Universidad de Concepción Departamento de Ing. Informática y Cs. de la Computación

Transcripción

1 CONTROL III: Bases de Datos Prof. Andrea Rodríguez, Ayudante: Daniel Campos 2 de Diciembre del Teniendo en cuenta las elecciones presidenciales recientes, el Servicio Electoral (SERVEL) quiere rastrear a las personas que hayan apoyado candidaturas independientes en forma irregular. Los candidatos presidenciales son también electores. Los candidatos independientes deben ser apoyados por firmas de electores independientes. Los candidatos que pertenecen a un partido político son apoyados por el partido al que suscriben. Se tiene por cada persona que es elector (o vota) su nombre, dirección, rut, teléfono, partido político al que pertenece (si es que tiene). Por cada partido, se tiene el presidente del partido, la coalición a la que pertenece (si es que pertenece) y el candidato presidencial que apoya. El SERVEL entonces mantiene un registro de quienes hayan apoyado con su firma a un candidato, registrando el rut del elector y el rut del candidato que apoya. En este registro antes de consolidar la información, no se pone restricción al número de candidatos que apoya un elector. Se pide el modelo conceptual para este problema y su traspaso al modelo relacional. Por simplicidad puede omitir los dominios de atributos. (1) 2. Para el problema anterior y usando el modelo relacional que haya definido, escriba la siguientes consultas (1): a) Indique el rut y nombre de personas que, estando inscritas en un partido, hayan apoyado la inscripción de un candidato que no es el candidato del partido. b) Indique el rut y nombre de personas INDEPENDIENTES (no adscritos a un partido) que hayan apoyado a más de un candidato. 3. Un portal está realizando un observatorio de los tweets que son emitidos por usuarios sobre parlamentarios de un país. Para ello recolecta información relativa a los tweets que emiten usuarios que siguen a estos políticos. Los encargados de la base de datos de este observatorio han tenido algunos problemas últimamente. El modelo actual que poseen es el siguiente: TWEET(id, IP, fecha, posicion, tipo, usuario, fecha ingreso, region, parlamentario1, partido1, distrito1, parlamentario1, partido1, distrito1,...,distriton) 1

2 Utilice los conocimientos adquiridos en el curso, y normalice esta relación, considerando las siguientes restricciones: a) Id es único por cada tweet. b) Un tweet puede hacer referencia a uno o varios políticos. c) Un tweet puede ser clasificado como tweet original o retweet (forward). d) Cada tweet tiene una fecha de emisión, y puede tener o no la IP y posición de donde se emite. e) Cada usuario tiene una región declarada en su perfil y una fecha de ingreso. f ) Cada parlamentario tiene un distrito al que pertenece y un partido político (si es que lo tiene). Se pide normalizar esta relación descomponiéndola en un conjunto de relaciones en 5FN. Para ello, identifique las dependencias funciones y mutivaluadas. Al descomponer recuerde describir las claves primarias y claves foráneas de las relaciones (1). 4. Siguiendo con un ejercicio del control 2, se tiene el siguiente esquema de bases de datos con 3 relaciones para un servicio de búsqueda de documentos indexados. Termino(id term: int(20), caracteres: char(60)) ListaInvertida( id term: int(20), id doc: int(20), frecuencia: int(20) ) FK id term FROM Termino(id term) FK id doc FROM Documento(id doc) Documento(id doc:int(20), titulo:char(50), archivo: char(30)) Nota: Los dominios de atributos entre paréntesis indican el número de bytes que ocupa. Una consulta posible con este esquema es retornar todos los id doc de los documentos que contengan las palabras gato y perro, la que queda expresada de las siguiente forma: SELECT l1.id doc FROM Termino as g, Termino as p, ListaInvertida as l1, ListaInvertida as l2 WHERE g.caracteres = gato AND p.caracteres= perro AND l1.id term = g.id term AND l2.id term = p.id term AND l1.id doc = l2.id doc Escriba un plan de ejecución de la consulta que sea mejor que el canónico y estime el costo de ejecución del plan. Asuma la siguiente información almacenada en el catálogo (1): La tabla Termino tiene 500 páginas con 200 tuplas por página. Esta tabla está indexada por id term por hash. 2

3 La tabla ListaInvertida tiene páginas con 250 tuplas por página. Esta tabla está indexada por id term, id doc con un R- tree agrupado. La tabla Documento tiene 5000 páginas con 180 tuplas por página. Esta tabla está indexada por id doc por hash. En promedio una palabra no aparece en más del 10 % de los documentos y dos palabras aparecen en el mismo doumento en 0.01 % de los documentos de la coleccin. Como ayuda, considere la siguiente tabla entregada en clases para la determinación de costos, donde D es el tiempo de acceso de una página a disco, B el número de páginas de la tabla, F el factor de carga de un árbol que es un parámetro del sistema. Barrido Igualdad Rango Pila BD 0,5BD BD Ordenado BD Dlog 2 B D(log 2 B+ # match pages) Arbol agrup. BD(R + 0,15) D(1 + log F 0,15B) D(log F 0,15B+ # match pages) Hash no agrup. BD(R + 0,125) 2D BD Además se sabe que en el mejor caso un join toma 3(N + M), con N y M el número de páginas en cada una de las relaciones que están involucradas. 5. Considere el siguiente conjunto de transacciones que deben ser ejecutadas en forma concurrente, donde R(A) indica leer elemento A de la base de datos y W(A) indica escribir elemento A. (2) T 1 T 2 T 3 R(A) R(C) R(B) R(B) R(D) W(C) W(C) R(A) W(C) W(D) Suponga ahora la existencia de un administrador de bases de datos (DBMS) que utiliza threads para procesar transacciones concurrentes que pueden ejecutar lecturas y escrituras de los elementos de una base de datos. El DBMS asigna a cada transacción T i un valor único de timestamp T s(i) que permite establecer un orden entre las transacciones. La CPU se asigna de manera circular a las transacciones de manera que a cada transacción se le permite ejecutar una operación read/write y las que sean necesarias de locks/unlocks. El protocolo de 3

4 timestamps hace lo siguiente. A cada elemento Q siendo requerido por las transacciones se asocian dos valores: W T s (Q) : Máximo de los timestamps de las transacciones que han hecho W(Q). R T s (Q) : Máximo de los timestamps de las transacciones que han hecho R(Q). El protocolo que asegura la correcta ejecución de las transacciones es el siguiente: Si Ti intenta ejecutar R(Q): Si T s(i) < W T s (Q) no se ejecuta la operacioón y T i se aborta. Si T s(i) > W T s (Q) se ejecuta la operación y R T s (Q) = max{r T s (Q), T s(i)}. Si Ti intenta un write(q) Si T s(i) < R T s (Q) no se ejecuta la operación y T i se aborta. Si T s(i) < W T s (Q) no se ejecuta la operación y T i continúa. Sino, se ejecuta la operación y W T s (Q) = T s(i). A partir del esquema de ejecución para las transacciones T1, T2 y T3 descritas anteriormente se le pide escribir un plan tratando de intercalar la mayor cantidad de operaciones posibles entre transacciones. Luego haga un plan que siga el protocolo de 2 fases estricto con detección de deadlock. 4

5 1. Un modelo conceptual es el siguiente: rut inscribe (0,n) nombre direccion (1,n) (0,1) Elector pertenece Partido (p) telefono preside (0,1) (1,1) apoya (0,1) nombre presidente coalicion (0,n) Candidato (0,n) Restricciones adicionales son: (i) un elector que preside a un partido tiene que pertenecer a ese partido y (ii) candidatos que son independientes deben tener al menos electores que los apoyan. ELECTOR(rut, nombre,direccion, telefono, partido) FK partido FROM PARTIDO(nombre) CANDIDATO( rut) FK rut FROM ELECTOR(rut) PARTIDO( nombre,presidente,candidato) FK candidato FROM CANDIDATO(rut) INSCRIBE( elector,candidato) FK elector FROM ELECTOR(rut) FK candidato FROM CANDIDATO(rut) 2. Las consultas en SQL son: a) Indique el rut y nombre de personas que, estando inscritas en un partido, hayan apoyado la inscripción de un candidato que no es el candidato del partido.. SELECT e.rut, e.nombre FROM ELECTOR as e, PARTIDO as p, INSCRIBE as i WHERE e.partido = p.candidato AND i.rut = e.rut AND p.candidato <> i.candidato; b) Indique el rut y nombre de electores INDEPENDIENTES que hayan apoyado a más de un candidato. SELECT e.rut, e.nombre FROM ELECTOR as e, INSCRIBE as i1, INSCRIBE as i2 WHERE e.rut = i1.rut AND e.rut = e2.rut AND i1.candidato <> i2.candidato AND NOT EXISTS (SELECT p.nombre FROM PARTIDO as p WHERE e.partido = p.nombre) 3. Las dependencias funciones existentes son: id usuario, IP, fecha, tipo, posicion id parlamentario usuario fecha ingreso, region parlamentario partido, distrito 5

6 En base a eso, el modelo normalizado sería: TWEET(id, usuario, IP, fecha, tipo, posicion) FK usuario FROM USUARIO(nombre) USUARIO( nombre,fecha ingreso, region) PARLAMENTARIO( nombre,partido, distrito) REFERENCIA( id,nombre) FK id FROM TWEET(id) FK nombre FROM PARLAMENTARIO(nombre) 4. El plan de ejecución es el siguiente (E) >< id_doc = id_doc πid_doc( >< id_term = id_term) (C) πid_doc( >< id_term = id_ter,) (D) πid_term(σcaractereces ='gato') πid_term(σcaractereces ='perro') (B) (A) ListaInvertida ListaInvertida Termino Termino El costo analizado para cada paso (identificado en la figura por letras entreparéntesis) es: Paso Costo Salida (A) 500(250) 1 (B) 500(250) 1 (C) 3( ) 20*90000/15000 = 120 (D) 3( ) 20*90000/15000 = 120 (E) 3( ) Ojo: no hay un clara especificacin del tamaño de página pero se asumo el caso peor, osea bytes por página sacado de los datos. Razonamiento: Hay documentos (5000 x 180). Luego hay documentos donde aparece un término. 5. Los datos finales para las variables utilizadas son: Variable A B C D WT RT Transacción T 1 T 2 T 3 Marca de tiempo El plan es el siguiente: R 1 (A)R 2 (C)R 3 (B)R 1 (B)R 2 (D)W 3 (C)abort(T 1 )R 2 (A)W 3 (C) 6

7 commit(t 3 )R 1 (A)W 2 (D)commit(T 2 )R 1 (B)W 1 (C)commit(T 1 ) En un protocolo de 2 fases estricto con detección de deadlock, un plan sería: S 1 (A)R 1 (A)S 2 (C)R 2 (C)S 3 (B)R 3 (B)S 1 (B)R 1 (B)S 2 (D)R 2 (D)abort(T 3 )abort(t 1 ) S 2 (A)R 2 (A)S 3 (B)R 3 (B)S 1 (A)R 1 (A)X 2 (D)W 2 (D)commit(T 2 ) X 3 (C)W 3 (C)S 1 (B)R 1 (B)W 3 (C)commit(T 3 )X 1 (C)W 1 (C)commit(T 1 ) Ojo: Por simplicidad, asumo que al hacer el commit se desbloquea todo lo bloqueado por la transacción y no lo escribo explícitamente. 7