© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 1 Disciplina Banco de Dados II Revisão da Matéria VP3 Msc, Marcelo Bezerra de Alcântara

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 3 Sumário 1.Questões sobre transação 2.Questões sobre recuperação de falhas 3.Controle de concorrência 4.Segurança 5.Bancos de Dados Distribuído 6.Banco de Dados Não Convencionais

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 5 Resposta 1 Unidade lógica de processamento em um SGBD, composta de uma ou mais operações, onde seus limites podem ser determinados em SQL. De forma abstrata e simplificada, uma transação pode ser encarada como um conjunto de operações de leitura e escrita de dados A transação garante as 4 propriedades: Atomicidade, Consistência, Isolamento e Durabilidade read(x) x = x – i read(y) y = y * x write(x) write(y) TxTx lê o dado X do BD e o armazena na variável X grava no dado Y do BD o valor da variável Y

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 7 Resposta 2 Atomicidade –Princípio do Tudo ou Nada, ou todas as operações da transação são efetivadas com sucesso no BD ou nenhuma delas se efetiva Consistência –Uma transação sempre conduz o BD de um estado consistente para outro estado também consistente Isolamento –No contexto de um conjunto de transações concorrentes, a execução de uma transação T x deve funcionar como se T x executasse de forma isolada, T x não deve sofrer interferências de outras transações executando concorrentemente Durabilidade –Deve-se garantir que as modificações realizadas por uma transação que concluiu com sucesso persistam no BD,nenhuma falha posterior ocorrida no BD deve perder essas modificações

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 9 Resposta 3 A operação COMMIT deve ser utilizada para solicitar a efetivação da transação, ou seja, garantir que os efeitos da transação sejam disponibilizadas para as outras transações e que seus efeitos sejam duráveis; A operação ROLLBACK deve ser utilizada para solicitar o aborto da transação, ou seja, desfazer todos os efeitos da transação.

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 11 Resposta 4 Técnicas de recuperação são técnicas que garantem a consistência, atomicidade e durabilidade de transações, mesmo com a ocorrência de falhas. Possuem duas partes: 1.Ações realizadas durante o funcionamento normal do SGBD para coletar informações suficientes que permitam recuperar falhas 2. Ações realizadas após a falha para recuperar a base de dados a um estado consistente, garantindo o isolamento e durabilidade das transações.

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 12 Questão 5 Considere as transações abaixa e responda que operações devem ser tomadas pelo sistema de recuperação de falhas, tendo como base a técnica de modificação postergada. Considere o log gerado! Duas transações T 0 : read (A)T 1 : read (C) T 2 : read (D) A: - A * 10C:-C- 100D : D + 1 write (A) write (C)write (D) read (B) B:- B + 150 write (B) Log de execução

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 14 Questão 6 Considere as transações abaixa e responda que operações devem ser tomadas pelo sistema de recuperação de falhas, tendo como base a técnica de modificação imediata. Considere o log gerado! Duas transações T 0 : read (A)T 1 : read (C) A: - A * 50C:-C- 100 write (A) write (C) read (B) B:- B + 150 write (B) Log de execução

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 17 Resposta 7 Equivalência de Conflito –dado um escalonamento não-serial E para um conjunto de Transações T, E é serializável em conflito se E for equivalente em conflito a algum escalonamento serial E para T, ou seja, a ordem de quaisquer 2 operações em conflito é a mesma em E e E.

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 18 Resposta 7 write(X) X = X + 10 read(X) write(Y) Y = Y + 20 read(Y) write(X) X = X – 20 read(X) T2T1 write(Y) Y = Y + 20 read(Y) write(X) X = X + 10 read(X) write(X) X = X – 20 read(X) T2T1 escalonamento serial E escalonamento não-serial E1 write(Y) Y = Y + 20 write(X) read(Y) write(X) X = X + 10 read(X) X = X – 20 read(X) T2T1 escalonamento não-serial E2 E1 equivale em conflito a E E2 não equivale em conflito a nenhum escalonamento serial para T1 e T2 E1 é serializável e E2 não é serializável

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 20 Resposta 8 Garante que, se Tx realizou commit, Tx não irá sofrer UNDO –o recovery espera sempre esse tipo de escalonamento! Um escalonamento E é recuperável se nenhuma Tx em E for concluída até que todas as transações que gravaram dados lidos por Tx tenham sido concluídas

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 21 Resposta 8 abort( ) commit( ) write(X) X = X + 10 read(X) write(X) X = X – 20 read(X) T2T1 escalonamento não-recuperável commit( ) write(X) X = X + 10 read(X) write(X) X = X – 20 read(X) T2T1 escalonamento recuperável

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 23 Resposta 9 Um escalonamento recuperável pode gerar abortos de transações em cascata –consome muito tempo de recovery! Um escalonamento E é recuperável e evita aborto em cascata se uma Tx em E só puder ler dados que tenham sido atualizados por transações que já concluíram

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 24 Resposta 9...abort( ) write(X) X = X + 10 read(X) write(X) X = X – 20 read(X) T2T1 Escalonamento recuperável com aborto em cascata... write(X) X = X + 10 read(X) commit( ) write(X) X = X – 20 read(X) T2T1 Escalonamento recuperável sem aborto em cascata

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 26 Resposta 10 Garante que, se Tx deve sofrer UNDO, basta gravar a before image dos dados atualizados por ela Um escalonamento E é recuperável, evita aborto em cascata e é estrito se uma Tx em E só puder ler ou atualizar um dado X depois que todas as transações que atualizaram X tenham sido concluídas

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 27 Resposta 10 abort( ) commit( ) write(X) X = Y + 10 read(Y) write(X) X = X – 20 read(X) T2T1 Escalonamento recuperável sem aborto em cascata e não-estrito commit( ) write(X) X = Y + 10 read(Y) commit( ) write(X) X = X – 20 read(X) T2T1 Escalonamento recuperável sem aborto em cascata e estrito

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 28 Questão 11 1.Dadas as transações abaixo, associe corretamente a história com o tipo de escalonamento (SR, R, SAC, E, S) T1 =r(x) w(x) w(y) w(z) c1T2 = r(u) w(x) r(y) w(y)w(u)c2 H E1 = r1(x) w1(x)w1(y)r2(u) w2(x) r2(y) w2(y) w(u) c2 w1(z) c1 ( ) H E2 = r1(x) w1(x) w1(y) w1(z)c1 r2(u) w2(x) r2(y) w2(y) w(u) c2 ( ) H E3 =r1(x) w1(x) w1(y) r2(u) w2(x) w1(z) c1 r2(y) w2(y) w(u) c2 ( ) H E4 =r1(x) w1(x)w1(y) r2(u) w1(z) c1 w2(x) r2(y) w2(y) w(u) c2 ( ) H E5 =r1(x) w1(x) w1(y) r2(u) w2(x) r2(y) w2(y) w1(z) c1 w(u) c2 ( )

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 29 Resposta 11 1.Dadas as transações abaixo, associe corretamente a história com o tipo de escalonamento (SR, R, SAC, E, S) T1 =r(x) w(x) w(y) w(z) c1T2 = r(u) w(x) r(y) w(y) w(u) c2 H E1 = r1(x) w1(x)w1(y) r2(u) w2(x) r2(y) w2(y) w(u) c2 w1(z) c1 (SR ) H E2 = r1(x) w1(x) w1(y) w1(z)c1 r2(u) w2(x) r2(y) w2(y) w(u) c2 (S ) H E3 =r1(x) w1(x) w1(y) r2(u) w2(x) w1(z) c1 r2(y) w2(y) w(u) c2 (SAC) H E4 =r1(x) w1(x) w1(y) r2(u) w1(z) c1 w2(x) r2(y) w2(y) w(u) c2 (E ) H E5 =r1(x) w1(x) w1(y) r2(u) w2(x) r2(y) w2(y) w1(z) c1 w(u) c2 (R)

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 31 Resposta 12 dado um escalonamento não-serial E para um conjunto de Transações T, E é serializável em visão se E for equivalente em visão a algum escalonamento serial E para T, ou seja: – para toda operação read(X) de uma Tx em E, se X é lido após um write(X) de uma Ty em E (ou originalmente lido do BD), então essa mesma seqüência deve ocorrer em E; –se uma operação write(X) de uma Tk for a última operação a atualizar X em E, então Tk também deve ser a última transação a atualizar X em E.

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 32 Resposta 12 Idéia básica –enquanto cada read(X) de uma Tx ler o resultado de uma mesmo write(X) em E e E, em ambos os escalonamentos, Tx tem a mesma visão do resultado –se o último write(X) é feito pela mesma transação em E e E, então o estado final do BD será o mesmo em ambos os escalonamentos Exemplo H serial = r1(X) w1(X) c1 w2(X) c2 w3(X) c3 H exemplo = r1(X) w2(X) w1(X) w3(X) c1 c2 c3 –H exemplo não é serializável em conflito, mas é serializável em visão

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 34 Resposta 13 Premissa –para toda transação Tx, todas as operações de bloqueio de dados feitas por Tx precedem a primeira operação de desbloqueio feita por Tx Protocolo de duas fases 1.Fase de expansão ou crescimento Tx pode obter bloqueios, mas não pode liberar nenhum bloqueio 2.Fase de retrocesso ou encolhimento Tx pode liberar bloqueios, mas não pode obter nenhum bloqueio

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 35 Resposta 13 número bloqueios Gráfico de bloqueios de Tx tempo start commit crescimentoencolhimento ponto em que os bloqueios para todos os dados desejados por Tx foram obtidos (P max (Tx)) execução de operações de Tx

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 37 Resposta 14 Ocorrência de deadlock –Ty está na Fila-WAIT(D1) de um dado D1 bloqueado por Tx –Tx está na Fila-WAIT(D2) de um dado D2 bloqueado por Ty Pode ser descoberto através de um grafo de espera de transações –se o grafo é cíclico existe deadlock! Tx Ty

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 45 Resposta 17 revoke select on agencia from U1, U2, U3 revoke update on deposito from U1 revoke references (nome-agencia) on agencia from U1

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 47 Resposta 18 É um identificador ao qual pode-se atribuir privilégios que não existem a princípio. Então pode-se atribuir a um usuário este papel (conjunto de privilégios) com um único comando GRANT. Pode-se inclusive ao criar um papel usar outros papéis já cadastrados. Ex. PapelVendedor, PapelVendedorSapatos, PapelVendedoFrutas.

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 48 Resposta 18 Sintaxe SQL:1999 CREATE ROLE nome-papel [WITH ADMIN {CURRENT_USER | CURRENT_ROLE}] Para remover um papel: DROP ROLE nome-papel;

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 50 Resposta 19 Uma visão, na terminologia SQL, é uma tabela única e derivada de outra tabela, que pode ser uma tabela básica ou uma visão previamente definida. Uma visão não existe de forma física, ela é considerada uma tabela virtual, em contraste com as tabelas básicas, cujas tuplas são realmente armazenadas no banco de dados. Isso limita as operações de atualização possíveis para as visões, embora não imponha nenhuma limitação para consultas.

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 56 Resposta 22 BD Homogêneo –BDs são idênticos à nível de modelo e SGBD BD Heterogêneo (BDH) –pode apresentar diferenças a nível de SGBD modelo e esquema de dados DML

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 58 Resposta 23 Projeto de BDC –definir e estruturar dados persistentes relevantes para um domínio de aplicação levantamento de requisitos, modelagem conceitual, modelagem lógica e modelagem física Projeto de BDD (do zero) –modelagem lógica definir adicionalmente a alocação do esquema lógico nos BDs dos nodos –decisão sobre quais dados serão armazenados em quais nodos –leva em conta fragmentação e replicação de dados

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 60 Resposta 24 Separação dos dados de uma relação para fins de armazenamento nos nodos –definição de um esquema de fragmentação Princípios da fragmentação –completude dada uma relação R, não pode haver perda de dados de R quando R for fragmentada em vários nodos –reconstrução deve ser sempre possível reconstruir R a partir da sua coleção de fragmentos Tipos de fragmentação –horizontal, vertical e mista

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 62 Resposta 25 Separação de R a nível de tupla Cada fragmento horizontal fh i de R (fh i (R)) é definido através de uma seleção – fh i (R) = c (R) R é obtida através da união de todos os seus fragmentos (princípios da fragmentação) –R = fh 1 (R) fh 2 (R)... fh n (R) FH com fragmentação derivada –tuplas de uma relação secundária S (com referência à R) são também fragmentadas

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 63 Resposta 25 rua Q, 52Fpolis5 rua K, 87Fpolis4 rua E, 18Blumenau3 rua H, 55Blumenau2 rua X, 10Fpolis1 endereçocidadenúmero 21300,00vendedor15/05/74rua Q, 52Ana5... 2 1 1 1 filial 14/01/73 13/08/72 12/04/71 11/11/70 DN 1000,00 1300,00 1200,00 1500,00 salário caixa vendedor caixa vendedor cargo rua K, 87Carlos4 rua E, 18Paulo3 rua H, 55Maria2 rua X, 10João1 endereçonomecódigo Filiais Funcionários cidade = Fpolis (Filiais) cidade = Blumenau (Filiais) fh 1 fh 2 (derivada para Funcionários) rua E, 18Blumenau3 rua H, 55Blumenau2 endereçocidadenúmero rua Q, 52Fpolis5 rua K, 87Fpolis4 rua X, 10Fpolis1 endereçocidadenúmero... 1 1 1 filial... rua E, 18Paulo3 rua H, 55Maria2 rua X, 10João1 endereçonomecódigo

© Marcelo Bezerra de Alcântara Resposta 26 Separação de R a nível de atributo Cada fragmento vertical fv i de R (fv i (R)) é definido através de uma projeção – fv i (R) = a1,..., aj (R) R é obtida através da junção natural de todos os seus fragmentos –R = fv 1 (R) fv 2 (R)... fv n (R) –requer a mesma chave candidata em todos os fragmentos

© Marcelo Bezerra de Alcântara Resposta 26 21300,00vendedor15/05/74rua Q, 52Ana5... 2 1 1 1 filial 14/01/73 13/08/72 12/04/71 11/11/70 DN 1000,00 1300,00 1200,00 1500,00 salário caixa vendedor caixa vendedor cargo rua K, 87Carlos4 rua E, 18Paulo3 rua H, 55Maria2 rua X, 10João1 endereçonomecódigo Funcionários código, cargo, salário, filial (Funcionários) fv 2 (dados profissionais) 21300,00vendedor5 21000,00caixa4... 1 1 1 filial 1300,00vendedor3 1200,00caixa2 1500,00vendedor1 saláriocargocódigo código, nome, endereço, DN (Funcionários) fv 1 (dados pessoais) 15/05/74rua Q, 52Ana5 14/01/73rua K, 87Carlos4... 13/08/72 12/04/71 11/11/70 DN rua E, 18Paulo3 rua H, 55Maria2 rua X, 10João1 endereçonomecódigo

© Marcelo Bezerra de Alcântara Resposta 27 Total –desempenho bom para consultas não há necessidade de acesso remoto –muita redundância de dados e desempenho ruim para atualizações manutenção de cópias consistentes (uso de triggers, por exemplo) scheduler e recovery mais complexos –bloqueios em todos os nodos e com interferências diferentes –UNDO e REDO em todos os nodos Nula –inverte-se as vantagens e desvantagens Parcial –meio termo entre as opções anteriores

© Marcelo Bezerra de Alcântara Questão 28 Num banco de dados centralizado, o estimativas de custo do processamento de uma consulta baseiam-se principalmente no número de acessos a disco. Cite dois novos paramentros em um SGBDD!

© Marcelo Bezerra de Alcântara Resposta 28 BDD –consultas podem requisitar dados em vários nodos, logo há outros fatores a estimar custo do volume de dados transmitido na rede –deve ser o menor possível! processamento paralelo de partes da consulta em diferentes nodos –DDD mantém a localização e as filtragens H e V que

© Marcelo Bezerra de Alcântara Resposta 30 atualização não é in-placeatualização in-place operações DML envolvem procedimentos complexos operações DML simples outras semânticas de relacionamento (composição, adjacência,...) relacionamentos de associação (por chave) transações longastransações curtas atributos complexosatributos atômicos estrutura não-fixaestrutura fixa Dados Não-ConvencionaisDados Convencionais

© Marcelo Bezerra de Alcântara Resposta 31 Comparação com o modelo relacional –maior nível de abstração modelo de objetos tem maior afinidade semântica com um modelo conceitual de dados –representação mais natural de uma entidade do mundo real –mais adequado a representação de dados complexos de aplicações não-convencionais aplicações CAD/CAM, sistemas de informação geográfica,... –modelo mais complexo maior número de conceitos

© Marcelo Bezerra de Alcântara Resposta 32 Comparação com o modelo relacional –maior nível de abstração modelo de objetos tem maior afinidade semântica com um modelo conceitual de dados –representação mais natural de uma entidade do mundo real –mais adequado a representação de dados complexos de aplicações não-convencionais aplicações CAD/CAM, sistemas de informação geográfica,... –modelo mais complexo maior número de conceitos

© Marcelo Bezerra de Alcântara Resposta 33 DTD (Document Type Definition) –Permite se definir uma gramática para criar documentos específicos Namespaces –Permite utilizar nomes repetidos para tags utilizando espaços de nomes diferentes XML Schema –Estende o conceito de DTDs

© Marcelo Bezerra de Alcântara Resposta 33 XLInks –Links entre documentos –Uma forma generalizada dos conceitos de âncoras e links de HML XPointer –Permite um recurso ser identificado pela sua localização contextual. XPath –É uma linguagem para referenciar partes de um documento XML

© Marcelo Bezerra de Alcântara Resposta 33 Xquery –Permite a consulta dentro de documentos XSLT (eXtensible Style Language Transformation) – Transformação de documentos XML CSS –Linguagem de estilo. Foi definida primeiramente para HTML

© Marcelo Bezerra de Alcântara Resposta 33 DOM( Document Object Model) –Manipula documentos XML como sendo uma árvore de objetos SAX(Simple API for XML) –Utiliza o conceito de eventos para a manipulação de documentos XML

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 1 Disciplina Banco de Dados II Revisão da Matéria VP3 Msc, Marcelo Bezerra de Alcântara

Apresentações semelhantes

Apresentação em tema: "© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 1 Disciplina Banco de Dados II Revisão da Matéria VP3 Msc, Marcelo Bezerra de Alcântara"— Transcrição da apresentação:

Apresentações semelhantes

Sobre projeto

Feedback

Login

Autorizar-se através da rede social:

© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 1 Disciplina Banco de Dados II Revisão da Matéria VP3 Msc, Marcelo Bezerra de Alcântara

Apresentações semelhantes

Apresentação em tema: "© Marcelo Bezerra de AlcântaraBanco de Dados II - Revisão - 1 Disciplina Banco de Dados II Revisão da Matéria VP3 Msc, Marcelo Bezerra de Alcântara"— Transcrição da apresentação:

Apresentações semelhantes

Sobre projeto

Feedback