INSTITUTO POLITECNICO NACIONAL ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA UNIDAD PROFESIONAL CULHUACAN

Transcripción

1 INSTITUTO POLITECNICO NACIONAL ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA UNIDAD PROFESIONAL CULHUACAN DISEÑO Y ADMINISTRACIÓN DE BASES DE DATOS RELACIONALES TESIS INDIVIDUAL QUE PARA OBTENER EL TÍTULO DE: INGENIERO EN COMUNICACIONES Y ELECTRÓNICA PRESENTA MIGUEL ANGEL PRADO JARAMILLO ASESORES: DR. LEOBARDO HERNANDEZ GONZALEZ ING. GUILLERMO AVALOS ARZATE MÉXICO, D.F. MARZO DE

2 2

3 DEDICATORIAS A mi esposa Que con su amor e infinita dedicación y comprensión me hace ver las cosas desde otra perspectiva y darle un mejor sentido a la vida. A mis hijos Encantadores seres a quienes les debo el comienzo de una nueva y mejor vida, que día con día me enseñan que recién estoy comenzando a aprender además de hacerme ver que el conocimiento es infinito. Espera mil años y verás que se vuelve preciosa hasta la basura dejada atrás por una civilización extinta. - Issac Asimov - 3

4 DEFINICIÓN DEL PROBLEMA En general el diseño de las bases de datos es un sistema complejo ya que representa la columna vertebral de cualquier aplicación, por lo que en su diseño se debe poner el énfasis y el tiempo necesario. OBJETIVO GENERAL Documentar y se estructurar el análisis y el diseño de las bases de datos relacional, implicando su administración, optimización y normalización. OBJETIVOS ESPECÍFICOS Proporcionar un panorama de los estándares, protocolos y lenguajes de programación involucrados en el diseño de una base de datos relacional, además de proponer procedimientos y metodologías para diseñar bases de datos, 4

5 INDICE DEFINICIÓN DEL PROBLEMA... 4 OBJETIVO GENERAL... 4 OBJETIVOS ESPECÍFICOS ESTADO DEL ARTE INTRODUCCIÓN A LAS BASES DE DATOS BASES DE DATOS ESTÁTICAS BASES DE DATOS DINÁMICAS BASES DE DATOS BIBLIOGRÁFICAS BASES DE DATOS DE TEXTO COMPLETO BASES DE DATOS JERÁRQUICAS BASE DE DATOS DE RED BASES DE DATOS TRANSACCIONALES BASES DE DATOS RELACIONALES BASES DE DATOS MULTIDIMENSIONALES BASES DE DATOS ORIENTADAS A OBJETOS Encapsulación Herencia Polimorfismo BASES DE DATOS DOCUMENTALES BASES DE DATOS DEDUCTIVAS GESTIÓN DE BASES DE DATOS SISTEMAS DE GESTIÓN DE BASES DE DATOS CARACTERÍSTICAS GENERALES DE LOS SISTEMAS GESTORES DE B.D GENERALIDADES EN EL DISEÑO DE BASES DE DATOS RECOMENDACIONES EN EL DISEÑO DE BASES DE DATOS Convención de nombres Normalizar la base de datos No utilizar Select * From"

6 2.4.4 Evitar las tablas temporales Evitar comodines % Evitar los subquerys Utilizar en medida de lo posible el estándar ansi No utilizar clausulas de la base de datos dentro de los lenguajes de desarrollo no usar los tipos de datos NTEXT, TEXT No utilizar los tipos de datos IMAGE y BLOBS Utilizar el tipo de datos CHAR Evitar consultas dinámicas EL MODELO ENTIDAD-RELACIÓN Entidades, atributos y relaciones Entidad Atributos Relación Conjunto de relaciones Notación para los diagramas entidad-relación El modelo de datos relacional Estructura de las bases de datos relacionales Claves (primaria/foranea) y restricciones Claves primaria/foranea Restricciones Problemas con las restricciones durante las operaciones Inserción Modificación Borrado ÁLGEBRA RELACIONAL Las operaciones Básicas Selección s Proyección Producto cartesiano (X)

7 Unión (U) Diferencia (-) Intersección Ⴖ Reunión natural ( ) (Natural Join) División (/) Ejemplos: TABLA SQL: Structured Query Language Lenguaje de definición de datos (DDL) Lenguaje de manipulación de datos (DML) Lenguaje de control de datos (DCL) SEGURIDAD Y NORMALIZACIÓNACIÓN INTRODUCCIÓN: MEDIDAS DE COSTO CAMINOS DE ACCESO A SELECCIONES SIMPLES Exploraciones sin índices Búsqueda lineal (Full scan o table scan) Búsqueda binaria Exploraciones con índices índice primario, igualdad en la clave Índice primario, igualdad basada en un atributo no clave Índice secundario, igualdad Índice primario, desigualdad Índice secundario, desigualdad Selección de Índices Selección de los órdenes de Join Determinación de los órdenes de Join Estimación de los costos Estrategia de Reformateo Outer Joins

8 Uso de tablas temporales Selección del plan Potenciales problemas del optimizador y sus soluciones Estadísticas actualizadas NORMALIZACIÓN Dependencia funcional Propiedades de la Dependencia funcional Dependencia funcional Reflexiva Dependencia funcional Aumentativa Dependencia funcional transitiva Propiedades deducidas Formas Normales Primera Forma Normal (1FN) Segunda Forma Normal (2FN) Tercera Forma Normal (3FN) Forma normal de Boyce-Codd (FNBC) Cuarta Forma Normal (4FN) Quinta Forma Normal (5FN) Reglas de Codd Regla No. 1 - La Regla de la información Regla No. 2 - La regla del acceso garantizado Regla No. 3 - Tratamiento sistemático de los valores nulos Regla No. 4 - La regla de la descripción de la base de datos Regla No. 5 - La regla del sub-lenguaje Integral Regla No. 6 - La regla de la actualización de vistas Regla No. 7 - La regla de insertar y actualizar Regla No. 8 - La regla de independencia física Regla No. 9 - La regla de independencia lógica Regla No La regla de la independencia de la integridad Regla No La regla de la distribución

9 Regla No Regla de la no-subversión DISEÑO FÍSICO Introducción Diseñar las relaciones base para el SGBD específico Diseñar las reglas de negocio para el SGBD específico Diseñar la representación física Analizar las transacciones Escoger las organizaciones de ficheros Escoger los índices secundarios Considerar la introducción de redundancias controladas Estimar la necesidad de espacio en disco Diseñar los mecanismos de seguridad Diseñar las vistas de los usuarios Diseñar las reglas de acceso Monitorizar y afinar el sistema Resumen ADMINISTRACIÓN DE DATOS Y DE LA BASE DE DATOS Principales Funciones del administrador Administrador de SGBD CONCLUSIONES Y NUEVAS TENDENCIAS EN BASES DE DATOS NUEVAS TENDENCIAS EN BASES DE DATOS DataWarehouse DWH (Almacén de Datos) Bases de datos espaciales, temporales Sistemas de recuperación de información CONCLUSIONES GLOSARIO DE TÉRMINOS BIBLIOGRAFÍA CIBEROGRAFÍA

10 1 ESTADO DEL ARTE 1.1 INTRODUCCIÓN A LAS BASES DE DATOS Una base de datos o banco de datos es un conjunto de información perteneciente a un mismo contexto y almacenado sistemáticamente para su posterior uso. En este sentido, una biblioteca puede considerarse una base de datos compuesta en su mayoría por documentos y textos impresos en papel e indexados para su consulta. En la actualidad, y debido al desarrollo tecnológico de campos como la informática y la electrónica, la mayoría de las bases de datos están en formato digital (electrónico), que ofrece un amplio rango de soluciones al problema de almacenar datos. Existen programas denominados sistemas gestores de bases de datos, abreviado SGBD (en inglés RDBMS Relational Database Management System), que permiten almacenar y posteriormente acceder a los datos de forma rápida y estructurada. Las propiedades de estos SGBD, así como su utilización y administración, se estudian dentro del ámbito de la informática. Las aplicaciones más usuales son para la gestión de empresas e instituciones públicas. También son ampliamente utilizadas en entornos científicos con el objeto de almacenar la información experimental, existen diferentes tipos de bases de datos como se muestra a continuación. 1.2 BASES DE DATOS ESTÁTICAS Éstas son bases de datos de sólo lectura, utilizadas primordialmente para almacenar datos históricos que posteriormente se pueden utilizar para estudiar el comportamiento de un conjunto de datos a través del tiempo, realizar proyecciones y tomar decisiones. 1.3 BASES DE DATOS DINÁMICAS Éstas son bases de datos donde la información almacenada se modifica con el tiempo ver Figura 1, permitiendo operaciones como actualización, borrado y adición de datos, además de las operaciones fundamentales de consulta. Un ejemplo de esto puede ser la base de datos utilizada en un sistema de información de una tienda de abarrotes, una farmacia, un videoclub. 10

11 Figura 1. BD con actualización constante 1.4 BASES DE DATOS BIBLIOGRÁFICAS Solo contienen un subrogante (representante) de la fuente primaria, que permite localizarla. Un registro típico de una base de datos bibliográfica contiene información sobre el autor, fecha de publicación, editorial, título, edición, de una determinada publicación, etc. Puede contener un resumen o extracto de la publicación original, pero nunca el texto completo, porque si no, estaríamos en presencia de una base de datos a texto completo (o de fuentes primarias ver más abajo). Como su nombre lo indica, el contenido son cifras o números. Por ejemplo, una colección de resultados de análisis de laboratorio como se muestra en la Figura 2, entre otras. Figura 2. Ejemplo de base de datos bibliográfica 11

12 1.5 BASES DE DATOS DE TEXTO COMPLETO Almacenan las fuentes primarias, como por ejemplo, todo el contenido de todas las ediciones de una colección de revistas científicas. 1.6 BASES DE DATOS JERÁRQUICAS Éstas son bases de datos que, como su nombre indica, almacenan su información en una estructura jerárquica. En este modelo los datos se organizan en una forma similar a un árbol (visto al revés), en donde un nodo padre de información puede tener varios hijos. El nodo que no tiene padres es llamado raíz, y a los nodos que no tienen hijos se los conoce como hojas este esquema se muestra en la Figura 3. Figura 3. Esquema del modelo jerárquico Las bases de datos jerárquicas son especialmente útiles en el caso de aplicaciones que manejan un gran volumen de información y datos muy compartidos permitiendo crear estructuras estables y de gran rendimiento. Una de las principales limitaciones de este modelo es su incapacidad de representar eficientemente la redundancia de datos, ejemplo, el explorador de Windows. 1.7 BASE DE DATOS DE RED Éste es un modelo ligeramente distinto del jerárquico; su diferencia fundamental es la modificación del concepto de nodo (ver Figura 4): se permite que un mismo nodo tenga varios padres (posibilidad no permitida en el modelo jerárquico). 12

13 Figura 4. Esquema de base datos de red Fue una gran mejora con respecto al modelo jerárquico, ya que ofrecía una solución eficiente al problema de redundancia de datos; pero, aun así, la dificultad que significa administrar la información en una base de datos de red ha significado que sea un modelo utilizado en su mayoría por programadores más que por usuarios finales. 1.8 BASES DE DATOS TRANSACCIONALES Son bases de datos cuyo único fin es el envío y recepción de datos a grandes velocidades, estas bases son muy poco comunes y están dirigidas por lo general al entorno de análisis de calidad, datos de producción e industrial, es importante entender que su fin único es recolectar y recuperar los datos a la mayor velocidad posible, por lo tanto la redundancia y duplicación de información no es un problema como con las demás bases de datos, por lo general para poderlas aprovechar al máximo permiten algún tipo de conectividad a bases de datos relacionales, por ejemplo registrar cada uno de los movimientos de un ERP en el tiempo como se muestra en la Figura 5. Figura 5. Base de datos transaccionales 13

14 1.9 BASES DE DATOS RELACIONALES Éste es el modelo utilizado en la actualidad para modelar problemas reales y administrar datos dinámicamente. Tras ser postulados sus fundamentos en 1970 por Edgar Frank Codd, de los laboratorios IBM en San José (California), no tardó en consolidarse como un nuevo paradigma en los modelos de base de datos. Su idea fundamental es el uso de "relaciones". Estas relaciones podrían considerarse en forma lógica como conjuntos de datos llamados filas (filas). Pese a que ésta es la teoría de las bases de datos relacionales creadas por Codd, la mayoría de las veces se conceptualiza de una manera más fácil de imaginar (ver Figura 6). Esto es pensando en cada relación como si fuese una tabla que está compuesta por registros (las filas de una tabla), que representarían las filas, y campos (las columnas de una tabla). Figura 6. Bases de datos relacionales En este modelo, el lugar y la forma en que se almacenen los datos no tienen relevancia (a diferencia de otros modelos como el jerárquico y el de red). Esto tiene la considerable ventaja de que es más fácil de entender y de utilizar para un usuario esporádico de la base de datos. La información puede ser recuperada o almacenada mediante "consultas" que ofrecen una amplia flexibilidad y poder para administrar la información. El lenguaje más habitual para construir las consultas a bases de datos relacionales es SQL, Structured Query Language o Lenguaje Estructurado de Consultas, un estándar implementado por los principales motores o sistemas de gestión de bases de datos relacionales. Durante su diseño, una base de datos relacional pasa por un proceso al que se le conoce como normalización de una base de datos. 14

15 Durante los años 80 s la aparición de dbase produjo una revolución en los lenguajes de programación y sistemas de administración de datos. Aunque nunca debe olvidarse que dbase no utilizaba SQL como lenguaje base para su gestión BASES DE DATOS MULTIDIMENSIONALES Son bases de datos ideadas para desarrollar aplicaciones muy concretas, como creación de Cubos OLAP (OnLine Analytical Processing). Básicamente no se diferencian demasiado de las bases de datos relacionales (una tabla en una base de datos relacional podría serlo también en una base de datos multidimensional), la diferencia está más bien a nivel conceptual; en las bases de datos multidimensionales los campos o atributos de una tabla pueden ser de dos tipos, o bien representan dimensiones de la tabla, o bien representan métricas que se desean estudiar este tipo de bases de datos son utilizadas preferentemente en minería de datos y construcción y análisis de grandes bases de datos también conocidas en inglés como Data Ware House como se muestra a continuación en la Figura 7. Figura 7. Modelo de base de datos multidimensional 1.11 BASES DE DATOS ORIENTADAS A OBJETOS Este modelo, bastante reciente, y propio de los modelos informáticos orientados a objetos, trata de almacenar en la base de datos los objetos completos (estado y comportamiento), como se observa en la Figura 8. 15

16 Figura 8. Modelo de base de datos orientadas a objetos Una base de datos orientada a objetos es una base de datos que incorpora todos los conceptos importantes del paradigma de objetos, ejemplo: ENCAPSULACIÓN Propiedad que permite ocultar la información al resto de los objetos, impidiendo así accesos incorrectos o conflictos HERENCIA Propiedad a través de la cual los objetos heredan comportamiento dentro de una jerarquía de clases POLIMORFISMO Propiedad de una operación mediante la cual puede ser aplicada a distintos tipos de objetos. En bases de datos orientadas a objetos, los usuarios pueden definir operaciones sobre los datos como parte de la definición de la base de datos. Una operación (llamada función) se especifica en dos partes. La interfaz (o signatura) de una operación incluye el nombre de la operación y los tipos de datos de sus argumentos (o parámetros). La implementación (o método) de la operación se especifica separadamente y puede modificarse sin afectar la interfaz. Los programas de aplicación de los usuarios pueden operar sobre los datos invocando a dichas operaciones a través de sus nombres y argumentos, sea cual sea la forma en la que se han implementado. Esto podría denominarse independencia entre programas y operaciones. 16

17 1.12 BASES DE DATOS DOCUMENTALES Permiten la indexación a texto completo, y en líneas generales realizar búsquedas más potentes. Tesaurus es un sistema de índices optimizado para este tipo de bases de datos, Google, Yahoo, Wikipedia, estos motores de búsqueda son ejemplos de este tipo de bases de datos ver Figura 9. Figura 9. Bases de datos documentales 1.13 BASES DE DATOS DEDUCTIVAS Es un sistema de base de datos pero con la diferencia de que permite hacer deducciones a través de inferencias. Se basa principalmente en reglas y hechos que son almacenados en la base de datos. Las bases de datos deductivas son también llamadas bases de datos lógicas, a raíz de que se basa en lógica matemática comúnmente usado en los también llamados sistemas expertos. 17

18 Figura 10. Principio de diseño de bases de datos deductivas 2 GESTIÓN DE BASES DE DATOS La base de datos está almacenada en varias computadoras conectadas en red. Surgen debido a la existencia física de organismos descentralizados. Esto les da la capacidad de unir las bases de datos de cada localidad (ver Figura 11) y acceder así a distintas universidades, sucursales de tiendas, etcétera. Figura 11. Interconexión entre bases de datos de diferente localidad 18

19 2.1 SISTEMAS DE GESTIÓN DE BASES DE DATOS Un gestor de base de datos o sistema de gestión de base de datos (SGBD o DBMS) es un software que permite introducir, organizar y recuperar la información de las bases de datos; en definitiva, administrarlas. Existen distintos tipos de gestores de bases de datos: relacional, jerárquico, red, etc. El modelo relacional (SGBDR) es un software que almacena los datos en forma de tablas. 2.2 CARACTERÍSTICAS GENERALES DE LOS SISTEMAS GESTORES DE B.D. Aunque hay multitud de aplicaciones para la Gestión de Bases de Datos diferentes en características y precios, podemos encontrar aspectos comunes en todos ellos, que son: Aceptan definiciones de esquemas y vistas (definición de diferentes bases de datos). Manipulan los datos siguiendo las órdenes de los usuarios. Cuidan que se respete la seguridad e integridad de los datos. Permiten definir usuarios y las restricciones de acceso para cada uno de ellos. Controlan la concurrencia y las operaciones asociadas a la recuperación de fallas 2.3 GENERALIDADES EN EL DISEÑO DE BASES DE DATOS A continuación se enumeran varias técnicas para el diseño de base de datos las cuales son de gran utilidad. El diseño y desarrollo de bases de datos a la par con los gestores de bases de datos crece día con día, existe gran cantidad de gestores de bases de datos por lo que al momento de elegir uno se deberá tener el contexto general de las prestaciones de lo que se desea administrar y diseñar. 19

20 En muchos de los casos si se utiliza software libre se tiene la libertad y flexibilidad pero muchas veces no se cuenta con el soporte adecuado, otro factor de peso que orienta a la elección de este tipo de software es que la mayoría de los programas desarrollados bajo este paradigma, son gratuitos, por lo que al momento de realizar la instalación de ellos en una computadora, no hay que preocuparse por los costos de licencia de uso (que en muchos casos son prohibitivos) que tiene el software propietario. Actualmente se pueden construir aplicaciones completas a partir de un gestor de bases de datos, ya que las bases de datos pueden ser de usuario final front-end (Oracle cuenta con la funcionalidad de bases de datos orientadas a objetos) sin embargo este tipo de gestores está más orientado a la funcionalidad de las aplicaciones y no a la operatividad orientada al usuario final, también los gestores de bases de datos pueden ser soportadas como Back-End, repositorio de información la cuál puede ser explotada a partir de diferentes tipos de aplicación, web, desktop, etc. 2.4 RECOMENDACIONES EN EL DISEÑO DE BASES DE DATOS Para el diseño de una base de datos es importante considerar algunos de los esquemas básicos como lo que se enuncian a continuación: CONVENCIÓN DE NOMBRES Es un conjunto de normas y reglas para la escritura de nombres, código fuente, y/o comentarios de programación, en aplicaciones de gran tamaño se puede identificar de manera más eficiente y rápida, la convención de nombre puede ser en el lenguaje de la región y con esto poder identificar las constantes, variables, clases etc. a utilizar en los fragmentos del código del programa, documentación y dentro de los objetos de la base de datos tales como stored procedures, views etc NORMALIZAR LA BASE DE DATOS Es importante la normalización de la base de datos ya que al hacerlo se sabe con cierta ciencia las características de la aplicación y los cambios futuros se llevan a cabo de manera más fácil NO UTILIZAR SELECT * FROM" Evitar en lo posible clausulas de este tipo ya que esto aumenta el acceso a la información y demerita en performance y acceso sobre columnas que no se necesitan. 20

21 La indexación de la base de datos deberá estar en correlación con el tamaño de almacenamiento, transacciones y accesos a los discos, si es el caso es recomendable tener en cuenta el hardware incluso determinar los índices de las bases de datos en otro disco con mayor velocidad de acceso o incluso en otro arreglo de servidores para la mayor eficiencia de acceso EVITAR LAS TABLAS TEMPORALES Evitar en medida de lo posible la creación de tablas temporales. Esto demerita en las consultas ya que estas tablas residen en la memoria de los servidores de bases de datos además de que evita que las consultas se queden colgadas EVITAR COMODINES % Los comodines en las consultas son de gran utilizad, sin embargo es necesario hacer hincapié que se deberán utilizar siempre y cuando sea estrictamente necesario. Like %koko%, Caracteres operacionales <>, =, etc EVITAR LOS SUBQUERYS Evitar también los es una buena práctica ya que en ello se lleva gran parte de la memoria y procesador del servidor con consultas que no debieran ser necesarias, SELECT MIN(Salary) FROM Employees WHERE EmpID IN (SELECT TOP 2 EmpID FROM Employees ORDER BY Salary Desc) La misma consulta se puede reescribir usando tablas derivadas tal y como se muestra a continuación: SELECT MIN(Salary) FROM (SELECT TOP 2 Salary FROM Employees ORDER BY Salary DESC ) AS A Mientras se diseña la base de datos se debe de tener en cuenta el desempeño (performance) que se puede lograr conforme se realicen los accesos en un análisis de gasto de memoria para esto se deberán reconstruir índices reescribir consultas, la mayoría de los motores de bases de datos 21

22 tienen herramientas que sirven para el plan de mantenimiento y performance a la base y/o bases de datos residentes en los servidores UTILIZAR EN MEDIDA DE LO POSIBLE EL ESTÁNDAR ANSI Durante la creación de bases de datos y objetos de la misma es importante que a medida de los posible utilizar el estándar ANSI, esto le da a la base de datos por diseñar una mayor consistencia y sobre todo el soporte podrá ser menos complicado ya que la mayoría de los gestores de bases de datos reconocen este lenguaje, pues es requisito Un ejemplo de esto es la primera consulta al más viejo estilo en la segunda consulta se utiliza la sintaxis ANSI: donde se observa una depuración de líneas, lo cual asegura un óptimo mantenimiento posterior. SELECT a.au_id, t.title FROM titles t, authors a, titleauthor ta WHERE a.au_id = ta.au_id AND ta.title_id = t.title_id AND t.title LIKE '%Computer%' SELECT a.au_id, t.title FROM authors a INNER JOIN titleauthor ta ON a.au_id = ta.au_id INNER JOIN titles t ON ta.title_id = t.title_id WHERE t.title LIKE '%Computer%' NO UTILIZAR CLAUSULAS DE LA BASE DE DATOS DENTRO DE LOS LENGUAJES DE DESARROLLO Dentro de los programas desarrollados evitar las clausulas INSERT/ UPDATE / DELETE, en su lugar utilizarán stored/procedures y dejar que la aplicación acceda a estos objetos a través 22

23 de todos los módulos de la aplicación, esto se traduce en limpieza, consistencia además de centralizar la lógica del negocio con la base de datos (con la ayuda también de la convención de nombres a los objetos de la base datos) NO USAR LOS TIPOS DE DATOS NTEXT, TEXT Estos tipos de datos generan problemas inherentes al tipo de datos al momento de actualizar e insertar para esto es recomendable utilizar las clausulas objetos de la base datos READTEXT, WRITETEXT and UPDATETEXT, de manera que si no se va almacenar información mayor a 8KB de texto es recomendable utilizar los tipos de datos siguientes CHAR(8000) y NCHAR(8000) en su lugar NO UTILIZAR LOS TIPOS DE DATOS IMAGE Y BLOBS Si no queda más opción que almacenar datos de tipo IMAGE (binarios), BLOBS, etc. en su lugar almacene una ruta en donde se pueda localizar estos archivos y utilice un apuntador para que los archivos muy grandes no demerite en el performance de la base datos ya que la misma no está diseñada para almacenar estos tipos de datos UTILIZAR EL TIPO DE DATOS CHAR En columnas donde el dato sea NO NULL ya que con esto se asegura una longitud constante y no se desperdicia la capacidad y se podrán hacer análisis de costo de procesador, disco, etc EVITAR CONSULTAS DINÁMICAS Evitar las consultas generadas al vuelo en medida de lo posible pues estos pueden ser mucho más lentos que los estáticos, otra de las desventajas es que se le tenga que otorgar a los usuarios permisos de manera directa a todos los objetos que involucrados al momento de la ejecución. 2.5 EL MODELO ENTIDAD-RELACIÓN El Modelo Entidad-Relación, también conocido como DER (diagramas entidad-relación) es una herramienta de modelado para bases de datos, propuesto por Peter Chen en 1976, mediante el cual se pretende 'visualizar' los objetos que pertenecen a la Base de Datos como entidades (se 23

24 corresponde al concepto de clase, cada fila de datos representaría un objeto, de la Programación Orientada a Objetos) las cuales tienen unos atributos y se vinculan entre sí dependiendo de la jerarquía como se muestran en la siguiente representación conceptual de la información Figura 12 Modelo Entidad Relación Mediante una serie de procedimientos se puede pasar del modelo E-R a otros, como por ejemplo el modelo relacional. El modelado entidad-relación es una técnica para el modelado de datos utilizando diagramas entidad relación. No es la única técnica pero sí la más utilizada. Brevemente consiste en los siguientes pasos: Se parte de una descripción textual del problema o sistema de información a automatizar (los requisitos). Se hace una lista de los sustantivos y verbos que aparecen. Los sustantivos son posibles entidades o atributos. Los verbos son posibles relaciones. Analizando las frases se determina la cardinalidad de las relaciones y otros detalles. Se elabora el diagrama (o diagramas) entidad-relación. Se completa el modelo con listas de atributos y una descripción de otras restricciones que no se pueden reflejar en el diagrama. 24

25 Dado lo rudimentario de esta técnica se necesita cierto entrenamiento y experiencia para lograr buenos modelos de datos. El modelado de datos no acaba con el uso de esta técnica. Son necesarias otras técnicas para lograr un modelo directamente implementable en una base de datos tal y como se muestra en los siguientes puntos: Transformación de relaciones múltiples en binarias. Normalización de una base de datos de relaciones (algunas relaciones pueden transformarse en atributos y viceversa). Conversión en tablas (en caso de utilizar una base de datos relacional) ENTIDADES, ATRIBUTOS Y RELACIONES Las entidades atributo y relaciones en el diseño de las bases de datos es de suma importancia ya que se logra identificar cada objeto de la base de dato de manera clara y concisa además de las propiedades de cada objeto ENTIDAD Representa una cosa u "objeto" del mundo real con existencia independiente, es decir, se diferencia unívocamente de cualquier otro objeto o cosa, incluso siendo del mismo tipo, o una misma entidad. Algunos Ejemplos: Una persona. (Se diferencia de cualquier otra persona, incluso siendo gemelos). Un automóvil. (Aunque sean de la misma marca, el mismo modelo,..., tendrán atributos diferentes, por ejemplo, el número de bastidor). Una casa (Aunque sea exactamente igual a otra, aún se diferenciará en su dirección). Una entidad puede ser un objeto con existencia física como: una persona, un animal, una casa, etc. (entidad concreta), o un objeto con existencia conceptual como: un puesto de trabajo, una asignatura de clases, un nombre, etc. (entidad abstracta). Una entidad está descrita y se representa por sus características o atributos. Por ejemplo, la entidad Persona puede llevar consigo las características: Nombre, Apellido, Género, Estatura, Peso, Fecha de nacimiento, etc... 25

26 ATRIBUTOS Los atributos son las propiedades que describen a cada entidad en un conjunto de entidades. Un conjunto de entidades dentro de una entidad, tiene valores específicos asignados para cada uno de sus atributos, de esta forma, es posible su identificación unívoca. Ejemplos: A la colección de entidades Alumnos, con el siguiente conjunto de atributos en común, (id, nombre, edad, semestre), pertenecen las entidades: (1, Sofia, 18 años, 2) (2, Josefa, 19 años, 5) (3, Gabriela, 20 años, 2)... Cada una de las entidades pertenecientes a este conjunto se diferencia de las demás por el valor de sus atributos. Nótese que dos o más entidades diferentes pueden tener los mismos valores para algunos de sus atributos, pero nunca para todos. En particular, los atributos identificativos son aquellos que permiten diferenciar a una instancia de la entidad de otra distinta. Por ejemplo, el atributo identificativo que distingue a un alumno de otro es su número de id. Para cada atributo, existe un dominio del mismo, este hace referencia al tipo de datos que será almacenado o a restricciones en los valores que el atributo puede tomar (Cadenas de caracteres, números, solo dos letras, solo números mayores que cero, solo números enteros...). Cuando una entidad no tiene un valor para un atributo dado, este toma el valor nulo, bien sea que no se conoce, que no existe o que no se sabe nada al respecto del mismo RELACIÓN Ejemplo: Describe cierta dependencia entre entidades o permite la asociación de las mismas. Dadas dos entidades "Habitación 502" y "Mark", es posible relacionar que la habitación 502 se encuentra ocupada por el huésped de nombre Mark. 26

27 Una relación tiene sentido al expresar las entidades que relaciona. En el ejemplo anterior, Un Huésped (entidad), se aloja (relación) en una habitación (entidad) CONJUNTO DE RELACIONES Consiste en una colección, o conjunto, de relaciones de la misma naturaleza. Ejemplo: Dados los conjuntos de entidades "Habitación" y "Huésped", todas las relaciones de la forma habitación-huésped, permiten obtener la información de los huéspedes y sus respectivas habitaciones. La dependencia o asociación entre los conjuntos de entidades es llamada participación. En el ejemplo anterior los conjuntos de entidades "Habitación" y "Huésped" participan en el conjunto de relaciones habitación-huésped NOTACIÓN PARA LOS DIAGRAMAS ENTIDAD-RELACIÓN Formalmente, los diagramas E-R son un lenguaje gráfico para describir conceptos. Informalmente, son simples dibujos o gráficos que describen la información que trata un sistema de información y el software que lo automatiza, pasos a seguir para el diagrama entidad-relación: 1. Una entidad se relaciona con otra entidad con una línea continua, ya que no lleva flechas, es solo una dirección continua. 2. Toda relación debe de llevar una cardinalidad. 3. Una relación entre dos entidades siempre se va a dar por medio de un rombo (si tienes una entidad el alumno, otra materia, se traza una línea en el medio de la línea se pone un rombo, dentro del rombo se pone el alumno se inscribe, el nivel seria uno a muchos ya que el alumno se inscribe a varias materias). 4. Cada entidad deberá tener sus elementos EL MODELO DE DATOS RELACIONAL La teoría del modelo de datos relacional es obra del investigador de IBM Edgar Codd en Goza de una fuerte base matemática. El modelo relacional se caracteriza a muy grandes rasgos por disponer que toda la información deberá estar contenida en tablas, y las relaciones entre datos deben ser representadas explícitamente en esos mismos datos. 27

28 2.5.4 ESTRUCTURA DE LAS BASES DE DATOS RELACIONALES La arquitectura o estructura relacional se puede expresar en términos de tres niveles de abstracción: nivel lógico, físico y de almacenamiento, el modelo relacional de datos está representado por una colección de relaciones almacenadas. Cada registro de tipo conceptual en un modelo relacional de datos se implanta como un archivo almacenado distinto. Nivel lógico. Tipos de usuario: usuario final, programador de aplicaciones, administrador de la base de datos. Lenguajes: DML. Nivel físico. Tipos de usuario: administrador de la base de datos. Lenguajes: DDL. Nivel de almacenamiento. Tipos de usuario: administrador de la base de datos. Operador del sistema operativo. Lenguajes: comandos del sistema operativo. DSDL (lenguaje de definición del almacenamiento de datos). Tablas Representan tanto las entidades como las relaciones del modelo E-R. Matriz rectangular bidimensional (filas y columnas). Cada elemento o casilla de la matriz es un elemento de datos elemental. Mínimo elemento lógico de acceso y modificación. Columnas: atributos. o Nombre único en cada tabla. o Espacio de valores o dominio. o Valor nulo: indica valor desconocido o no aplicable. o Captura opcional (puede tomar valores nulos) u obligatoria. o Su número es a priori fijo. Filas: objetos del mundo real. o Nunca duplicadas. o Mínima unidad de borrado. o Registro lógico. o Su número varía según se realicen operaciones de inserción y borrado en la tabla. o Pueden estar dispuestas en cualquier orden. Cardinalidad de una tabla: número de filas. Nomenclatura: NOMBRE_TABLA.nombre_atributo 28

29 2.5.5 CLAVES (PRIMARIA/FORANEA) Y RESTRICCIONES Las claves, en el contexto general le dan un carácter único e irrepetible a cada registro de la misma tabla, esto permite darle a cada elemento de una tabla un valor único permitiendo con eso realizar una integridad referencial de las tablas de cualquier aplicación, existen diferentes tipos de claves mismas que se describirán a continuación CLAVES PRIMARIA/FORANEA o Necesidad de identificación unívoca y no ambigua. o Clave candidata: agrupación de atributos (quizás uno solo) que identifican sin ambigüedad y de forma unívoca a todas las posibles filas de una tabla. o Mínimo número de atributos: 1. Máximo número de atributos: los que tenga la tabla. o No debe haber atributos inútiles o superfluos. Si se elimina algún atributo de la clave candidata, ya no lo es. o Siempre hay seguro al menos 1 clave candidata (la agregación de todos los atributos). o Puede haber varias claves candidatas. o Clave primaria o principal: se escoge de entre las claves candidatas. Usualmente se prefiere la de menor tamaño. o Claves alternas o alternativas: el resto de claves candidatas no escogidas como clave primaria. o Atributo primo: aquel que forma parte de la clave primaria. o Clave ajena o foránea: un atributo de una tabla (o agregación de ellos) puede ser clave primaria de otra tabla. o Mecanismo de relación y enlace de información. o Los atributos de una clave ajena pueden o no formar parte de la clave primaria de la tabla a la que pertenecen. o En una tabla no es obligatoria la existencia de claves ajenas. (dominio/clave/integridad) 29

30 RESTRICCIONES El modelo relacional de datos contempla tres tipos de restricciones: 1. Integridad de la clave. Ningún atributo de una clave candidata puede tomar valores nulos. Lógicamente, los atributos que forman una clave candidata han de tomar siempre valores distintos para cada posible fila. 2. Integridad de referencia o referencial. Sea T1.a un atributo de la tabla T1 que forma parte de una clave ajena para la tabla T2. Es decir, que en T2 existe un atributo definido con el mismo dominio, aunque no obligatoriamente con igual nombre, y que es parte de su clave primaria. Entonces, T1.a debe ser siempre igual a algún valor ya contenido en el atributo referenciado en la tabla T2, o bien tomar un valor nulo. 3. Otras restricciones de acuerdo con la semántica concreta del problema. Pueden ser sencillas, como la especificación de valores mínimos o máximos que puede tomar un atributo numérico, lista de valores permitidos de un atributo, o más complejas: condiciones sobre valores de los atributos en función de valores de otros atributos de esa u otras tablas. Ejemplo: Caso de uso 1. Se desea almacenar información sobre alumnos universitarios. 2. Para cada alumno hay que almacenar la provincia donde reside. 3. Cada alumno puede estar matriculado en varias facultades pertenecientes a distintas universidades. Hay que almacenar el curso de inicio de estudios de un alumno en cada facultad en las que está matriculado. 4. Las facultades se numeran correlativamente para cada universidad. 5. Las facultades pueden pertenecer a distintas universidades. 6. Una universidad puede ser pública o privada. 7. Se pide: esquema conceptual (modelo E-R) y esquema relacional (tablas, atributos, claves y restricciones) lo anterior se visualiza en la figura

31 Figura 13. Diagrama ER (entidad relación) Clave primaria 1. El atributo ALUMNO.dni no puede tomar valor nulo. 2. El atributo PROVINCIA.cod_prov no puede tomar valor nulo. 3. El atributo PROVINCIA.nombre no puede tomar valor nulo. 4. El atributo UNIVERSIDAD.cod_univ no puede tomar valor nulo. 5. El atributo FACULTAD.cod_univ no puede tomar valor nulo. 6. El atributo FACULTAD.cod_fac no puede tomar valor nulo. 7. El atributo ALUMNO_FACULTAD.dni no puede tomar valor nulo. 8. El atributo ALUMNO_FACULTAD.cod_univ no puede tomar valor nulo. 9. El atributo ALUMNO_FACULTAD.cod_fac no puede tomar valor nulo. Integridad referencial El atributo ALUMNO.cod_prov siempre debe tener un valor que se encuentre en PROVINCIA.cod_prov, o bien ser nulo (p.e. si se desconoce la provincia donde vive un alumno). 31

32 El atributo FACULTAD.cod_univ siempre debe tener un valor que se encuentre en UNIVERSIDAD.cod_univ. No puede ser nulo por la restricción de integridad de clave número 5. El atributo ALUMNO_FACULTAD.dni siempre debe tener un valor que se encuentre en ALUMNO.dni. No puede ser nulo por la restricción de integridad de clave número 7. La agregación de los atributos ALUMNO_FACULTAD.cod_univ y ALUMNO_FACULTAD.cod_fac siempre debe tener un valor que se encuentre en la agregación de los atributos FACULTAD.cod_univ y FACULTAD.cod_fac. No vale cada atributo por separado. Otras restricciones El atributo ALUMNO.dni solo puede tomar valores numéricos enteros de 8 cifras. El atributo ALUMNO.edad solo puede tomar valores numéricos enteros de 2 cifras, mayores que 15. El atributo PROVINCIA.nombre no puede tomar valores repetidos. El atributo UNIVERSIDAD.tipo solo puede tomar uno de dos valores posibles: 1 (pública) o 2 (privada). El atributo FACULTAD.num_cursos solo puede tomar un valor numérico entero en el intervalo [4,6]. El atributo ALUMNO_FACULTAD.curso_inicio solo puede tomar valores numéricos no menores que PROBLEMAS CON LAS RESTRICCIONES DURANTE LAS OPERACIONES Las restricciones son herramientas valiosas para mantener la integridad de los datos en las bases de datos. Sin embargo, hay veces en que es útil deshabilitar una o más para realizar tareas como la sincronización de datos con una base de datos sin conexión INSERCIÓN Inserción de una nueva fila en una tabla. Solo se puede insertar una fila si todos los atributos de la clave primaria tienen valor no nulo. 32

33 Ejemplo: No se puede insertar un alumno con dni nulo. Solo se puede insertar una fila si la agregación de todos los atributos que forman la clave primaria toma un valor único e inédito hasta el momento en la tabla. Ejemplo: No se puede insertar una nueva provincia si ya existe su cod_prov en la tabla. Solo se puede insertar una fila si todos los atributos que son claves ajenas de otras tablas toman valores ya presentes en dichas tablas o bien nulos. Ejemplo: No se puede insertar una nueva facultad si no existe previamente la universidad a la que pertenece. Opción alternativa: Antes de dar por válida la inserción de la nueva facultad, se obliga al usuario a introducir los datos correctos de la nueva universidad. Solo se puede insertar una fila si los valores de los atributos satisfacen todas las restricciones adicionales que pudieran concernirles. Ejemplo: No se puede insertar una nueva universidad cuyo atributo tipo tome el valor MODIFICACIÓN Modificación del valor de algún atributo de una o varias filas de una tabla. Si el atributo a modificar es primo, su valor no puede modificarse a nulo. Ejemplo: No puede cambiarse el valor del atributo cod_univ a nulo. Si el atributo a modificar es primo, su valor no puede modificarse a otro tal que la agregación de todos los atributos que forman la clave primaria no tome un valor único e inédito en la tabla. Ejemplo: No puede modificarse el dni de un alumno a un nuevo valor que ya existiera en la tabla. Solo se puede modificar el valor de un atributo si el nuevo valor satisface todas las restricciones adicionales que pudieran afectarle. Ejemplo: 100 No puede modificarse la edad de un alumno si la nueva edad es menor de 15 o mayor que Si el atributo a modificar es parte de una clave ajena en otra tabla, entonces hay que modificar automáticamente el viejo valor que tomaba en dicha tabla por el nuevo valor. Ejemplo: Si se modifica el valor previo V1 del atributo cod_prov de la tabla PROVINCIA a un nuevo valor 33

34 V2, entonces el atributo cod_prov de todas las filas de la tabla ALUMNO cuyo valor fuera V1 ha de modificarse al nuevo valor V BORRADO Borrado de una o varias filas de una tabla. Al borrar una fila hay que tener en cuenta que se deben verificar las restricciones de integridad referencial. Ejemplo: Supongamos que se borra una fila de la tabla PROVINCIA cuyo valor de cod_prov es V. Si en la tabla ALUMNO no hay ninguna fila cuyo valor del atributo cod_prov sea V, entonces no hay problema. Pero si no es así habría (al menos temporalmente) un problema de consistencia de la información almacenada en la base de datos, ya que existirán alumnos residentes en una provincia que no existe. Dos posibles soluciones para mantener la consistencia: Borrar todas las filas de ALUMNO afectadas. A su vez esto puede suponer una serie de borrados sucesivos en otras tablas, debido igualmente a problemas de integridad y consistencia, como en ALUMNO_FACULTAD. No permitir el borrado de la fila de PROVINCIA si en ALUMNO hay filas que se verían afectadas. El procedimiento a seguir es primero borrar en la tabla ALUMNO todas aquellas filas cuyo atributo cod_prov tome valor V, y luego realizar la misma operación de borrado en la tabla PROVINCIA. Otros ejemplos: borrado en la tabla ALUMNO (afecta a la tabla ALUMNO_FACULTAD), en la tabla UNIVERSIDAD (afecta a la tabla FACULTAD) y en la tabla FACULTAD (afecta a la tabla ALUMNO_FACULTAD). 34

35 2.6 ÁLGEBRA RELACIONAL Es un conjunto de operaciones que describen paso a paso como computar una respuesta sobre las relaciones, tal y como éstas son definidas en el modelo relacional. Denominada de tipo procedimental, a diferencia del cálculo relacional que es de tipo declarativo. Describen el aspecto de la manipulación de datos. Estas operaciones se usan como una representación intermedia de una consulta a una base de datos y, debido a sus propiedades algebraicas, sirven para obtener una versión más optimizada y eficiente de dicha consulta LAS OPERACIONES BÁSICAS Cada operador del álgebra acepta una o dos relaciones y retorna una relación como resultado. s y son operadores unitarios típicos que se utilizan, el resto de los operadores son binarios. Las operaciones básicas del álgebra relacional son: SELECCIÓN S Permite seleccionar un subconjunto de filas de una relación (R), todas aquellas que cumplan la(s) condición(es) P, esto es: Ejemplo: Selecciona todas las filas que contengan Gómez como apellido en la relación Alumnos. Una condición puede ser una combinación booleana, donde se pueden usar operadores como:, combinándolos con operadores PROYECCIÓN Permite extraer columnas (atributos) de una relación, dando como resultado un subconjunto vertical de atributos de la relación, esto es: Donde son atributos de R 35

36 Selecciona los atributos Apellido, Semestre y NumeroControl de la relación Alumnos, mostrados como un subconjunto de la relación Alumnos PRODUCTO CARTESIANO (X) El producto cartesiano de dos relaciones se escribe como: R X S Y, entrega una relación, cuyo esquema corresponde a una combinación de todas las filas de R con cada una de las filas de S, y sus atributos corresponden a los de R seguidos por los de S. Ejemplo: Alumnos X Maestros Muestra una nueva relación, cuyo esquema contiene cada una de las filas de la relación Alumnos junto con las filas de la relación Maestros, mostrando primero los atributos de la relación Alumnos seguidos por las filas de la relación Maestros UNIÓN (U) Retoma el conjunto de filas que están en R, o en S o en ambas. R y S deben ser uniones compatibles RUS DIFERENCIA (-) La diferencia de dos relaciones, denotada por R S, Entrega todas aquellas filas que están en R pero no en S. R y S deben ser uniones compatibles Estas operaciones son fundamentales en el sentido en que (1) todas las demás operaciones pueden ser expresadas como una combinación de éstas y (2) ninguna de estas operaciones pueden ser omitidas sin que con ello se pierda información INTERSECCIÓN Ⴖ La intersección de dos relaciones se puede especificar cómo se muestra a continuación R ႶS = R ( R S ) 36

37 La intersección, como en Teoría de conjuntos, corresponde al conjunto de todas las filas que están en R y en S, siendo R y S uniones compatibles REUNIÓN NATURAL ( ) (NATURAL JOIN) La operación Reunión natural en el álgebra relacional es la que permite reconstruir las tablas originales previas al proceso de normalización. Consiste en combinar las proyección, selección y producto cartesiano en una sola operación, donde la condición es la igualdad Clave Primaria = Clave Externa (o Foranea), y la proyección elimina la columna duplicada (clave externa). Expresada en las operaciones básicas, queda Una reunión theta ( -join) de dos relaciones es equivalente a Donde la condición es libre. Si la condición es una igualdad se denomina equi-join DIVISIÓN (/) Ejemplo supóngase que se tendrá dos relaciones A(x, y) y B(y) donde el dominio de y en A y B, es el mismo. El operador división A / B retorna todos los distintos valores de x tales que para todo valor y en B existe una fila en A 37

38 EJEMPLOS: Tabla 1 Alumno Tabla2 Curso ID NOMBRE CIUDAD EDAD COD NOMBRE FECHA_INICIO DURACION VALOR 1 Pedro Santiago Sicología 13-Ene Juan Buenos Aires Biología 15-Feb Diego DF Matemáticas 01-Mar Rosita Concepción Música 05-Abr Manuel DF Física 20-Abr Tabla 3 Tabla 4 Inscrito Tutor ID ID_AL COD ID NOMBRE Tel ID_ALUMNO Víctor José María Paz Mostrar los nombres de los alumnos y su tutor Primero, se realiza una combinación entre alumnos y tutores (dado que se necesita saber a qué alumno le corresponde tal tutor). La combinación realizará un producto cartesiano, es decir, para cada fila de alumnos (todas las filas de alumnos) hará una mezcla con cada una fila de tutores y seleccionará aquellas nuevas filas en que alumnos.id sea igual a tutor.id_alumno, esto es: 38

39 Tabla 5 ID (alumno) NOMBRE (alumno) CIUDAD EDAD ID (apoderado) NOMBRE (tutor) Tel ID_ALUMNO 1 Pedro Santiago Víctor Pedro Santiago José Pedro Santiago María Pedro Santiago Paz Juan Buenos Aires Víctor Juan Buenos Aires José Juan Buenos Aires María Juan Buenos Aires Paz Diego DF Víctor Diego DF José Diego DF María Diego DF Paz Rosita Concepción Víctor Rosita Concepción José Rosita Concepción María Rosita Concepción Paz Manuel DF Víctor Manuel DF José Manuel DF María Manuel DF Paz Por lo tanto, el resultado final de la combinación es 39

40 Tabla 6 ID (alumno) NOMBRE (alumno) CIUDAD EDA D ID (apoderado) NOMBRE (apoderado) tel ID_ALUM NO 1 Pedro Santiago Paz Juan Buenos Aires José Diego DF Víctor Rosita Concepción María Ahora, se debe mostrar solo el nombre del alumno y el nombre del apoderado, esto lo hacemos con una proyección, Alumnos.NOMBRE,Tutores.NOMBRE Tabla 7 NOMBRE (alumno) Pedro Juan Diego Rosita NOMBRE (apoderado) Paz José Víctor María Resumiendo en un solo paso tutores Alumnos Alumnos.ID = Tutores.ID_ALUMNO Se lee: Proyecta los nombre de alumnos y nombre de tutores de los alumnos cuyo ID sea el mismo que el ID_ALUMNO de los tutores Ejercicio 2. Mostrar el nombre de los alumnos inscritos y el nombre de los cursos que tomaron 40