Aula3_BDdistribuidos

Prévia do material em texto

Bancos de Dados Distribuídos
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
▪ Introdução
▪ Projeto de Bancos de Dados Paralelos e Distribuídos
▪ Controle de Dados Distribuídos
▪ Processamento de Consultas Distribuidas
▪ Processamento de Transações Distribuidas
▪ Replicação de Dados
▪ Integração de Bases de dados
▪ Sistemas de Bancos de dados paralelos
▪ Gerenciamento de dados Peer-2-peer, Blockchain
▪ Processamento Big Data
▪ NoSQL, NewSQL e Polystores
▪ Gerenciamento de dados na Web
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
Bibliografia
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
Design Issues : Tópicos do Projeto dos SGBDD
▪ Projeto da Base de Dados Distribuída
▪ Controle dos Dados distribuídos
▪ Processamento das Consultas Distribuídas
▪ Controle da Concorrência Distribuída
▪ Confiabilidade do SGBD Distribuído
▪ Replicação
▪ SGBD Distribuídos Paralelos
▪ Integração das Bases de Dados
▪ Modos de Distribuição Alternativos
▪ Processamento de Big Data e NoSQL
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
Projeto da Base de Dados 
Distribuída
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
Projeto Top-Down
Banco de Dados Global> Distribuido
Nos vários Sites
Alocação dos Dados:
Particionado ( não replicado )
Copias Disjuntas em cada Site
Replicado
Replicação total
(duplicação total)
Replicação parcial
Conceitos: Fragmentação
Distribuição
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
Controle dos Dados Distribuídos
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
Requerimento Importante dos SGBDD:
Manutenção da consistência pelo controle de acesso aos dados
Controle de Dados:
Gerenciamento de Visualizações
Controle de acesso
Aplicação da integridade
A distribuição dos dados adiciona desafios adicionais:
Validação de regras deve ser checada
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
Processamento das Consultas 
Distribuídas
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
Processamento de Consultas:
Agoritmos que quebram a consulta em várias operações sobre 
os dados
Fatores a considerar:
Distribuição dos dados
Custos de comunicação
Aplicação da integridade
Se há paralelismo entre os sites, use.
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
Controle da Concorrência 
Distribuída
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
Controle da concorrência:
Sincronizar os acessos ao banco de dados, manter integridade
Considerar:
Integridade das base de dados
consistência das múltiplas cópias da base de dados
(todas as cópias devem convergir: consistência mútua
Solução Pessimista: 
Sincroniza os pedidos antes de iniciar os mesmos
Solução Otimista:
Executa os pedidos e avalia a consistência depois.
Locking: Travar
Timestamping: marca de tempo
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
Confiabilidade do SGBD distribuído
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
Maior confiabilidade e disponibilidade:
Necessário implantar:
Mecanismos de validação de consistência
Mecanismos de detecção de falhas
Mecanismos de Recuperação de falhas
Na falha de um site ou vários sites:
Atualizar os dados existentes
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
Replicação
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
SGBDD Replicados:
Garantir a consistência das réplicas
Protocolo eager(ansioso):
Atualiza as réplicas antes do fim da transação
Protocolo lazy(preguiçoso):
Atualiza uma cópia principal:Master e depois 
distribui
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
SGBD Distribuídos Paralelos
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
Forte relacionamento entre BD Distribuídos e paralelos:
BD Distribuidos assume cada site como uma única cópia
Paralelos : Clusters
Objetivos dos SGBDD paralelos:
Alta escalabilidade
Performance
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
Integração das Bases de Dados
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
Importante desenvolvimento:
Federação de Dados , mais “soltos”
Levou ao desenvolvimento de Bancos de Dados Múltiplos, 
Sistemas de Bases de Dados Federados
Neste sistemas: Bases de dados múltiplas e necessário 
fornecer acesso, local ou físico
Princípio de projeto Bottom-up.
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
Modos de Distribuição Alternativos
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
Crescimento da internet:
Mecanismos de compartilhamento:
Peer-to-peer
WWW
Cada opção tem seus desafios.
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
Processamento De Big Data e
NoSQL
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Bancos de Dados Distribuídos
Definição de Big Data:
4 V´s:
Alto volume
Variedade. Multimodal
Velocidade, Fluxos de dados
Veracidade, Preocupação da fonte?
NoSQL
UNIBTA – ©2020– Prof. Carlos Fabbri Jr
Obrigado!