Base de datos distribuida

Una base de datos distribuida es aquella en la que los datos se almacenan en diferentes ubicaciones físicas. ^{[ 1 ]} Puede almacenarse en varios ordenadores ubicados en la misma ubicación física (por ejemplo, un centro de datos) o bien dispersarse en una red de ordenadores interconectados. A diferencia de los sistemas paralelos , en los que los procesadores están estrechamente acoplados y constituyen un único sistema de base de datos, un sistema de base de datos distribuida consta de sitios débilmente acoplados que no comparten componentes físicos.

Los administradores de sistemas pueden distribuir conjuntos de datos (por ejemplo, en una base de datos) en múltiples ubicaciones físicas. Una base de datos distribuida puede residir en servidores de red organizados o en computadoras independientes descentralizadas en Internet , en intranets o extranets corporativas , o en otras redes de la organización . Dado que las bases de datos distribuidas almacenan datos en múltiples computadoras, pueden mejorar el rendimiento en los puestos de trabajo de los usuarios finales al permitir que las transacciones se procesen en varias máquinas, en lugar de estar limitadas a una sola. ^{[ 2 ]}

Dos procesos aseguran que las bases de datos distribuidas permanezcan actualizadas: la replicación ^{[ 3 ]} y la duplicación .

1. La replicación implica el uso de software especializado que busca cambios en la base de datos distribuida. Una vez identificados los cambios, el proceso de replicación hace que todas las bases de datos tengan el mismo aspecto. Este proceso puede ser complejo y llevar mucho tiempo, dependiendo del tamaño y la cantidad de bases de datos distribuidas. También puede requerir mucho tiempo y recursos informáticos.
2. La duplicación, por otro lado, es menos compleja. Identifica una base de datos como maestra y luego la duplica. El proceso de duplicación se realiza normalmente fuera del horario laboral. Esto garantiza que cada ubicación distribuida tenga los mismos datos. Durante la duplicación, los usuarios solo pueden modificar la base de datos maestra. Esto asegura que los datos locales no se sobrescriban.

Tanto la replicación como la duplicación pueden mantener los datos actualizados en todas las ubicaciones distribuidas. ^{[ 2 ]}

Además de la replicación y fragmentación de bases de datos distribuidas , existen muchas otras tecnologías de diseño de bases de datos distribuidas. Por ejemplo, la autonomía local y las tecnologías de bases de datos distribuidas síncronas y asíncronas. La implementación de estas tecnologías puede depender, y de hecho depende, de las necesidades del negocio, la sensibilidad y confidencialidad de los datos almacenados en la base de datos, y el presupuesto que el negocio esté dispuesto a invertir para garantizar la seguridad , la coherencia y la integridad de los datos .

Al hablar de acceso a bases de datos distribuidas, Microsoft prefiere el término consulta distribuida , que define de manera específica del protocolo como "[c]ualquier instrucción SELECT, INSERT, UPDATE o DELETE que haga referencia a tablas y conjuntos de filas de una o más fuentes de datos OLE DB externas". ^{[ 4 ]} Oracle ofrece una visión más centrada en el lenguaje, en la que las consultas distribuidas y las transacciones distribuidas forman parte del SQL distribuido . ^{[ 5 ]}

Existen 3 tipos principales de arquitectura para bases de datos distribuidas:

• Memoria compartida : muy raramente utilizada ^{[ 6 ]}
• disco compartido
• Sin compartir

En las arquitecturas de memoria compartida y disco compartido, los datos no están particionados , pero deben estar en una arquitectura sin recursos compartidos.

La arquitectura de disco compartido es más común para las bases de datos en la nube que para las locales. ^{[ 6 ]}

Históricamente, la arquitectura sin recursos compartidos fue la primera que se implementó en la nube, antes de que la llegada del almacenamiento compartido en la nube hiciera posible el uso de discos compartidos.

En la práctica, las distintas capas de la base de datos pueden tener arquitecturas diferentes. Actualmente, es común tener una capa de cómputo con una arquitectura sin recursos compartidos y una capa de almacenamiento con una arquitectura de disco compartido. Este es el caso, por ejemplo, de Snowflake ^{[ 7 ]} y AWS Aurora ^{[ 8 ]} .

• Base de datos centralizada
• Cuadrícula de datos
• Caché distribuida
• Almacén de datos distribuido
• Tabla hash distribuida
• Protocolo de enrutamiento
• SQL distribuido

• MT Özsu y P. Valduriez, Principios de bases de datos distribuidas (3.ª edición) (2011), Springer, ISBN 978-1-4419-8833-1
• Elmasri y Navathe, Fundamentos de sistemas de bases de datos (3.ª edición), Addison-Wesley Longman, ISBN 0-201-54263-3
• Guía del administrador de bases de datos Oracle 10g (versión 1), http://docs.oracle.com/cd/B14117_01/server.101/b10739/ds_concepts.htm