Base de Datos en Internet

1
Base de Datos en Internet
2
Agenda

• Presentación.
• Base de Datos Actuales.
• Consideraciones de Diseño e Implementación en la
  Web.
• Lenguajes y Acceso a Base de Datos.
• Ejemplos.
• Recomendaciones

3
Presentación

• Gabriel Vegas
• Egresado de la UCV
• Loquesea.Com Inc. NYC
• Senior DBA Project Manager
• Manapro Consultores
• Líder de Proyectos
• Consultores Micorp
• Consultor

4
Base de Datos Actuales

• Comerciales
• Microsoft SQL Server 2000
• Oracle 9i
• Informix
• Open Source
• MySQL versión 4.X
• PostgreSQL versión 7.4.X

5
Microsoft SQL Server 2000

• http//www.microsoft.com/sql/
• Características
• Se adapta a cualquier tipo de Site.
• SQL Server XML.
• Hasta 32 Procesadores, 64 GB de Memoria, Tamaño
  Máximo de Bases de datos casi Ilimitado.
• De fácil instalación, uso y administración.

6
MySql versión 4.X

• http//www.mysql.com/
• Características
• Para sites Medianos (10 a 100 Millones de
  registros o 100Mb por tabla, aunque soporta
  tablas en TB).
• Multiplataforma
• Gratis.
• Requiere pocos recursos de Hardware.

7
PostgreSQL versión 7.4.X

• http//www.postgresql.org/
• Características
• Es un Object-Relational database management
  systems (ORDBMS)
• Multiplataforma
• Gratis.
• Requiere pocos recursos de Hardware.
• Posee todas las funcionalidades de los RDBMS
  Comerciales

8
Consideraciones de Diseño e Implementación en la
Web

• Normalización y Redundancia
• Diseño de Capas
• Generación en Disco
• Búsquedas
• Bloqueos
• Índices

9
Consideraciones de Diseño e Implementación en la
Web

• Estos aspectos están relacionados entre si y
  definen parte del diseño de base de datos y del
  site, para obtener un alto rendimiento y
  performance.

10
Consideraciones de Diseño e Implementación en la
Web

• Normalización y Redundancia
• La finalidad de la Normalización es reducir las
  inconsistencias y redundancias de los datos,
  facilitar el mantenimiento y evitar las anomalías
  en las manipulaciones de datos.
• Realidad En sites donde hay grandes cantidades
  de datos y consultas, a veces duplicar
  información es la solución a un join innecesario,
  complicado o costoso. Pero se necesitan procesos
  para mantener la consistencia de los datos.

11
Consideraciones de Diseño e Implementación en la
Web

• Diseño de Capas
• La separación del site en capas lógicas para la
  Interfaz, la lógica del negocio y los datos. (3
  Capas)

12
Consideraciones de Diseño e Implementación en la
Web

• Diseño de Capas (cont.)
• Para obtener un buen diseño de una aplicación de
  n-capas es necesario poder colocar los métodos de
  las clases correctas en las capas correctas.
• Como Resultado se obtiene
• Aplicaciones versátiles
• Escalabilidad
• Buen desempeño.
• Seguridad y Auditoria

13
Consideraciones de Diseño e Implementación en la
Web

• Diseño de Capas (cont.)
• Realidad Es totalmente cierto y 100 funcional.
• Lo importante es hacer estas capas de manera que
  se puedan fácilmente ser manipuladas y
  modificadas. Hay que apoyarse en la arquitectura
  que tenemos para poder sacar provecho a nuestro
  site.

14
Consideraciones de Diseño e Implementación en la
Web

• Diseño de Capas (cont.)
• Algunos Elementos Involucrados
• Capa de Presentación
• HTML, DHTML, CSS, XML, XSL, Languages Scripts,
  Browsers, Mobiles.
• Capa de Lógica de Negocio
• ActiveX, CORBA, Componentes JAVA, Web Services
• Capa de Datos
• RDBMS

15
Consideraciones de Diseño e Implementación en la
Web

• Diseño de Capas (cont.)
• Ejemplo Uso de Componentes COM.
• Aunque suele ser una forma cómoda de programar y
  reutilizar código, no es siempre fácil de
  administrar y mantener sin afectar el
  funcionamiento del site. (Registro de DLLs)

16
Consideraciones de Diseño e Implementación en la
Web

• Diseño de Capas (cont.)
• Ejemplo Separación de Código en Lenguajes
  Scripts (ASP, PHP, JSP).
• Como resultado se obtienen librerías para ser
  usadas mediante Includes, asi se separa
  logicamente la capa de presentación de la capa de
  negocios.

17
Consideraciones de Diseño e Implementación en la
Web

• Generación en Disco
• Para sites que están basados en contenido, el
  cual no es alterado o modificado frecuentemente,
  la generación de archivos Estáticos o archivos de
  Datos (Ej. XML) es una tendencia global usada
  para aliviar la carga a la Base de Datos y al
  Servidor Web.
• Los datos de igual forma son almacenados en la
  Base da datos, pero el acceso a los datos es
  mediante el uso de estos archivos generados.

18
Consideraciones de Diseño e Implementación en la
Web

• Generación en Disco (cont.)
• Pregunta Para que voy a guardar algo en Base de
  Datos que nunca mas voy a modificar?. Elimino la
  Base de datos?
• Respuesta Si mi site necesita hacer búsquedas
  sobre el contenido, lo mejor es hacer la búsqueda
  sobre la Base de Datos. Si no es así, es bueno
  tener la Base de Datos para la edición y respaldo
  de esta data.

19
Consideraciones de Diseño e Implementación en la
Web

• Generación en Disco (cont.)
• Sites en que aplica
• Administradores de Contenido
• Site de Noticias
• Blogs o Bitácoras Personales.
• Site de Estadísticas, Indicadores, etc.
• Formas en las que aplica
• Parcial No toda la pagina servida es generada
  como estática.
• Total Toda la pagina es generada.

20
Consideraciones de Diseño e Implementación en la
Web

• Búsquedas
• Las Búsquedas en los sites generalmente se
  realizan sobre campos netamente de texto (Varchar
  o Text), los cuales no deberían ser indexados,
  debido a que los altos costos de indexación para
  inserciones y modificaciones.

21
Consideraciones de Diseño e Implementación en la
Web

• Búsquedas (cont.)
• Estas búsquedas en campos texto se hace
  generalmente mediante el uso de comandos LIKE.
• Ej. Select from Tabla
• Where Campo_Busqueda Like arte
• Si el campo Campo_Busqueda estuviera
  indexado, se ejecutaria rapidamente debido a que
  la indexacion en éste caso seria mediante un
  arbol-B. El resultado seria algo como "arte
  moderno", "arte culinario", "arte abstracto",
  etc.

22
Consideraciones de Diseño e Implementación en la
Web

• Búsquedas (cont.)
• Sin embargo, si la búsqueda es menos específica,
  las cosas ya no son tan rápidas. Por ejemplo,
  para buscar "todo lo relacionado con arte", lo
  más probable es que tengamos que escribir un
  query como.
• Ej. Select from Tabla
• Where Campo_Busqueda Like arte
• Puesto que el índice es mucho más pequeño que la
  tabla, finalmente esto es mejor que buscar a
  través de toda la tabla, pero definitivamente
  esto no es lo más eficiente.

23
Consideraciones de Diseño e Implementación en la
Web

• Búsquedas (cont.)
• Por otra parte, al ejecutar la consulta anterior,
  probablemente se encontrarán cadenas como las
  siguientes "me gusta pegarte", "artefactos
  explosivos" y "deja de quejarte".

24
Consideraciones de Diseño e Implementación en la
Web

• Búsquedas (cont.)
• Soluciones
• SQL Server 2000 (desde la versión 7) desarrolla
  el Microsoft Search, un motor de indexación y de
  búsqueda de texto que realizar consultas de texto
  mas eficaces y sofisticadas sobre columnas que
  almacenan datos basados en caracteres que con el
  operador LIKE y todos sus diferentes caracteres
  de comodín.
• Esto lo hace mediante un catálogo de texto, que
  reside fuera de la Base de Datos y que almacena
  todos los índices de textos seleccionados.

25
Consideraciones de Diseño e Implementación en la
Web

• Búsquedas (cont.)
• Soluciones
• Sintaxis en SQL Server 2000 para consulta de
  textos
• CONTAINS
• FREETEXT
• CONTAINSTABLE y FREETEXTTABLE

26
Consideraciones de Diseño e Implementación en la
Web

• Búsquedas (cont.)
• Soluciones
• Ejemplo SQL Server 2000 para consulta de
  textos
• Select from Tabla
• Where CONTAINS(Campo_Busqueda,arte)
• Select from Tabla
• Where CONTAINS(,arte AND cu)

27
Consideraciones de Diseño e Implementación en la
Web

• Búsquedas (cont.)
• Soluciones
• Ejemplo SQL Server 2000 para consulta de
  textos
• Select from Tabla
• Where FREETEXT(Campo_Busqueda,todo lo
  relacionado con arte)

28
Consideraciones de Diseño e Implementación en la
Web

• Búsquedas (cont.)
• Soluciones
• Ejemplo SQL Server 2000 para consulta de
  textos
• Select Tabla.Id, Tabla.Nombre, KeyTabla.Valor
• from Tabla INNER JOIN
• CONTAINSTABLE (TablaIndex, Campo_Busqueda,
  arte") AS KEY_TABLAON Tabla.id
  KEY_TABLA.KEYWHERE KEY_TABLA.RANK gt 10ORDER
  BY KEY_TABLA.KEY DESC

29
Consideraciones de Diseño e Implementación en la
Web

• Búsquedas (cont.)
• Soluciones
• MySql implementa el tipo FULLTEXT, se usan en
  tablas del tipo MyISAM, y pueden contener uno o
  más campos del tipo CHAR, VARCHAR y TEXT. Está
  diseñado para facilitar y optimizar la búsqueda
  de palabras clave en tablas que tienen grandes
  cantidades de información en campos de texto.

30
Consideraciones de Diseño e Implementación en la
Web

• Búsquedas (cont.)
• Soluciones
• Creación de FULLTEXT en MySql
• CREATE TABLE nombreTabla(
• campo1 TIPO,
• campo2 TIPO,
• FULLTEXT nombreIndice (campo1 campo2,...)
• )

31
Consideraciones de Diseño e Implementación en la
Web

• Búsquedas (cont.)
• Soluciones
• Sintaxis en MySQL para consulta de textos
• MATCH y AGAINST
• SELECT id, titulo, contenido
• FROM articulos
• WHERE MATCH(titulo,contenido) AGAINST('Java')
• se buscarán todos los artículos que hablen acerca
  de Java

32
Consideraciones de Diseño e Implementación en la
Web

• Búsquedas (cont.)
• Soluciones
• Relevancia en MySQL para consulta de textos
• Para cada fila de la tabla, la función MATCH()
  regresa un valor de relevancia, esto es una
  medida entre la cadena que se busca y el texto en
  las columnas que se nombran en MATCH().
• SELECT id, titulo,
• MATCH(titulo,contenido) AGAINST('Java') AS
  relevancia
• FROM articulos
• WHERE MATCH(titulo,contenido) AGAINST('Java')

33
Consideraciones de Diseño e Implementación en la
Web

• Búsquedas (cont.)
• Soluciones
• Relevancia en MySQL para consulta de textos
• La relevancia es calculada basada en el número de
  palabras en una fila, el número de palabras
  únicas en esa fila, el número total de palabras
  en la colección, y el número de documentos
  (filas) que contienen una palabra en particular

34
Consideraciones de Diseño e Implementación en la
Web

• Búsquedas (cont.)
• Soluciones
• Modificador IN BOOLEAN MODE en MySQL
• Con esto, se tiene un mayor control acerca del
  tipo de búsquedas que se quieren hacer, por
  ejemplo, se pueden buscar palabras, combinaciones
  de palabras, porciones de palabras, etc.
• SELECT id, titulo, contenido FROM articulos
• WHERE MATCH(titulo,contenido)
• AGAINST('Java -Visual' IN BOOLEAN MODE)
• Esta consulta regresa todas las filas que tiene
  la palabra Java, pero que no contienen la palabra
  Visual.

35
Consideraciones de Diseño e Implementación en la
Web

• Bloqueos
• Al realizar Inserciones, actualizaciones y
  eliminaciones, los RDBMS realizan bloqueos a
  nivel de tablas, registros o de columnas, para
  así poder garantizar integridad y consistencia en
  accesos concurrentes.
• Cuando se realiza una consulta sobre una o mas
  tablas, pueden o no realizar bloqueos sobre estas
  tablas, todo depende de el nivel de concurrencia
  sobre la tabla.

36
Consideraciones de Diseño e Implementación en la
Web

• Bloqueos (cont.)
• En una tabla, no suelen hacerse bloqueos en
  comandos tipo SELECT, pero en altos niveles de
  concurrencia, puede pasar que se bloqueen tablas
  y la hora de hacer actualizaciones de la tabla,
  existan bloqueos para índices, haciendo difícil y
  lenta la actualización.

37
Consideraciones de Diseño e Implementación en la
Web

• Bloqueos (cont.)
• Se debe identificar que tablas son las mas
  concurridas y tratar de forzar a que los comandos
  SELECT no afecten el desenvolvimiento de site.
• En SQL Server 2000 existen cláusulas como
• Select
• From TABLA (NOLOCK)
• WHERE .
• esto le indica explícitamente al query que no
  realice bloqueos para esta búsqueda.

38
Consideraciones de Diseño e Implementación en la
Web

• Bloqueos (cont.)
• Otro de los factores que afectan el desempeño y
  es el uso de . Instruciones como
• Select
• From TABLA
• WHERE .
• hacen que querys del que solo se necesitan un
  pequeño grupo de columnas generen overhead al
  traer campos no necesarios.

39
Consideraciones de Diseño e Implementación en la
Web

• Índices
• Es la mejor y la forma mas común de mejorar el
  performance de una Base de Datos. Ayuda a obtener
  registros de manera mas rápida a que si no la
  tuviera.
• Pero los índices presentan un overhead, por lo
  que hay que manejarlos de manera consiente.
• La representación mas común de estos índices es
  basado en un Árbol-B

40
Consideraciones de Diseño e Implementación en la
Web

• Índices (cont.)
• SQL Server 2000 recopila información estadística
  sobre los índices y los datos de columna
  almacenados en la base de datos. El optimizador
  de consultas de SQL Server utiliza estas
  estadísticas para seleccionar el plan más eficaz
  de ejecución de las consultas INSERT, SELECT,
  DELETE o UPDATE.

41
Consideraciones de Diseño e Implementación en la
Web

• Índices (cont.)
• Postgres no posee de procesos de mantenimiento de
  índices. Por lo general este mantenimiento debe
  venir de la carga diaria de la Base de Datos.
• Existen comandos como
• EXPLAIN  muestra el plan de ejecución de un
  query
• ANALYZE  recolecta información estadística del
  contenido de las tablas. Estas estadísticas son
  almacenadas para ayudar al planificador de Querys
  a determinar el mejor plan de ejecución.

42
Consideraciones de Diseño e Implementación en la
Web

• Índices (cont.)
• Estas utilidades dada por los sistemas se basan
  en muestreos en el caso de tablas grades.
• Es ideal usar este tipo de herramientas
  periódicamente para entonar Base da Datos,
  detectar problemas y optimizar querys.

43
Lenguajes y Acceso a Base de Datos

• Leguajes Script
• Entre los lenguajes script mas comunes están
  ASP, PHP, JSP.
• Estos Lenguajes cuentan con herramientas para el
  acceso a Base da Datos ya sea de manera nativa o
  por uso de otros componenetes.
• ADO, RDO, ODBC y OLE-DB son los medios mas
  comunes en ASP para realizar el acceso a datos.

44
Lenguajes y Acceso a Base de Datos

• Leguajes Script (cont.)
• PHP posee librerías propias incorporadas a su
  core para acceder casi todas las Base de Datos.
• Java Database Connectivity (JDBC) provee la
  manera estándar para la comunicación con RDBMS.

45
Lenguajes y Acceso a Base de Datos

• Otros Leguajes
• Usando Lenguajes como VB, .NET, Java en la capa
  de Lógica de Negocios mediante COM, Web Services
  o Componentes Java.
• Estos lenguajes también se basan en librerías y
  objetos propios como ADO, OLE-DB, JDBC y ODBC
  para la conexión de con la Base de Datos.

46
Ejemplos

• TerraServer (http//terraserver.microsoft.com)
• Es una Base de Datos de 3.3 TB de imágenes
  aéreas y de topografía de alta resolución.
• El ambiente esta conformado por 4 nodos basados
  en Windows 2000 Data Center Edition. Usa solo 3
  nodos y cada nodo soporta una Base de Datos SQL
  Server 2000 de 2.0 TB que contiene las imágenes y
  meta-data.

47
Ejemplos (TerraServer)
48
Ejemplos (TerraServer)
49
Ejemplos (TerraServer)
50
Ejemplos (TerraServer)
51
Ejemplos

• Amazon.Com (http//www.amazon.com)
• Amazon funciona usando una herramienta llamada
  ObjectStore (http//www.objectstore.net).
• Es una Base de Datos de Objetos el cual se
  mantiene en un Cache Distribuido.

52
Ejemplos

• Amazon.Com (cont.)
• Su Arquitectura propaga cada cambio de pagina
  desde sus servidores principales a los servidores
  web de manera inmediata, en promedio, los
  archivos de data son actualizados cada 1 o 2
  minutos.

53
Recomendaciones

• De Diseño
• Realizar un Diseño Normalizado, pero flexible a
  cambios.
• Definir la plataforma y la arquitectura a usar,
  así como las capas y los elementos que la
  componen.
• Identificar que Entidades del diseño pueden ser
  candidatos a ser almacenados en disco.

54
Recomendaciones

• Técnicas
• Al momento de crear físicamente una Base de
  Datos, definir los índices a usar basado en las
  consultas mas frecuentes.
• Si el RDBMS seleccionado soporta Stored
  Procedures, pues adelante.
• Al hacer una consulta, evitar el overhead, traer
  solamente aquellos campos necesarios o que no
  sean costosos.
• Ej. Evitar SELECT FROM Tabla

55
Recomendaciones

• Técnicas (cont.)
• Usar cláusulas en caso de ser necesario, para
  evitar Bloqueos de tablas en comandos SELECT
• Usar SQL y funciones estándar que permitan
  portabilidad entre manejadores (deseado).
• Hacer conexiones a Base de Datos utilizando la
  mejor herramienta a la mano.

56
Recomendaciones

• Administrativas
• Backups
• Estudiar el performance de la Base de Datos
  (conexiones simultaneas, requests por segundo,
  etc.)
• Revisar el uso de Índices, y realizar tareas de
  reindexación de tablas periódicamente.
• Definir los campos necesarios para la búsquedas
  FULLTEXT.