Introducción a las bases de datos

Introducción a las bases de datos
Juan Ignacio Rodrı́guez de León
Abstract
Aplicaciones de los sistemas de bases de datos. Sistemas de bases
de datos frente a sistemas de archivos. Visión de los datos. Modelos de
datos. Lenguajes de bases de datos. Usuarios y administradores de la
base de datos. Gestión de transacciones. Estructura de un sistema de
bases de datos. Arquitecturas de aplicaciones. Historia de los sistemas
de bases de datos. También se presenta un ejemplo de una aplicación de
bases de datos: una empresa bancaria que cuenta con varias sucursales.
Este ejemplo se usa como ejemplo de trabajo a lo largo de toda la
asignatura.
1
Sistemas de bases de datos frente a sistemas de
ficheros.
Mantener la información en un sistema de ficheros presenta una serie de
inconvenientes importantes, precisamente los que se intentan evitar con las
sistemas de bases de datos:
• Redundancia e inconsistencia de datos. La información puede estar
duplicada en diferentes sitios, y codificada de diferentes maneras. Esta
redundancia tiene como primera consecuencia mayores costes de almacenamiento y de acceso. Además, puede conducir a inconsistencias de
datos.
• LDificultad en el acceso a los datos. No existe otro método de acceso
a los datos que los programas que se hayan implementado.
• Aislamiento de los datos. Debido a que los datos están dispersos en
varios ficheros, e incluso representados en distinto formatos, es difı́cil
interrelacionarlos.
• Problemas de integridad. Las restricciones que se deseen imponer a los
datos deben hacerse por programa. Si existen varios programas (quizá
incluso en varios lenguajes) hay que añadir el código de restricción a
todos. En caso de tener que modificar o ampliar estas restricciones, el
trabajo puede ser considerable.
1
1
SISTEMAS DE BASES DE DATOS FRENTE A SISTEMAS DE FICHEROS.2
• Problemas de atomicidad. En un sistema de archivos es difı́cil garantizar la atomicidad de las operaciones.
• Anomalı́as en el acceso concurrente. Es complicado controlar el acceso
concurrentes de diferentes usuarios y/o máquinas.
• Problemas de seguridad. Seguridad no centralizada.
Un sistema de base de datos es una colección de archivos interrelacionados y un conjunto de programas que permiten a los usuarios acceder y
modificar esos archivos, intentando resolver los problemas descritos anteriormente.
1.1
Visión de los datos
Uno de los principales objetivos de este sistema es proporcionar a los usuarios
una visión abstracta de los datos, de forma que no deba de preocuparse por
los detalles del almacenamiento de los datos.
Esta simplificación de los detalles de almacenamiento y gestión de los
datos se realizan en diversos niveles.
Nivel Fı́sico En este nivel se describen en detalle las estructuras de datos
que definen como se almacenan realmente los datos.
Nivel lógico En este siguiente nivel, lo que se define es que datos se almacenan, ası́ como las relaciones entre los mismos. Este nivel permite
describir la base de datos completa en base a un subconjunto de estructuras relativamente simples. Los usuarios a nivel lógico (Diseñadores y
administradores de bases de datos) no necesitan preocuparse del nivel
fı́sico.
Nivel de vistas Este nivel completa, mediante la definición de vistas, las
necesidades finales de acceso a los datos. La vista puede reorganizar
la información del nivel lógico, ampliando, transformando o incluso
reduciendo la información que se desea mostrar al usuario (Programadores y administradores de bases de datos) .
Además de esconder los detalles del nivel lógico, las vistas proporcionan
también un mecanismo de seguridad que evita los accesos a determinadas
partes de la base de datos.
Las bases de datos normalmente se ven modificadas a lo largo del tiempo.
Se denomina ejemplar de la base de datos a la colección de información almacenada en la misma en un momento determinado. El diseño completo
de la base de datos se llama esquema de la base de datos. Existen diferentes esquemas, de acuerdo con los niveles explicados anteriormente. Ası́,
el esquema fı́sico describe el diseño final en el nivel fı́sico, mientras que el
2
MODELO DE DATOS
3
esquema lógico lo describe en el nivel lógico. Normalmente, es el esquema
lógico el más importante, ya que afecta de manera importante a los programas de aplicación. El nivel fı́sico, aunque importante, puede ser alterado
sin que las aplicaciones se vean afectadas.
2
Modelo de datos
El modelo de datos es una colección de herramientas conceptuales que se utilizan para describir datos, incluyendo relaciones, semántica y restricciones de
consistencia. Se estudiarán dos modelos de datos, el modelo entidad-relación
y el relacional. Los diferentes modelos de datos que se han propuesto se clasifican en tres grupos: modelos lógicos basados en objetos, modelos lógicos
basados en registros y modelos fı́sicos.
2.1
Modelo Entidad-Relación (E-R)
Este modelo representa el mundo real mediante una colección de objetos
básicos, que denomina entidades, y las relaciones entre estos objetos. Una
entidad es cualquier cosa o parte del mundo que es distinguible del resto.
Por ejemplo, en un sistema bancario, las personas y las cuentas bancarias
se podrı́an interpretar como entidades.
Las entidades se describen mediante una serie de atributos (por ejemplo,
número de cuenta, saldo y fecha de alta pueden ser atributos de la entidad
cuenta). Una relación es una asociación entre varias entidades (Por ejemplo, una relación impositor relaciona cada cliente con las cuentas que tenga
abiertas). El conjunto de todas las entidades del mismo tipo se denomina
conjunto de entidades, y el conjunto de todas las relaciones del mismo tipo
se denominan conjunto de relaciones.
La estructura lógica se representa mediante el diagrama Entidad-Relación
o diagrama E-R, que consta de los siguientes componentes.
sı́mbolos
Rectángulos
Elipses
Rombos
Lı́neas
Representan
Conjuntos de entidades
Atributos
Relaciones entre conjuntos de entidades
Unen a los atributos con los conjuntos de entidades, y los conjuntos de entidades con las
relaciones
Además de representar entidades y relaciones, el modelo permite representar ciertas restricciones que los datos almacenados deben cumplir. Una
restricción importante es la correspondencia de cardinalidad, que expresa el
número de entidades con las que otra entidad se puede asociar a través de
un conjunto de relaciones. El modelo E-R se estudiará con más detalles en
el tema 2.
3
1.4 LENGUAJES DE BASE DE DATOS
2.2
4
Modelo relacional
En el modelo relacional se utiliza un grupo de tablas para representar los
datos y las relaciones entre ellos. Cada tabla está compuesta por varias
columnas, y cada columna tiene su propio nombre, que debe ser único. Este
modelo es un ejemplo de modelo basado en registros. Estos modelos se
denominan ası́ porque la base de datos se estructura en registros de formato
fijo, de diferentes tipos. Cada tabla contiene registros de un tipo particular.
Cada tipo de registro define un número fijo de campos, donde cada campo
representa un atributo.
El modelo de datos relacional es el modelo más ampliamente usado, y la
mayorı́a de los sistemas actuales se basan, parcial o totalmente, en el modelo
relacional. Este modelo se estudiará con más detalle en los temas 3 al 7.
Es habitual realizar primero un esquema E-R, situado en un nivel superior de abstracción, que luego es traducido al modelo relacional. En el Tema
2 se verá con más detalle este mecanismo de traducción.
Por último, se ha de destacar que en el modelo relacional es posible crear
esquemas que tengan, por ejemplo, información duplicada innecesariamente.
El tema 7 se dedicará ı́ntegramente a evitar estos malos diseños.
3
1.4 Lenguajes de base de datos
Un sistema de base de datos proporciona un lenguaje de definición de datos
para especificar el esquema de la base de datos y un lenguaje de manipulación de datos para expresar las consultas y las modificaciones a la base de
datos. En la práctica, los dos lenguajes no suelen ir por separado, sino que
forman un único lenguaje, como por ejemplo en el lenguaje SQL, ampliamente utilizado.
Lenguaje de definición de datos (LDD) sirve para especificar el esquema
de la BD. El resultado de la compilación es un conjunto de tablas que
se almacenan en un archivo especial llamado diccionario de datos o
directorio de datos. El diccionario de datos almacena metadatos, es
decir, datos acerca de los datos. La estructura de almacenamiento y
los métodos usados se especifican mediante un conjunto de definiciones
del lenguaje de almacenamiento y definición de datos.
Lenguaje de manipulación de datos (LMD) permite acceder o manipular los datos organizados. Hay dos tipos: LMD procedimentales, que
requieren que el usuario especifique que datos se necesitan y como
obtenerlos, y LMD no procedimentales, que requiere que el usuario
especifique que datos se necesitan, sin especificar como obtenerlos.
La manipulación de la información almacenada en una base de datos
contempla:
4
USUARIOS Y ADMINISTRADORES DE LA BASE DE DATOS
5
• La recuperación de la información almacenada
• La inserción de información nueva
• El borrado de información
• La modificación de la información
Una consulta es una instrucción para recuperar información, y la parte
del LMD que implica recuperación de información se llama lenguaje de consultas. Existen varios lenguajes de consultas. En el tema 4 se estudiará
SQL, el más extendido de todos. En el tema 5 se estudiarán otros.
3.1
Acceso a la base de datos desde programas de aplicación
Los programas de aplicación se escriben normalmente en un lenguaje de
programación de alto nivel (Cobol, C, C++, Java, Python, etc...), que denominaremos lenguaje anfitrión. Para acceder a la base de datos, las instrucciones LMD necesitan ser ejecutadas desde el lenguaje anfitrión. Hay
dos maneras de hacerlo:
• Mediante una API (Librerı́a de procedimientos) que se puede usar
para enviar las instrucciones LMD y LDD a la base de datos, ası́
como recuperar los resultados. ODBC (Open Data Base Connectivity)
es un ejemplo de API definida para permitir el acceso a la base de
datos desde C. JDBC (Java Data Base Connectivity) es similar, pero
utilizando Java como lenguaje anfitrión.
• Extendiendo la sintaxis del lenguaje anfitrión para incorporar llamadas
LMD dentro del programa del lenguaje anfitrión. Normalmente se
realiza mediante un preprocesador. Si se utiliza esta técnica se dice
que el lenguaje de consulta está embebido en el lenguaje anfitrión.
4
Usuarios y administradores de la base de datos
Las personas que hacen uso de una base de datos pueden clasificarse en
diferentes roles:
4.1
Usuarios
• Usuarios normales: Usuarios no sofisticados, que interactúan con el
sistema mediante la ejecución de programas especı́ficos escritos previamente. Normalmente la interfaz para este tipo de usuarios es del tipo
de formularios e informes generados.
5
GESTIÓN DE TRANSACCIONES
6
• Programadores de aplicaciones: Profesionales informáticos que escriben
los programas de aplicación que utilizan los usuarios. Para ello se suelen usar lenguajes convencionales, entornos de herramientas de desarrollo rápido de aplicaciones (RAD -Rapid Application Development-)
o lenguajes de cuarta generación.
• Usuarios sofisticados: Interactúan con el sistema sin usar aplicaciones
especı́ficas, usando directamente el lenguaje de consultas. Los analistas que utilizan consultas para explotar los datos en la base de datos
entran en esta categorı́a.
• Usuarios especializados: son usuarios sofisticados que escriben aplicaciones de BD especializadas que no son adecuadas en el marco de
procesamiento de datos tradicional.
4.2
Administrador de la base de datos
Una de las ventajas de usar un un sistema gestor de base de datos es tener
un control centralizado tanto de datos como de los programas que acceden
a los datos. La persona que se encarga de manejar este control se denomina
administrador de la base de datos. Sus funciones incluyen:
• Definición de esquemas.
• Definición de estructuras y métodos de accesos
• Realizar las modificaciones de los esquemas y de la organización fı́sica,
cuando sea necesario.
• Conceder o revocar autorización a los usuarios para poder consultar,
insertar, modificar o borrar los datos.
• Mantenimientos rutinarios: copias de respaldo, comprobación de espacio ocupado en los discos, comprobaciones de rendimiento.
5
Gestión de transacciones
Una de las grandes ventajas que proporciona el uso de un sistema gestor de
base de datos es el de garantizar la atomicidad. La atomicidad es la garantı́a
que nos da el sistema de que, ante la ejecución de una serie de operaciones,
englobadas en una transacción, o bien se ejecutan todas las operaciones, o
bien no se efectúa ninguna. En otras palabras, el conjunto de operaciones
se hace entero o no se hace, no dejando ningún efecto sobre el sistema.
La atomicidad nos permite realizar cambios en la base de datos garantizando la consistencia de los datos. la consistencia es la garantı́a de que determinadas reglas declaradas sean siempre verificadas después de la transacción,
6
ESTRUCTURA DE UN SISTEMA DE BASE DE DATOS
7
independientemente del resultado de la misma. Por ejemplo, en una transacción
de fondos desde la cuenta A a la cuenta B, la regla de que A+B debe ser constante debe cumplirse tanto antes como después de la transacción (aunque
durante la transacción si es posible que se produzcan inconsistencias).
Otra caracterı́stica importante es la durabilidad. La durabilidad de una
transacción garantiza que, en el instante en el que se finaliza la transacción,
esta perdura a pesar de otras consecuencias. Por ejemplo, incluso en el caso
de fallo en el disco duro, el sistema aún será capaz de recordar todas la
transacciones que han sido realizadas en el sistema.
La responsabilidad de asegurar la atomicidad y durabilidad recaen en una
parte del sistema gestor de base de datos, concretamente en el componente de
gestión de transacciones. En ausencia de fallos, toda transacción concluida
es definitiva. En caso de fallo, el sistema debe realiza la recuperación de
fallos, es decir, restaurar la base de datos al estado en que estaba antes de
que ocurriera el fallo.
Finalmente, otra caracterı́stica importante del sistema de transacciones
es el aislamiento entre operaciones. El aislamiento es la garantı́a de que
todas las transacciones que se estén realizando simultáneamente en el sistema son invisibles al resto los usuarios hasta que estas hayan concluido.
Este aislamiento garantiza que los usuarios del sistema no observen los cambios intermedios. Es responsabilidad del gestor de control de concurrencia
controlar la interacción entre las transacciones concurrentes.
Estas cuatros caracterı́sticas de los sistemas gestores de bases de datos
se suelen resumir con el acrónimo ACID, que corresponde con las iniciales
en ingles (Atomicity, Consistency, Isolation, Durability).
6
Estructura de un sistema de base de datos
Un SGBD se divide en módulos que se encargan de cada una de las responsabilidades del sistema completo. A grandes rasgos, estos módulos pueden
agruparse en dos categorı́as, el gestor de almacenamiento y el procesador de
consultas.
El gestor de almacenamiento es importante porque las bases de datos requieren normalmente una gran cantidad de espacio, siendo ya relativamente
normales bases de datos de varios Giga bytes, e incluso Terabytes. Debido
a estos tamaños y a la diferencia de velocidades entre la memoria principal
y la de disco, la estructuración correcta de los datos puede minimizar la
necesidad de movimientos entre niveles de memoria y, consecuentemente,
optimizar el rendimiento.
El procesador de consultas es importante porque ayuda al SGBD a simplificar y facilitar el acceso a los datos. Las vistas de alto nivel ayudan
a conseguir este objetivo. Es necesario traducir las actualizaciones y las
consultas realizadas en lenguaje no procedimental (nivel lógico) en una se-
6
ESTRUCTURA DE UN SISTEMA DE BASE DE DATOS
8
cuencia de operaciones (en el nivel fı́sico).
6.1
Gestor de almacenamiento
El gestor de almacenamiento es el módulo que proporciona la interfaz entre
los datos de bajo nivel en la base de datos y los programas de aplicación y las
consultas emitidas al sistema; por tanto, es n interprete de las instrucciones
LMD a secuencias de órdenes de nivel inferior. También es responsable de
la interacción con el sistema de ficheros. Ası́, el gestor de almacenamiento es
responsable del almacenamiento, actualización y recuperación de los datos
en la base de datos.
Los componentes de gestor de almacenamiento incluyen:
Gestor de autorización e integridad Comprueba que se satisfacen las
restricciones de integridad y la autorización de los usuarios para acceder a los datos.
Gestor de transacciones Asegura la consistencia de la base de datos, a
pesar de los fallos en el sistema. También es responsable de que la
ejecución de transacciones concurrentes ocurra sin conflictos.
Gestor de archivos Gestiona la reserva de espacio de almacenamiento en
disco, y las estructuras de datos usadas para almacenar la información.
Gestor de memoria intermedia o caché Es responsable de traer los datos
de disco hacia memoria principal, y de decidir que datos tratar en
memoria caché. Este módulo es crı́tico para el rendimiento del sistema.
El gestor de almacenamiento implementa varias estructuras de datos
como parte de la implementación fı́sica del sistema:
• Archivo de datos, que almacena la base de datos en si.
• Diccionario de datos, que almacenan metadatos acerca de la estructura
de la base de datos, en particular, el esquema.
• Índices, que proporcionan acceso rápido a determinados datos.
6.2
Procesador de consultas
Los componentes de este módulo son:
Intérprete del LDD Interpreta las instrucciones del LLD y registra las
definiciones en el diccionario de datos.
7
ARQUITECTURA DE APLICACIONES
9
Compilador del LMD Traduce las instrucciones del LMD en un lenguaje
de consultas a un plan de evaluación, que consiste en instrucciones de
bajo nivel que entiende el motor de evaluación de consultas. El compilador también puede producir y evaluar el coste de distintos planes
alternativos, realizando ası́ una fase de optimización de la consulta.
Motor de evaluación de consultas Ejecuta las instrucciones de bajo nivel
generadas por el compilador de LMD.
La figura 1 pretende mostrar estos componentes y sus conexiones.
7
Arquitectura de aplicaciones
Las aplicaciones de Base de datos se dividen normalmente en dos o tres
capas. En una arquitectura de dos capas, la aplicación se divide en un componente que reside en el cliente, que llama directamente a la funcionalidad
del sistema de base de datos en el servidor mediante instrucciones de consultas, usando normalmente estándares como ODBC o JDBC.
En una arquitectura de tres capas, existe un cliente muy ligero, que actúa
simplemente como frontal, y que no llama directamente a la base de datos,
sino que se comunica con un servidor de aplicaciones. Es este servidor de
aplicaciones el que interactúa con la base de datos.
La ventaja de este último esquema es que la implementación de la lógica
de negocio se realiza en un único sitio, en la capa intermedia o servidor de
aplicaciones, lo que facilita enormemente su mantenimiento.
7
ARQUITECTURA DE APLICACIONES
10
Figure 1: Componentes de un SGBD
Programas de
aplicación
Interfaz de
aplicaciones
Compilador y enlazador
Herramientas
de consulta
Herramientas
de administración
Consultas LMD
Intérprete del LDD
Código objeto de los
programas de
aplicación
Compilador del LMD
y organizador
Motor de evaluación de
Consultas
Procesador de consultas
Gestor de
Memoria Intermedia
(Caché)
Gestor de
archivos
Gestor de
autorización
e integridad
Gestor de
transacciones
Gestor de almacenamiento
Diccionario de datos
Índices
Datos
Datos estadísticos
Almacenamiento en disco
8
8
PREGUNTAS HABITUALES
11
Preguntas habituales
1. ¿Cual de estos componentes no forma parte del Gestor de almacenamiento en un sistema gestor de base de datos.
(a) Gestor de consultas
(b) Gestor de autorización e integridad
(c) Gestor de transacciones
(d) Gestor de memoria intermedia
2. ¿A qué se refiere el término “Esquema de la base de datos” en un
sistema de base de datos?
(a) Al diseño completo de una base de datos
(b) Al nivel fı́sico
(c) Al nivel lógico
(d) Al nivel vista
3. ¿Qué parte del lenguaje de base de datos se utiliza para especificar el
esquema de la base de datos?
(a) DML
(b) DLL
(c) DDL
(d) EBD
4. ¿Cuál de estas afirmaciones es verdadera?
(a) Un DML procedimental necesita que el usuario especifique que
datos necesita pero no como obtenerlos.
(b) Un DML procedimental necesita que el usuario especifique que
datos necesita y como obtenerlos.
(c) Un DML procedimental necesita que el usuario especifique que
datos necesita mediante procedimientos.
(d) Ninguna de ellas.