TC – DEI, 2005/2006

Armazenamento de Dados -- Ficheiros & Bases-de-Dados -- Paulo Marques pmarques@dei.uc.pt http://www.dei.uc.pt/~pmarques Tecnologia dos Computadores 2005/2006

Motivação Departamento de Engenharia Informática Numerus clausus = 120, Duração média=4.5anos Alunos Inscritos… 120x4.5 = 630 Adicionemos alunos de mestrado, doutoramento, docentes e funcionários… ~ 1000 pessoas Sistema de Informação… struct Pessoa { char nome[80]; long BI; char morada[200]; pixel_rgb fotografia[640][480]; ... }; sizeof(Pessoa)  900 Kbyte 900Kbyte * 1000  900 Mbyte TC – DEI, 2005/2006

Motivação (2) É necessário armazenar os dados de forma persistente (i.e. não volátil) Não é possível manter simultaneamente todos os dados em memória, mesmo quando o programa está em execução Os 900 Mbyte foram uma estimativa por baixo! TC – DEI, 2005/2006

Sistemas de Informação Actualmente, é comum separar-se as aplicações em dados persistentes e “lógica de negócio” Em sistemas “pequenos”: Ficheiros directos Em sistemas “grandes”: Bases-de-dados Lógica de Controlo Dados Persistentes Programa TC – DEI, 2005/2006

Sistema de Ficheiros Sistema de Ficheiros: Recurso directamente disponível a nível do sistema operativo O SO apenas oferece primitivas para: Abrir e fechar ficheiros Ler e escrever blocos de bytes no ficheiro O programador é responsável por programar toda a gestão de dados nos ficheiros Índices para pesquisas rápidas, tolerância a erros, gestão de concorrência, etc. Aplicação TC – DEI, 2005/2006

Bases-de-Dados Existe um programa especial (SGBD – Sistema de Gestão de Base-de-Dados) que faz toda a gestão dos dados Oracle, MS-SQL Server, Postgre, MySQL, etc. O programa estabelece uma ligação à base-de-dados utilizando um protocolo chamado ODBC A BD pode estar na mesma máquina ou noutra máquina Através da ligação, envia os seus dados e pode fazer pesquisas SQL = Structured Query Language Base de Dados Aplicação ODBC SGBD (Sistema de Gestão de BD) TC – DEI, 2005/2006

Sistemas de Ficheiros

Acesso a ficheiros O sistema operativo disponibiliza funções para: Abrir e fechar ficheiros  open() / close() Ler e escrever dados  read()/write() Quando se abre um ficheiro, é retornado um handle (inteiro) que representa o ficheiro nesse processo TC – DEI, 2005/2006

Acesso a ficheiros (2) Associado a cada handle, que representa um ficheiro aberto, também existe um FILE POINTER (FP) O FP representa a posição corrente de leitura ou escrita no ficheiro O FP é incrementado automaticamente sempre que há uma leitura ou escrita Associado a cada handle existe um buffer de dados Principio da localidade temporal e espacial Funciona como cache e pre-fetch FP Ficheiro 1 2 3 4 5 6 7 8 9 10 11 12 13 14 TC – DEI, 2005/2006

Como é que o SO organiza os ficheiros? Árvore de Directórios TC – DEI, 2005/2006

Como é que o SO sabe onde estão os ficheiros? TC – DEI, 2005/2006

Um exemplo prático FAT (DOS/Windows) O disco encontra-se dividido em sectores (clusters), a unidade mínima de informação a que se consegue aceder num disco No início do disco (disquete) existe: Boot sector File Allocation Table (FAT) Disk Root Directory TC – DEI, 2005/2006

FAT Cada entrada da FAT indica qual o próximo sector que um certo ficheiro ocupa Cada entrada da Disk Root Directory indica o nome e atributos de um certo ficheiro, assim como o seu primeiro sector Exame.doc RH 2003.12.06-14:21 10345 … 210 Frequência.doc RH 2003.12.05-17:30 14121 … 201 Disco Boot FAT Directory Table Data O ficheiro “Frequência.doc” ocupa os sectores 201, 203, 204 e 205 207 203 EOF 204 205 EOF 202 208 209 215 FREE EOF 214 BAD EOF 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 TC – DEI, 2005/2006

Questões… A Disk Root Table apenas contém as entradas do directório raiz do disco. Como é que são guardadas os sub-directórios? FAT16 quer dizer que os ponteiros na FAT são de 16 bits. Qual é o número máximo de ficheiros que o disco pode ter? Tendo um disco de 40Gbytes, qual seria o tamanho de cada sector (cluster)? Vê algum problema nisso? (hoje, em Windows, quando não se utiliza NTFS utiliza-se FAT32) TC – DEI, 2005/2006

Voltemos ao Sistema de Informação… Suponhamos que armazenamos todas as pessoas do DEI num ficheiro sequencial… “Pessoas.dat” JOANA FRANCISCA 10896534 R. Fernão Lop Qual é o problema se quisermos encontrar o aluno com o BI Nº 10896534? Esquecendo as caches… Tempo médio de acesso ao disco = 10ms Em média temos de percorrer ½ ficheiro = 500 entradas 500 entradas X 10ms = 5000ms = 5s!!! TC – DEI, 2005/2006

Utilização de Índices Se se sabe que vão ser feitas pesquisas por BI, cria-se uma tabela especial que para cada BI indica qual a entrada no ficheiro que a contém. Esta tabela chama-se um índice sobre o BI A tabela é armazenada conjuntamente no ficheiro ou num ficheiro à parte “Pessoas.dat” 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 … … 10896534 12 11843234 43 17345342 234 (…) (…) BI Entrada TC – DEI, 2005/2006

Utilização de Índices Os índices resultam porque… Tipicamente o tamanho do índice é muito mais pequeno do que o tamanho dos dados Muitas vezes é mesmo possível manter todo o índice em memória Os índices podem estar ordenados (pesquisa binária) ou pode fazer-se hashing* Um índice deste género também é conhecido como TABELA INVERTIDA (Inverted Table) * Hashing  Uma técnica muito inteligente e rápida que permite encontrar um elemento numa tabela usando tipicamente apenas uma comparação. Irá falar muito dela durante o próximo ano (PA3) TC – DEI, 2005/2006

Tamanho do Índice Atenção: em muitos sistemas, o tamanho dos índices pode tornar-se um problema No nosso caso e admitindo que o Sistema de Informação comporta no máximo 10.000 alunos, qual é que teria de ser o tamanho do índice para BIs? TC – DEI, 2005/2006

» If you don’t find it in the index, look very carefully through the entire catalogue « Sears, Roebuck and Co. Consumer’s Guide, 1897 TC – DEI, 2005/2006

TC – DEI, 2005/2006

Bases-de-Dados Base de Dados Aplicação ODBC SGBD (Sistema de Gestão de BD) A aplicação estabelece uma ligação ao SGBD que é responsável por manter todos os dados da aplicação O protocolo de comunicação utilizado é ODBD A linguagem utilizada para falar com a BD chama-se SQL (Structured Query Language) A base-de-dados tem obrigação de: Mandar os dados de forma persistente Facilitar a forma como a gestão dos dados é realizada Responder a interrogações e actualizações de forma rápida Tolerar falhas (e.g. faltar a luz a meio de uma escrita) TC – DEI, 2005/2006

Modelo de Dados A maioria das bases-de-dados actuais seguem o chamado MODELO RELACIONAL No Modelo Relacional, os dados são vistos em termos de tabelas e relações entre tabelas Tabela Alunos TC – DEI, 2005/2006

Tabelas Chave Primária: Atributo especial que permite identificar univocamente um tuplo Atributo: Algo que caracteriza a entidade Tuplo: Conjunto ordenado de dados relacionados TC – DEI, 2005/2006

Relacionamentos Tabela Alunos Tabela Cadeiras Tabela Inscrições TC – DEI, 2005/2006

Relacionamentos A tabela Inscrições está relacionada com a tabela Alunos e Cadeiras As chaves primárias dos relacionamentos aparecem como atributos da chave do relacionamento TC – DEI, 2005/2006

Exemplo Prático – MS Access TC – DEI, 2005/2006

Queries Como as tabelas estão relacionadas, é possível fazer “interrogações” (queries) à base-de-dados Exemplo: “Quais os nomes e anos de nascimento dos alunos que estiveram inscritos a Tecnologias dos Computadores em 1998” 7 6 2 1 3 5 4 TC – DEI, 2005/2006

Queries - SQL “Quais os nomes e os anos de nascimento dos alunos que estiveram inscritos a Tecnologias dos Computadores em 1998” SELECT nome, ano_nasc FROM alunos A, cadeiras C, inscrições INS WHERE nome_cadeira=‘Tecnologias dos Computadores’ AND INS.ano = 1998 AND C.num_cadeira = INS.num_cadeira AND INS.num_aluno = A.num_aluno TC – DEI, 2005/2006

Queries - SQL As queries em SQL também retornam tabelas 6 7 1 2 3 4 5 SELECT nome, ano_nasc FROM alunos A, cadeiras C, inscrições INS WHERE nome_cadeira=‘Tecnologias dos Computadores’ AND INS.ano = 1998 AND C.num_cadeira = INS.num_cadeira AND INS.num_aluno = A.num_aluno 6 7 1 2 3 4 5 TC – DEI, 2005/2006

Inserção de Dados - SQL Também se podem inserir dados na base-de-dados… INSERT INTO alunos (num_aluno, nome, morada, ano_nasc) VALUES (5010034322, ‘Teresa Matos’, ‘R. Alforrecas, 12, 3000-203 Coimbra’, 1984) TC – DEI, 2005/2006

Recordemos… Base de Dados Aplicação ODBC SGBD (Sistema de Gestão de BD) O que viaja na ligação são estas “ordens”, na linguagem SQL. A aplicação tem de enviar as suas ordens nesta linguagem e processar os resultados retornados SELECT nome FROM alunos TC – DEI, 2005/2006

Criação de Bases-de-Dados Na prática, quando se quer fazer uma base-de-dados, não se começa por criar tabelas… Cria-se (modela-se) o problema: Modelo CONCEPTURAL da Base-de-dados Para criar o modelo conceptual da Base-de-dados, utilizam-se Diagramas ENTIDADE-RELACIONAMENTO (Diagramas ER) Só após se ter o diagrama Entidade-Relacionamento é que se criam as tabelas: MODELO FÍSICO da Base-de-dados Muitas vezes, as ferramentas permitem passar automaticamente do modelo conceptual para o modelo físico TC – DEI, 2005/2006

Modelo Entidade-Relacionamento Modela o problema em termos de ENTIDADES e RELAÇÕES entre entidades As relações podem ser de: 1 para 1 (1:1) 1 para N (1:N) N para N (N:N) As relações podem ter participação obrigatória ou não Inscrito N N ALUNO CADEIRA 1 Possui N TESTE TC – DEI, 2005/2006

Leitura do ER Cada aluno pode estar inscrito em várias cadeiras; cada cadeira pode ter vários alunos inscritos Cada aluno tem de estar obrigatoriamente inscrito a uma cadeira; pode haver cadeiras sem alunos (e.g. cadeiras que não funcionam num ano) Em cada cadeira pode haver vários testes; cada teste só pode pertencer a uma cadeira Pode haver cadeiras sem testes (e existem!); Cada teste tem de ter obrigatoriamente uma cadeira associada TC – DEI, 2005/2006

Recordemos… TC – DEI, 2005/2006

Informática é mais do que escrever código… “The Mars Climate Orbiter Spacecraft was lost because one NASA team used Imperial units while another used metric units for a key spacecraft operation” (BBC Online Report, 1999/09/30) Mars Climate Orbiter, crashed into Mars on Sep 23, 1999 Cost  US$125 million dollars TC – DEI, 2005/2006

Transacções em BDs – Motivação REDE Base de Dados “Transfere €1.000.000 da conta 43248932 para a conta 43298743” 1: boolean ok = conta1.retira(1000000); 2: if (ok) 3: { 4: conta2.coloca(1000000); 5: } -- E se a aplicação “crasha” na linha 2?? -- E se deixa de haver ligação de rede na linha 4?? -- E se o servidor “crasha” entre a linha 1 e 2?? TC – DEI, 2005/2006

Transacções em BDs Uma das razões muito importantes para se utilizar BDs, para além da performance, é o ter garantias de integridade de dados Transacção: uma conjunto de operações que devem ser executadas de forma indivisível (i.e. atómica) Uma operação atómica é aquela em que ou executa tudo ou não executa nada As base-de-dados têm suporte directo para transacções TC – DEI, 2005/2006

Transacções Transacção Tem um início bem definido Ou existe um COMMIT ou um ROLLBACK COMMIT  As alterações tornam-se permanentes ROLLBACK  As alterações são anuladas Durante uma transacção, as alterações na BD apenas são visíveis para o utilizador que as está a fazer. Todos os outros utilizadores vêem os dados como se nada estivesse a acontecer (...) trans.beginTransaction(); boolean ok = conta1.retira(1000000); if (ok) { conta2.coloca(1000000); trans.commitTransaction(); } else trans.rollbackTransaction(); TC – DEI, 2005/2006

Transacções – Ideia da Implementação Sempre que um utilizador inicia uma transacção, todos os dados sobre os quais trabalha são privados (é feita uma cópia) Quando é feito o COMMIT da transacção, a BD é então actualizada No caso de haver conflito no acesso a dados, pode ser necessário suspender temporariamente outras transacções Dentro da transacção: é criada uma cópia de todos os dados que estão a ser actualizados COMMIT: Actualiza-se ROLLBACK: Deita-se fora TC – DEI, 2005/2006

Para saber mais… Computer Science – An Overview Capítulo 8 (8.1, 8.2, 8.3) Capítulo 9 (9.1, 9.2, 9.3) Computer Science Illuminated Capítulo 11 (11.1, 11.2) Capítulo 12 (12.1, 12.3) TC – DEI, 2005/2006