeneidad
La heterogeneidad puede ocurrir
de varias maneras en sistemas
distribuidos, desde la heterogeneidad
del hardware y las diferencias en los
protocolos de redes hasta las
variaciones en las administraciones de
datos.
 Modelos de datos
 Lenguajes de búsqueda
 Protocolos de administración de
transacciones.