BASES DE DATOS I UNIDAD II: MODELOS DE DATOS Introducción Modelo Jerárquico Reticular (Red) Relacional Distribuido 15
UNIDAD II: MODELOS DE DATOS Lic. José Manuel Alvarado Introducción Un modelo de datos para las bases de datos es una colección de conceptos que se emplean para describir la estructura de una base de datos. Esa colección de conceptos incluye entidades, atributos y relaciones. Todo conjunto de datos, almacenado en gran cantidad, requiere de un sistema que gestione tanto el almacenamiento como el acceso a dicha información. Un SGBD (Sistema de Gestión de Base de Datos) es el encargado de ésta tarea, y los hace de varias maneras diferentes. Hay tres modelos en los que se ha basado el desarrollo de las bases de datos son el jerárquico, en red y relacional. Un modelo de datos es un conjunto de conceptos que pueden servir para describir la estructura de una base de datos. Con el concepto de estructura de una base de datos nos referimos a los tipos de datos, los vínculos y las restricciones que deben cumplirse para esos datos. Por lo regular los modelos de datos contienen además un conjunto de operaciones básicas para especificar lecturas y actualizaciones de la base de datos. Cada vez se difunde más la práctica de incluir en el modelo de datos conceptos para especificar comportamiento. Un ejemplo de operación definida por el usuario es CALCULAR_PROM, que se puede aplicar a un objeto estudiante. Por otro lado casi siempre el modelo de datos básicos cuenta con operaciones genéricas para insertar, eliminar, modificar o recuperar un objeto. Un modelo de datos es una herramienta intelectual (conjunto de conceptos y reglas) que permite representar las propiedades estáticas y dinámicas de la parcela del mundo real que es objeto de estudio. Cada modelo de datos, todos ellos deben proporcionar conceptos que permitan representar las siguientes propiedades: 16
Propiedades estáticas: objetos de información (entidades), propiedades de los objetos (atributos), relaciones entre objetos y restricciones sobre los objetos o sus relaciones. Propiedades dinámicas: operaciones sobre los objetos o sus relaciones, relaciones entre operaciones (transacciones), y restricciones sobre la evolución de los objetos y sus relaciones. Los modelos de datos se diferencian entre sí en cuanto a los conceptos que proporcionan y, en cuanto al formalismo utilizado para su definición. Modelo Jerárquico La implementación del modelo Jerárquico en los productos se lleva a cabo en base a punteros; estructura física que varía según los productos, e incluso un mismo producto proporciona distintas organizaciones físicas a fin de que el usuario pueda conseguir una mayor eficiencia en el diseño físico de la base de datos. El modelo jerárquico fue desarrollado para permitir la representación de aquellas situaciones de la vida real en las que predominan las relaciones de tipo 1: N. Es un modelo muy rígido en el que las diferentes entidades de las que está compuesta una determinada situación, se organizan en niveles múltiples de acuerdo a una estricta relación PADRE/HIJO, de manera que un padre puede tener más de un hijo, todos ellos localizados en el mismo nivel, y un hijo únicamente puede tener un padre situado en el nivel inmediatamente superior al suyo. Esta estricta relación PADRE/HIJO implica que no puedan establecerse relaciones entre segmentos dentro de un mismo nivel. La representación gráfica de un modelo jerárquico se realiza mediante la estructura de ARBOLINVERTIDO, en la que el nivel superior está ocupado por una única entidad, bajo la cual se distribuyen el resto de las entidades en niveles que se van ramificando. Los diferentes niveles quedan unidos por medio de las relaciones, las entidades se denominan 17
en el caso particular del modelo jerárquico SEGMENTOS, mientras que los atributos reciben el nombre de CAMPOS. Los segmentos, se organizan en niveles de manera que en un mismo nivel estén todos aquellos segmentos que dependen de un segmento de nivel inmediatamente superior. Características de la Estructura Jerárquica Una base de datos jerárquica consiste en una colección de segmentos (registro) que se conectan entre sí por medio de enlaces. Cada segmento es una colección de campos (atributos), que contienen un solo valor cada uno de ellos. Un enlace es una asociación o unión entre dos segmentos exclusivamente. Las características principales de implementar este modelo son: Globalización de la información: permite a los diferentes usuarios considerar la información como un recurso corporativo que carece de dueños específicos. Eliminación de información inconsistente: si existen dos o más archivos con la misma información, los cambios que se hagan a éstos deberán hacerse a todas las copias del archivo de facturas. Permite compartir información Permite mantener la integridad en la información: la integridad de la información es una de sus cualidades altamente deseable y tiene por objetivo que sólo se almacena la información correcta. Independencia de datos: el concepto de independencia de datos es quizás el que más ha ayudado a la rápida proliferación del desarrollo de Sistemas de Bases de Datos. En este tipo de modelos la organización se establece en forma de árbol, donde laraíz es un nodo ficticio. Así tenemos que, una base de datos jerárquica es una colección de árboles. Los segmentos, en función de su situación en el árbol y de sus características, pueden denominarse como: 18
1) SEGMENTO PADRE: Es aquél que tiene descendientes, todos ellos localizados en el mismo nivel. E2 Segmento Padre 2) SEGMENTO HIJO: Es aquél que depende de un segmento de nivel superior. Todos los hijos de un mismo padre están en el mismo nivel del árbol. E5 E6 E7 3) SEGMENTO RAÍZ: El segmento raíz de una base de datos jerárquica es Α el padre que no tiene padre. La raíz siempre es única y ocupa el nivel superior del árbol. E1 19
Un ejemplo sería: Lic. José Manuel Alvarado Sea una determinada empresa de ámbito nacional con delegaciones por todo el país; esta empresa tiene centralizadas todas las compras de material de sus delegaciones en la oficina central, para lo cual dispone de una base de datos jerárquica que le permite almacenar los datos de todos sus proveedores. La base de datos de proveedores, denominada PROVEBAS, presenta cinco segmentos. El segmento raíz en el que se almacenan los datos que son comunes a todos los proveedores, como pueden ser: Nombre de la empresa, Director de la empresa, N.I.F., entro otros. Este segmento se denomina DATGEN. En el segundo nivel del árbol hay tres segmentos dependientes del segmento raíz. El primero de ellos contiene las direcciones de las sucursales de la empresa proveedora, indicando: Calle, Número, ciudad, Tipo de dirección, entre otros. El nombre de este segmento es DIRPRO. El segundo segmento que ocupa este nivel es el que contiene los datos de todos los productos suministrados por cada una de las empresas proveedoras, Este segmento se denota como PRODUC. El último segmento del segundo nivel es el que permite guardar las diferentes notas informativas que sobre un proveedor van remitiendo las delegaciones a la oficina central, este segmento se denomina NOTINF. El tercer nivel del árbol está ocupado por un solo segmento que es el que permite almacenar las zonas de distribución de cada uno de los productos suministrados por los diferentes proveedores, este segmento se reconoce como AREDIS y depende del segmento PRODUC. PROVEBAS DATGEN DIRPRO PRODUC NOTINF AREDIS 20
Ventajas y desventajas de la implementación jerárquica de las BD Ventajas: 1) Un árbol con todo su entrerramado de relaciones, en el que la conexión es fija y sólo puede ser cambiada modificando una porción de código, suministra, sin embargo, la ventaja de que la navegación se realiza de una forma muy rápida. 2) Es fácil de ver la estructura de la base de datos. 3) Su implementación es sencilla y rápida de implantar. 4) Se puede predefinir relaciones, lo que simplifica las variaciones a futuro Desventajas: 1) Puede dar lugar a la consistencia de los datos cuando se llevan a cabo actualizaciones. 2) Resulta inevitable el desaprovechamiento de espacio. {Solución: una solución es introducir el concepto de registro virtual. Este tipo de puntero no contiene ningún valor de dato, sino un puntero lógico a un registro físico concreto. Cuando hay que replicar un registro en varios árboles de una base de datos, se guarda una sola copia de ése registro en uno de los árboles y se sustituyen los demás registros por registros virtuales que contiene un puntero a ése registro físico.} 3) La extracción de la información de una unidad que se encuentra varios niveles abajo requiere navegar por un camino a través de las unidades y sus relaciones hasta llegar a ella. 4) Presenta la desventaja de que es necesario un conocimiento en profundidad de las unidades de información y de sus relaciones entre sí. Adicionalmente, combinar la información de unidades que residen en ramas muy separadas de la estructura arbórea es una tarea que consume tiempo y esfuerzo. 21
5) Las operaciones de insertar y borrar son complejas. 6) Las relaciones Nodo a Nodo pueden ser implementadas de una forma no muy eficiente, pues para hacerlo se genera redundancia. Modelo Reticular (Red) Una base de datos de red se compone por una colección de registras que se conectan entre sí por medio de ligas. El modelo de datos en red representa las entidades en forma de nodos de un grafo, y las interrelaciones entre estas mediante arcos que unen dichos nodos. En principio esta representación no impone restricción alguna acerca del tipo y el número de arcos que puede haber, con lo que se pueden modelar estructuras de datos tan complejas como sea necesario. Una base de datos de red se compone por una colección de registros que se conectan entre sí por medio de ligas. Un registro equivale a una entidad y un campo a un atributo del modelo entidad relación. Los campos contienen exclusivamente valores atómicos. Una liga es una relación que se establece solamente entre dos registros, es decir, debe utilizarse una liga para cada relación entre una pareja de registros. Estructura de una base de Datos de Red. Una estructura de datos de red, llamada algunas veces estructura plex, abarca más que la estructura de árbol porque un nodo hijo en la estructura de red puede tener más de un padre. En otras palabras, la restricción de que en un árbol jerárquico cada hijo puede tener un solo padre, se hace menos severa. Así, la estructura de árbol se puede considerar como un caso especial de la estructura de red. 22
Modelo Entidad Relación Lic. José Manuel Alvarado Es uno de los modelos lógicos basados en objetos y por lo tanto se enfoca primordialmente a los niveles conceptuales y de visión. Una de las características de este modelo es que permite representar con claridad las limitaciones de los datos. El modelo Entidad Relación es en esencia una herramienta para representar el mundo real por medio de simbologías y expresiones determinadas. Denominado por sus siglas como: E-R; Este modelo representa a la realidad a través de entidades, que son objetos que existen y que se distinguen de otros por sus características, por ejemplo: un alumno se distingue de otro por sus características particulares como lo es el nombre, o el numero de control asignado al entrar a una institución educativa, así mismo, un empleado, una materia, etc. Las entidades pueden ser de dos tipos: Tangibles: Son todos aquellos objetos físicos que podemos ver, tocar o sentir. Intangibles: Todos aquellos eventos u objetos conceptuales que no podemos ver, aun sabiendo que existen, por ejemplo: la entidad materia, sabemos que existe, sin embargo, no la podemos visualizar o tocar. Entidades y conjunto de entidades Una entidad es un objeto que existe y puede ser distinguido de otro objeto. Una entidad puede ser concreta (un libro, un automóvil, etc.) ó abstracta (fecha, edad, etc.). Una entidad puede pertenecer a más de un conjunto de entidades a la vez. Por ejemplo, la entidad persona puede ser parte de los conjuntos de entidades alumnos, empleados, clientes, etc. Una entidad se distingue de otra porque posee ciertas características que la hacen única. Las características de las entidades en base de datos se llaman atributos, por ejemplo el 23
nombre, dirección teléfono, grado, grupo, etc. son atributos de la entidad alumno; Clave, número de seguro social, departamento, etc., son atributos de la entidad empleado. A su vez una entidad se puede asociar o relacionar con más entidades a través de relaciones. El rango de valores válidos para un atributo determinado será conocido como dominio del atributo. Un ejemplo: Consideremos una empresa que requiere controlar a los vendedores y las ventas que ellos realizan; de este problema determinamos que los objetos o entidades principales a estudiar son el empleado (vendedor) y el artículo (que es el producto en venta), y las características que los identifican son: Empleado: Nombre Puesto Salario R.F.C. Artículo: Descripción Costo Clave La relación entre ambas entidades la podemos establecer como Venta. Bueno, ahora nos falta describir como se representa un modelo E-R gráficamente, la representación es muy sencilla, se emplean símbolos, los cuales son: Símbolo Representa 24
Limitantes del mapeo Lic. José Manuel Alvarado El modelo Entidad Relación permite definir una serie de limitantes aplicables a la información contenida en la base de datos; básicamente. Pueden definirse dos tipos de limitantes: 1. Cardinalidad del Mapeo: es aquella mediante la cual puede especificarse la cantidad de entidades que podrán asociarse mediante una relación, esta se aplica generalmente sobre dos conjuntos de entidades. Las cardinalidades existen para dos conjuntos de entidades M y N, y conjunto de relaciones R pueden ser: Uno a Uno: Una ocurrencia de la entidad A esta asociada con a lo sumo una ocurrencia de la entidad B y una ocurrencia de la entidad B está asociada con a lo sumo una ocurrencia de la entidad A. Uno a Muchos: Una ocurrencia de la entidad A está asociada con cualquier número de ocurrencias de la entidad B, pero toda ocurrencia de una entidad B sólo puede estar asociada con una ocurrencia de la entidad A. Muchos a Muchos: Cualquier numero de ocurrencias de la entidad A está asociada con cualquier número de ocurrencias de la entidad B, y cualquier ocurrencia de la entidad B está asociada con cualquier número de ocurrencias de la entidad A. 2. Dependencia de Existencia: Nos permite definir que un conjunto de entidades está condicionado a la existencia de otro, un ejemplo de este condicionamiento se da entre una entidad alumno y la entidad calificación. A esta limitante se le denomina dependencia por existencia. Si una entidad Y depende de una entidad X para existir se dice que Y es dependiente por existencia de X; esto implica que si eliminamos a la entidad X, deberá eliminarse la entidad Y. en este caso se nombrará X como la entidad dominante, y a Y como entidad subordinada. 25
Modelo Distribuido Lic. José Manuel Alvarado Una Base de Datos Distribuida es, una base de datos construida sobre una red computacional y no por el contrario en una máquina aislada. La información que constituye la base de datos esta almacenada en diferentes sitios en la red, y las aplicaciones que se ejecutan accesan a datos en distintos sitios. Una Base de Datos Distribuida entonces es una colección de datos que pertenecen lógicamente a un sólo sistema, pero se encuentra físicamente esparcido en varios "sitios" de la red. Un sistema de base de datos distribuidas se compone de un conjunto de sitios, conectados entre sí mediante algún tipo de red de comunicaciones, en el cual: Cada sitio es un sistema de base de datos en sí mismo, pero, Los sitios han convenido en trabajar juntos (si es necesario) con el fin de que un usuario de cualquier sitio pueda obtener acceso a los datos de cualquier punto de la red tal como si todos los datos estuvieran almacenados en el sitio propio del usuario. En consecuencia, la llamada "base de datos distribuida" es en realidad una especie de objeto virtual, cuyas partes componentes se almacenan físicamente en varias bases de datos "reales" distintas ubicadas en diferentes sitios. De hecho, es la unión lógica de esas bases de datos. En otras palabras, cada sitio tiene sus propias bases de datos "reales" locales, sus propios usuarios locales, sus propios DBMS y programas para la administración de transacciones (incluyendo programas de bloqueo, bitácoras, recuperación, etc.), y su propio administrador local de comunicación de datos. En particular un usuario dado puede realizar operaciones sobre los datos en su propio sitio local exactamente como si ese sitio no participara en absoluto en el sistema distribuido (al menos, ése es uno de los objetivos). La diferencia principal entre los sistemas de bases de datos centralizados y los distribuidos es que en los primeros, los datos residen en una sola localidad, mientras que, en los últimos, se encuentran en varias localidades. Cada localidad puede procesar transacciones locales, es decir, aquellas que sólo acceden a datos que residen en esa localidad. Además, una 26
localidad puede participar en la ejecución de transacciones globales, es decir, aquellas que acceden a datos de varias localidades, ésta requiere comunicación entre las localidades. Ejemplo 1 Base de Datos Distribuida geográficamente dispersada Considere un banco que tiene tres sucursales, en cada sucursal, un computador controla las terminales de la misma y el sistema de cuentas. Cada computador con su sistema de cuentas local en cada sucursal constituye un "sitio" de la BDD; las computadoras están conectadas por la red. Durante las operaciones normales, las aplicaciones en las terminales de la sucursal necesitan solo accesar la BD de la misma. Como solo accesan la misma red local, se les llaman aplicaciones locales. Desde el punto de vista tecnológico, aparentemente lo importante es la existencia de algunas transacciones que accesen información en más de una sucursal. Estas transacciones son llamadas transacciones globales o transacciones distribuidas.la existencia de transacciones globales será considerada como una característica que nos ayude a discriminar entre las BDD y un conjunto de base de datos locales. Una típica transacción global sería una transferencia de fondos de una sucursal a otra. Esta aplicación requiere de actualizar datos en dos diferentes sucursales y asegurarse de la real actualización en ambos sitios o en ninguno. Asegurar el buen funcionamiento de 27
aplicaciones globales es una tarea difícil. En el ejemplo 1 las computadoras estaban geográficamente en diferentes puntos; también, BDD pueden ser construidas en una red local. CUADRO COMPARATIVO DE LOS MODELOS DE DATOS MODELO JERÁRQUICO Fueron los primeros en aparecer. Se puede visualizar como una estructura en árbol. Son bastante rígidas. Una vez diseñada la base de datos, es complejo cambiarla y además, es necesario un conocimiento amplio de la forma en la que se han almacenado los datos para poder recuperarlos de forma efectiva. Dominaron el mercado en sus comienzos Han ido decayendo y actualmente no se encuentran en el mercado. MODELO DE RED Fueron una evolución del modelo jerárquico. Cada uno de los registros están enlazados entre sí, pero nonecesariamente siguiendo una estructura en árbol. Elimina parte de las rigideces del modelo jerárquico, pero aumentala complejidad para modificar la estructura de la base de datos. A pesar de su buen rendimiento, el número de instalaciones ha sidopequeño y, hoy en día, no se encuentran en el mercado. Sin embargo, aún quedan instalaciones de este modelo, queresponden con gran eficiencia y plena satisfacción de sus usuarios. MODELO RELACIONAL Fue el último en aparecer. Los datos se representan como un conjunto de tablas bidimensionales compuestas de filas y columnas. Cada fila representa una relación entre un conjunto de valores y está identificada por una clave única. Son muy flexibles y de fácil manejo. Un factor decisivo en la implantación de los SGBDs relacionales, ha sido el lenguaje SQL (StructuredQueryLanguage) para la interrogación y el manejo de datos del modelo relacional. Es el modelo dominante en la actualidad. Se encuentra actualmente en el mercado 28