Examen2 bd
0 recomendaciones286 vistas
1) El documento habla sobre diferentes temas relacionados con la integridad y seguridad de los datos en una base de datos, incluyendo los tipos de integridad, transacciones, respaldos, espejo, RAID y replicación de datos. 2) También cubre OLTP vs OLAP, diferentes arquitecturas de alta disponibilidad, y sistemas de información como CRM, GIS y WWW. 3) Explica conceptos como integridad física y relacional, transaccional, respaldos de datos y transacciones, espejo, los
Examen2 bd
- 1. CAPITULO 8 Integridad: Propiedad de los datos para reflejar fielmente la realidad exterior que representan. Integridad Física: Consiste en que los datos estén almacenados en el disco, que no estén a medio escribir o se traslape información. Utiliza las timestamps. Integridad Relacional: Se asegura que los datos almacenados cumplan con el modelo E-R planteado. Aplica en PK, FK y valores de la tabla. Usamos Constraints para esto. Integridad referencial: Garantiza las relaciones entre tablas mediante llaves Integridad semántica: Los datos reflejan adecuadamente el tipo de información para la cual fue diseñada. Integridad de entidad: Garantiza un identificador único y no nulo para cada registro en la tabla. Integridad Transaccional: Propiedad de una transacción de realizar todas las operaciones que la componen o ninguna. Se vale de 3 cosas: Logical log files, physical log files y checkpoints. Physical Log File: Espacio en disco donde guardamos la información del disco antes de un cambio. Así, en caso de alguna caída, podamos recuperar el contenido al menos en el último punto de consistencia. Bitacora de transacciones (Logical Log File):Es un medio que nos permite mantener registro de cada actividad perteneciente a cada transacción en el ambiente de base de datos Rollback: Acción de dar marcha atrás a las transacciones en caso de error o código. Commit: Todas las transacciones que tiene operaciones en dicho logical log file han terminado exitosamente. Checkpoint: Punto en el tiempo donde la consistencia física y transaccional están reconocidas. CAPITULO 9 fast-recovery: se define como aquella operación mediante la cual se regresa al último punto de consistencia conocido (checkpoint) aplicándose todas las transacciones terminadas y dándole marcha atras a aquellas inconclusas al momento de la falla.
- 2. Este proceso consta de dos pasos: Physical Recovery: En este paso se recuperan las imagenes de antes de las páginas modificaadas a partir del último checkpoint, guardadas en el physical log, a fin de garantizar el estado físico de la información al momento de dicho checkpoint. Logical Recovery: En este paso se aplican los pasos posteriores al checkpoint correspondientes a las transacciones activas al momento de checkpoint. Dándoseles comitt a las transacciones acabadas y rollback a las que al momento de falla aún no hayan terminado. El tener logging en una base de datos tenemos la capacidad de salvar mas operaciones que aquellas que se presentan en firme RESPALDOS (BACKUP). Un respaldo es la copia física de las estructuras guardadas en disco del RDBMS a fin de ser almacenadas y ser recuperadas en caso de falla de disco o de perderse la consistencia del sistema. Los respaldo pueden ser de dos tipos: De datos o físicos. De transacciones. Respaldos de datos: Los respaldos de datos son, como su nombre lo indica, la copia física de una y cada una de las páginas que contienen datos, índices, tablas de catálogo de sistema e información elemntal para poder levantar la instancia y recuperar el respaldo. Dado que un respaldo total de una base de datos pudiera tomar demasiado tiempo, existe la facilidad de respaldar solo las páginas que se hayan modificado desde el último respaldo total del sistema, a este tipo de respaldos les llamamos incrementales, en este contexto a los respaldos totales de sistema se le llama de nivel 0, al respaldo que se realiza sobre las páginas modificadas desde este respaldo total se les denomina como respaldo a nivel 1, algunos manejadores permiten un nivel más, el nivel 2 que es aquel respaldo incremental que se efectua sobre aquellas páginas que han cambiado desde el último respaldo a nivel 1 Respaldos de transacciones: Los respaldos de transacciones nos pueden ayudar a ahorar trabajo al momento de llevar la base de datos al último momento en el tiempo antes de la falla, si recordamos bien la bitácora de transacciones guarda, en forma compacta, todas las operaciones que afectan el contenido de la B.D., es decir, podemos salvar horas y horas de trabajo tan solo con respaldar la bitácora de transacciones. Mejor aún, algunos manejadores ofrecen la facilidad de recuperar en un punto en el tiempo.
- 3. ESPEJEO (MIRRORING). Un respaldo puede solucionar, eventualmnte, casi cualquier contingencia, sin embargo existen aplicaciones que nunca debieran detenerse, o detenerse lo mínimo solo en casos emergentes, a este tipo de sistemas se les conoce como de Misión Crítica, el siguiente nivel de seguridad de datos consiste en atacar la mayor causa de problemas graves: el disco, sabemos que una falla en disco significa pérdida de información, tener que dar de baja el motor y recuprar de respaldo. Una alternativa consiste en tener duplicada la información en dos discos en lugar de uno, así si uno de los discos falla el segundo entra en su lugar y el RDBMS jamás se da de baja, mejor aún, se puede cambiar el disco dañado, actualizar la información en el disco nuevo (a esta actividad le llamamos sincronización). ARREGLOS REDUNDANTES DE DISCOS INDEPENDIENTES (RAID). Se manejan cinco modelos de arreglos de disco para incrementar la seguridad de los datos en caso de problemas de hardware, o niveles de RAID. Ellos catalogaron sus modelos RAID (Redundant Arrays of Inexpensive Disks) del nivel 1 al 5. Los niveles RAID originales son: RAID Nivel 1, también conocido como disk mirroring, nos protege contra fallas en disco replicando toda la información contenida en el disco al menos una vez en otro dispositivo. Para algunas aplicaciones con actividad de I/O muy intensivas, un arreglo con RAID Nivel 1 puede mejorar el performance en comparación con un solo disco. RAID Nivel 2 , provee redundancia usando el código de Hamming. Los datos y un código para la detección de errores son manejados a lo largo de todos los discos del arreglo a nivel de bit. El código de detección y corrección de datos es el código de Hamming ampliamente usado para la detección y corrección de datos en la memoria RAM. Dado que el código de Hamming es usado tanto para la detección como para la corrección, el RAID Nivel 2 no hace uso completo de todas las capacidades de corrección de errores que comunmente vienen incorporadas dentro de las controladoras de disco RAID Nivel 3 usa un disco de paridad para almacenar información redundante sobre la data de los otros discos. El RAID Nivel 3 trabaja relies en estrecha coordinación del S.O. como miembro de las actividades de disco. El RAID Nivel 3 es óptimo para aplicaciones en las que grandes bloques de información secuencial deben ser transefridas rápidamente pero no es recomendable para el procesamiento de transacciones. RAID Nivel 4 también usa un disco de paridad para almacenar información redundante sobre los datos guardados en los otros discos. La diferncia entre el nivel 3 y el nivel 4 es que el RAID Nivel 3 opera los discos pertenecientes al arreglo al unísono, mientras que el RAID Nivel 4 los opera independientemente. RAID Nivel 5 usa la capacidad de almacenamiento equivalente al de un disco en el arreglo para almacenar la información de paridad de los datos almacenados en los discos restantes del arreglo. Difiere del RAID Nivel 3 en que los discos en el arreglo operan independientemente los unos de los
- 4. otros, además deque la información redundante de los discos restantes está distribuida entre todos los discos de arreglo. RAID Nivel 5 ofrece las ventajas de confiabilidad del mirroring con el stripping. A menos de que un cache se use, puede haber un degradamiento substancial del performance en comparación al acceso a disco convencional. Un RAID Nivel 5 se recomienda para aplicaciones cuyas cargas de I/O consisten fundamentalmente en un enorme número de lecturas asíncronas. El RAID Nivel 6 usa un segundo disco más conteniendo, por segunda vez, información redundante para proporcionar protección contra pérdida de datos ocacionada por una doble falla en disco, obviamente también cubre contra falla en un solo disco del arreglo. RAID Nivel 0, que es comunmente referido al stripping, operación mediante la cual se distribuye pedazos de información entre los diferentes discos del arreglo como si fuesen “tiras”, la razón por la que se le conoce como RAID es por que el mapeo de la data en los discos es parecido al que hacen los arreglos de disco con RAID, aunque, como podemos percatarnos, NO existe redundancia de datos en un RAID nivel 0, sin embargo el término es por demás aceptado y completamente usado por la industria y el medio. También se encuentran en el mercado combinaciones de los Nivelels de RAID arriba descritos en muchos productos comerciales. La combinación más popular es el RAID 10 o, más comunmente 0+1, la cual combina el stripping del RAID Nivel 0 y el mirroring del RAID Nivel 1 en un solo arreglo que provee de disponibilidad de datos y mejoras en el perfrormance de la I/O a través del striping. REPLICACION DE DATOS (HDR). Por Replicación de Datos entendemos al proceso de reproducir los datos presentes en una instancia principal, llamada primaria, en otra instancia denominada secundaria para fines de Alta Disponibilidad, de ahí el témino HDR (High-Availability Data Replication), este comentario aplica por que existe otro tipo de replicación de datos cuya función no es la de tener alta disponibilidad de datos sino la diseminación automática de información entre varias instancias, también llamada Enterprise Replication o por sus siglas ER, aunque hay que admitir que su fundamento interno es muy similar al que aplica en el HDR. La idea es muy sencilla, tener dos instancias idénticas, con idéntica estructura de discos, es decir, mismo número de discos, mismo path de los chunks a nivel de S.O., e idéntico tamaño, precisamente por estas implicaciones la instancia primaria y la secundaria deben estar en cajas distintas. Existen dos tipos de replicación de datos para Alta Disponibilidad: Replicación Síncrona: no basta con enviar la transacción y continuar la operación, en la replicación síncrona el secundario debe enviar una confirmación (aknowledge) de recibido y aplicado antes de que el primario envíe la siguiente transacción, resultado, mayor confiabilidad pero menor performance.
- 5. Replicación Asíncrona: el primario envía la transacción y no espera reconocimiento (aknowledge) para enviar el siguiente paquete. Existe una señal que se envía el primario al secundario, una especie de ping, si el secundario deja de recibir esta señal por un tiempo especifico, completamente configurable, entonces asume que el primario se ha caido y de acuerdo a la política que escojamos el secundario puede salir de su estado de Fast Recovery a un estado completamente operable, admitiendo actualizaciones, de dos formas: Automática. Asistida. En la primera se coloca como primario automáticamente, si bien las conexiones al primario original se pierden, todo lo que tendrán que hacer los usuarios es conectarse al que antes era el secundario y voila. Esquemas de Alta Disponiblidad por HW (HA): Una vez más pudiera darse el caso de que el esquema de replicación no fuera suficiente, en este sentido existen una amplia gama de plataformas que ofrecen esquemas de alta disponibilidad (High Availability). Lo que hacen es configurar una IP-Address virtual entre dos equipos clusterizados o dominios, en cuanto alguno de estos se daña, la IP-Address apunta al equipo en buen estado, el contenido de memoria es almacenado a disco, y estos son, a su vez. REDUNDANCIA COMPLETA DE SERVIDORES (TANDEM): existen esquemas de HW replicado en forma integral, en esta arquitectura todo, y digo TODO, está duplicado, memoria, disco, CPU´s, de hecho todo requerimiento se procesa simultaneamente en los dos equipos, comparando los resultados en puntos claves, si bien su confiabilidad es la más alta del mercado generalmente lo es también su precio, actualmente los fabricantes más comunes de esta tecnología son Tandem y Sequent. CAPITULO 10 OLTP: Un ambiente transaccional u OLTP (OnLine Transaction Processing) es aquel dedicado a la consulta y actualizaciones concurrentes a alta escala. Gran número de actualizaciones concurrentes. Queries de alta selectividad, es decir, cuando se consulta la B.D. solo un número muy pequeño de registros es devuelto. COMMITED READ
- 6. OLAP: Un ambiente de toma de deciones u OLAP (OnLine Analitical Processing) es aquel dedicado a la alta gerencia y dirección a fin de poder tomar decisiones correctas, oportunas y rápidas a partir de sistemas de información gerencial. En estos ambientes se manejan grandes volumenes de información, pero no se realizan actualizaciones en línea, en estos sistemas de información se guarda únicamente la información necesaria para la toma de decisones y se actualiza periodicamente. Pocas o nulas actualizaciones en línea. Queries que devuelven gran cantidad de información acompañada por consolidados (sumatorias) y ordenados por criterios. Capacidad de realizar queries no planeados por personas que no tienen necesidad conocer tecnicamente el RDBMS ni su arquitectura. DIRTY READ A esta categoría pertenecen los Sistemas de Información Gerencial (SIG), Dataware House (DWH) y DataMarts (DM). WWW esta tecnología puede ser vista como Cliente-Servidor, por su conexión y sus particularidades debe ser visto de una forma completamente aparte. Html (HyperText Marking Language). A este nivel no había una explotación real de bases de datos, solo intercambio de información a documento específicos contenidos como archivos en un disco. CGI Tecnología basicamente lo que hacemos es pasar el control de la interfase html a un programa que corre en el servidor, lee los datos de una página anterior, hace la consulta y genera una página nueva para publicar los resultados.
- 7. CAPITULO 11 Sistemas de información y operación - (transaccionales). Solventar necesidades específicas de la operación cotidiana de la empresa hacia la cual va dirigida. De tipo OLTP. Ejemplo: las soluciones de Terminales Punto de Venta (POS). CRM - Administración de la relación con clientes Modelo orientado hacia el cliente, ofrecen una visión de “que quiere” o “que necesita”. Estos sistemas normalmente se encuentran desarrollados por terceros, algunos de paga y otros Open Source. Ejemplo: módulos del tipo Ventas, Mercadeo, por mencionar los más comunes. GIS - Sistemas de información geográfica Concentrar información geográfica con bases de datos tradicionales, lo que implica no sólo el almacenamiento, sino la capacidad de representar dentro de la base de datos información compleja que no es fácil de manipular con datos convencionales. Bases de datos orientadas a objetos, donde se manejan datos de forma nativa y muy eficiente. Ejemplo: Coordenadas geodésicas, Manejo de latitudes y longitudes, Mapas en formato gráfico, en industrias como telecomunicaciones, agencias espaciales y relacionadas con satélites, empresas petroleras, empresas orientadas a prospección, agropecuarias, climáticas. MIS - Sistemas de información gerencial Son aquellos sistemas de información que normalmente tienen como alcance a toda la compañía orientada a solucionar problemas a nivel de toda la empresa. DSS (Decisión Support Systems) Son sistemas de Información que permiten a la gerencia alta y media, tener la información necesaria para tomar decisiones estratégicas, estos sistemas son del tipo OLAP. ERP - Planificación de recursos empresariales Concentra en un sistema el manejo empresarial de los recursos de la misma (incluido el humano) y que permite tener un control centralizado del manejo de los mismos. Ejemplo: logística, producción, inventario, distribución, facturas y contabilidad.
- 8. CAPITULO 12 Performance Rendimiento, relación directa que existe entre los recursos que posee y el aprovechamiento de éstos. No existen unidades típicas de performance, pero generalmente están asociados bien a tiempos de respuesta, bien a porcentaje en el aprovechamiento de los recursos, o a una combinación de ambos. Metodología Analizar,Planear,Implementar y Evaluar. Tiempo de Respuesta Tiempo de Respuesta=Tiempo de Comunicación + Tiempo de Procesamiento + Tiempo de Disco + Tiempo de Paginación. Segundos por unidad de trabajo. Tiempo de Comunicación Tiempo que tarda en comunicarse la BD con la memoria. Tiempo de Procesamiento Tiempo que tarda en procesarse un query Tiempo de Disco El disco es el factor más crítico en cuanto a performance se refiere, al ser el único dispositivo mecánico del RDBMS uno se puede imaginar cómo puede afectarse el performance en este componente. Tiempo de Paginación Tiempo por cada consulta a cada página. Tiempo de Respuesta de Usuario Usuario oprime ENTER(Tiempo de Respuesta de Usuario)
- 9. Tiempo de Repuesta Interno Sistema inicia ejecución, (Tiempo de Respuesta BD), hasta aplicación presenta data al usuario Tiempo de Respuesta de B.D. Requerimiento al RDBMS, inicia RDBMS, inicia I/O, se completa y RDBMS regresa registro. Tiempo de Respuesta de I/O. Tiempo de uso al I/O en segundos. Uso CPU Segundo de proceso efectivo de CPU sobre segundos reales por cien. Paging rate Número de páginas subidas a memoria por segundo. Transaction Rate Número de páginas subidas a memoria por segundo. I/O Rate Número de Accesos a I/O por segundo. Access Time Access Time = Seek Time + Latency + Transfer Time Seek Time Tiempo que le toma a la cabeza trasladarse a un cilindro específico. Latency Tiempo que le toma al disco el rotar sobre un cilindro específico. Transfer time Que tan rápido puede transferir la data desde y hacia el disco. Buffers de Memory Un conjunto de bytes que son leídos o escritos desde un dispositivo de almacenamiento, en la memoria primaria.La utilización de esta técnica permite reducir el número de accesos a memoria secundaria.
- 10. Estadísiticas Principal herramienta para optimizar procesos y queries problemáticos y deberán ser corridos ANTES de iniciar cualquier análisis de performance. Optimizador Toma la decisión de como resolver un query específico, obviamente, como en el mundo real, las estadísticas sobre los datos, índices y esquemas de la base de datos ayudan a nuestro optimizador a conseguir mejores tiempos de respuestas. Benchmark Resultado de la ejecución de un programa informático o un conjunto de programas en una máquina, con el objetivo de estimar el rendimiento de un elemento concreto, y poder comparar los resultados con máquinas similares. Pruebas TPC Se encargan de medir y evaluar las funciones y operaciones de la computadora, en el mundo de los negocios se refiere al intercambio de servicios. TPC-A Mide el desempeño en ambientes de bases de datos de actualización intensivos típicos de aplicaciones en línea de procesamiento de transacciones. TPC-B Mide el rendimiento en términos de número de transacciones por segundo que un sistema puede realizar. TPC-C Es un punto de referencia de transacciones en línea de procesamiento. Se encarga de comparar el rendimiento del standard OLTP dentro del hardware y algunas configuraciones del software TPC-D Representa una amplia gama de soporte de decisiones (DS) las aplicaciones que requieren consultas complejas, de larga ejecución en contra de las grandes estructuras de datos complejas. TPC-H Es un grupo ad-hoc, punto de referencia de soporte de decisiones. Es una prueba de rendimiento de decisión. Consiste en un conjunto de negocios orientados a queries y a modificaciones de datos de manera concurrente
- 11. TPC-R Es una información de negocios, punto de referencia de soporte de decisiones. TPC-W Es una red de transacciones de comercio electrónico de referencia. Es una prueba de rendimiento web. CAPITULO 13 Dataware House Es, en el sentido más amplio del término, un sistema de toma de decisiones (DSS). En un DWH se busca, a su vez, concentra5r un repositorio de información al nivel de la compañía, a fin de que los resultados que afectan a toda la compañía sean precisos y la alta dirección tenga fuentes de información consistentes y adecuadas para la toma de decisiones. Datamart Es, fundamentalmente, un subconjunto de un dataware house, mismo que está orientado a un departamento o unidad específica de negocios. En un datamart la data tiene un alto grado de sumarización a nivel mensual, bimestral, trimestral, semestral o anual. No se actualiza con frecuencia pero la información se reemplaza a intervalos regulares a fin de mantener la precisión. Dataminning El proceso de búsqueda de información dentro de un dataware house es su razón de ser, su principal inquietud y su principal poderío, a dicho proceso se le conoce como exploración de datos o Dataminning. Este proceso hace uso no solamente de las tablas de hechos y de dimensiones, sino inclusive de información acerca de la información, de ahí el témino Metadata, esta metadata sirve tanto para encontrar la mejor manera de explotar la información, como para generar consultas no planeadas. Objeto entidad poseedora de ciertos elementos ennumerables en forma de sustantivos llamados atributos. OORDBMS A un manejador de bases de datos relacional capaz de manejar Objetos se le conoce como Sistema Manejador de Base de Datos Relacional Orientado a Objetos u OORDBMS por sus siglas en inglés.
- 12. Herencia a la capacidad de un objeto de poseer todos los atributos y métodos del objeto a partir del cual fue creado, así pues, el objeto nuevo llamado “imaginario”, generado a partir del objeto “real”, poseerá todos los elementos del objeto “real” más los propios (otro “real”), así como todos los métodos de real(“+,-,*,/,sqr, sqrt”) más los propios (“suma_vec, resta_vec, producto_cruz, producto_punto”) Encapsulamiento así mismo un objeto debe ser visto como una caja negra, sabiendo que párametros acepta, que métodos tiene, que resultados arroja a partir del tipo de operación realizada, todo ello viéndolo como el objeto tal cual es a este enfoque se refiere el encapsulamineto. Polimorfismo se refiere a la cualidad de un objeto de actuar en formas distintas dependiendo del ambiente en el que esté actuando. Primitiva los tipos de datos presentes en un RDBMS deja de ser tipos rígidos para convertirse en un objeto en sí mismo, del cual pueden salir varios tipos de datos difrenetes más, y de ahí que a este tipo de datos en partícular le llamemos “primitivas”. e-commerce. El caso más impresionante y en apogeo del uso de OORDBMS y Web es el uso de comercio electrónico o e-commerce, este ambiente debe ser considerado como un ambiente OLTP con implicaciones de objetos y el webserver. JDBC Otra forma de realizar este tipo de consultas es a través de interfases de usuario diseñadas por el manejador de Web Server, que incluyen módulos opcionales para comunicarse directamente a un manejador de base de datos a través de Java o ActiveX a través de ODBC drivers específicos, que en el caso de Java reciben el nombre de JDBC’s. Webserver Otro esquema consiste en expandir el lenguaje HTML para permitir el incorporar instrucciones SQL y algunas estructuras de control como extenciones al HTML estándard, teniendo programas que sirven de interfase permitiendo al manejador de base de datos encargarse tanto de la extracción de información como de la presetación de ésta dentro de un Web Server comercial, dada la naturaleza de los datos regresados y la funcionalidad extentidad requerida para el manejo de este tipo de datos, el manejador de base de datos requerido debe ser un OORBDMS.