Baze de date distribuite

Baze de date distribuite

7.1. Generalitati

O baza de date distribuita (BDD) este o colectie logic corelata de date partajate, distribuite fizic pe o retea de calculatoare.

Un sistem de gestiune al unei baze de date distribuite (SGBDD) este un sistem software care permite gestionarea BDD si face distribuirea transpare 939f56j nta pentru utilizator.

Sistemele de date distribuite sunt menite sa rezolve problema "insulelor de informatii". Ele au aparut ca o necesitate, în special in cazul retelelor de calculatoare, pentru a sprijini gestionarea datelor în situatia când acestea se regasesc fizic în diferite puncte ale retelei.

Primele sisteme de baze de date distribuite au fost INGRES/STAR, versiune distribuita a lui INGRES, SQL*STAR versiune distribuita a lui ORACLE si R* versiune distribuita a lui DB2.

Sistemul fizic (reteaua) care constituie suportul unei baze de date distribuite poate fi format din calculatoare personale, minicomputere, statii de lucru, etc. toate legate în retea si numite generic site-uri.

Putem reformula definitia de la început spunând ca un sistem de baze de date distribuite consta dintr-o colectie de site-uri, fiecare putând participa la executarea tranzactiilor care acceseaza datele de pe un site sau de pe mai multe site-uri.

Printre cerintele pe care trebuie sa le asigure un sistem de baze de date distribuite mentionam: autonomia locala în organizarea si prelucrarea datelor, neutilizarea unei centralizari a evidentei si a datelor, posibilitatea de lucru continuu al site-urilor independent de schimbarile in configuratiile de lucru (adaugari sau eliminari de site-uri), independenta localizarii si fragmentarii datelor (transparenta fizica), posibiliatti de replicare (copiere) si independenta copiilor, prelucrarea distribuita a cererilor, administrarea distribuita a tranzactiilor, independenta de hardware, de sistemul de operare, de retea si de sistemul de gestiune a bazelor de date.

Un SGBDD consta dintr-o singura baza de date care este descompusa în fragmente, eventual unele fragmente sunt multiplicate, si fiecare fragment sau copie se pastreaza pe unul sau mai multe site-uri, sub controlul unui SGBD local. Fiecare site este capabil sa proceseze interogari utilizator în regim local, independent de restul retelei, sau este capabil sa participe la procesarea unor date situate în alte site-uri din retea. Pentru a spune ca un SGBD este distribuit trebuie sa existe cle putin o cerere globala.

Tranzactiile într-o baza de date distribuita sunt clasificate în tranzactii locale si tranzactii globale dupa site-urile pe care le solicita excutarea lor.

O configuratie pe retea reprezinta o baza de date distribuita daca diversele site-uri sunt "constiente" de existenta celorlalte site-uri si daca fiecare site ofera un mediu in care se pot executa tranzactii locale si globale.

Avantajele distribuirii bazelor de date:

sistemul distribuit se modeleaza cel mai bine pe structura organizationala a multor organizatii, avand în vedere ca multe companii sunt localizate "distribuit" din punct de vedere geografic

datele sunt partajabile dar administrarea lor se bucura de un grad înalt de autonomie locala

disponibilitatea bazei de date este evident mai buna decât în cazul centralizat. Daca se semnaleaza unele erori sau "aderi" de sistem la nivel local sistemul ]n întregime poate sa continue sa functioneze în conditii satisfacatoare

fiabilitatea sistemului este îmbunatatita. Se pot reface rapid fisiere distruse utilizând replici aflate pe alte site-uri

performantele în prelucrarea datelor se îmbunatatesc prin posibilitatea prelucr[rii în paralel a unor interog[ri

un sistem distribuit ofera avanatje economice daca luam în considerare costurile implementarii si întretinerii unei retele fata de costurile corespunzatoare ale unui sistem centralizat de putere comparabila de prelucrare. Costuri scazute se mai obtin daca se realizeaza prelucrari locale cât mai multe (în caza sistemul si aplicatiile permit acest lucru). De asemenea este mult mai convenabil sa se "ajusteze" o retea de calculatoare la nevoile organiza’iei (dac[ de exemplu este necesara adaugarea unor site-uri în plus) decât un calculator central de putere asemanatoare

capacitatea de gestionare modulara a sistemului permite extensii ale acestuia sau rezolvarea unor "caderi" partiale fara sa se afecteze prea tare (uneori fara a se afecta deloc) mersul activitatilor pe ansamblul sistemului distribuit.

Printre dezavantajele distribuirii amintim complexitatea crescuta a unui astfel de sistem.

Acesta este un dezavantaj major din care decurg unele dezavantaje "consecinta" dintre care:

este mai greu de gestionat si de implementat un sistem distribuit

costurile legate de un astfel de sistem sunt mult mai mari decat in cazul centralizat. Deja la nivelul proiectarii si implementarii sistemului este necesar mai mult timp si personal specializat. Ambele lucruri necesita costuri mai mari in bani. La aceste costuri se pot adauga acelea care vin din necesitatea asigurarii echipamentelor hardware performante si a soft-ului necesar. De asemenea, in cazul exploatarii sistemului la costurile obisnuite se vor adauga costuri destul de ridicate de comunicatii.

potential marit de erori. La erorile obisnuite in lucrul cu baze de date se pot adauga o serie de erori cum ar fi de exemplu cele generate de algoritmi distribuiti.

este necesara o procesare suplimentara care se datoreaza schimburilor de mesaje intre site-uri si a coordonarii acestora in general

securitatea unui sistem distribuit este mai greu de asigurat decat in cazul unui sistem centralizat. Datele sunt mai usor disponibile unor persoane neautorizate deoarece se poate incerca acces la ele prin intermediul accesului intre calculatoare. Controlul la nivel fizic administrativ are mai putina pondere decat in cazul unui sistem centralizat.

intergitatea datelor este de asemenea mai greu de realizat intr-un sistem distribuit. Integritatea se exprima de obicei in termeni de restrictii (reguli, conditii) pe care trebuie sa le verifice datele din baza de date. Datorita costurilor mari de comunicatii (in timp si bani) uneori se renunta la verificarea unor reguli in detrimentul consistentei bazei de date.

lipsa standardelor. Nu se poate vorbi de o lipsa totala de standarde dar, lucrul cu sisteme de date distribuite inca nu are la baza standarde internationale unanim acceptate. De aici decurg dezavantaje cum ar fi: probleme de comunicare care se pun deoarece standardele de comunicatii si protocoalele de acces la date inca nu au standarde fixate si acceptate pe scara larga. Nu exista foarte multa experienta privind lucrul distribuit si proiectarea, gestionarea si exploatarea unui sistem distribuit sunt mai dificile decat in cazul centralizat.

un alt dezavantaj pe care il mentionam aici il constituie posibilitatea aparitiei unui flux mare de informatii intre site-uri si de aici necesitatea rezolvarii unor probleme cum ar fi sincronizarea mesajelor, detectarea si corectarea unor perturbari, eliminarea unor inconsistente datorate redundantelor, etc.

7.2. Functiile si arhitectura unui SGBDD

Enumeram mai jos functiile principale ale unui SGBDD:

toate functiile pe care le atribuim unui SGBD centralizat

sa extinda comunicatiile pentru a furniza acces la site-urile din retea si sa permita transferul de date si realizarea interogarilor

sa gestioneze un dictionar de date extins pentru detalii legate de modul de distribuire a datelor

sa permita si sa sustina procesarea distribuita a interogarilor

sa faciliteze un control extins al concurentei in scopl mentinerii unui grad satisfacator al consistentei datelor

sa ofere servicii de recovery extinse care sa rezolve caderi ale site-urilor si ale comunicatiilor

Arhitectura ANSI-SPARC pe trei nivele a unei baze de date distribuite este redata grafic in pagina urmatoare, Fig 7.1. Dam mai jos cateva explicatii referitoare la unele elemente prezente in schema:

schema conceptuala globala este o descriere logica a intregii baze de date, fara a se evidentia aspectul distribuit. La acest nivel se definesc entitatile, relatiile, restrictiile de integritate, informatiile generale de securitate a datelor.

schemele de fragmentare descriu modelul logic al partitionarii bazei de date iar alocarea descrie repartizarea fragmentelor si a eventualelor copii ale acestora pe site-urile retelei

schemele locale de mapare redau fragmentele din schema de alocare in "obiecte" externe bazei de date locale. Aceasta descriere este independenta de SGBD-ul ales si datorita acestui fapt se poate vorbi de SGBD heterogene.

Ca o paranteza mentionam aici clasificarea SGBD-urilor distribuite in heterogene si omogene.

SGBD omogene reprezinta situatia cand pe toate site-urile din retea este hardware similar, sistem de operare identic si, cel mai important, SGBD local identic.

In cazul SGBD heterogene exista mai multe situatii dupa cum difera dotarea hardware, sistemele de operare si/sau SGBD-urile utilizate local pe site-uri. Diferentele pot fi impinse pana la a avea structuri ale bazei de date diferite (date de modele de date diferite) dar, evident, lucrul in acest caz este destul de greoi si este supus multor limitari.

Fig.7.1. Arhitectura ANSI-SPARC pe trei nivele

In cadrul unui SGBDD putem identifica urmatoarele componente:

o componenta locala SGBD (LSGBD)

o componenta de comunicatii de date (CD)

un dictionar de date global (DDG). Acest dictionar are aceeasi functionalitate ca si und dictionar de date în cazul SGBD centralizat dar contine informatii suplimentare referitoare la fragmentare si la alocarea datelor. si DDG poate fi fragmentat si replicat ca orice alta informatie din baza de date distribuita

componente de SGBD distribuit (SGBDD)

7.3. Proiectarea unei baze de date relationale distribuite

Proiectarea corecta a unei baze de date relationale distribuite necesita, pe lânga cerintele cunoscute pentru sistemele centralizate, si realizarea urmatoarelor:

fragmentarea datelor – informatiile pot fi partitionate în fragmente care sunt apoi stocate pe diferite site-uri în retea

replicarea – se pot realiza copii ale diferitelor relatii sau ale fragmentelor

alocarea fragmentelor si a replicilor pe diferite site-uri

Definirea fragmentelor si alocarea acestora pe site-uri au ca obiective:

realizarea, pe cat posibil a accesului in regim de referinte locale. Acolo unde este necesar si unde permite aplicatia se recomanda utilizarea de copii ale fragmentelor

obtinerea unei fiabilitati si a unei disponibilitati deosebite ale bazei de date prin utilizarea optima a replicarii fragmentelor

realizarea unor parametri deosebiti de performanta. Daca se aloca prost datele pe site-uri se ajunge fie la suprasolicitarea unui site (loc ingust) fie la utilizarea resurselor la un nivel inferior

optimizarea capacitatii si a costurilor de stocare. Capacitatea si costuril de stocare trebuie puse in balanta cu tendinta de a avea referinte locale, deoarece au efecte contrare.

optimizarea costurilor de comunicare. Aici sunt de luat in considerare mai ales costurile interogarilor intre site-uri. Trebuie sa se aiba in vedere ca, daca se pot micsora costurile de regasire atunci cand referintele sunt mai ales locale (sau cand fiecare site are propriile copii ale datelor) in schimb actualizarile in aceeasi situatie pot creste costurile foarte mult (si riscul obtinerii inconsistentei) deoarece trebuie sa fie realizate asupra datelor de la toate site-urile.

7.4. Alocarea datelor

Se cunosc patru strategii de alocare a datelor într-o baza de date relationala distribuita:

centralizat

Baza de date se afla în întregime pe un singur site din retea si este gestionata de un singur DBMS. Spunem în acest caz ca baza de date este procesata distribuit, ea de fapt nu mai este o baza de date distribuita in adevaratul sens al cuvântului. Dezavantajele sunt mai ales costurile mari de comunicatii si o fiabilitate si o disponibilitate foarte scazute, având în vedere ca orice eroare care blocheaza accesul la baza de date, practic paralizeaza întreaga activitate în retea pe aceasta directie.

fragmentat (partitionat)

Baza de date este partitionata în mai multe fragmente disjuncte care sunt stocate pe diverse site-uri. Comentarii:

aceasta partitionare a datelor poate îmbunatati frecventa referintelor locale

daca nu exista replici ale fragmentelor, costurile de stocare sunt reduse

fiabilitatea si disponibilitatea sunt scazute dar nu asa de mici ca în cazul centralizat

daca datele sunt distribuite corect, costurile de comunicare pot fi relativ scazute

replicat complet

Pe fiecare site se gaseste o copie completa a bazei de date. Comentarii:

eficienta referirilor locale, fiabilitatea si disponibilitatea sunt maxime

costurile de stocare sunt în schimb si ele foarte mari, la fel sunt si costurile de actualizare

replicat selectiv

Aceasta strategie este o combinatie intre partitionare, replicare si centralizare cu scopul de a se cumula, pe cat posibil, avantajele fiecarei strategii si sa se elimine dezavantajele.

Definirea replicilor si a fragmentelor, precum si alocarea acestora trebuie sa se bazeze pe modul de utilizare a datelor din baza de date. In faza de analiza, la proiectarea bazei de date trebuie sa se tina cont de cele mai frecvent utilizate aplicatii deoarece nu se poate realiza o alocare care sa optimizeze toate aplicatiile simultan.

Printre criteriile care duc la decizia corecta de alocare a bazei de date:

frecventa cu care se ruleaza o aplicatie

site-urile de la care se ruleaza cel mai frecvent aplicatia

modul de lucru al tranzactiilor executate de aplicatie si tipurile de acces la date

etc.

7.4.1. Fragmentarea

La baza fragmentarii bazei de date exista, printre altele, urmatoaele motivari:

mod de utilizare – in general intr-o aplicatie utilizatorii au acces mai mult la view-uri decat la intreaga baza de date

eficienta – se doreste ca datele sa fie stocate acolo unde sunt utilizate mai frecvent

paralelism – o tranzactie poate fi divizata in mai multe subinterogari care opereaza pe fragmente in paralel si astfel se castiga timp

securitate – datele care nu sunt necesare sunt stocate in alta parte, deci nu sunt la dispozitia accesului neautoarizat

Dezavantajele lucrului cu fragmente ale bazei de date:

performantele pot fi destul de scazute daca sunt necesare date ce apar in diverse fragmente

controlul integritatii datelor este mai dificil daca datele si dependentele functionale sunt fragmentate si localizate pe diferite site-uri

Reguli de baza care duc la o fragmentare corecta a bazei de date:

completitudine – daca relatia R este descompusa în fragmentele R₁, R₂, …,R_n, trebuie luate masuri care sa previna pierderea de informatii

reconstructie – sa fie posibil în orice moment sa se refaca relatia R de la care s-a pornit cu fragmentarea. Aceasta regula conserva dependentele functionale.

disjunctie – daca data d_i apare în fragmentul R_i atunci nu este permis sa apara în nici un alt fragment. De la aceasta regula se admite doar o exceptie, cazul când o relatie este fragmentata pe verticala.

Tipuri de fragmentare:

pe orizontala

pe verticala

combinata

Fragmentarea pe orizontala:

Ne putem imagina ca o tabela se fragmenteaza orizontal ca mai jos:

Un fragment al unei relatii partitionate pe orizontala consta dintr-o submultime a tuplelor relatiei respective.

Un fragment orizontal se produce prin selectie:

Fiecare tuplu din relatia R apare într-un anume fragment, o singura data. Daca se doreste reconstructia relatiei, se utilizeaza reuniunea pentru a obtine relatia R initiala.

R= R₁ R₂ … R_n

In general fragmentele unei relatii R sunt disjuncte.

Fragmentarea pe verticala

Un fragment vertical dintr-o relatie consta dintr-o relatie care are ca atribute o submultime a atributelor relatiei initiale.

Un fragment vertical se produce prin proiectie:

Daca S₁ R si S₂ R atunci si .

Completitudinea este asigurata prin faptul ca fiecare atribut apare cel putin într- una din submultimile S₁ si S₂.

Reconstructia relatiei initilale se realizeaza prin jonctiune naturala.

Asadar la descompunerea relatiei initiale în fragmente trebuie sa se tina seama de regulile care asigura o descompunere fara pierderi la jonctiune.

In cazul descompunerii pe verticala nu este posibil sa se realizeze o disjunctie totala. Se admite existenta unor atribute comune, si anume a atributelor care formeaza cheile primare (respectiv cheile externe). Fragmentele verticale se stabilesc prin determinarea afinitatilor între atribute, înca din faza de analiza.

Fragmentarea combinata (mixta, hibrida, compusa)

fragmente verticale fragmentate orizontal

Expresia corespunzatoare în algebra relationala (pentru fiecare dreptunghi din figura de mai sus) este:

fragmente orizontale fragmentate vertical

Expresia corespunzatoare în algebra relationala (pentru fiecare dreptunghi din figura de mai sus) este:

7.5. Transparenta în SGBDD

Prima regula, considerata regula de baza in sistemele distribuite, este cerinta ca aspectul distribuit trebuie sa fie transparent pentru utilizator.

Cu alte cuvinte utilizatorul nu trebuie sa-si dea seama ca lucreaza cu o baza de date distribuita, deci nu trebuie sa aiba cunostinte in plus ca sa utilizeze resursele unei astfel de baze de date.

În realitate transparenta poate fi realizata doar într-o anumita masura. Tipuri de transparenta:

transparenta distribuirii

transparenta tranzactiilor

transparenta performantelor

7.5.1. Transparenta distribuirii

Daca se realizeaza transparenta distribuirii, utilizatorul percepe baza de date ca pe o entitate unitara din punct de veder logic.

Acest tip de transparenta se poate descompune în doua aspecte: utilizatorul nu trebuie sa cunoasca faptul ca exista fragmentarea datelor (transparenta fragmentarii) sau utilizatorul nu stie de localizarea datelor pe retea (transparenta localizarii).

Transparenta fragmentarii este cel mai înalt grad de transparenta. Utilizatorul se adreseaza cu interogari bazei de date ca si când ar fi localizata centralizat, deci nu trebuie sa se preocupe de existenta fragmentelor.

Transparenta fragmentarii este strâns legata de acordarea numelor (identificatorilor) în cadrul bazei de date distribuite. si într-o baza de date distribuita (ca si în cazul centralizat) numele diferitelor "obiecte" trebuie sa fie unic. Doua site-uri nu pot contine obiecte cu nume identice.

Sunt cateva solutii posibile:

Se poate crea un server central de nume care are menirea sa sigure ca numele date in aplicatii distribuite sunt nume unice pe toata baza de date. Aceasta abordare are dezavantajele ca se pierde autonomia locala a site-urilor, se poate ajunge la o suprasolicitarea serverului de nume (se creeaza un asa-numit loc ingust - "bottleneck") si disponibilitatea bazei de date este redusa (daca serverul de nume iese din uz temporar, se blocheaza accesul la date)

Alternativa la solutia de mai sus este sa se recurga la prefixarea obiectelor cu un identificator de site, de fragment, de copie.

Exemplu: prin notatia s1.client.f3.c2 se poate desemna copia a doua a fragmentului 3 a tabelei client care se afla pe site-ul s1.

Consecinta cea mai grava a acestui mod de a numi obiectele este pierderea completa a transparentei. In aceasta situatie mai exista un mod prin care se poate "indulci" situatia: se utilizeaza alias-uri. De exemplu s1.client.f3.c2 poate avea ca alias numele client_local pentru utilizatorii site-ului s1.

Transparenta localizarii reprezinta un nivel mediu de transparenta. In aceasta situatie utilizatorul stie cum este fragmentata baza de date dar nu stie unde sunt plasate diferitele fragmente sau copii ale acestora.

In interogari vor aparea numele fragmentelor dar nu se vor face referiri la localizare. O interogare poate avea un format asemanator cu cel de mai jos:

select A₁,…A_n

from f1

where conditie1

union

select A₁,…A_n

from f2

… … …

Avantajul major in cazul de mai sus consta in faptul ca se poate oricand reorganiza baza de date (ca locatii) fara ca aplicatiile ce o utilizeaza sa trebuiasca modificate.

Transparenta maparii locale reprezinta cel mai jos nivel al transparentei distribuite. Utilizatorul trebuie sa specifice si numele fragmentelor si localizarea datelor.

7.5.2. Transparenta tranzactiilor

Acest tip de transparenta asigura faptul ca toate tranzactiile distribuite pastreaza integritatea si consistenta BDD.

O tranzactie distribuita acceseaza date stocate la mai mult de o locatie în retea. Fiecare tranzactie e divizata în sub-tranzactii, câte una pentru fiecare site accesat. Sub-tranzactiile se executa în paralel pe site-uri si în mod concurent pe fiecare site. SGBDD are sarcini deosebite în legatura cu gestionarea tranzactiilor distribuite dar acestea nu vor fi tratate in acest capitol.

În cadrul transparentei tranzactiilor se trateaza în mod deosebit transparenta concurentei si transparenta erorilor.

SGBDD ofera transparenta concurentei daca rezultatele tuturor tranzactiilor concurente (distribuite sau nu) sunt executate independent si sunt logic echivalente cu rezultatele obtinute în cazul în care tranzactiile sunt executate pe rând, într-o ordine seriala arbitrara.

Transparenta erorilor necesita si un mecanism de recovery care ne sa asigure ca tranzactiile se comporta atomic în fata erorilor: ori sunt executate toate operatiile unei tranzactii ori nici o operatie nu este executata. Odata ce o tranzactie s-a executat, transformarile operate de ea asupra bazei de date sunt durabile (permanente).

7.5.3. Transparenta performantelor

Transparenta performantelor se asigura prin cerinta ca sistemul considerat sa aiba performante comparabile cu ale unui sistem centralizat. În aceasta situatie trebuie ca SGBDD sa determine strategia cea mai eficienta de a executa fiecare interogare în parte. În acest scop un DQP (Distributed Query Processor) mapeaza o cerere de date într-o secventa ordonata de operatii asupra bazei de date. DQP decide ce fragment se acceseaza, ce copie se utilizeaza, care locatie se utilizeaza. DQP produce o strategie de executie care este optimizata relativ la o functie de cost. Costul asociat cu o interogare distribuita include:

timp de acces (input/output) la accesarea datelor fizice pe suportul respectiv,

timp CPU la executatrea operatiilor asupra datelor in memoria principala,

costuri de comunicatii asociate cu transmiterea datelor prin retea.

Întrebari recapitulative.

Ce este o baza de date distribuita?

Care sunt avantajele unui sistem distribuit?

Care este arhitectura unui sistem distribuit?

Ce diferente apar la proiectarea bazelor de date distribuite?

Cum se poate face proiectarea alocarii datelor?

Cum se face o fragmentare corecta?

Ce este fragmentarea?

Ce tipuri de transparenta trebuie sa realizeze un sistem distribuit?

Ce este transparenta distribuirii?

Ce este transparenta tranzactiilor?

Ce este transparenta performantelor?

Raspunsuri la întrebari.

Un SGBDD consta dintr-o singura baza de date care este descompusa în fragmente, eventual unele fragmente sunt multiplicate, si fiecare fragment sau copie se pastreaza pe unul sau mai multe site-uri, sub controlul unui SGBD local. Fiecare site este capabil sa proceseze interogari utilizator în regim local, independent de restul retelei, sau este capabil sa participe la procesarea unor date situate în alte site-uri din retea. Pentru a spune ca un SGBD este distribuit trebuie sa existe cle putin o cerere globala.

Avantajele distribuirii bazelor de date sunt:

sistemul distribuit se modeleaza cel mai bine pe structura organizationala a multor organizatii, avand în vedere ca multe companii sunt localizate "distribuit" din punct de vedere geografic

datele sunt partajabile dar administrarea lor se bucura de un grad înalt de autonomie locala

disponibilitatea bazei de date este evident mai buna decât în cazul centralizat. Daca se semnaleaza unele erori sau "aderi" de sistem la nivel local sistemul ]n întregime poate sa continue sa functioneze în conditii satisfacatoare

fiabilitatea sistemului este îmbunatatita. Se pot reface rapid fisiere distruse utilizând replici aflate pe alte site-uri

performantele în prelucrarea datelor se îmbunatatesc prin posibilitatea prelucr[rii în paralel a unor interog[ri

un sistem distribuit ofera avanatje economice daca luam în considerare costurile implementarii si întretinerii unei retele fata de costurile corespunzatoare ale unui sistem centralizat de putere comparabila de prelucrare. Costuri scazute se mai obtin daca se realizeaza prelucrari locale cât mai multe (în caza sistemul si aplicatiile permit acest lucru). De asemenea este mult mai convenabil sa se "ajusteze" o retea de calculatoare la nevoile organiza’iei (daca de exemplu este necesara adaugarea unor site-uri în plus) decât un calculator central de putere asemanatoare

capacitatea de gestionare modulara a sistemului permite extensii ale acestuia sau rezolvarea unor "caderi" partiale fara sa se afecteze prea tare (uneori fara a se afecta deloc) mersul activitatilor pe ansamblul sistemului distribuit.

Schema externa globala

Schema externa globala

3)

Arhitectura ANSI-SPARC pe trei nivele

In cadrul unui SGBDD putem identifica urmatoarele componente:

o componenta locala SGBD (LSGBD)

o componenta de comunicatii de date (CD)

un dictionar de date global (DDG). Acest dictionar are aceeasi functionalitate ca si und dictionar de date în cazul SGBD centralizat dar contine informatii suplimentare referitoare la fragmentare si la alocarea datelor. si DDG poate fi fragmentat si replicat ca orice alta informatie din baza de date distribuita

componente de SGBD distribuit (SGBDD).

4) Proiectarea corecta a unei baze de date relationale distribuite necesita, pe lânga cerintele cunoscute pentru sistemele centralizate, si realizarea urmatoarelor:

fragmentarea datelor – informatiile pot fi partitionate în fragmente care sunt apoi stocate pe diferite site-uri în retea

replicarea – se pot realiza copii ale diferitelor relatii sau ale fragmentelor

alocarea fragmentelor si a replicilor pe diferite site-uri

5) Se cunosc patru strategii de alocare a datelor într-o baza de date relationala distribuita:

a!. centralizat

Baza de date se afla în întregime pe un singur site din retea si este gestionata de un singur DBMS. Spunem în acest caz ca baza de date este procesata distribuit, ea de fapt nu mai este o baza de date distribuita in adevaratul sens al cuvântului. Dezavantajele sunt mai ales costurile mari de comunicatii si o fiabilitate si o disponibilitate foarte scazute, având în vedere ca orice eroare care blocheaza accesul la baza de date, practic paralizeaza întreaga activitate în retea pe aceasta directie.

a2. fragmentat (partitionat)

Baza de date este partitionata în mai multe fragmente disjuncte care sunt stocate pe diverse site-uri. Comentarii:

aceasta partitionare a datelor poate îmbunatati frecventa referintelor locale

daca nu exista replici ale fragmentelor, costurile de stocare sunt reduse

fiabilitatea si disponibilitatea sunt scazute dar nu asa de mici ca în cazul centralizat

daca datele sunt distribuite corect, costurile de comunicare pot fi relativ scazute

a3. replicat complet

Pe fiecare site se gaseste o copie completa a bazei de date. Comentarii:

eficienta referirilor locale, fiabilitatea si disponibilitatea sunt maxime

costurile de stocare sunt în schimb si ele foarte mari, la fel sunt si costurile de actualizare

a4. replicat selectiv

Aceasta strategie este o combinatie intre partitionare, replicare si centralizare cu scopul de a se cumula, pe cat posibil, avantajele fiecarei strategii si sa se elimine dezavantajele.

6) Reguli de baza care duc la o fragmentare corecta a bazei de date:

- completitudine – daca relatia R este descompusa în fragmentele R₁, R₂, …,R_n, trebuie luate masuri care sa previna pierderea de informatii

- reconstructie – sa fie posibil în orice moment sa se refaca relatia R de la care s-a pornit cu fragmentarea. Aceasta regula conserva dependentele functionale.

disjunctie – daca data d_i apare în fragmentul R_i atunci nu este permis sa apara în nici un alt fragment. De la aceasta regula se admite doar o exceptie, cazul când o relatie este fragmentata pe verticala.

7) Tipurile de fragmentare sunt:

pe orizontala

pe verticala

combinata

Fragmentarea pe orizontala:

Ne putem imagina ca o tabela se fragmenteaza orizontal ca mai jos:

Un fragment al unei relatii partitionate pe orizontala consta dintr-o submultime a tuplelor relatiei respective.

Un fragment orizontal se produce prin selectie:

Fiecare tuplu din relatia R apare într-un anume fragment, o singura data. Daca se doreste reconstructia relatiei, se utilizeaza reuniunea pentru a obtine relatia R initiala.

R= R₁ R₂ … R_n

In general fragmentele unei relatii R sunt disjuncte.

Fragmentarea pe verticala

Un fragment vertical dintr-o relatie consta dintr-o relatie care are ca atribute o submultime a atributelor relatiei initiale.

Un fragment vertical se produce prin proiectie:

Daca S₁ R si S₂ R atunci si .

Completitudinea este asigurata prin faptul ca fiecare atribut apare cel putin într- una din submultimile S₁ si S₂.

Reconstructia relatiei initilale se realizeaza prin jonctiune naturala.

Asadar la descompunerea relatiei initiale în fragmente trebuie sa se tina seama de regulile care asigura o descompunere fara pierderi la jonctiune.

In cazul descompunerii pe verticala nu este posibil sa se realizeze o disjunctie totala. Se admite existenta unor atribute comune, si anume a atributelor care formeaza cheile primare (respectiv cheile externe).

Fragmentarea combinata (mixta, hibrida, compusa)

Se poate face din fragmente verticale fragmentate orizontal:

Expresia corespunzatoare în algebra relationala (pentru fiecare dreptunghi din figura de mai sus) este:

Sau se poate face din fragmente orizontale fragmentate vertical

Expresia corespunzatoare în algebra relationala (pentru fiecare dreptunghi din figura de mai sus) este: .

8) Tipuri de transparenta:

- transparenta distribuirii

- transparenta tranzactiilor

transparenta performantelor.

9) Transparenta distribuirii se poate explica astfel:

Daca se realizeaza transparenta distribuirii, utilizatorul percepe baza de date ca pe o entitate unitara din punct de veder logic.

Acest tip de transparenta se poate descompune în doua aspecte: utilizatorul nu trebuie sa cunoasca faptul ca exista fragmentarea datelor (transparenta fragmentarii) sau utilizatorul nu stie de localizarea datelor pe retea (transparenta localizarii).

Transparenta fragmentarii este cel mai înalt grad de transparenta. Utilizatorul se adreseaza cu interogari bazei de date ca si când ar fi localizata centralizat, deci nu trebuie sa se preocupe de existenta fragmentelor.

Transparenta fragmentarii este strâns legata de acordarea numelor (identificatorilor) în cadrul bazei de date distribuite. si într-o baza de date distribuita (ca si în cazul centralizat) numele diferitelor "obiecte" trebuie sa fie unic. Doua site-uri nu pot contine obiecte cu nume identice.

10) Transparenta tranzactiilor asigura faptul ca toate tranzactiile distribuite pastreaza integritatea si consistenta BDD.

O tranzactie distribuita acceseaza date stocate la mai mult de o locatie în retea. Fiecare tranzactie e divizata în sub-tranzactii, câte una pentru fiecare site accesat. Sub-tranzactiile se executa în paralel pe site-uri si în mod concurent pe fiecare site. În cadrul transparentei tranzactiilor se trateaza în mod deosebit transparenta concurentei si transparenta erorilor.

SGBDD ofera transparenta concurentei daca rezultatele tuturor tranzactiilor concurente (distribuite sau nu) sunt executate independent si sunt logic echivalente cu rezultatele obtinute în cazul în care tranzactiile sunt executate pe rând, într-o ordine seriala arbitrara.

Transparenta erorilor înseamna existenta unui mecanism de recovery care ne sa asigure ca tranzactiile se comporta atomic în fata erorilor: ori sunt executate toate operatiile unei tranzactii ori nici o operatie nu este executata. Odata ce o tranzactie s-a executat, transformarile operate de ea asupra bazei de date sunt durabile .

11) Transparenta performantelor se asigura prin cerinta ca sistemul considerat sa aiba performante comparabile cu ale unui sistem centralizat. În aceasta situatie trebuie ca SGBDD sa determine strategia cea mai eficienta de a executa fiecare interogare în parte. În acest scop un DQP (Distributed Query Processor) mapeaza o cerere de date într-o secventa ordonata de operatii asupra bazei de date. DQP decide ce fragment se acceseaza, ce copie se utilizeaza, care locatie se utilizeaza. DQP produce o strategie de executie care este optimizata relativ la o functie de cost.