Unidad Iii 3y2x6x

Base de Datos Distribuidas UNIDAD III PROCESAMIENTO DE CONSULTAS DISTRIBUIDAS Índice

3.1 Metodología del procesamiento de consultas distribuidas..........................................1 3.2 Estrategias de procesamiento de consultas distribuidas..............................................2 3.3 Optimización de consultas...........................................................................................5

3.1 Metodología del procesamiento de consultas distribuidas Las consultas distribuidas detienen a datos de varios orígenes de datos heterogéneos. Estos orígenes de datos pueden estar almacenados en el mismo equipo o en equipos diferentes. Microsoft SQL SERVER ite consultas distribuidas utilizando OLE BD. Los s de SQL SERVER pueden utilizar consultas distribuidas para obtener a lo siguiente: Datos distribuidos almacenados en varias estancias de SQL SERVER. Datos heterogéneos almacenados en varios orígenes de datos relacionales y no relacionales a los que se obtienen mediante un proveedor OLE BD. Los proveedores OLE BD exponen datos en objetos tabulares denominados conjuntos de filas. SQL SERVER permite hacer referencia a conjunto de filas desde proveedores OLE BD en instrucciones TRANSACSQL como si fueran tablas de SQL SERVER. En las instrucciones select, insert, update y delete de transac-SQL, se puede hacer referencia directas a las tablas y vistas de orígenes de datos externos. Los lenguajes de bases de datos relacionales permiten la expresión de consultas complejas en una forma concisa y simple. Particularmente para construir la respuesta a una consulta, el no tiene que especificar de manera precisa el procedimiento que se debe de seguir. Este procedimiento es llevado acabo por un modulo del DBNS llamado el procesador de consultas (query procesador). El procedimiento de consultas es mucho mas difícil en ambientes distribuidos que en centralizados, ya que existe un gran numero de parámetros que afectan el rendimiento de las consultas distribuidas.

L.I. Arnulfo Gamaliel Hernández González

1 de 8 páginas

Base de Datos Distribuidas La función principal de un procesador de consultas relacionales es transformar una consulta en una especificación de alto nivel, típicamente en cálculo relacional, a una consulta equivalente en una especificación de bajo nivel.

3.2 Estrategias de procesamiento de consultas distribuidas El procesamiento de consultas tiene varias etapas a seguir para resolver una consulta SQL, las características del modelo relacional permiten que cada motor de base de datos elija su propia representación que, comúnmente, resulta ser el álgebra relacional. Existen varios medios para calcular la respuesta a una consulta. En l caso del sistema centralizado, el criterio principal para determinar el costo de una estrategia específica es el número de al disco. En un sistema distribuido es preciso tener en cuenta otros factores como son: • • •

El costo de transmisión de datos en la red. Repetición y fragmentación. Procesamiento de intersección simple.

3.2.1 Árboles de consultas • Pasos – Parsing y traducción de la consulta – Optimización – Generación de código – Ejecución de la consulta

3.2.2 Transformaciones equivalentes L.I. Arnulfo Gamaliel Hernández González

2 de 8 páginas

Base de Datos Distribuidas Cuando una base de datos se encuentra en múltiples servidores y distribuye a un número determinado de nodos tenemos: • •

•

El servidor recibe una petición de un nodo. El servidor es atacado por el concurrente a la base de datos cargada localmente. El servidor muestra un resultado y le da un hilo a cada una de las maquinas nodo de la red local.

Cuando una base de datos es acezada de esta manera la técnica que se utiliza es la de fragmentación de datos que puede ser hibrida, horizontal y vertical. En esta fragmentación lo que no se quiere es perder la consistencia de los datos, por lo tanto se respetan las formas normales de la base de datos. Bueno para realizar una transformación en la consulta primero desfragmentamos siguiendo los estándares marcados por las reglas formales y posteriormente realizamos el envió y la maquina que recibe es la que muestra el resultado pertinente para el , de esta se puede producir una copia que será la equivalente a la original. 3.2.3 Métodos de ejecución del Existen diferentes algoritmos que pueden obtener transformaciones eficientes en el procesamiento de consultas. en bucles (ciclos) anidados Si z = r s, r recibirá el nombre de relación externa y s se llamará relación interna, el algoritmo de bucles anidados se puede presentar como sigue: Para cada tupla tr en s si (tr,ts) si satisface la condición, entonces añadir tr * ts al resultado Donde tr * ts será la concatenación de las tuplas tr y ts. Como para cada registro de r se tiene que realizar una exploración completa de ts, y suponiendo el peor caso, en el cual la memoria intermedia sólo puede concatenar un bloque de cada relación, entonces el número de bloques a acceder es de sr bn b. Por otro lado, en el mejor de los casos si se pueden contener ambas relaciones en la memoria intermedia entonces sólo se necesitarían s a bloques. en bucles anidados por bloques Una variante del algoritmo anterior puede lograr un ahorro en el a bloques, si se procesan las relaciones por bloques en vez de por tuplas. Para cada bloque Br dar a igual para cada bloque Bs de s, para cada tupla tr en Br. L.I. Arnulfo Gamaliel Hernández González

3 de 8 páginas

Base de Datos Distribuidas La diferencia principal en costos de este algoritmo con el anterior es que en el peor de los casos cada bloque de la relación interna s se lee una vez por cada bloque de dr y no por cada tupla de la relación externa. por mezcla Este algoritmo se puede utilizar para calcular si un natural es óptimo en la búsqueda o consulta. Para tales efectos, ambas relaciones deben estar ordenadas para los atributos en común es decir se asocia un puntero a cada relación, al principio estos punteros apuntan al inicio de cada una de las relaciones. Según avance el algoritmo el puntero se mueve a través de la relación. De este modo se leen en memoria un grupo de tuplas de una relación con el mismo valor en los atributos de las relaciones. ¿Qué se debe de tomar en cuenta en este algoritmo? • • •

Se tiene que ordenar primero, para después utilizar este método. Se tiene que considerar el costo de ordenarlo / las relaciones. Es mas fácil utilizar pequeñas tuplas.

por asociación. Al igual que el algoritmo de por mezcla, el algoritmo de por asociación se puede utilizar para un natural o un equi-. Este algoritmo utiliza una función de asociación h para dividir las tuplas de ambas relaciones. La idea fundamental es dividir las tuplas de cada relación en conjuntos con el mismo valor de la función de asociación en los atributos de . El número de bloques ocupados ligeramente mayor que.

por las particiones podría ser

Debido a que los bloques no están completamente llenos. El a estos bloques puede añadir un gasto adicional de 2·max a lo sumo, ya que cada una de las particiones podría tener un bloque parcialmente ocupado que se tiene que leer y escribir de nuevo. por asociación híbrida El algoritmo de por asociación híbrida realiza otra optimización; es útil cuando el tamaño de la memoria es relativamente grande paro aún así, no cabe toda la relación s en memoria. Dado que el algoritmo de por asociación necesita max +1 bloques de memoria para dividir ambas relaciones se puede utilizar el resto de la memoria (M – max – 1 bloques) para guardar en la memoria intermedia la primera partición de la relación s, esto es, así no es necesaria leerla ni escribirla nuevamente y se puede construir un índice asociativo. Cuando r se divide, las tuplas de tampoco se escriben en disco; en su lugar, según se van generando, el sistema las utiliza para examinar el L.I. Arnulfo Gamaliel Hernández González

4 de 8 páginas

Base de Datos Distribuidas índice asociativo en y así generar las tuplas de salida del . Después de utilizarlas, estas tuplas se descartan, así que la partición no ocupa espacio en memoria. De este modo se ahorra un de lectura y uno de escritura para cada bloque de y. Complejos Los en bucle anidado y en bucle anidado por bloques son útiles siempre, sin embargo, las otras técnicas de son más eficientes que estas, pero sólo se pueden utilizar en condiciones particulares tales como natural o equi-. Se pueden implementar con condiciones más complejas tales como conjunción o disyunción Dado un de las forma se pueden aplicar una o más de las técnicas de descritas anteriormente en cada condición individual, el resultado total consiste en las tuplas del resultado intermedio que satisfacen el resto de las condiciones. Estas condiciones se pueden ir comprobado según se generen las tuplas. La implementación de la disyunción es homóloga a la conjunción. Outer ( externos) Un outer es una extensión del operador que se utiliza a menudo para trabajar con la información que falta. Por ejemplo: Suponiendo que se desea generar una lista con todos los choferes y los autos que manejan (si manejan alguno) entonces se debe cruzar la relación Chofer con la relación Móvil. Si se efectúa un corriente se perderán todas aquellas tuplas que pertenecen a los choferes, en cambio con un outer se pueden desplegar las tuplas resultado incluyendo a aquellos choferes que no tengan a cargo un auto. El outer tiene tres formas distintas: por la izquierda, por la derecha y completo. El por la izquierda ( ) toma todas las tuplas de la relación de la izquierda que no coincidan con ninguna tupla de la relación de la derecha, las rellena con valores nulos en los demás atributos de la relación de la derecha y las añade al resultado del natural. Un outer por la derecha ( ) es análogo al procedimiento anterior y el outer completo es aquel que efectúa ambas operaciones. Para el caso de un outer completo se puede calcular mediante extensiones de los algoritmos de por mezcla y por asociación.

3.3 Optimización de consultas El objetivo del procesamiento de consultas en un ambiente distribuido es transformar una consulta sobre una base de datos distribuida en una especificación de alto nivel a una estrategia de ejecución eficiente expresada en un lenguaje de bajo nivel sobre bases de datos locales.

L.I. Arnulfo Gamaliel Hernández González

5 de 8 páginas

Base de Datos Distribuidas El problema de optimización de consultas es minimizar una función de costo tal que función de costo total = costo de I/O + costo de U + costo de comunicación Los diferentes factores pueden tener pesos diferentes dependiendo del ambiente distribuido en el que se trabaja. Por ejemplo: En las redes de área amplia (WAN), normalmente el costo de comunicación domina dado que hay una velocidad de comunicación relativamente baja, los canales están saturados y el trabajo adicional requerido por los protocolos de comunicación es considerable. Así, los algoritmos diseñados para trabajar en una WAN, por lo general, ignoran los costos de U y de I/O. En redes de área local (LAN) el costo de comunicación no es tan dominante, así que se consideran los tres factores con pesos variables.

3.3.1 Optimización global de consultas Dada una consulta algebraica sobre fragmentos, el objetivo de esta capa es hallar una estrategia de ejecución para la consulta cercana a la óptima. La estrategia de ejecución para una consulta distribuida puede ser descrita con los operadores del álgebra relacional y con primitivas de comunicación para transferir datos entre nodos. Un aspecto importante de la optimización de consultas es el ordenamiento de juntas, dado que algunas permutaciones de juntas dentro de la consulta pueden conducir a un mejoramiento de varios órdenes de magnitud. La salida de la capa de optimización global es una consulta algebraica optimizada con operación de comunicación incluida sobre los fragmentos. 3.3.2 Optimización local de consultas El trabajo de la última capa se efectúa en todos los nodos con fragmentos involucrados en la consulta. Cada consulta que se ejecuta en un nodo, llamada consulta local, es optimizada usando el esquema local del nodo. Hasta este momento, se eligen los algoritmos para realizar las operaciones relacionales. La optimización local utiliza los algoritmos de sistemas centralizados. Como realizar triggers.- La desarrolladas para istrar

L.I. Arnulfo Gamaliel Hernández González

mayor parte de las aplicaciones una base de datos desde una

6 de 8 páginas

Base de Datos Distribuidas computadora personal antiguas aplicaciones de las bases de datos son los responsables de llevarle el control de las reglas de los negocios. Una de las características de SQL SERVER es que implementa un mecanismo de control llamado “disparador de bases de datos” (triggers) y como ya sabemos un triggers es solo un bloque de comandos transacSQL que se ejecuta actualmente con un comando insert, select o update es una tabla. Entre las diversas aplicaciones de un triggers, podemos destacar: • Crear el contenido de una columna derivada de datos. • Crear un mecanismo de validación que implique búsquedas en multiples tablas. La creación de un triggers.- la forma rápida y sencilla de crearlo es con el comando create triggers, o bien por medio del enter prise manager en cualquiera de los dos casos es necesaria la digitalización de los comandos SQL, que se ejecutaran cuando se active el triggers. Ejemplo de la Sintaxis: Create triggers nombre_del_triggers on nombre_de_la_tabla For [insert, delete, update] As comandos Donde: On nombre_de_la_tabla.- Indica la tabla para la cual se hará el triggers. For.- Debe de estar seguido por el tipo de comando o comandos que activan el triggers. As.- Aquí es donde realmente donde indica el cuerpo del triggers con los comandos que se van a ejecuta. Como modificar un trigger: Una vez realizado el triggers puede ser modificado, y no solo eso si no que además puede modificarse directamente con el comando alter triggers. La replicación en SQL SERVER.- Es una tecnología importante en un ambiente de bases de datos distribuidas por medio de ella es posible distribuir en la organización de una base de datos pueden ser duplicadas y copiadas a varios sitios diferentes. La base de datos distribuida puede sincronizarse, de manera que siempre tengan la misma información. Por ejemplo: Una lista de precios de productos es sincronizada en todas las finales de la empresa. Modelo de replicación.- SQL SERVER adopta el modelo de recolpilacion basada en el modelo publish and susenbe. Este modelo esta compuesto por editaros, distribuciones, suscriptores, artículos y publicaciones. L.I. Arnulfo Gamaliel Hernández González

7 de 8 páginas

Base de Datos Distribuidas

Este modelo permite a la re indicación de base de datos mediante el uso de ole bd. Tipos de replicación: Snaphsopt transaccional y marge: Este tipo de replicación toma una fotografía de las tablas de la base de datos y esta es replicado a sus suscriptores, quienes reciben una copia completa de los datos en ves de recibir solo las modificaciones efectuadas. Desventajas: La desventaja principal si así se pueden llamar es que no existe una actualización frecuente de la base de datos para aquellos s o que no se actualizan constantemente las tablas. Replicación transaccional: Esta permite la replicación de tablas y procedimientos almacenados y posibilita la filtración de los datos que van a publicarse. Este tipo de replicación utiliza un archivo de log para almacenar las modificaciones hechas en un artículo, por ejemplo una tabla desde su última publicación, haciéndoles un seguimiento a los comandos insert, update y delete. Las modificaciones se almacenan en la base de datos del Publisher u después distribuidas a sus suscriptores. Replicación nerge: Esta permite la replicación de tablas y procedimientos almacenados. Las modificaciones pueden hacerse en el Publisher o bien en las copias mantenidas por los suscriptores. Para mantener la integridad de los datos replicados el proceso de sincronización se encarga de actualizar las modificaciones relacionadas en las copias de los suscriptores y viceversa.

L.I. Arnulfo Gamaliel Hernández González

8 de 8 páginas