BASES DE DATOS

BASES DE DATOS

Soluciones a problemas de disponibilidad y perdida de información
1. HADR
  1. High Availability Disaster Recovery.
  2. Reaplicación de datos ante una falla de alguno de los servidores
    1. EJEMPLO
      1. Archivos log de transacciones
  3. Soporta un servidor como primario y hasta 3 como secundarios.
  4. Si falla el primer servidor, un secundario toma el papel de servidor primario.
  5. VENTAJAS
    1. Minimiza el impacto de interrupciones, realiza actualizaciones sin interrumpir la operación, es transparente para el aplicativo, fácil administración y configuración, no se requiere HW especializado.
2. PureScale
  1. Es una arquitectura basada en clústers (Conjunto de varios ordenadores unidos por una red de alta velocidad.
  2. Es una característica de DB2 que reduce el riesgo y los costos del crecimiento del negocio.
  3. Proporciona capacidad extrema y disponibilidad continua, es transparente al aplicativo.
  4. VENTAJAS
    1. Evita riesgos y costos en cambios de aplicación.
    2. Diseñada para sistemas que requieren disponibilidad continua. (24/7)
    3. Utiliza la misma arquitectura del estándar de Oro, los sistemas Z
      1. (EJEMPLOS))
    4. Se puede agregar o quitar miembros.
    5. No se requiere tunear la infraestructura.
Soluciones a problemas de performance
1. DPF
  1. Database Partition Feature
    1. Particionamieto de Base de Datos.
  2. Se mejora el desempeño y la escalabilidad de grandes bases de datos.
  3. Cada partición de la BD tiene su propio conjunto de recursos informáticos. (CPU, memoria y unidades de almacenamiento.
  4. Los registros de cada tabla son distribuidos en diferentes particiones.
  5. Es una característica de escalabilidad
  6. CONFIGURACIONES QUE ACEPTA
    1. Discos compartidos,.
    2. Discos dedicados
    3. Permite el uso de particiones logicas y físicas.
    4. Los comandos para la administración de BD son ejecutadas en cada una de las particiones..
    5. Es transparente al aplicativo.
2. TABLE PARTITIONING
  1. Es igual al DPF, sólo que se aplica para tablas dentro de una base de datos.
  2. Es el particionamiento de los datos de una taba en un subconjunto de datos.
    1. EJEMPLO
      1. Poder localizar una consulta donde hay 100 mil registros, en una partición que guarda datos de un año específico
  3. VENTAJAS
    1. Incremento en el desempeño de consultas.
    2. Mejora la optimización para los costos de almacenamiento.
    3. Rápida creación o eliminación de particionamiento de datos.
    4. No se ve afectada la disponibilidad al agregar o quitar particiones.
    5. Incrementa el tamaño de las tablas.
3. MCD
  1. Multi - Dimensión Clustering
  2. Proporciona un método para que los datos de una tabla se agupen físicamente en varias dimensiones simultáneas de forma flexible y automática.
    1. EJEMPLO
      1. hacer una consulta por filtros, como "Tipo de producto
  3. Mejora el desempeño de las consultas.
  4. VENTAJAS
    1. Reduce el gasto de mantenimiento en los datos.
    2. Pensado originalmente para Data Warehouse y base de datos con grandes volúmenes de información.
    3. También se puede utilizar en bases de datos de tipo OLTP.
Solución a problemas de desempeño y costos
1. COMPRESION DE DATOS
  1. Consiste en la reducción del volúmen de información utilizando el menor espacio posible.
  2. Los tipos de objetos que puede comprimir son: registros, tablas, indices, tablas temporales, objetos o imágenes, datos XML, Log de transacciones, Backup
    1. EJEMPLO
      1. El liderazgo lo tiene DB2
  3. VENTAJAS
    1. Reduce costos de almacenamiento.
    2. Performance en las consultas.
    3. Reduce E/S al disco y los costos de energía.
    4. Trabaja con datos en memoria y comprimidos.
Solución a problemas de costos y acceso
1. DATA WAREHOUSE
  1. Es un almacén de datos que es utilizado para explotar grandes volúmenes de información para análisis y toma de decisiones.
  2. Es un tipo de base de datos OLAP
  3. EJEMPLO
    1. DB2 10.5 with Blu Aceleration, Informix, Pure Data for Analytics
  4. HERRAMIENTAS ETL / DATA WAREHOUSE
    1. Extract Transform Load Extract
    2. Es el proceso de extraer la información que puede venir de diferentes fuentes de datos o BD de distintos proveedores.
    3. EJEMPLO:
      1. IBM InfoSphere
  5. DATA MART
    1. Es un subconjunto de datos de un Data Warehouse para un área especíica.
    2. EJEMPLO
      1. Datos transaccionales usando DB 10.5 with BLU Aceleration.
TIPOS DE BASES DE DATOS
1. OLAP
  1. On Line Analytical Processing
  2. Son también llamadas bases de datos ESTATICAS porque la información en tiempo real solo se utiliza para consultas.
    1. EJEMPLO
      1. Se implementa en Bussiness Intelligence para consultas.
2. MOLAP
  1. Multidimentional OLAP
  2. Es un servidor OLAP que almacena el cubo completo OLAP en memoria.
    1. EJEMPLO
      1. Cognos Power Cubes
  3. Las agregaciones son precalculas y almacenadas en memoria
  4. Da respuestas rapidas a consultas, alta concurrencia en ejecución de consultas.
3. ROLAP
  1. Relational OLAP
  2. Los datos son almacenados en un Star Schema con tablas, Hechos y dimensiones.
    1. EJEMPLO
      1. DB2 Cube Views y Cognos Frama Work Manager with Relational Datasourse.
4. HOLAP
  1. Hybrid OLAP
  2. Es una combinación de ROLAP y MOLAP
    1. EJEMPLO
      1. Cognos 10.1.1 DMR Cognos dynamic Cubes.
  3. No existe limite de tamaño de datos como ROLAP y proporciona todas las capacidades para obtener detalles de información con alta concurrencia y rendimiento para los datos solicitados.
Solución a Data Warehouse y análisis en la Nube
1. IBM BLU ACCELERATION CLOUD
  1. Servicios informáticos a través de Internet.
  2. VENTAJAS
    1. Las empresas no requieren infraestructura propia y permite a los usuarios accesar a las aplicaciones desde cualquier lugar.
    2. Los programadores pueden desarrollar aplicaciones.
2. CLOUDANT
  1. Es una base de datos de como Servicio (BDaaS)
    1. EJEMPLO
      1. json, GEOESPACIAL
  2. Permite centrarse en el desarrollo rápido de aplicaciones en Internet y móviles sin preocuparse por la expansión y gestión de la BD
  3. Alta disponibilidad, duradera y con amplias funciones.
  4. El almacenamiento de datos se construye para la escalabilidad y optimizado para lectura y escritura.
  5. JSON
    1. Java Script Objeto Notation
    2. Es un formato ligero para el intercambio de datos.
    3. Basado en un subconjunto del lenguaje de programación JavaScript.
    4. Se utiliza en ambientes de trabajo donde el flujo de datos es vital
      1. EJEMPLO
        Google, Yahoo
    5. Soportado en DB 2 10.5 e Informix 12.1
    6. Permite a los programadores reducir dependencia de las Tecnologías de la Información
INTERNET DE LAS COSAS IoT
1. Todo el mundo de Información hace el Internet de las cosas, creando nuevas oportunidades en muchas áreas.
2. El objetivo no es almacenar mucha información, sino analizarla de forma rápida.
3. El objetivo es darle valor a la información.
4. Surgen problemas como datos generados en distintos formatos, dificultad de analizar datos y necesidad de visualizar la información.
5. IBM INFRMIX - B. de D. inteligentes para IoT
  1. Es una base de datos inteligente para resolver los problemas de IoT.
  2. Funciona en dispositivos periféricos y en la Nube.
  3. Capacidad de proporcionar inteligencia local.
  4. Facilidad de uso y estabilidad.
  5. Tiene características que la convierten en la solución para BD "Simplemente Potente" para Internet.

Siguiente

Descripción

Resumen del Recurso

Similar

	Creado por Leticia MoralesDominguez hace casi 8 años