Base de Datos Distribuidas

1.
Introducción

Una Base de Datos Distribuida (BDD) es una
colección de datos distribuidos en diferentes nodos de una
red de computadoras. Cada sitio de la red es autónomo,
puede ejecutar aplicaciones locales y al menos una
aplicación global, lo cual requiere el acceso a datos,
ubicados en varios sitios, usando un subsistema de
comunicación [Ceri, 1984]. Para el diseño de BDDs
se han definido dos grandes estrategias [Ceri, 1987]: el enfoque
Top-Down y el Bottom-Up. En el enfoque
Top-Down se comienza diseñando el esquema global,
luego se concibe la fragmentación de la BD y la
localización de los fragmentos en los sitios. Se completa
ejecutando, en cada sitio, el diseño físico de los
datos. Por otro lado el enfoque Bottom-Up se basa en la
integración de esquemas ya creados en un esquema global a
partir de las BD existentes.

Los Sistemas de Bases de Datos Distribuidas representan
más naturalmente la estructura geográficamente
descentralizada de una organización, aumentan la
disponibilidad de los datos, reducen el tráfico de
comunicación y es justificable, además, por el
abaratamiento de los costos en el equipamiento y la
infraestructura de comunicaciones de las redes de computadoras.
El diseño de las Bases de Datos Distribuidas posee las
fases del diseño centralizado y cuenta, además, con
dos nuevos problemas que caracterizan el proceso de
distribución de datos, e incluyen la determinación
de: cómo dividir la base de datos en componentes para
localizarlos en diferentes sitios, qué cantidad de datos
debe ser replicados y cómo deben los fragmentos replicados
ser localizados.

Existen varias definiciones sobre qué es un
sistema distribuido pero hay divergencias entre ellas, para
nuestros propósitos es suficiente expresar que un sistema
distribuido es una colección de computadoras
independientes interconectadas entre sí que aparecen ante
los usuarios del sistema como una única computadora
[Özsu, 1991].

2. Ventajas y
Desventajas de los sistemas distribuidos

Ventajas

• El acceso a los datos es más rápido
  debido a que los datos se localizan más cercanos al
  lugar donde se utilizan.

• El procesamiento es rápido debido a que
  varios nodos intervienen en el procesamiento de una carga de
  trabajo,

• Nuevos nodos se pueden agregar fácil y
  rápidamente.

• La probabilidad de que una falla en un solo nodo
  afecte al sistema es baja y existe una autonomía e
  independencia entre los nodos.

• Control local de los datos con que se
  interactúa.

• Mayor tolerancia a los fallos

Desventajas

• Es más complicado el control y la
  manipulación de los datos

• Es compleja el aseguramiento de la integridad de la
  información en presencia de fallas no predecibles
  tanto de componentes de hardware como de software. La
  integridad se refiere a la consistencia, validez y exactitud
  de la información.

• El control de concurrencia y los mecanismos de
  recuperación son mucho más complejos que en un
  sistema centralizado dado que los datos pueden estar
  replicados.

La distribución de la BD requiere determinar la
fragmentación y la localización. La
fragmentación es el proceso de dividir una relación
en pequeñas porciones llamadas fragmentos [Meghini, 1991].
Las razones principales para la fragmentación son el
incremento del nivel de concurrencia y el desempeño del
sistema. Existen dos alternativas para fragmentar datos:
fragmentación horizontal (FH) y fragmentación
vertical (FV). La combinación de las anteriores resulta en
una fragmentación híbrida. Es importante seguir
tres reglas, las cuales aseguran que la BD no tenga cambios
semánticos durante la fragmentación: completitud,
reconstrucción y disjuntura.

3. Sistema de
Gestión de Base de Datos Distribuida

Un sistema de gestión de bases de
datos distribuidas (SGBDD) es un Sistema de Gestión de
bases de datos que gestiona la BD distribuida

Funcionalidades adicionales de un
SGBDD

• Accede a sitios remotos y transmite
  consultas y datos a través de varios sitios mediante
  una red de comunicación.

• Almacena el esquema de
  distribución y replicación de los datos en el
  catalogo del sistema.

• Establece las estrategias de
  ejecución de las consultas y las transacciones que
  acceden a los datos en más de un sitio.

• Decide sobre cual copia de los datos
  replicados acceder.

• Mantiene la consistencia de las copias
  de los datos replicados.

• Realiza la recuperación ante los
  fallos.