Chinchilla Arley, Ricardo

Fragmentacin de datos en bases de datos distribuidas.

Tecnologa en Marcha. Vol. 16 N 4.

Fragmentacin de datos
en bases de datos distribuidas
Ricardo Chinchilla Arley 1

Al estudiar el tema
de bases de datos
distribuidas (BDD) Palabras clave informacin distribuidos sobre redes de
se deben tratar dos computadoras. Una base de datos es una
elementos Bases de datos, almacenamiento distribuido
coleccin lgicamente coherente de datos
fundamentales: de datos, diseo de baes de datos.
interrelacionados con un significado
las bases de datos inherente y creada con un propsito
y los sistemas de particular. Por su parte, un sistema
Resumen
tecnologa de distribuido interconecta los lugares que
informacin La investigacin se inicia con una tienen diferentes elementos de tecnologa
distribuidos definicin de base de datos distribuida, de informacion para capturar y almacenar
sobre redes de su estructura y los factores por tomar en datos, procesarlos y enviarlos a otros
computadoras. cuenta para su diseo. Despus se sistemas. Ahora bien, una BDD podra
centra en la distribucin de los datos, la definirse como una coleccin de mltiples
descripcin de los tipos de bases de datos lgicamente interrelacionadas
fragmentacin (horizontal, vertical y (denominadas localidades) y distribuidas
mixta) y sus respectivas operaciones sobre una red de computadoras. Se podra
algebraicas. Finalmente, se describe decir que es la unin de un sistema de base
brevemente cmo se realiza la de datos y un sistema de redes de
localizacin de los datos dentro de la computadoras, lo cual es posible gracias al
base de datos. desarrollo de las telecomunicaciones.
Descriptores: Bases de datos, bases de Su funcionamiento bsico consiste en el
datos distribuidas, redes de computadoras. almacenamiento de datos en varios
computadores, los cuales se comunican
a travs de diversos medios, tales como
Introduccin
cables telefnicos, coaxiales o fibra
Al estudiar el tema de bases de datos ptica. Cada localidad mantiene una
distribuidas (BDD) se deben tratar dos base de datos local y puede procesar
elementos fundamentales: las bases de tanto transacciones locales (acceden a
datos y los sistemas de tecnologa de datos locales), como globales (acceden

1 Ricardo Chinchilla Arley, Master en Computacin ITCR, funcionario Centro Centroamericano de

Poblacin, Director Biblioteca Sede del Atlntico, Universidad de Costa Rica. (richar@ccp.ucr.ac.cr).

60 Vol. 16 N 4
 a datos de varias localidades) (Figura
1). Para manipular la informacin
almacenada, se utiliza un Sistema
Administrador de Base de Datos
Distribuida (SABDD), el cual
constituye el software que permite la
administracin de la base, de tal forma
que su manejo sea transparente al
Figura 1
Medio ambiente de una bdd
El principal objetivo usuario, como si se tratara de una
de un SABDD base local.
es compartir y acceder
Las localidades de un SABDD pueden
a la informacin
estar dispersas en forma fsica dentro de
de una manera
confiable y eficaz.
una red, ya sea de rea local (LAN) o
extendida (WAN).
El principal objetivo de un SABDD es
compartir y acceder a la informacin de
una manera confiable y eficaz. Si varias
localidades diferentes estn conectadas
entre s, un usuario de una localidad
puede acceder a los datos de otra.
Adems, si se produce un fallo en una
localidad, es posible que las otras
localidades continen trabajando sin
contratiempos. Para el usuario, la
distribucin es totalmente trasparente y
maneja la base datos como si estuviese
centralizada. De esta manera, cuando
realiza una consulta que implica datos
de varias localidades, la consulta se
divide en subconsultas que se ejecutan
en paralelo.
Fragmentacin
Para acceder a una porcin de datos en
un SABDD, un programa busca y
recupera el dato que necesita. Dicho
dato no se mueve por todo el sistema,
sino que reside en una localidad. Los
procesos que se ejecutan utilizan
operaciones algebraicas para determinar
su ubicacin y recuperarlo.
Una base de datos relacional presenta la
informacin esencialmente en forma de
tablas. Este tipo de base de datos se baja
en un esquema relacional, el cual se
define como un conjunto de atributos
r={a2, ..., an} donde cada atributo ai es el
nombre de un rol de un dominio y donde
dominio Di=dom(ai).
Una relacin o instancia de relacin r de
un esquema de relacin r(a1, a2, ..., an)
es un conjunto de tuples {t1, ..., tn}. Cada
tuple, por su parte, es una lista ordenada
de valores
t= <v1, ..., vn>
y i {1, .., n} : vi dom (ai) o vi =
null
Existen dos alternativas para dividir cada
tabla en tablas ms pequeas: la divisin
horizontal (tuplas) o la divisin vertical
(atributos). Existe tambin lo que se
conoce como fragmentacin hbrida o
mixta. As, sea una relacin r, esta se
fragmentar en r1, r2, ..., rn. Los
fragmentos contienen informacin
suficiente para construir la relacin r
original. Esta reconstruccin puede
llevarse a cabo utilizando la operacin de
unin o un tipo especial de unin sobre
los diversos fragmentos denominado join
. Al reconstruir la informacin se debe
Vol. 16 N 4 61
 evitar producir tuples espurios derivados
de un planteo incorrecto de la operacin.
El grado de fragmentacin puede ir de
0% a 100%, tanto vertical (atributos
individuales), como horizontal (tuples
individuales). El nivel debe ser definido
de acuerdo con la aplicacin que se
desarrollar.
Ozsu (1991) establece tres reglas para
una fragmentacin exitosa:
Fragmentacin horizontal
Tomando la misma relacin r, la cual se
divide en dos subconjuntos r1, r2, ..., rn,
cada tupla de r debe pertenecer a alguno
de los fragmentos y cada ai es un
atributo definido sobre un dominio Di.
As mismo, un fragmento puede
definirse como una seleccin de r y para
construir el fragmento utilizamos un
predicado pi ya sea simple o compuesto

Completitud. Si una relacin r es ai= pi(r)

descompuesta en los fragmentos r1, r2, donde el predicado simple es definido de
..., rn cada dato que se encuentra en r la forma
tambin debe ser encontrado un uno o
pi: ai valor
ms fragmentos ri.
donde {=, <, >, , , } y valor es
Reconstruccin. Si una relacin r es
seleccionado del dominio de ai valor.
fragmentada en r1, r2, ..., rn, es posible
Un predicado compuesto es definido por
definir un operador relacional tal que
la conjuncin de predicados simples.
r= ri, ri Fr
Para la reconstruccin de la relacin
Disjointness. Si una relacin r es original, simplemente se unen todos los
descompuesta horizontalmente en fragmentos
fragmentos r1, r2, ..., rn, y el dato di est
r=r1 r2 ... rn
en rj, este dato no va a estar en ningn
otro fragmento rk(k J). Si la relacin r Tomando el ejemplo propuesto y
es descompuesta verticalmente, su teniendo tres sucursales (San Pedro,
atribuyo llave primaria es repetido en Cartago, Santa Ana).
todos los fragmentos. Esto quiere decir depsito1 = nom_suc = San Pedro
que la fragmentacin se produce en los (depsito)
atributos que no contienen la llave
primaria de la relacin. depsito2 = nom_suc = Cartago
(depsito)
La finalidad de la fragmentacin ha de
ser siempre la bsqueda de un mejor depsito3 = nom_suc = Santa Ana
rendimiento. (depsito)
Tomemos el siguiente esquema de De esta manera, el fragmento depsito1
relacin a manera de ejemplo: se almacena en la localidad San Pedro,
el fragmento depsito2 en la localidad
depsito (nom_cliente, num_cta, nom_suc, saldo) Cartago y el fragmento3 en la localidad
Santa Ana.
nom_cliente num_cta nom_suc saldo Para realizar la fragmentacin horizontal,
debemos tomar en cuenta dos factores
Luis Chvez 7465 San Pedro 30000 importantes:
Silvia Daz 4582 San Pedro 70000
Jos Mora 3256 Cartago 20000 La selectividad del trmino del
Julia Meza 2145 Cartago 50000 predicado, esto es, el nmero de
Juan Vargas 9521 Santa Ana 10000 tuplas de una relacin que pueden
Xinia Vquez 3469 Santa Ana 40000 ser accesadas por una consulta de

62 Vol. 16 N 4
 depsito 1
llave primaria de la relacin, con el fin de
comprobar la integridad. Otra alternativa
nom_cliente num_cta nom_suc saldo
consiste en agregar un atributo adicional,
denominado id_tupla, el cual ser la
Luis Chvez 7465 San Pedro 30000 direccin fsica lgica de una tupla, lo cual
Silvia Daz 4582 San Pedro 70000 lo convierte en una llave del esquema. De
esta manera, si descomponemos
verticalmente el ejemplo en
depsito_vert1=(nom_cliente, nom_suc,
depsito 2 id_tupla)

nom_cliente num_cta nom_suc saldo depsito_vert2=(num_cta, saldo,

id_tupla)
Jos Mora 3256 Cartago 20000 y utilizando la siguiente operacin para
Julia Meza 2145 Cartago 50000 la fragmentacin
depsito4=depsito_vert1 (depsito)
depsito5=depsito_vert2 (depsito)
depsito 3
tendremos lo siguiente
nom_cliente num_cta nom_suc saldo

Juan Vargas 9521 Santa Ana 10000 depsito 4

Xinia Vquez 3469 Santa Ana 40000
nom_cliente nom_suc id_tupla

Luis Chvez San Pedro 1

usuario y que satisfacen el trmino Silvia Daz San Pedro 2
del predicado utilizado. Jos Mora Cartago 3
Julia Meza Cartago 4
La frecuencia de acceso a los datos.
Juan Vargas Santa Ana 5
Xinia Vquez Santa Ana 6
Fragmentacin vertical
Para realizar la fragmentacin vertical
de r(R) se debe involucrar la definicin
depsito 5
de varios subconjuntos R1, R2, ..., Rn
tales que:
nom_cliente saldo id_tupla
R= R1 R2 ... Rn
Luis Chvez 30000 1
Cada fragmento ri de r se define por:
Silvia Daz 70000 2
ri= Ri (r) Jos Mora 20000 3
La relacin r puede reconstruirse a Julia Meza 50000 4
partir de los fragmentos realizando la Juan Vargas 10000 5
operacin de join, en la cual se combina Xinia Vquez 40000 6
una seleccin de un producto cartesiano
r= r1 r2 ... rn Para la reconstruccin basta con realizar
la operacin
Para realizar la fragmentacin vertical
es necesario agregar a cada fragmento la depsito (depsito 4 depsito 5)

Vol. 16 N 4 63
 Fragmentacin hbrida o mixta depsito 4a
En algunos casos, la fragmentacin
horizontal y vertical no es suficiente nom_cliente nom_suc id_tupla
para satisfacer los requerimientos de los
usuarios de la aplicacin. Es posible Luis Chvez San Pedro 1
aplicar fragmentacin horizontal a un Silvia Daz San Pedro 2
fragmento obtenido con fragmentacin
vertical o viceversa (figura 2).

depsito 4b

nom_cliente nom_suc id_tupla

Jos Mora Cartago 3

Julia Meza Cartago 4

En algunos casos,
depsito 4c
la fragmentacin
horizontal y vertical Figura 2
nom_cliente nom_suc id_tupla
no es suficiente Fragmentacin hbrida o mixta
para satisfacer los
Juan Vargas Santa Ana 5
requerimientos
Xinia Vquez Santa Ana 6
de los usuarios Por ejemplo, al tener una relacin r
de la aplicacin. dividida en los fragmentos r1, r2, ..., rn,
obtenidos al aplicar la fragmentacin
horizontal o vertical, es posible aplicar depsito 5
una fragmentacin a uno de los
fragmentos ya obtenidos con antelacin. nom_cliente saldo id_tupla
As, si se desea fragmentar
horizontalmente depsito4 obtenido Luis Chvez 30000 1
anteriormente con fragmentacin vertical, Silvia Daz 70000 2
tendremos Jos Mora 20000 3
Julia Meza 50000 4
Depsito4a = nom_suc=San Pedro
Juan Vargas 10000 5
(depsito4)
Xinia Vquez 40000 6
Depsito4b = nom_suc=Cartago
(depsito4)
Depsito4c = nom_suc=Santa Ana
(depsito4) la fragmentacin vertical y la horizontal
(figura 3).
Con lo que la relacin r se divide en 4
fragmentos: depsito4a, depsito4b,
depsito4c y depsito5. Localizacin de los datos
Cada uno de estos fragmentos se Todas las consultas realizadas por un
almacena en localidades diferentes. Para usuario del sistema se ejecutan en forma
la reconstruccin, se debe realizar un atmica, es decir, se ejecutan todas las
join entre los fragmentos generados por instrucciones de la consulta o no se

64 Vol. 16 N 4

Figura 3
Reconstruccin de la fragmentacin
hbrida o mixta
Todas las consultas ejecuta ninguna. Para un sistema
realizadas por un distribuido es bastante complicado
usuario del sistema garantizar la atomicidad de las consultas
se ejecutan en forma puesto que es posible que participen
atmica, es decir, varias localidades en su ejecucin. El
se ejecutan todas fallo de una de esta localidades o de la
las instrucciones lnea de comunicacin puede dar como
de la consulta o resultado clculos errneos. Para
no se ejecuta ninguna. enfrentar este problema, cada localidad
cuenta con un administrador de
transacciones el cual se encarga de
gestionar la ejecucin de aquellas
transacciones que accedan a datos
almacenados en esa localidad. Los
administradores de las diferentes
localidades cooperan para ejecutar las
transacciones globales.
Como se ha visto hasta este momento,
cualquier entidad fragmentada puede ser
reconstruida nuevamente. El proceso de
reconstruccin o fragmentacin reversiva
se denomina programa de localizacin.
Al realizar una consulta, la cual es
formulada en un lenguaje de consulta de
alto nivel, es automticamente traducida
en un plan de ejecucin de bajo nivel. Esta
transformacin tiene dos requerimientos:
la consulta se debe haber formulado
correctamente, para que el plan de
ejecucin produzca los resutados
esperados, y debe ir en concordancia de
la minimizacin de costos por el
consumo de recursos.
Como el direccionamiento de la consulta
tiene dos requerimientos, esta debe
concentrarse en dos pasos secuenciales:
localizacin de los datos y optimizacin
global. Estos pasos son precedidos por
su descomposicin y reescritura en
lgebra relacional. La localizacin de
los datos transforma una consulta
algebraica en su consulta fragmentada
equivalente (expresada en fragmentos de
la base almacenada en diferentes
localidades). La optimizacin global
genera un ptimo plan de ejecucin para
la consulta fragmentada, creando
decisiones relativas a la operacin de
ordenamiento, movimiento de los datos
entre las localidades, y la seleccin de
los algoritmos distribuidos y locales
para la operacin de los datos.
Discusin
Las bases de datos distribuidas han
permitido que los sistemas de base de
datos puedan crecer considerablemente
en la cantidad de informacin que
manejan, al permitir la integracin de
mltiples computadoras, distribuidas en
distintas partes de un rea geogrfica
determinada y cada una tener los
recursos suficientes para contener y
manejar por s sola grandes cantidades
de informacin. Se comportan de la
misma forma que las bases de datos
relacionales, incluyendo la arquitectura
de tres niveles, afectando solamente
al nivel fsico la manera de almacenar
sus datos.
El ejemplo de sistemas distribuidos
permite dividir las consultas para ser
realizadas a una mayor velocidad por
distintas mquinas o procesadores,
incrementando enormemente el
rendimiento del sistema de base de
datos. Ofrece tambin la ventaja de una
Vol. 16 N 4 65
 mayor confiabilidad, debido a la
redundancia. Por otro lado, el desarrollo
del Internet facilita an ms la
aplicacin de este esquema, pero
tambin aumenta sus riesgos y obliga a
invertir ms en seguridad.
Se debe considerar para el diseo de la
distribucin de los datos, los factores
que contribuyen a un diseo ptimo. La
organizacin lgica de la base de datos,
la localizacin de las aplicaciones, las
caractersticas de acceso de las
aplicaciones a la base de datos y las
La mayor ventaja caractersticas del sistema en cada sitio,
que presenta esta tienen una decisiva influencia sobre la
tecnologa radica distribucin. La informacin necesaria
en el desarrollo y para el diseo de la distribucin puede
crecimiento modular, dividirse en cuatro categoras: la
donde distintas informacin de la base de datos, la
localidades podrn informacin de la aplicacin, la
ser incluidas informacin sobre la red y la
conforme va informacin sobre las mquinas
creciento en sistema. conectadas a esta. Las dos ltimas son
de carcter cuantitativo y servirn,
principalmente, para desarrollar el
proceso de asignacin.
La mayor ventaja que presenta esta
tecnologa radica en el desarrollo y
crecimiento modular, donde distintas
localidades podrn ser incluidas
conforme va creciento en sistema,
lo cual definitivamente influye de
manera muy positiva en el costo final
del proyecto.
Al iniciar el estudio de un desarrollo sobre
esta tecnologa, se deben tener presentes
algunos aspectos que han de ser
manejados adecuadamente. Es preciso
tomar las decisiones sobre la distribucin
fsica de la informacin y de qu manera
ser fragmentada. Se debe determinar y
distribuir las copias de los fragmentos en
distintas localidades, la forma en que se
va a manejar la posibilidad de
modificaciones concurrentes de la misma
informacin y el control de las
actualizaciones de la informacin
duplicada para mantener la consistencia.
66 Vol. 16 N 4
Otro aspecto de gran importancia es el de
mecanismos de recuperacin despus de
fallas, tales como la posibilidad de que,
debido a problemas en la comunicacin,
el sistema quede dividido en dos o ms
sub-redes fragmentadas.
Aunque las teoras de sistemas
distribuidos tienen un camino largo en el
mbito de la investigacin, al parecer
hasta hace poco se han aplicado estos
sistemas al mbito comercial, donde
existe un nicho muy grande de
aplicacin. Dicho nicho tiende a crecer
en la medida en que se adentra cada vez
ms en un mundo globalizado, donde la
informacin es utilizada y creada de
manera global.
Bibliografa
Bases de datos distribuidas. s.l.: Escuela
Universitaria de Informtica, s.f.
http://www-oei.eui.upm.es/Asignaturas/BD/
Distribuidas.htm
Bases de datos distribuidas: doce normas para
su manejo. Mundo de la computacin
4(22):19:21, 1990.
Bouguettaya, Athman; Papazoglou, Mike;
King, Roger. On building a hyperdistributed
database. Information systems. 20(7):557-
577, 1995.
Cahn, Robert. Wide area network desing:
concepts and tools form optimization. San
Francisco: Morgan Kaufmann Publishers,
1998.
Gonzlez Alvarado, Carlos. Sistemas de bases
de datos. Cartago: Editorial Tecnolgica de
Costa Rica, 1996.
Gonzlez Martn, Oscar. Arquitecturas de
sistemas de bases de datos. Castilla La
Mancha, Espaa: Universidad de Castilla La
Mancha, 2000. http://alarcos.inf-
cr.uclm.es/doc/bda/doc/trab/T9900_OGonz
alez.pdf
Hua, Kien; Lee, Chiang; Young, Honestly.
Data partitioning for multicomputer
database systems: a cell-based approach.
Informacin system. 18(5):329-342, 1993.
Korth, Henry; Silberschatz, Abraham.
Fundamentos de bases de datos. Madrid:
McGraw-Hill, 1993.
Nitzberg, Bill; Lo, Virginia. Distributed shared
memory: a survey of issues and algorithms.
Computer. 24(8):52-60, 1991.
Rodrguez Santos, Jorge. [helmantika@terra.es]
Diseo de bases de datos distribuidas.
[http://usurios.lycos.es/ jrodr35/]
Ozsu, Tammer; Valduriez, Patrick. Principles
of distributed database systems. New Jersey:
Prentice-Hall, 1991.
Tanenbaum, Andrew. Redes de computadoras.
3 ed. Mxico: Prentice-Hall, 1997.
Vargas, Carlos. Base de datos. Cartago: ITCR,
1995.
Vol. 16 N 4 67