T05 - BD Distribuidas

Bases de Datos Distribuidas
Profesor: Jorge Escalona

Email:escaljorge@gmail.com
1
BD Distribuidas- Prof. Jorge Escalona. 2015
Agenda
1. Conceptos de BD Distribuidas
a) BD Distribuidas y Sistemas Distribuidos de BD
b) SGBD Distribuidos
c) Niveles de Transparencia de BD Distribuidas
d) Ventajas de una BD Distribuida
e) Funciones adicionales de un SGBD Distribuido
2. Tcnicas de Diseo de BD Distribuidas
3. Tipos de BD Distribuidas
4. Procesamiento de Consultas en BD Distribuidas
5. Control de Concurrencia y Recuperacin
6. Caso de Estudio: BD Distribuidas en PostgreSQL
2
Conceptos de BD Distribuidas
Coleccin de mltiples bases de datos

BD Distribuida: distribuidas interrelacionadas de forma
lgica sobre una red de computadores.
(Elmasri, 2007)
Sistema Conjunto de varias bds almacenadas en

Distribuido diferentes computadoras conectadas a
de BD: travs de algn medio de comunicacin.
(Silberschtaz, 2002)
3
SGBD SGBD que administra la distribucin en forma

Distribuido: transparente para el usuario. (Elmasri, 2007)
Sitio 1
SGBD
Distribuido Sitio 3
SGBD
Distribuido
Sitio 2
SGBD
Distribuido
4
Niveles de Transparencia de BD Distribuidos:
Transparencia de Red o Distribucin: Autonoma del usuario

de los detalles operacionales de la red.
Transparencia de Replicacin: Vista nica de los datos a los

usuarios independientemente de las distintas copias que
puedan existir.
Transparencia de Fragmentacin: Agrupacin de consultas o

transacciones de diferentes fragmentos en una sola
operacin.
Transparencia de Diseo y Ejecucin: Libertad de saber

cmo est diseada la base de datos distribuida y dnde se
ejecuta una transaccin
5
Ventajas de una BD Distribuida:
Fiabilidad: Menor probabilidad de que el sistema est cado

(no funcionando) durante un intervalo de tiempo.
Disponibilidad: Mayor probabilidad de que el sistema est

continuamente disponible en un intervalo de tiempo.
Rendimiento: Mejor rendimiento en consultas y

transacciones locales al manejar un menor volumen de datos
en cada sitio.
Escalabilidad: Mayor capacidad de crecimiento de datos,

servidores o nuevos sitios distribuidos.
6
Desventajas de una BD Distribuida:

Costo de desarrollo del software: La implementacin de un
sistema distribuido de bases de datos es ms difcil y, por lo
tanto, ms costoso.
Mayor probabilidad de errores: Como los sitios que
constituyen el sistema distribuido operan en paralelo es ms
difcil asegurarse de la correccin de los algoritmos, del
funcionamiento especial durante los fallos de parte del
sistema as como de la recuperacin.
Mayor sobrecarga de procesamiento. El intercambio de
mensajes y el cmputo adicional necesario para conseguir la
coordinacin entre los distintos sitios constituyen una forma
de sobrecarga que no surge en los sistemas centralizados.
7
Funciones Adicionales de un SGBD Distribuido:
Seguimiento de los datos

Procesamiento de consultas distribuidas
Procesamiento de transacciones distribuidas
Administracin de datos replicados
Recuperacin de bd distribuida
Seguridad de bd distribuida
Administracin del directorio (catlogo) distribuido
8
Agenda
a) Fragmentacin, Asignacin y Replicacin de Datos
b) Tipos de Fragmentacin
c) Tipos de Replicacin y Asignacin de Datos
9
Tcnicas de Diseo de BD Distribuidas
Fragmentacin: el sistema divide una o ms relaciones en

varios fragmentos y guarda cada fragmento en un sitio
diferente.
Replicacin: el sistema conserva rplicas (copias) idnticas

de una o ms relaciones y guarda cada rplica en un sitio
diferente. La alternativa a las rplicas es almacenar slo
una copia de cada relacin.
Asignacin de Datos: directorio global en el cual se

almacena la informacin relativa a la fragmentacin,
asignacin y replicacin de los datos.
10
Tipos de Fragmentacin:
Fragmentacin por Relacin: las unidades lgicas o
fragmentos distribuidos estn compuestos por relaciones
completas de la bd.
Fragmentacin Horizontal: las unidades lgicas o fragmentos

distribuidos estn compuestos por subconjuntos de tuplas
(filas) de una o ms relaciones de la bd.
Fragmentacin Vertical: las unidades lgicas o fragmentos

distribuidos estn compuestos por un subconjunto de
atributos (columnas) de una o ms relaciones de la bd.
Fragmentacin Mixta: cada fragmento distribuido puede

estar compuesto por un subconjunto de tuplas y atributos de
una o ms relaciones de la bd.
11
Tipos de Fragmentacin (BD de Ejemplo):
(Un mismo curso puede

dictarse en diferentes
sedes en el mismo
lapso)
(En una misma edicin

pueden participar
empleados de
diferentes sedes) (Un mismo departamento puede estar
ubicado en diferentes sedes)
12
Ejemplo Fragmentacin por Relacin:
Empleados Departamentos
Departamentos Ediciones
Sedes Participantes
Cursos
Sede
Prelaciones
Ediciones Externa 1
Participantes
Sede Red
Principal
Departamentos
Ediciones
Participantes
Sede
Externa 2
13
Ejemplo Fragmentacin Horizontal:
Empleados Empleados
(cod_sede = 000) (cod_sede = 100)
Ediciones Ediciones
(cod_sede = 000) (cod_sede = 100)

Sede
Externa 1
Sede Red
Principal
Empleados
(cod_sede = 200)
Ediciones
(cod_sede = 200)

: operador de seleccin Sede
Externa 2
14
Ejemplo Fragmentacin Vertical:
Empleados Empleados
Ediciones (ficha, nombre,
cod_dpto)
Ediciones

Sede
Externa 1
Sede Red
Principal
Empleados
(ficha, nombre,
cod_dpto)
Ediciones

Sede
: operador de proyeccin Externa 2
15
Ejemplo Fragmentacin Mixta:
Empleados Empleados
Ediciones (ficha, nombre,
cod_dpto)
(cod_sede=100)
Ediciones

Sede
Externa 1
Sede Red
Principal
Empleados
(ficha, nombre,
cod_dpto)
(cod_sede=200)
Ediciones

Sede
Externa 2
16
Tipos de Replicacin y Asignacin de Datos:
Replicacin Total: Asignacin de datos completamente

redundante en cada sitio de la bd distribuida.
Replicacin Parcial: Asignacin de fragmentos de datos

iguales replicados en diferentes sitios de la bd
distribuida.
Sin Replicacin: Cada fragmento de la bd est asignado a

un slo sitio de la bd distribuida. Cada fragmento es
disjunto entre si a excepcin de las PK de las relaciones.
17
Sin Replicacin Replicacin Total
(-) Disponibilidad de la bd (+)
(-) Complejidad de Concurrencia y Recuperacin (+)
(-) Optimizacin de Consultas (+)
(+) Optimizacin de Operaciones de Actualizacin (-)
18
Agenda
a) SBD Distribuidas Homogneos
b) SBD Distribuidas Heterogneos
c) SBD Distribuidas Federados
19
Tipos de Sistemas de BD Distribuidas
Sistemas de BD Distribuidas Homogneos:

Todos los sitios tienen idntico software de SGBDD, son
conscientes de la existencia de los dems sitios y acuerdan
cooperar en el procesamiento de transacciones distribuidas.
PostgreSQL PostgreSQL
Sitio 1 Sitio 3
(Linux) (Windows)
Red
PostgreSQL PostgreSQL
Sitio 2 Sitio 4
(Linux) (Unix)
20
Sistemas de BD Distribuidas Heterogneos:
Sitios diferentes pueden utilizar diferentes SGBDD, pueden

desconocer la existencia de otros sitios, o pueden tener
limitaciones en la gestin de transacciones distribuidas.
PostgreSQL Oracle
Sitio 1 Sitio 3
(Linux) (Windows)
Red
Informix SQL Server
Sitio 2 Sitio 4
(Linux) (Unix)
21
Sistemas de BD Distribuidas Federados:
Cada servidor posee un amplio grado de autonoma local,

donde el SGBD es centralizado e independiente, con sus
propios usuarios, transacciones y DBA locales.
El SBD Distribuido se implementa a travs de una vista

global o esquema de la federacin de bases de datos que
est compartida por las aplicaciones.
22
Problemas en los Sistemas de BD Distribuidas Federados:
Diferencias en los modelos de datos: En cada sitio puede

variar el modelo de datos soportado por el SGBD
(relacionales, OO, jerrquico, red, etc)
Diferencias en las restricciones: Cada sitio pueden tener

sus propias limitaciones para acceder a los datos y a su
procesamiento (claves forneas, disparadores, dominios,
reglas, etc).
Diferencias en el lenguaje de consulta: Algunos sitios

pueden utilizar SQL nativo, otros pueden utilizar SQL-89,
algunos pueden utilizar SQL-92, y as sucesivamente.
23
Agenda
a) Costo de Transferencia
b) Optimizacin de Consultas
24
Procesamiento de Consultas en BD Distribuidas
El costo de la transferencia de datos en la red puede ser

alto por lo que se necesitan estrategias de optimizacin.
Sitio 2
Sitio 1
Empleado en Sitio 1 tiene 1000 filas Departamento en Sitio 2 tiene 100 filas
Cada fila tiene 192 bytes Cada fila tiene 131 bytes
Tamao de la tabla: 192.000 bytes Tamao de la tabla: 13.100 bytes
25
Ejemplo 1:
Consulta C1: Por cada empleado, buscar la ficha, nombre y el

nombre del departamento donde el empleado trabaja. Mostrar los
resultados en el Sitio 3.
C1: (a.ficha, a.nombre, b.des_dpto) (empleados as a
JOIN(a.cod_dpto = b.cod_dpto) departamentos as b)
Resultado:
El resultado de esta consulta tendr 1.000 filas, asumiendo que
cada empleado est asociado a un departamento.
Cada fila resultante es de 205 bytes de longitud.
Tamao de datos resultantes: 205.000 bytes
Problema:Las relaciones empleados y departamentos no estn
presentes en el sitio 3.
26
Estrategias:
1) Transferencia de empleados y departamentos al Sitio 3.

Tamao de Transferencia = 192.000 + 13.100 = 205.100 bytes.
2) Transferencia de empleados(ficha, nombre, cod_dpto) al Sitio 2,
ejecuta JOIN en el Sitio 2 y enva el resultado al Sitio 3.
Tamao de Transferencia = 91.000 + 205.000 = 296.000 bytes
3) Trasferencia de relacin departamento al Sitio 1, ejecuta JOIN en
el Sitio 1, y enva el resultado al Sitio de 3.
Criterio de optimizacin: minimizar la transferencia de datos

Enfoque preferible: Estrategia 1
27
Ejemplo 2:
Consulta C2: Por cada departamento, buscar su cdigo, nombre y

el nombre del jefe del departamento. Mostrar los resultados en el
Sitio 3.
C2: (a.cod_dpto, a.des_dpto, b.nombre) (departamentos as a
JOIN(a.jefe_dpto = b.ficha) empleados as b)
Resultado:
El resultado de esta consulta tendr 100 filas, asumiendo que
cada departamento tiene un empleado de jefe.
Cada fila resultante es de 206 bytes de longitud.
Tamao de datos resultantes: 20.600 bytes
Problema:Las relaciones empleados y departamentos no estn
presentes en el sitio 3.
28
Estrategias:
1) Transferencia departamentos y empleados al Sitio 3.

2) Transferencia de empleados(ficha, nombre) al Sitio 2, ejecuta
JOIN en el Sitio 2 y enva el resultado al Sitio 3.
Tamao de Transferencia = 85.000 + 20.600 = 105.600 bytes
3) Trasferencia de relacin departamento al Sitio 1, ejecuta JOIN en
el Sitio 1, y enva el resultado al Sitio de 3.
Criterio de optimizacin: minimizar la transferencia de datos

Enfoque preferible: Estrategia ??
29
Agenda
a) Problemas de Concurrencia y Recuperacin en SBDD
b) Control Concurrencia Distribuida basado en Sitio Primario
c) Control Concurrencia Distribuida basado en Votacin
30
Control de Concurrencia y Recuperacin
Problemas de Concurrencia y Recuperacin en SBDD:

Mltiples copias de los datos: se debe mantener la consistencia de
todas las copias distribuidas.
Fallo de los sitios individuales: en caso de ser posible, el SGBDD
debe seguir operando con los sitios que estn en funcionamiento
cuando uno o ms de estos sitios fallan.
Fallo de los enlaces de comunicacin: el sistema debe ser capaz de
tratar con los fallos que se produzcan en los enlaces de comunicacin
que conectan los sitios.
Confirmacin distribuida: se deben gestionar los problemas que
puedan surgir a la hora de confirmar (commit) una transaccin
distribuida en caso de que algn sitio falle.
Estancamiento distribuido: el interbloqueo (deadlock) puede
producirse entre varios sitios, por lo que deben extenderse las
tcnicas para gestionarlo.
31
Control de Concurrencia Distribuida basado en Sitio Primario:
Tcnica de sitio primario: se designa un nico sitio para que sirva

como coordinador de todos los elementos de la base de datos.
Sitio primario con sitio de respaldo: toda la informacin sobre
bloqueos se mantiene tanto en el sitio primario como en el de
respaldo para que, si falla el primero, el segundo tome el control y se
elija un nuevo sitio de respaldo.
Tcnica de copia primaria: se distribuye la carga de la coordinacin
de bloqueos al disponer de copias diferenciadas de los datos
almacenadas en diferentes sitios.
Eleccin de sitio coordinador emergente: en caso de fallar el sitio
coordinador en cualquiera de las tcnicas anteriores, el que an
permanece activo debe elegir un nuevo coordinador.
32
Control de Concurrencia Distribuida basado en Votacin:
En este mtodo de control no existe una copia diferenciada en un

sitio primario.
Para gestionar una transaccin, se enva una peticin de bloqueo a
todos los sitios que incluye una muestra del elemento de datos.
Cada sitio mantiene su propio bloqueo y puede otorgar o denegar la
peticin sobre l.
Si una transaccin que solicita un bloqueo recibe el permiso para
ello de una mayora de las copias, se queda con ese bloqueo e
informa a todos los sitios la obtencin del mismo.
En caso de que la transaccin no reciba esa mayora de votos
dentro de un cierto periodo de tiempo (timeout), cancela su
peticin e informa a todos los sitios de la cancelacin.
33
Agenda
6. Caso de Estudio: Replicacin en PostgreSQL
34
Caso de Estudio: Replicacin en PostgreSQL
Espacio de Posibilidades
Objetivos
Qu se quiere lograr?
Tcnicas
Cmo puede ser implementado?
Soluciones
Que herramientas estn disponibles?
35
Objetivos
Alta Disponibilidad
Previsiones para posibles fallas del sistema (software, hardware,
interfaces externas).
Optimizacin
Lectura (aplicaciones con procesos masivos de lectura: sistema de
biblioteca, datawarehouse)
Escritura (aplicaciones con procesos masivos de escritura: sistemas
transaccionales,)
Interconexin de Servidores Distantes

Velocidad de conexin
Lectura (copias locales?) vs Escritura (sincronizacin?)
Nodos no conectados (offline peers).

Sincronizacin con laptos, dispositivos mviles..
36
Tcnicas
Replicacin
Maestro/Esclavo vs Maestro/Maestro
Sncrono vs Asncrono
Servidor Proxy
Sistema en espera (standby system)
37
Replicacin Maestro/Esclavo Asncrono
Alta Disponibilidad (?)
Optimizacin de Lectura
Balanceo de Carga
Nodos desconectados
Sincronizacin unidireccional
Sincronizacin bidireccional Asncrono
Maestro Esclavo
38
Replicacin Maestro/Esclavo Sncrono
Alta Disponibilidad
Mejor rendimiento de Lectura
Peor rendimiento de Escritura
sncrono
Maestro Esclavo
39
Replicacin Maestro/Maestro Asncrono
Nodos distantes
geogrficamente
Requiere menor velocidad de

red
asncrono
Manejo de nodos
desconectados Maestro Maestro
Requiere mecanismos de
resolucin de conflictos
40
Replicacin Maestro/Maestro Sncrono
Difcil Implementacin
(Santo Grial de Replicacin!)
Alta Disponibilidad
Difcil de optimizar Escritura sncrono
Requiere mayor velocidad de Maestro Maestro

red
41
Replicacin con Servidor Proxy
Alta Disponibilidad
Transparente a la aplicacin
Puede requerir servidor Proxy
adicional
Nodo A Nodo B
42
Replicacin con Servidor en Espera
Alta Disponibilidad
Costo de Servidores
Adicionales
sncrono
Servidor Servidor
Principal en Espera
43
Herramientas de Replicacin
Shared Storage
File System Replication
Streaming Replication (WALs)
Slony-I
Bucardo
pgpool
pgCluster
44
Shared Storage (Almacenamiento Compartido)
Slo una copia de la bd en un

arreglo de discos, el cual es
compartido por varios servidores.
No hay sobrecarga (overhead) por
replicacin.
No hay perdida de datos por falla
de un servidor.
Se puede establecer un servidor
de bd principal y uno o ms
servidores en espera (stand by).
Varias soluciones comerciales:
NAS, iSCSI, Fiberchannel Network-Attached
Storage (NAS)
45
File System Replication
Todos los cambios en el File

System son reflejados (replicado)
en otro File System residente en
otro servidor.
La replicacin del File System
puede ser sncrona o asncrona.
Hay posibilidad de prdida de
datos si la replicacin es
asncrona.
Solo permite dos nodos en modo
activo/pasivo (maestro/esclavo) DRBD
DRBD es la principal solucin para
Linux.
46
Streaming Replication
Se utilizan los logs del WAL para

replicar un servidor maestro en
uno o ms servidores esclavos.
No hay sobrecarga en el servidor
principal.
Los esclavos pueden procesar
consultas.
Write
La sincronizacin puede ser Ahead
Log
sncrona o asncrona. (WAL)
datos si la replicacin es
asncrona.
47
Slony-I
Cada operacin DML sobre la bd
principal genera un trigger con la
informacin del cambio, la cual es
enviada a una bd esclava.
Se genera sobrecarga en el
servidor principal.
Los esclavos pueden procesar
consultas. Asncrono

datos ya que la replicacin es
asncrona.
Granularidad a nivel de tabla
permite la fragmentacin a nivel
de relaciones.
48
Bucardo
Similar a Slony-I (basado en

triggers).
Permite configuracin maestro-
maestro y maestro-esclavo.
Permite la configuracin de reglas
configurables por el usuario para
la resolucin de conflictos.
Asncrono
No est disponible para Windows. Con
Resolucin de
Conflictos
49
pgpool
Middleware con un pool de

conexiones el cual intercepta cada
sentencia SQL y la enva a uno o INSERT,
pgpool
ms servidores. UPDATE,
DELETE SELECT a
Automticamente balancea cargas a todos cualquier
en consultas de lectura. los nodos nodo
Permite ejecucin de consultas

paralelas en todos los nodos.
Puede implementarse como
servidor de conexiones para
Slony.
50
pgpool II
Agrega mecanismo de streaming

replication (logs del WAL), lo cual
evita el problema de consultas no- INSERT,
pgpool
determinsticas que puedan UPDATE,
generar resultados diferentes en DELETE SELECT a
slo al nodo cualquier
diferentes nodos nodo
maestro
replica
maestro esclavo esclavo
replica
51
Sumario
Fuente: http://www.postgresql.org/docs/9.4/static/different-replication-solutions.html
52
Referencias
Ramez Elmasri y Shamkant B. Navathe. Sistemas de Bases de Datos.

Conceptos Fundamentales. Quinta Edicin. Addison Wesley
Iberoamricana.
Abraham Silberschatzs y Henry Korth. Fundamentos de Bases de Datos.

Cuarta Edicin. McGraw-Hill.
Peter Eisentraut. Replication Solution for PostgreSQL. Disponible en:

http://es.slideshare.net/petereisentraut/replication-solutions-for-
postgresql
PostgreSQL 9.4 Documentation. Chapter 25. High Availability, Load

Balancing, and Replication. Disponible en:
http://www.postgresql.org/docs/9.4/static/different-replication-
solutions.html
Alvaro Hernndez Tortosa. Mecanismos de Replicacin y Alta

Disponibilidad en PostgreSQL. Nosys. Disponible en:
http://es.slideshare.net/nosys/replicacion-y-haenpostgresql
53

T05 - BD Distribuidas

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

T05 - BD Distribuidas

Uploaded by

Copyright:

Available Formats

Bases de Datos Distribuidas

Profesor: Jorge Escalona

Coleccin de mltiples bases de datos

Sistema Conjunto de varias bds almacenadas en

SGBD SGBD que administra la distribucin en forma

Niveles de Transparencia de BD Distribuidos:

Transparencia de Red o Distribucin: Autonoma del usuario

Transparencia de Replicacin: Vista nica de los datos a los

Transparencia de Fragmentacin: Agrupacin de consultas o

Transparencia de Diseo y Ejecucin: Libertad de saber

Ventajas de una BD Distribuida:

Fiabilidad: Menor probabilidad de que el sistema est cado

Disponibilidad: Mayor probabilidad de que el sistema est

Rendimiento: Mejor rendimiento en consultas y

Escalabilidad: Mayor capacidad de crecimiento de datos,

Desventajas de una BD Distribuida:

Funciones Adicionales de un SGBD Distribuido:

Seguimiento de los datos

Fragmentacin: el sistema divide una o ms relaciones en

Replicacin: el sistema conserva rplicas (copias) idnticas

Asignacin de Datos: directorio global en el cual se

Fragmentacin Horizontal: las unidades lgicas o fragmentos

Fragmentacin Vertical: las unidades lgicas o fragmentos

Fragmentacin Mixta: cada fragmento distribuido puede

Tipos de Fragmentacin (BD de Ejemplo):

(Un mismo curso puede

(En una misma edicin

Ejemplo Fragmentacin por Relacin:

Ejemplo Fragmentacin Horizontal:

Ejemplo Fragmentacin Vertical:

Ejemplo Fragmentacin Mixta:

Tipos de Replicacin y Asignacin de Datos:

Replicacin Total: Asignacin de datos completamente

Replicacin Parcial: Asignacin de fragmentos de datos

Sin Replicacin: Cada fragmento de la bd est asignado a

Sin Replicacin Replicacin Total

(-) Disponibilidad de la bd (+)

(-) Complejidad de Concurrencia y Recuperacin (+)

(-) Optimizacin de Consultas (+)

(+) Optimizacin de Operaciones de Actualizacin (-)

Sistemas de BD Distribuidas Homogneos:

Sistemas de BD Distribuidas Heterogneos:

Sitios diferentes pueden utilizar diferentes SGBDD, pueden

Informix SQL Server

Sistemas de BD Distribuidas Federados:

Cada servidor posee un amplio grado de autonoma local,

El SBD Distribuido se implementa a travs de una vista

Problemas en los Sistemas de BD Distribuidas Federados:

Diferencias en los modelos de datos: En cada sitio puede

Diferencias en las restricciones: Cada sitio pueden tener

Diferencias en el lenguaje de consulta: Algunos sitios

El costo de la transferencia de datos en la red puede ser

Consulta C1: Por cada empleado, buscar la ficha, nombre y el

1) Transferencia de empleados y departamentos al Sitio 3.

Criterio de optimizacin: minimizar la transferencia de datos

Consulta C2: Por cada departamento, buscar su cdigo, nombre y

1) Transferencia departamentos y empleados al Sitio 3.

Criterio de optimizacin: minimizar la transferencia de datos

Problemas de Concurrencia y Recuperacin en SBDD:

Control de Concurrencia Distribuida basado en Sitio Primario:

Tcnica de sitio primario: se designa un nico sitio para que sirva

Control de Concurrencia Distribuida basado en Votacin:

En este mtodo de control no existe una copia diferenciada en un

Interconexin de Servidores Distantes