Los datos: conceptos introductorios

Transcripción

1 Los datos: conceptos introductorios 1. Los tres mundos: el real, el conceptual y el de las representaciones 1.1. La realidad: los objetos El mundo real, la parte de la realidad que nos interesa, es lo que percibimos con nuestros sentidos y está compuesto por objetos concretos, físicos o no 1.2. Las concepciones: la información El conjunto de los conocimientos obtenidos a partir de la observación de un mundo real se denomina mundo conceptual o mundo de las concepciones. En la esfera de las concepciones construimos un modelo abstracto, conceptual, del mundo real, y esto nos ayuda a razonar y a expresarnos. El proceso de observación / abstracción es básicamente un proceso para modelizar la estructura. La información es un conocimiento transmisible. Un mismo mundo real puede ser visto, concebido y modelizado de distintas formas por diferentes observadores (incluso por un mismo observador) según su entorno o marco de referencia Las representaciones: los datos El mundo de las concepciones o de los conocimientos es un mundo mental. Sin embargo, para trabajar con estos conocimientos y comunicarlos, necesitamos proyectar los pensamientos al exterior, representándolos físicamente de alguna manera. Éste es el mundo de las representaciones. Damos el nombre de datos a las representaciones físicas de los conocimientos que tenemos de los objetos del mundo real. El paso de los conocimientos a los datos, o de una concepción a una representación informática, no es automático. Es un proceso humano: un proceso de diseño. Las tareas más importantes del analista / diseñador de SI: - Analizar los objetos del mundo real, y hacer abstracciones y obtener una concepción lógica de ellos - Diseñar una representación informática concreta que se pueda tratar eficientemente. Javi 1 de 61

2 1.4. La interpretación El proceso inverso al de representación se denomina interpretación. Podemos decir que la información es el significado que le damos a los datos. 2. Los mundo conceptual: entidades y atributos La información: expresión lingüística Toda información se refiere a un objeto y nos describe una propiedad. En términos lingüísticos, una información (un conocimiento elemental) se puede expresar con un sujeto (el alumno concreto) y un predicado ( nació en 1979 ). EL predicado está formado por el verbo y el complemento Entidades, atributos y valores Se denominan entidades a los objetos que conceptualizamos como distinguibles unos de otros. El predicado es la propiedad descrita, y sus dos partes, verbo y complemento, las denominamos atributo (años de nacimiento) y valor (1979) respectivamente. Si E es un conjunto de entidades individuales (conceptualizaciones de los objetos del mundo real) y V es un conjunto de valores, podemos definir el atributo A como la aplicación de E sobre V. Si expresamos la aplicación en términos de una función, diremos que V=A(E). {Entidad} > {Valor} Atributo Una entidad puede tener más de un atributo El tiempo En general, para tener bien caracterizada una información no es suficiente con los tres elementos entidad, atributo y valor, sino que nos hará falta el tiempo. Javi 2 de 61

3 2.4. Dominios y valores nulos El conjunto de todos los valores válidos, o legales, que pueden llegar a tener un atributo, recibe el nombre de dominio del atributo. No se debe confundir el término dominio con el término tipo de dato de los lenguajes de programación. Es cierto que el tipo de dato realizar un función de dominio porque limita los valores aceptables, pero además tiene asociado un conjunto de operaciones, algo que el dominio no tiene. Puede ocurrir que el valor de un atributo determinado de alguna entidad individual sea desconocido o no exista. Entonces diremos que el dominio de ese atributo acepta el valor nulo Identificadores y claves Los atributos que concebimos como aplicaciones inyectivas se denominan identificadores. Una entidad puede tener más de un identificador, o incluso no tener ninguno. Todo atributo o conjunto de atributos que permite identificar las entidades individuales recibe el nombre de clave Atributos multivalor Un atributo no podrá ser multivalor La entidad: instancia y tipo Todas las entidades alumnos son elementos del conjunto de alumnos. Todos los alumnos son individuos o instancias del mismo tipo (son instancias del tipo de entidad alumno). La entidad tendrá dos acepciones: - La entidad como individuo o instancia - La entidad como clase o tipo. Todas las instancias de un mismo tipo tienen los mismo atributos. Javi 3 de 61

4 3. El mundo de las representaciones 3.1. La representación tabular La representación informática de una información elemental se denomina dato. La representación tabular tiene una fila para cada entidad individual y una columna para cada dato. Una representación tabular de un conjunto de n entidades e i donde cada una de ellas tiene m atributos a j es, de hecho, un conjunto de n tuplas de grado m formadas por los valores v ij 3.2. Ficheros, registros y campos Un fichero de datos es una representación informática equivalente a la representación tabular: a) La representación de una entidad (el equivalente a una fila de la tabla) recibe el nombre de registro. b) La representación del valor de una atributo de una entidad se denomina campo. El conjunto de campos constituye el registro, y el conjunto de registros constituye el fichero Base de datos Se define base de datos a un conjunto de ficheros de datos interrelacionados. Los conjunto de fieros interrelacionados nos plantea dificultades. El software tradicional de gestión de ficheros, los File Management Systems, no se ocupan de las posibles interrelaciones entre ficheros, y las dejan en manos de los usuarios informáticos. Los SGBD son bastante más sofisticados que los sistemas de gestión de ficheros, y su objetivo es facilitar el uso de las BD, el diseño, la programación, el mantenimiento, la utilización simultánea por muchos usuarios, etc El registro físico y los soportes El informático que diseña los ficheros o la BD para un SI concreto puede decidir detalles sobre l registro de los datos Es parte del denominado diseño físico. Javi 4 de 61

5 3.5. Organización El software de ficheros y el de BD nos dan unas posibilidades de organización parecidas a las del mundo no informático, y otras mucho más sofisticadas Acceso a los datos Una cosa es cómo están organizados los datos (la colocación) y otra cómo se accede a ellos (la obtención). Dos formas de acceso, acceso secuencial y acceso directo. La diferencia esencial es que el acceso secuencial a un registro presupone el acceso previo a todos los registros anteriores mientras que el acceso directo, no. El acceso por valor y el acceso por posición. El acceso por valor nos lleva al registro en función del valor de alguno de sus atributos, sin tener en cuenta la posición que ocupa el registro. El acceso por posición, en cambio, nos lleva a un lugar una posición- donde encontramos un registro de datos, sin tener en cuenta el contenido. Hay cuatro formas de acceso más habituales: 1) Acceso secuencial por posición (SP): después de haber accedido a un registro que ocupa una posición, se pide acceder al registro que ocupa la posición siguiente (cintas magnéticas). 2) Acceso directo por posición (DP): se pide acceder al registro que ocupa la posición p. 3) Acceso secuencial por valor (SV): después de haber accedido a un registro, se pide acceder al siguiente respecto al orden de un atributo (campo) determinado. 4) Acceso directo por valor (DV): se pide acceder al registro que tiene, para un atributo (campo) determinado, un valor dado. Cuatro formas de acceso Por posición Por valor Secuencial SP SV Directo DP DV 3.7. Nivel lógico y nivel físico En el mundo de las representaciones informáticas, se acostumbran a distinguir dos puntos de vista o niveles, el nivel físico, cuando es necesario considerar la realización física, y el nivel lógico, cuando n hace falta conocerla. 1) Nivel lógico: por ejemplo, el programador de aplicaciones 2) Nivel físico: entramos en el nivel físico cuando tenemos que considerar la realización física. Javi 5 de 61

6 4. La memoria externa 4.1. Justificación de la utilización de la memoria externa La no-volatilidad no es la única razón que justifica su utilización, sino también su gran capacidad (habitualmente entre 10 y 10 3 veces mayor que la de la memoria principal o interna) y el precio bajo por byte. El principal inconveniente es el tiempo de acceso Esquema de la E/S En el caso de los discos, el bloque mínimo será un sector, pero se acostumbra a leer de una vez toda una serie de sectores. En ocasiones se da el nombre de registro físico al bloque, y el registro lógico a al que aquí denominamos simplemente registro. Dado que el tamaño de un registro suele ser mucho menor que el de un bloque, se agrupan los registros en bloques. Se usa el término página como sinónimo de bloque. Sabemos que la entrada (o la salida) de los bloques se hace hacia ( o desde) los buffers en la memoria interna. Un sistema informático que sirve a un SI multiusuario se ejecuten muchos procesos de forma simultánea. Cada proceso puede trabajar con más de un fichero de datos, y le puede convenir tener unos cuantos bloques en los buffers. Del mismo modo que la unidad de transferencia entre la memoria externa y los buffers es el bloque, la unidad de transferencia entre los buffers y el programa de usuario ese el registro Tiempo de acceso El tiempo necesario para completar una operación física de lectura o escritura de un bloque en una memoria externa móvil consta de dos partes (tiempo de acceso + tiempo de transferencia): a) El tiempo de acceso es el tiempo necesario para que el mecanismo se coloque en el inicio del bloque que se debe leer o escribir. b) El tiempo de transferencia es el tiempo necesario para leer o escribir el bloque. Javi 6 de 61

7 1) El tiempo de acceso en el caso de los discos magnéticos consta de dos partes. a) Tiempo de búsqueda, el brazo portador de los cabezales se coloca en el cilindro seleccionado b) Después, en el tiempo de espera, se aguarda a que la rotación del disco haga pasar por delante del cabezal el sector donde se inicia la operación. 2) El tiempo de transferencia será el tiempo que se tarde en leer o escribir todo el conjunto de sectores que intervienen en la operación; es decir, el tiempo que tarde en pasar el bloque por delante del cabezal. Este tiempo depende del tamaño del bloque y la velocidad de rotación. Cuando hay buffer local, se pueden distinguir las siguientes dos velocidades de transferencia: a) La transferencia al buffer local, que depende de la velocidad de rotación b) La transferencia del buffer local a los buffers de memoria interna del ordenador Características básicas de los soportes La principales características son: - Capacidad: MB (megabytes), GB (gigabytes), TB (terabytes) - Tiempo de acceso: ms (milisegundos) - Velocidad de transferencia: MBps (megabytes por segundo) - Precio por megabyte: euro / MB - Fiabilidad: errores / hora, MTBF - Vida útil: horas, número de operaciones - Utilidad: para qué se utiliza - Transportabilidad: si es extraíble / intercambiable. - Compartición: es de uso exclusivo o bien lo pueden utilizar simultáneamente diferentes procesos. Soportes mas frecuentes: - Disco duro - CD-ROM - Cintas Javi 7 de 61

8 Introducción a las bases de datos 1. Concepto y origen de las BD y de los SGBD Las aplicaciones informáticas de los años sesenta acostumbraban a darse totalmente por lotes. Cada programa trataba como máximo un fichero maestro, que solía estar sobre cinta magnética y, en consecuencia, se trabajaba con acceso secuencial. Más adelante fue surgiendo la necesidad de hacer actualizaciones on-line. Fue necesario eliminar la redundancia. El nuevo conjunto de ficheros se debía diseñar de modo que estuviesen interrelacionados. El acceso on-line y la utilización eficiente de las interrelaciones exigían estructuras físicas que diesen un acceso rápido. Estos conjuntos de ficheros interrelacionados, con estructuras complejas y compartidos por varios procesos de forma simultánea recibieron al principio el nombre de Data Banks, y después, a inicios de los años setenta, el de Data Bases. El software de gestión de ficheros era demasiado elemental para dar satisfacción a todas estas necesidades. El tratamiento de las interrelaciones no estaba previsto, no era posible que varios usuarios actualizaran datos simultáneamente, etc. La segunda mitad de los años setenta, fue saliendo al mercado software más sofisticado: los Data Base Management System (sistema de gestión de BD SGDB). Una base de datos es un conjunto estructurado de datos que representa entidades y sus interrelaciones. 2. Evolución de los SGBD 2.1 Los años sesenta y setenta: sistemas centralizados Los SGBD de los años sesenta y setenta eran sistemas totalmente centralizados, un gran ordenador para toda la empresa y una red de terminales sin inteligencia ni memoria. Los primeros SGBD estaban orientados a facilitar la utilización de grandes conjuntos de datos en los que las interrelaciones eran complejas. Al aparecer los terminales de teclado, se empiezan a construir grandes aplicaciones on-line transaccionales (OLTP). Javi 8 de 61

9 Aunque para escribir los programas de aplicación se utilizaban lenguajes de alto nivel como Cobol o PL/I, se disponía también de instrucciones y de subrutinas especializadas para tratar las BD que requerían que el programador conociese muchos detalles del diseño físico. 2.2 Los años ochenta: SGDB relaciones Los ordenadores minis, en primer lugar, y después los ordenadores micros, extendieron la informática. La aparición de los SGDB relacionales supone un avance importante para facilitar la programación de aplicaciones con BD y para conseguir que los programas sean independientes de los aspectos físicos de la BD. La estandarización, en el año 1986, del lenguaje SQL produjo una auténtica explosión de los SGDB relacionales. 2.3 Los años noventa: distribución, C/S y 4GL A finales de los ochenta y principios de los noventa, las empresas se han encontrado con el hecho de que sus departamentos han ido comprando ordenadores departamentales y personales, y han ido haciendo aplicaciones con BD. El resultado ha sido que en el seno de la empresa hay numerosas BD y varios SGDB de diferentes tipos o proveedores. Este fenómeno de multiplicación de las BD y de los SGDB se ha visto incrementado por la fiebre de las fusiones de empresas. La necesidad de tener una visión global de la empresa y de interrelacionar diferentes aplicaciones que utilizan BD diferentes, junto con la facilidad que dan las redes para la intercomunicación entre ordenadores, ha conducido a los SGDB actuales, que permiten que un programa pueda trabajar con diferentes BD como si se tratase de una sola. Es lo que se conoce como base de datos distribuida. Las razones básicas por las que interesa esta distribución son las siguientes: 1) Disponibilidad. Si queda fuera de servicio uno de los sistemas, los demás seguirán funcionando. 2) Coste. Una BD distribuida puede reducir el coste. En el caso de un sistema centralizado, todos los equipos usuarios, que pueden estar distribuidos por distintas y lejanas áreas geográficas, están conectados al sistema central por medio de líneas de comunicación. La tecnología que se utiliza habitualmente para distribuir datos es la que se conoce como entorno (o arquitectura) cliente/servidor(c/s). Todos los SGBD relacionales del mercado han sido adaptados a este entorno. Cliente: Pide un servicio. Servidor: provee el servicio. Javi 9 de 61

10 2.4 Tendencias actuales Los SGBD relacionales están en plena transformación para adaptarse a tres tecnologías de éxito reciente, fuertemente relacionadas: la multimedia, la de orientación a objetos (OO) e Internet y la web. La incorporación de tecnologías multimedia imagen y sonido- en los SI hace necesario que los SGBD relacionales acepten atributos de estos tipos. Necesidad de tipos abstractos de datos: TAD para la orientación a objetos(oo). Durante estos últimos años se ha empezado a extender un tipo de aplicación de las BD denominado Data Warehouse. Los SGDB se adaptan a este tipo de aplicación incorporando herramientas como las siguientes: - La creación y el mantenimiento de réplicas, con una cierta elaboración de los datos. - La consolidación de datos de orígenes diferentes - La creación de estructuras físicas que soporte eficientemente el análisis multidimensional. 3. Objetivos y servicios de los SGBD 3.1 Consultas o predefinidas y complejas El objetivo fundamentas de los SGBD es permitir que se hagan consultas no predefinidas y complejas. La Solución estándar para alcanzar este doble objetivo (consultas no predefinidas y complejas) es el lenguaje SQL. 3.2 Flexibilidad e independencia Un objetivo básico de los SGBD es dar flexibilidad a los cambios. Interesa obtener la máxima independencia posible entre los datos y los procesos usuarios. Se pueden hacer cambios de tecnología y cambios físicos para mejorar el rendimiento sin afectar a nadie. Este tipo de independencia recibe el nombre de independencia física de los datos. Javi 10 de 61

11 También es necesario que los usuarios no tengan que hacer cambios cuando se modifica la descripción lógica o el esquema de la BD. 3.3 Problemas de la redundancia Uno de los objetivos de los SGBD es facilitar la eliminación de la redundancia. El verdadero problema es el grave riesgo de inconsistencia o incoherencia de los datos, la pérdida de integridad. El SGBD debe permitir que el diseñador defina datos redundantes, pero entonces tendría que ser el mismo SBDB el que hiciese automáticamente la actualización de los datos en todos los lugares donde estuviesen repetidos. En los casos de datos derivados, para que el resultado del cálculo se mantenga consistente con los datos elementales, es necesario rehacer el cálculo cada vez que éstos se modifican. 3.4 Integridad de los datos Podremos darle otras reglas de integridad para que asegure que los programas las cumplen cuando efectúan las actualizaciones. Al diseñar una BD para un SI concreto y escribir su esquema, no sólo definiremos los datos, sino también las reglas de integridad que queremos que el SGDB haga cumplir. El SGDB tiene reglas de integridad inherentes al modelo de datos que utiliza y que siempre se cumplirán. Son las denominadas reglas de integridad del modelo. Las reglas definibles por parte del usuario son las reglas de integridad del usuario. El SGBD nos debe dar las herramientas para reconstruir o restaurar los datos estropeados. 3.5 Concurrencia de usuarios Un objetivo fundamental de los SGBD es permitir que varios usuarios puedan acceder concurrentemente a la misma BD. Cuando los accesos concurrentes son todos de lectura, el problema que se produce es simplemente de rendimiento. Cuando un usuario o más de uno están actualizando los datos, se pueden producir problemas de interferencia. Javi 11 de 61

12 Para tratar los accesos concurrentes, los SGBD utilizan el concepto de transacción de BD. Denominamos transacción de BD o transacción un conjunto de operaciones simples que se ejecutan como una unidad. Para indicar al SBBD que damos por acabada la ejecución de la transacción, el programa utilizará la operación de COMMIT. Si el programa no puede acabar normalmente, el SGDB tendrá que deshacer todo lo que la transacción ya haya hecho. Esta operación se denomina ROLLBACK. Entre transacciones que se ejecutan concurrentemente se pueden producir problemas de interferencia que hagan obtener resultados erróneos o que comporten la pérdida de la integridad de los datos. Para conseguir que las transacciones se ejecuten como si estuviesen aisladas, los SGBD utilizan distintas técnicas. La más conocida es el bloqueo. Cuando se provocan bloqueos, se producen esperas, retenciones y, en consecuencia, el sistema es más lento. Los SGBD se esfuerzan en minimizar estos efectos negativos. 3.6 Seguridad Los SGBD permiten definir autorizaciones o derechos de acceso a diferentes niveles: al nivel global de toda la BD, al nivel entidad y al nivel atributo. Estos mecanismos de seguridad requieren que el usuario se pueda identificar. Nos puede interesar almacenar la información con una codificación secreta, es decir, con técnicas de encriptación. 3.7 Otros objetivos Objetivos nuevos o recientes: - Data Warehouse - Orientación a objetos - Incorporar el tiempo como un elemento de caracterización de la información. - Adaptarse al mundo de Internet. Javi 12 de 61

13 4. Arquitectura de los SGBD 4.1 Esquemas y niveles Los SGBD necesitan que les demos una descripción o definición de la BD. Esta descripción recibe el nombre de esquema de la BD y los SGBD la tendrán continuamente a su alcance. El nivel lógico nos oculta los detalles de cómo se almacenan los datos, cómo se mantienen y cómo se accede físicamente a ellos. En este nivel sólo se habla de entidades, atributos y reglas de integridad. Por cuestiones de rendimiento, nos podrá interesar describir elementos de nivel físico como, por ejemplo, qué índice tendremos y qué características presentarán, cómo y dónde (en qué espacio físico) queremos que se agrupen físicamente los registros, de qué tamaño deben ser las páginas, etc. Debe de haber tres niveles de esquemas, laidea básica de ANSI/SPARC consistía en descomponer el nivel lógico en dos: el nivel externo y el nivel conceptual. Denominábamos nivel interno lo que aquí hemos denominado nivel físico. a) En el nivel externo se sitúan las diferentes visiones lógicas que los procesos usuarios tendrán de las partes de la BD que utilizarán. Estas visiones se denominan esquemas externos. b) En el nivel conceptual hay una sola descripción lógica básica, única y global, que denominamos esquema conceptual, y que sirve de referencia para el resto de los esquemas. c) En el nivel físico hay una sola descripción física, que denominamos esquema interno. En el esquema conceptual se describirán las entidades tipo, sus atributos, las interrelaciones y las restricciones o reglas de integridad. El esquema conceptual corresponde a las necesidades del conjunto de la empresa. Sin embargo, cada aplicación podrá tener su visión particular, y seguramente parcial, del esquema conceptual. Estos esquemas se pueden considerar redefiniciones del esquema conceptual. Algunos sistemas los denominan subesquemas. Al definir un esquema externo, se citarán sólo aquellos atributos y aquellas entidades que interesen. El esquema interno o físico contendrá la descripción de la organización física de la BD: caminos de acceso, codificación de los datos, gestión del espacio, tamaño de la página, etc. Javi 13 de 61

14 Para crear una BD hace falta definir previamente su esquema conceptual, definir como mínimo un esquema externo y definir su esquema interno. 4.2 Independencia de los datos Hay independencia física cuando los cambios en la organización física de la BD no afectan al mundo exterior. Cuando cambiemos unos datos de un soporte a otro, no se verán afectados ni los programas de aplicación ni los usuarios directos. Tampoco tendrían que verse afectados si cambiásemos, por ejemplo, el método de accesos a unos registros determinados, el formato o la codificación, etc. Si hay independencia física de los datos, lo único que variará al cambiar el esquema interno son las correspondencias entre el esquema conceptual y el interno. Hay independencia lógica cuando los usuarios no se ven afectados por los cambios en el nivel lógico. Hay dos diferentes situaciones: 1) Cambios en el esquema conceptual. Un cambio de este tipo no afectará a los esquemas externos que no hagan referencia a las entidades o los atributos modificados. 2) Cambios en los esquemas externos. Efectuar cambios en un esquema externo afectará a los usuarios que utilicen los elementos modificados. Sin embargo, no debería afectar a los demás usuarios ni al esquema conceptual, y tampoco, en consecuencia, al esquema interno y a la BD física. Los SGBD actuales proporcionan bastante independencia lógica, pero menos de la que haría falta. Los sistemas de ficheros tradicionales, en cambio, no ofrecen ninguna independencia lógica. 4.3 Flujo de datos y de control El proceso que se sigue es el siguiente: a) Empieza con una llamada del programa al SGBD, en la que se le envía la operación de consulta. El SGBD debe verificar que la sintaxis de la operación recibida sea correcta. Para poder llevar a cabo todo esto, el SGBD se basa en el esquema externo con el que trabaja el programa y en el esquema conceptual. b) Si la consulta es válida, el SGBD determina, consultando el esquema interno, qué mecanismo debe seguir para responderla. c) Cuando ya se sabe cuál es la página, el SGBD comprobará si por suerte esta página ya se encuentra en aquel momento en el área Javi 14 de 61

15 de los buffers. Si no está el SGBD, con la ayuda del SO, la busca en disco y la carga en los buffers. d) Ahora, la página desead ya está en la memoria principal. El SGBD extrae, de entre los distintos registros que la página puede contener el registro buscado. e) El SGBD aplica a los datos las eventuales transformaciones lógicas que implica el esquema externo. f) A continuación, el SGBD retorna el control al programa y da por terminada la ejecución de la consulta. 5. Modelos de BD El componente fundamental utilizado para modelar en un SGBD relacional son las tablas (denominadas relaciones en el mundo teórico). Sin embargo, en otros tipos de SGBD se utilizan otros componentes. El conjunto de componentes o herramientas conceptuales que un SGBD proporciona para modelar recibe el nombre de modelo de BD. Los cuatros modelos de BD más utilizados en los SI son el modelo relacional, modelo jerárquico, modelo en red y modelo relacional con objetos. Todo modelo de BD nos proporciona tres tipos de herramientas: a) Estructuras de datos con las que se puede construir la BD: tablas, árboles, etc. b) Diferentes tipos de restricciones(o reglas) de integridad que el SGBD tendrá que hacer cumplir a los datos: dominios, claves, etc. c) Una serie de operaciones para trabajar con los datos. Un ejemplo de ello, en el modelo relacional, es la operación SELECT, que sirve para seleccionar (o leer) las filas que cumplen alguna condición. Evolución de los modelos de BD Apareció primero el modelo jerárquico. Sus estructuras son registros interrelacionados en forma de árboles. En el modelo en red un registro ya no está limitado a ser hiujo de un solo registro tipo. Durante los años ochenta aparece el modelo relacional, todos utilizaban como lenguaje nativo el SQL. Así como en los modelos prerrelacionales (jerárquico y en red), las estructuras de datos constan de dos elementos básicos (los registros y las interelaciones), en el modelo relacional constan de un solo elemento: la tabla, formada por filas y columnas. Las interrelaciones se deben modelizar utilizando las tablas. Javi 15 de 61

16 El modelo relacional nos da una independencia física de datos total. Esto es así si hablamos del modelo teórico, pero los SGBD del mercado nos proporcionan una independencia limitada. Estos últimos años se está extendiendo el modelo de BD relaciona con objetos. Se trata de ampliar el modelo relacional, añadiéndole la posibilidad de que los tipos de datos sean tipos abstractos de datos, TAD. Hay modelos de datos que no son utilizados por los SGBD del mercado: sólo se usan durante el proceso de análisis y diseño, pero no en las realizaciones. Los modelos semánticos y los funcionales. Éstos nos proporcionan herramientas muy potentes para describir las estructuras de la información del mundo real, la semántica y las interrelaciones, pero normalmente no disponen de operaciones para tratarlas. Son muy utilizados en la etapa del diseño de BD y en herramientas CASE. El más extendido es el modelo ER. La utilización del modelo ER durante el análisis y las primeras etapas del diseño de los datos, y la utilización del modelo relacional para acabar el diseño y construir la BD con un SGBD. 6. Lenguajes y usuarios Para comunicarse con el SGBD. Hay muchos lenguajes diferentes. Hay lenguajes especializados en la escritura de esquemas, es decir, en la descripción de la BD. Se conocen genéricamente como DDL o data definition language. Otros lenguajes están especializados en la utilización de la BD (consultas y mantenimiento). Se conocen como DML o data management language. Lo más frecuente es que el mismo lenguaje disponga de DDL y DML. El lenguaje SQL que es el más utilizado en las BD relacionales, tiene verbos de tres tipos: 1) Verbos del tipo DML, SELECT, INSERT, UPDATE, DELETE 2) Verbos del tipo DDL, CREATE TABLE 3) Verbos de control del entorno, COMMIT y ROLLBACK En cuanto a los aspectos DML hay dos tipos de lenguajes: a) Lenguajes muy declarativos con los que se especifica qué se quiere hacer sin explicar cómo se debe hacer. b) Lenguajes más explícitos o procedimentales, que nos exigen conocer más cuestiones del funcionamiento del SGBD para detallar paso a paso cómo se deben realizar las operaciones. Javi 16 de 61

17 Los aspectos DDL son siempre declarativos. Los lenguajes utilizados en los SGBD prerrelacionales eran procedimentales. SQL es básicamente declarativo, pero tiene posibilidades procedimentales. Aunque casi todos los SGBD del mercado tienen SQL como lenguaje nativo, ofrecen otras posibilidades, como por ejemplo 4GL y herramientas visuales: 1) Lenguajes 4GL de muy alto nivel, que suelen combinar elementos procedimentales con elementos declarativos. Pretenden facilitar no sólo el tratamiento de la BD, sino también la definición de menús, pantallas y diálogos. 2) Herramientas o interfaces visuales Tanto los 4GL como las herramientas visuales traducen lo que hace el usuario a instrucciones SQL por distintas vías. - En el caso de los 4GL, la traducción se suele hacer mediante la compilación - En el caso de las herramientas visuales, se efectúa por medio del intérprete de SQL integrado en el SGBD Si queremos escribir un programa de aplicación que trabaje con BD, seguramente querremos utilizar nuestro lenguaje habitual de programación. 1) Las llamadas a funciones, las librerías ODBC 2) El lenguaje hospedado, otra posibilidad consiste en incluir directamente las instrucciones del lenguaje de BD en nuestro programa. Sin embargo, esto exige utilizar un precompilado especializado. 7. Administración de BD Hay un tipo de usuario especial: el que realiza tareas de administración y control de la BD. Las tareas típicas del ABD: 1) Mantenimiento, administración y control de los esquemas 2) Asegurar la máxima disponibilidad de los datos. 3) Resolución de emergencias. 4) Vigilancia de la integridad y de la calidad de los datos. 5) Diseño físico, estrategia de caminos de acceso y reestructuraciones. 6) Control del rendimiento. 7) Normativa y asesoramiento a los programadores 8) Control y administración de la seguridad Javi 17 de 61

18 El modelo relacional y el álgebra relacional 1. Introducción al modelo relacional 2. Estructura de los datos 2.1 Visión informal de una relación Cada fila de la tabla contiene una colección de valores de datos relacionados entre sí. Cada columna contiene valores de un cierto dominio, por ejemplo, la columna DNI contiene valores del dominio númerosdni. 2.2 Visión formal de una relación Dominio: conjunto de valores atómicos, indivisibles. TIPO DE DATO Dominio predefinido: Enteros, cadenas, reales Dominio definidos por el usuario: Toda definición de un dominio debe constar, como mínimo, del nombre del dominio y de la descripción de los valores que forman parte de éste. Relación: se compone de un esquema y de la extensión. Esquema: es el nombre de la relación y el conjunto de atributos Tomaremos la convención de denotar el esquema de la relación de la forma siguiente: R(A 1,A 2,...A n ) R -> Relación, A ->Atributos EMPLEADOS(DNI,nombre,apellido,sueldo) Atributo: nombre del papel que ejerce un dominio en un esquema de la ralación. CAMPO Cada atributo es único en un esquema de relación aunque si se puede repetir un nombre de atributo en relaciones diferentes. También puede haber atributos diferentes con el mismo dominio. La relación PERSONA(DNI, nombre, apellido, teclaza, teltrabajo), los atributos teclaza y teltrabajo pueden tener el mismo dominio: dominio(telcasa) Extensión de la relación de esquema R(A 1, A 2,.. A n ) es un conjunto de tuplas t i (i=1,2,...m) donde cada tupla t i es, a su vez un conjunto de pares. REGISTRO. Si en una tupla, un valor es nulo, significa que su valor es desconocido. Javi 18 de 61

19 Grado de relación, número de atributos que pertenece a su esquema Cardinalidad, número de tuplas.. Relación Tupla Atributo Dominio Grado de relación Cardinalidad Tabla Registro Campo Tipo de dato Número de campo Número de registros 2.3 Diferencias entre relaciones y ficheros 1) Atomicidad de los valores de los atributos 2) No-repetición de las tuplas. No es posible que una relación contenga tuplas repetidas. 3) No ordenación de las tuplas. 4) No ordenación de los atributos 2.4 Clave candidata, clave primaria y clave alternativa de las relaciones Una superclave de una relación de esquema R(A1,A2,...An) es un subconjunto de los atributos del esquema tal que no puede haber dos tuplas en la extensión de la relación que tengan la misma combinación de valores para los atributos del subconjunto. Una superclave, por lo tanto, nos permite identificar todas las tuplas que contiene la relación. Clave candidata: Es una superclave que cumple que ningún subconjunto propio de la superclave es superclave. Clave primaria es la clave candidata cuyos valores se utilizarán para identificar las tuplas de la relación. Clave alternativa, claves candidata no elegidas como primarias. Es posible que una clave candidata o una clave primaria conste de más de un atributo. Javi 19 de 61

20 2.5 Claves foráneas de las relaciones El mecanismo que proporcionan las bases de datos relacionales para conectar tuplas son las claves foráneas de las relaciones. Las claves foráneas permiten establecer conexiones entre las tuplas de las relaciones. Las claves foráneas tienen por objetivo establecer una conexión con la clave primaria que referencia. Las claves foráneas de una relación R cumplen las siguientes condiciones: 1) Existe una relación S (S no debe ser necesariamente diferente de R) que tiene por clave primaria CP. 2) Se cumple que, para toda tupla t de la extensión de R, los valores para CF de t son valores nulos o bien valores que coinciden con los valores para CP de alguna tupla s de S. Se dice que la clave foránea CF referencia la clave primaria CP de la relación S, y también que la clave foránea CF referencia la relación S. Consecuencias: 1) SI una clave foránea CF referencia una clave primaria CP, el número de atributos de CF y de CP debe coincidir. 2) Por el mismo motivo, se puede establecer una correspondencia (en concreto, una biyección) entre los atributos de la clave foránea y los atributos de la clave primaria que referencia. 3) También se deduce que la noción de clave foránea que los dominios de sus atributos deben coincidir con los dominios de los atributos correspondientes a la clave primaria que referencia. No es necesario que los dominios fuesen exactamente iguales, pero si compatibles. 2.6 Creación de las relaciones de una base de datos Los lenguajes de los SBGD relaciones deben proporcionar la forma de definir todos estos elementos para crear una base de datos. Javi 20 de 61

21 3. Operaciones del modelo relacional La actualización de los datos consiste en hacer que los cambios que se producen en la realidad queden reflejados en las relaciones de la base de datos. - Inserción - Borrado - Modificación Consulta: obtención de datos deducibles a partir de las relaciones que contiene la base de datos. Según la forma que se especifican las consultas, podemos clasificar los lenguajes relacionales en dos tipos: 1) Lenguajes basados en le álgebra relacional. Inspirada en la teoría de conjuntos. 2) Lenguajes basados en el cálculo relacional. El cálculo relacional tiene su fundamento teórico en el cálculo de predicados de la lógica matemática. El lenguaje SQL, en las sentencias de consulta, combina construcciones del álgebra relacional y del cálculo relacional con un predominio de las construcciones del cálculo. Este predominio determina que SQL sea un lenguaje declarativo. 4. Reglas de integridad Integridad: la propiedad de los datos de corresponder a representaciones plausibles del mundo real. 1) Restricciones de integridad de usuario: condiciones específicas de una base de datos concreta. 2) Reglas de integridad de modelo: Condiciones más generales, propias de un modelo de datos, y se deben cumplir en toda ase de datos que siga dicho modelo. 4.1 Regla de integridad de unicidad relacional 4.2 Regla de integridad de entidad de la clave primaria La regla de integridad de entidad de la clave primaria dispone que los atributos de la clave primaria de una relación no pueden tener valores nulos. Javi 21 de 61

22 4.3 Regla de integridad referencial Los valores que toma una clave foránea deben ser valores nulos o valores que existen en la clave primaria que referencia. Se deberá efectuar comprobaciones cuando se produzcan las siguientes operaciones: a) Inserciones en una relación que tenga una clave foránea b) Modificaciones que afecten a atributos que pertenecen a la clave foránea de una relación c) Borrados en relaciones referenciadas por otras relaciones d) Modificaciones que afecten a atributos que pertenecen a la clave primaria de una relación referenciada por otra relación. Respecto a esta última regla, existen las siguientes operaciones de actualización que violarían la regla de integridad: a) Borrado de una tupla que tiene una clave primaria referenciada b) Modificación de los valores de los atributos de la clave primaria de una tupla que tiene una clave primaria referenciada. En los casos anteriores, algunas de las políticas que se podrán aplicar serán las siguientes: restricción, acutalización en cascada y anulación Restricción En caso de borrado, consiste en no permitir borrar una tupla si tiene una clave primaria referenciada por alguna clave foránea. En caso de modificación, consiste en no permitir modificar ningún atributo de la clave primaria de una tupla si tiene una clave primaria referenciada por alguna clave foranea Actualización en cascada En caso de borrado, permite el borrado de una tupla t que tiene una clave primaria referenciada y borra todas las tuplas que referencian t En caso de modificación, permite la modificación de atributos de la clave primaria de una tupla t que tiene una clave primaria referenciada, y modificar del mismo modo todas las tuplas que referencian t Anulación En caso de borrado, Permite el borrado de una tupla t que tiene una clave referenciada y, además, modifica todas las tuplas que referencian t, de modo que los atributos de la clave foránea correspondiente tomen valores nulos. Javi 22 de 61

23 En caso de modificación, permite la modificaicón de atributos de la clave primaria de una tupla t que tiene un clave referenciada y, además, modifica todas las tuplas que referencian t, de modo que los atributos de la clave foránea correspondiente tomen valores nulos. 4.4 Regla de integridad de dominio Primera condición: Un valor no nulo de un atributo debe pertencer al dominio del atributo. Segunda condición: Un operador determinado sólo se puede aplicar sobre valores que tengan dominios que l e sean adecuados. Javi 23 de 61

24 5. El álgebra relacional Las operaciones del álgebra relacional han sido clasificadas según distintos criterios, de todos ellos indicamos los tres siguientes: 1) Según se pueden expresar o no en términos de otras operaciones a) Operaciones primitivas. A partir de ellas se pueden definir el resto b) Operaciones no primitivas. El resto de operaciones del álgebra relacional. 2) Según el número de relaciones que tienen como operandos a) Operaciones binarias. Tienen dos relaciones como operandos b) Operaciones unarias. Tiene una sola relación como operando 3) Según se parecen o no a las operaciones de la teoría de conjuntos. a) Operaciones conjuntistas. Se parecen a la teoría de conjuntos b) Operaciones específicamente relacionales. El resto. Las operaciones del álgebra relacional obtienen como resultado una nueva relación. Operación redenominar. Permite asignar un nombre R a la relación que resulta de una operación del álgebra relacional. R:= E Utilizaremos también la operación redenominar para cambiar el esquema de una relación. R(A1,A2,...,An):=S(B,B2,...,Bn) 5.1 Operaciones conjuntistas Las operaciones conjuntitstas del álgebra relacional son la unión, la intersección, la diferencia, y el producto cartesiano Unión A partir de dos relaciones, obtiene una relación formada por todas las tuplas que están en alguna de las relaciones de partida. T U S. T y S deben de ser compatibles (tener el mismo grado y poder establecer una biyección entre los atributos de T y S). Atributos del esquema de la relación resultante de T U S: Coinciden con los atributos del esquema de la relación T Javi 24 de 61

25 Extensión de la relación resultante T U S: Conjunto de tuplas que pertenecen ala extensión de T, a la extensión de S o a la extensión de ambas relacionadas Intersección A partir de dos relaciones, se obtiene una nueva relación formada por las tuplas que pertenecen a las dos relaciones de partida. T S. Las tuplas deben de ser similares Atributos del esquema de la relación resultante de T S, coinciden con los atributos del esquema de la relación T. Atributos del esquema de la relación resultante de T S, conjunto de tuplas que pertenecen a la extensión de ambas relaciones Diferencia A partir de dos relaciones, obtiene una relación formada por todas la tuplas que están en la primera relación, y en cambio, no están en la segunda. T S Atributos del esquema de la relación resultante de T S, coinciden con los atributos del esquema de la relación T. Extensión de la relación resultante de T S, es el conjunto de tuplas que pertenecen a la extensión de T, pero no a la de S Producto cartesiano A partir de dos relaciones, obtiene una relación formada por todas las tuplas que resultan de concatenar tuplas de la primera relación con tuplas de la segunda. T y S no deben tener ningún nombre de atributos iguales. Atributos del esquema de la relación resultante de T x S, son todos los atributos de T y todos los de S Extensión de la relación resultante de T x S, el producto de la extensión de T por la extensión de S Javi 25 de 61

26 5.2 Operaciones específicamente relacionales Las operaciones específicamente relaciónales son la selección, proyección y combinación Selección Sirve APRA elegir algunas tuplas de una relación y eliminar el resto. Se obtiene una nueva relación formada por todas las tuplas de la relación de partida que cumplen una condición de selección especificada. DESPACHOS(edificio = Marina y superficie > 12) Atributos del esquema de la relación resultante de T(C), coinciden con los atributos del esquema dela relación T. Extensión de la relación resultante de T(C), es el conjunto de tuplas que pertenecen al extensión de T y que satisfacen la condición de selección C Proyección Sirve para elegir algunos atributos de una relación y eliminar el resto. A partir de una relación, se obtiene una nueva formada por todas las (sub)tuplas de la relación de partida que resultan de eliminar unos atributos especificados. Atributos del esquema de la relación resultante de T[A1,A2,...An] son los atributos {A1, A2,...} Extensión de la relación resultante de T[A1,A2,...,Ak] es el conjunto de todas las tuplas de la forma <t.ai, t.aj,..., t.ak> donde se cumple que t es una tupla de la extensión de T y donde t.ap denota el valor para el atributo Ap de la tupla p. (la proyección elemina implícitamente todas la tuplas repetidas) Combinación La combinación es una operación que, a partir de dos relaciones, obtiene una nueva relación formada por todas la tuplas que resultan de concadenar tuplas de la primera relación con tuplas de la segunda, y que cumplen una condición de combinación especificada. (JOIN) EMPLEADOS_ADM[edificiodesp=edificio, númerodesp=número]despachos Si se quiere combinar dos relaciones que tienen algúnm nombre de atributo común, sólo hace falta redenominar previamente los atributos repetidos de una de las dos. Atributos del esquema de la relación resultante de T[B]S son todos los atributos de T y todos los atributos de S Javi 26 de 61

27 Extensión de la relación resultante de T[B]S es el conjunto de tuplas que pertenecen a la extensión del producto cartesiano T x S y que satisfacen todas las comparaciones que forman la condición de combinación B. EDIFICIOS(nombreedificiio,supmediadesp):=EDIFICIOS_EMP(edificio,supmediadesp) R:=EDIFICIOS[nombreedificio=edidificio,supmediadesp<=superficie]DESPACHOS En ocasiones, la combinación recibe el nombre de θ-combinación y cuando todas las comparaciones de la condición de la combinación tienen el operador =, se denomina equicombinación La combinación natural de dos relaciones T y S se denota como T * S y consiste básicamente en una equicombinación seguida de la eliminación de los atributos superfluos. La igualación se hace de las parejas de atributos con el mismo nombre entre T y S. Puede ser necesario hacer una redenominación para hacer coincidir los nombres de los atributos que nos interesa igualar. 5.3 Secuencias de operaciones del álgebra relacional Para formular una consulta en álgebra relacional es preciso utilizar varias operaciones, que se aplican en un cierto orden. Para ellos hay dos posibilidades: a) 1) Utilizar una sola expresión del álgebra que incluya todas las operaciones con los paréntesis necesarios para indicar el orden de aplicación 2) Descomponer la expresión en varios pasos donde cada paso aplique una sola operación y obtenga una relación intermedia que se pueda utilizar en los pasos subsiguientes. R:=(EMPLEADOS_ADM U EMPLEADOS_PROD)[nombre,apellido] b) EMPS:=EMPLEADOS_ADM U EMPLEADOS_PROD R:= EMPS[nombre,apellido] 5.4 Extensiones: combinaciones externas Las combinaciones que se han descrito obtienen las tuplas del producto cartesiano de dos relaciones que satisfacen una condición de combinación. Las tuplas de una de las dos relaciones que no tienen en la otra relación una tupla como mínimo con la cual, una vez concatenadas, satisfagan la condición de combinación, no aparecen en el resultado de la combinación, y podríamos decir que sus datos se pierden. En algunos casos, puede interesar hacer combinaciones de los datos de dos relaciones sin que haya pérdida de datos de las relaciones de partida. Entonces, se utilizan las combinaciones externas. Javi 27 de 61

28 1) Combinación externa izquierda entre dos relaciones T y S, que denotamos como T[C] I S, conserva en el resultado todas las tuplas de la relación T. 2) Combinación externa derecha entre dos relaciones T y S, T[C] D S, conserva en el resultado todas las tuplas de la relación S 3) Combinación externa plena entre dos relaciones T y S, T[C] P S, conserva en el resultado todas las tuplas de T y todas las tuplas de S. Redenominar := Renombra R(A1,A2,...,An):=S(B,B2,...,Bn) campos Unión U Unión de registros R:=T U S Intersección Registros que R:=T S están en T y en S Diferencia - Registros que R:=T S están en T y no en S Producto X Registros de T por R:=T x S cartesiano los registros de S Selección T(C) Registros que cumplen la DESPACHOS(edificio = Marina superficie > 12) condición C Proyección T[A] La misma tabla con menos R:=EMPLEADOS(nombre, apellido) campos Combinación T[B]S Join entre tablas R:=EDIFICIOS[nombreedificio=edidificio, supmediadesp<=superficie]despachos T*B Combinación natural Combinación externa izquierda Combinación externa derecha Combinación externa plena T[C] I S T[C] D S T[C] P S Join uniendo por los campos con el mismo nombre Join manteniendo los registros de T Join manteniendo los registros de S Join manteniendo los registros de ambas. D:=(edificiodesp,númerodesp,supe rficie):=despachos(edificio,núm ero,superficie) R:=EMPLEADOS_ADM*D Javi 28 de 61

29 El lenguaje SQL Tablas = relaciones Columnas = atributos Filas = tuplas 1. Sentencias de definición 1.1 Creación y borrado de una base de datos relacional Con la creación de esquemas podemos agrupar un conjunto de elementos de la base de datos que son propiedad de un usuario. CREATE SCHEMA {[nombre_esquema] [AUTHORIZATION usuario]} [lista_de_ elementos_del_esquema] lista_de_ elementos_del_esquema: varias tablas bajo un nombre. Se debe dar un nombre o un usuario. DROP SCHEMA nombre_esquema {RESTRICT CASCADE} RESTRICT: solo se borra si no tiene ningún elemento CASCADE: borra el esquema aunque no esté vacio 1.2 Creación de tablas CREATE TABLE nombre_tabla (definición_columna [, definición_columna...] [, restricciones_tabla] ) Definición columna: Nombre_columna {tipo_datos dominio} [def_defecto] [restric_col] Tipo Dato Javi 29 de 61

30 Para cada columna tenemos que elegir entre algún dominio definido por el usuario o alguno de los tipos de datos predefinidos que se describen a continuación: CHARACTER (longitud) CHARACTER VARYING (longitud) BIT (longitud) BIT VARYING (longitud) NUMERIC (precisión, escala) DECIMAL(precisión, escala) INTEGER SMALLINT REAL FLOAT (precisión) DOUBLE PRECISION DATE TIME TIMESTAMP Cadena de caracteres de longitud fija Cadena de caracteres de longitud variable Cadena de bits de longitud fija Cadena de bits de longitud variable Número decimales con tantos dítigos como indique la precisión y tantos decimales como indique la escala Número decimiales con tantos dígitos como indique la precisión y tantos decimales como indique la escala Números enteros Números enteros pequeños Números con una coma flotante con precisión predefinida Números con coma flotante con la precisión especificada Números con coma flotante con más precisión predefinida que la del tipo REAL Fechas. Están compuestas de: YEAR año, MONTH mes, DAY día Horas. Están compuesta de HOUR hora, MINUT minutos, SECOND segundos Fehas y horas: Están compuestas de: YEAR año, MONTH mes, DAY día, HOUR hora, MINUT minutos, SECOND segundos Creación, modficación y borrado de dominios CREATE DOMAIN nombre dominios [AS] tipos_datos [def_defecto] [restricciones_dominio] Restricciones dominio: CONSTRAINT nombre_restricción] CHECK (condiciones) [ Ejemplo: CREATE DOMAIN dom_ciudades AS CHAR{20} Javi 30 de 61