Bases de Datos Relacionales y SQL: Una Introduccion · Sistema Gestor de Base de Datos Relacional...

36
1 Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015 José María Fernández González ([email protected]) v2.7.0 Bases de Datos Relacionales y SQL: Una Introducción José María Fernández González GN2, Instituto Nacional de Bioinformática Biología Estructural y Biocomputación, CNIO

Transcript of Bases de Datos Relacionales y SQL: Una Introduccion · Sistema Gestor de Base de Datos Relacional...

1

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Bases de Datos Relacionalesy SQL: Una Introducción

José María Fernández GonzálezGN2, Instituto Nacional de Bioinformática

Biología Estructural y Biocomputación, CNIO

2

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Sumario

● ¿Qué es un SGBDR?● ¿Por qué usar bases de datos relacionales en

bioinformática?● SQL (Structured Query Language)● Usuarios de base de datos● Tablas: creación, definición de restricciones y

borrado● Manipulación de datos: consulta, inserción,

actualización y borrado● Pistas de cómo diseñar una BD● Interfaces de programación

3

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

¿Qué es un SGDBR?

● Sistema Gestor de Base de Datos Relacional (SGDBR). Software que gestiona el uso de las bases de datos relacionales, y optimiza y controla el acceso al contenido de las mismas.

● El almacenamiento físico de los datos lo gestiona única y exclusivamente el gestor de la base de datos. El usuario sólo debe preocuparse de la estructura lógica de los mismos.

● La manipulación de la estructura y contenido de una base de datos relacional se realiza mediante el lenguaje de consultas SQL (Structured Query Language)

4

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Estructura interna de un SGBDR

Procesador de consultas

para el usuario final

Interfaz de programación para aplicaciones

(API)

Acceso a la base de datos y lógica de control

Sistema gestor de bases de datos

Interfaz de definición

de datos

Programas UsuariosAdministrador de la base de datos

Almacenamiento físico de los datos Esquema

5

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

¿Por qué una base de datos relacional en bioinformática?

Distribución en GB de la antigüedad de bases de datos biológicas típicasDistribución en GB de la antigüedad de bases de datos biológicas típicas(calculado en 2008 usando (calculado en 2008 usando JDiskReport))

6

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

¡Qué grandes!¿Cómo las consulto?

Distribución de tamaños de fichero de bases de datos biológicas típicasDistribución de tamaños de fichero de bases de datos biológicas típicas

7

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Demasiado grandes para uncutre-script, ¿no?

Algunas estadísticas de 2008 sobrebases de datos biológicas típicas

8

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Bases de datos relacionalesen Bioinformática (2014-11-17)

● Ensembl: volcados para MySQL/MariaDB (FTP)(versión 76 => 365.8 GB, versión 77 => 370.0 GB)

● Pfam: volcados para MySQL/MariaDB (FTP)(versión 26.0 => 55.8 GB, versión 27.0 => 60.9 GB)

● Rfam: volcados para MySQL/MariaDB (FTP)(version 11.0 => 3.4 GB, versión 12.0 => 1.7 GB)

● dbSNP: volcados para Sybase (FTP)(2009 => ~68 GB, ahora => 166.4 GB)

● ArrayExpress: usa Oracle, publica en varios formatos(31.7 TB FTP).

● IntAct: usa PostgreSQL, publica en XML y en formato tabular (FTP).

● UCSC: publica MySQL y ficheros planos (FTP).

9

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Structured Query Language

● Es el idioma 'estándar' que se emplea para consultar y modificar bases de datos relacionales.

● Estándares existentes:SQL86, SQL89, SQL92, SQL99, …(http://www.jcc.com/resources/sql-standards)

● Cada uno de los estándares SQL clasifica las distintas funcionalidades por su complejidad:entry, intermediate, advanced.

● Por ello, podemos encontrar hoy en día gestores de bases de datos que por ejemplo, implementan SQL89, bastantes operaciones de SQL92, pocas de SQL99 y ninguna de SQL:2003.

10

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Algunos SGBDR

● Actualmente existen decenas de sistemas gestores de bases de datos relacionales:

➢ Gestores open source: PostgreSQL,MySQL/MariaDB, SQLite...

➢ Gestores de pago: Oracle, Sybase, DB2, ...● A pesar de los estándares SQL, los

desarrolladores de cada gestor de bases de datos suele además añadir extensiones propias al estándar, por lo cuál nos encontramos con muchos 'dialectos' SQL muy parecidos entre sí a nivel semántico, pero sintácticamente incompatibles.

11

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

http://www.hpi.uni-potsdam.de/naumann/projekte/rdbms_genealogy.html

IBM Peterlee Relational Test Vehicle

IBM IS1

1970s

1980s 1990s

2000s

2010s

v1, 1992

v1.0, 1987

v4.0, 1990 v10, 1993

v1, 1987 v2, 1989v3, 2011

v11.5, 1996 v11.9, 1998

v12.0, 1999 v12.5, 2001 v12.5.1, 2003 v15.0, 2005 v16.0, 2012

v1, 1989

v2, 1993

v1.0, 1980s

v5.x, 1970s

v6.0, 1986 OpenIngres 2.0, 1997 vR3, 2004

v1, 1995 v6, 1997 v7, 2000

v8, 2005 v9, 2010

v9.0, 2006 v10, 2010

v4.0, 1990 v5.0, 1992 v6.0, 1994

v9.0, 2000 v10, 2005 v11, 2007

v4.21, 1993 v6, 1994 v7, 1998

v8, 1997

v3.1, 1997 v3.21, 1998 v3.23, 2001 v4, 2003 v4.1, 2004 v5, 2005 v5.1, 2008

v5.5, 2010

v8i, 1999 v9i, 2001 v10g, 2003 v10gR2, 2005 v11g, 2007 v11gR2, 2009

v8, 2000 v9, 2005 v10, 2008 v11, 2012

v3, 1995 v4, 1997 v5, 1999 v10, 2001 v11, 2003 v12, 2007 v14, 2010

v3, 1983 v4, 1984 v5, 1985

v1, 1983

v5.1, 1986

v3, 1993

v1, 1983 v2, 1988 v3, 1993 v4, 1994

v5, 1996

v6, 1999 v7, 2001 v8, 2003 v9, 2006

alpha, 1979

v1.0, 1981

v6.1, 1997 v8.1, 1998 v10.2, 2008

v5.1, 2004 v6.0, 2005 v6.2, 2006 v12, 2007 v13.0, 2009

v13.10, 2010 v14.0, 2012

v4, 1995

v5, 1997

v6, 1999

v1, 1991 v2, 1997

v3, 1999 v4, 2001

v1.6, 2001 v1.7, 2002

v1.8, 2005

v3.0, 1988

v2.0, 2010

v5, 2010

v7, 2001 v8, 2004 v9, 2007

v10, 2010

v7, 1992

v7.0, 1995

v2, 1979

v1, 2003 v1.5, 2009

v2, 2012

v6.5, 1995

code brand

v11, 1995v12, 1999

v15, 2009

v12c, 2013

v1, 1988 v2, 1992 v4, 1992

v6, 2008 v7, 2010

Ingres

VectorWise

MonetDB

Netezza

Greenplum

PostgreSQL

Red Brick

Microsoft SQL Server H-Store

Informix

VoltDB

Vertica

db40

Sybase ASE

Sybase IQ

SQL Anywhere

Access

Oracle

Infobright

MySQL

TimesTen

Paradox

Teradata

Empress Embedded

RDB

DB2 for iSeries

Derby

Transbase

DB2 for z/OS

DB2 for VM

Solid DB

EXASolution

dBase

Firebird

DB2 for LUW

HSQLDB

BerkelyDB

SQLite

HANA

MaxDB

Nonstop SQL

AdabasD

MariaDB

v10, 2013

SQL/DS

DB2 for VM

DB2 UDB

Transbase (Transaction Software)

TinyDB

Berkeley DB

DB2 MVS

Solid DB

Gamma (Univ. Wisconsin) Mariposa (Berkeley)

dBase (Ashton Tate)

DB2

NDBM

GDBM

SQLite

HSQLDB

DBM

VDN/RDS DDB4 (Nixdorf) SAP DB MaxDB

System-R (IBM)

AdabasD (Software AG)

SAP HANA

P*TIME

REDABAS (Robotron)

DABA (Robotron, TU Dresden)

EXASolution

InterBase Firebird

DB2 z/OS

System/38

SQL/400 DB2/400

DB2 UDB for iSeries

Oracle

RDB (DEC)

Teradata

Empress Embedded

TimesTen Aster Database

JBMS

Cloudscape Derby

Paradox (Ansa)

Red Brick

Multics Relational Data Store (Honeywell)

Apache Derby

Berkeley Ingres

Ingres

Postgres PostgreSQL

Illustra IBM Informix

MonetDB (CWI)

Greenplum

Volt DB

Netezza

Informix

Sybase ASE

Microsoft SQL Server Microsoft Access

MySQL

Sybase IQ

Nonstop SQL (Tandem) Neoview

mSQL

InnoDB (Innobase)

Infobright

H-Store C-Store

db40

Vertica Analytic DB

VectorWise (Actian)Monet Database System (Data Distilleries)

DATAllegro

Informix

IBM Red Brick Warehouse

Expressway 103

Watcom SQL SQL Anywhere

MariaDB

Key to lines and symbols Felix Naumann, Jana Bauckmann, Claudia Exeler, Jan-Peer Rudolph, Fabian Tschirschnitz

Contact - Hasso Plattner Institut, Potsdam, [email protected]

Design - Alexander Sandt Graf k-Design, Hamburg

Version 4.0 - August 2013

http://www.hpi.uni-potsdam.de/naumann/projekte/rdbms_genealogy.html

Publishing Date

Genealogy of Relational Database Management Systems

Discontinued Branch (intellectual and/or code)Acquisition Versions

v9, 2006CC

Crossing lines have no special semantics

12

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

¿Cuál es el mejor SGBDR?

Si buscáis el mejor SGBDR, la respuesta es otra pregunta: ¿para qué lo queréis usar?

● En Bioinformática, tanto PostgreSQL como MySQL/MariaDB se han vuelto muy populares. Ello es debido a que pueden ser instalados prácticamente en cualquier plataforma hardware sin ningún coste adicional (la licencia de uso es gratuita), salvo el esfuerzo de instalarlo.

● El principal éxito de PostgreSQL: la simplicidad y muchas de las características, potencia y escalabilidad de los SGBDR de pago.

● El principal éxito de MySQL/MariaDB: su gran simplicidad y su velocidad de acceso para consultas sencillas.

● ¿Y SQLite? Al ser un gestor embebido no hay que disponer de un servidor dedicado. Por su rendimiento y bajos requisitos de memoria, se usa cada vez más, de forma general, en todo. Pero no es la implementación más correcta.

13

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Partes del lenguaje SQL

● DDL (Data Definition Language): Es la parte del lenguaje que se ocupa de la gestión de la base de datos: creación y borrado de los usuarios, tablas, vistas, etc...; gestión del control de acceso; manipulación de la estructura de las tablas; optimización del acceso a los datos; tipos de datos...

● DML (Data Manipulation Language): Es la parte del lenguaje SQL que se ocupa de las operaciones de inserción, borrado, actualización y consulta de datos.

14

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

¿Que conceptos hay modelados en una BDR?

● Tipos de datos.INTEGER, VARCHAR, DATE, REAL

● Datos, organizados en tuplas.● Tablas+columnas.● Usuarios.● Restricciones.● Índices y otros elementos.

15

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Usuarios de una Base de Datos

● Los usuarios de una base de datos no están relacionados con los usuarios del sistema.

● Al igual que en un sistema informático general, existe la figura del administrador. En casi todos los SGBDRs el administrador de una base de datos no tiene por qué ser el administrador del sistema.

● Un 'administrador' crea los usuarios, y les otorga o deniega privilegios (operaciones que pueden realizar).

● Posibles privilegiosPosibles privilegios: crear, modificar o borrar una tabla; consultar, insertar, borrar o modificar los datos de una tabla; consultar o crear una vista; crear usuarios o grupos; otorgar privilegios; etc...

16

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Tablas: IntroducciónUna base de datos relacional está compuesta de varias

tablas relacionadas entre sí

Cada tabla tiene un nombre, está estructurada en una o más columnas, y puede tener una o más restricciones asociadas a la misma.

AccNumber Identificador Descripción

A1WWE5 ACP_HALHL Acyl carrier protein

A8ESU2 RS10_ARCB4 30S ribosomal protein S10

Q9X2A1 ASSY_THEMA Argininosuccinate synthase

A8FEJ8 TRPB_BACP2 Tryptophan synthase beta chain

A1JJ31 AMPA_YERE8 Probable cytosol aminopeptidase

Q83EL7 KGUA_COXBU Guanylate kinase

P48307 TFPI2_HUMAN Tissue factor pathway inhibitor 2

Q1CC21 MALK_YERPA Maltose/maltodextrin import ATP-binding protein MalK

A9SU70 U4976_PHYPA UPF0497 membrane protein 6

Tabla Proteína

17

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Tablas: Tuplas y Columnas

● Cada columna tiene nombre, y un tipo de datos.

● Cada columna puede participar en una o varias restricciones.

● Las restricciones básicas de una columna son: de contenido nulo, de restricciones de contenido.

● Se puede asignar a una columna una expresión por omisión. Se emplea cuando se guarda una tupla en la que no se haya dado explícitamente un valor a esa columna.

● Una entrada de datos de una tabla es una tupla, y está compuesta por los valores asociados a cada columna de la tabla.

● En cada tupla, una columna puede tener asociado a lo sumo un valor.

AccNumber Identificador Descripción

CHAR(6) PK VARCHAR(25) NOT NULL VARCHAR(4096)

A1WWE5 ACP_HALHL Acyl carrier protein

18

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Tablas: Tipos y Valores SQL

● INTEGER 3, -2

● CHAR 's','kp'

● VARCHAR 'qlf'

● BOOLEAN true● TIMESTAMP● DATE 2013-11-29● TIME 17:25:38

● NUMERIC 0.03156● REAL 3 1415,● CLOBs● BLOBs● NULL● etc...

En un lugar de la Mancha de cuyo nombre no quiero acordarme vivía un hidalgo de los de espada y rocín, conocido como

Fri Nov 21 18:51:39 CEST 2014

19

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

SQL: Creación de tablasCREATE TABLE SWISSTABLE (

id VARCHAR(10) NOT NULL,accnumber VARCHAR(7) NOT NULL,secuencia TEXT NOT NULL,molweight NUMERIC(8,2),description VARCHAR(255),PRIMARY KEY (accnumber),UNIQUE(id)

);

CREATE TABLE REL_SWISS_PDB (accnumber_r VARCHAR(7) NOT NULL,pdbcode VARCHAR(8) NOT NULL,FOREIGN KEY TOSWISS (accnumber_r) REFERENCES

SWISSTABLE (accnumber)ON DELETE CASCADE ON UPDATE CASCADE,

FOREIGN KEY TOPDB (pdbcode) REFERENCESPDBTABLE (pdb_id)ON DELETE RESTRICT ON UPDATE CASCADE

);

20

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Tabla: Restricciones

● Una restricción es una premisa que siempre se debe cumplir. Por ello, los datos almacenados en una tabla siempre deben cumplir todas las restricciones de dicha tabla.

● Existen varios tipos de restricciones● De columna (explicado anteriormente)

● De clave única

● De clave primaria

● De clave externa

● Otras...Persona

Nombre

Apellido1

Apellido2

NIF

21

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Restricción de Clave Única

● Esta restricción se construye sobre una o más columnas, y obliga a que los valores asociados a esas columnas sean únicos. Por ejemplo:

(nombre, apellido1, apellido2)

podría definir una clave única, de forma que no pudiese haber dos personas con el mismo nombre y apellidos.

● Una tabla puede tener más de una restricción de clave única. Por ejemplo, una clave única sobre el NIF y otra sobre el número de pasaporte.

22

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Restricción de Clave Primaria

● Este tipo de restricciones es similar en concepto a las de clave única. Adicionalmente, los valores que toman las columnas de la clave primaria en cada tupla se emplean para identificar dicha tupla de forma lógica.

● Sólo se puede definir una clave primaria por tabla. En caso de existir varios candidatos a clave primaria, lo más conveniente es elegir el más representativo para el contexto de uso.

● Por ejemplo, para un coche, tanto la matrícula como el nº de bastidor se podrían emplear como clave primaria.

23

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Restricción de Clave Externa

● Las restricciones de clave externa sirven para mantener la coherencia entre los datos almacenados en distintas tablas. Se establecen desde los campos de una tabla a los campos de clave primaria de otra.

● Por ejemplo, una base de datos con la tabla Swisstable y la tabla PDB Model, que relacionan sus contenidos a través de la tabla Rel_Swiss_PDB. Para mantener la coherencia, los cambios en el accnumber de alguna entrada de Swisstable o bien estarán prohibidos, o bien provocarán un cambio automático en las entradas de Rel_Swiss_PDB con el mismo accnumber_r.

id

molweight

description

accnumber_r

pdbcode

pdbcode

model

PDB ModelRel_Swiss_PDB

Swisstable

accnumber

secuencia

24

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Borrado de tablas. Permisos

DROP TABLE REL_SWISS_PDB;

GRANT SELECT,INSERT,UPDATE,DELETEON SWISSTABLE TO pepe;

REVOKE SELECT ON SWISSTABLE TO PUBLIC;

25

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Manipulación de datos

● Una vez definida la estructura de la base de datos, podremos insertar, actualizar, borrar y consultar datos.

● De todas ellas, las consultas serán las operaciones más realizadas, tanto para recuperar información previamente almacenada, como para calcular estadísticas o extraer conclusiones de los datos almacenados.

● Un conjunto de operaciones de manipulación de datos se puede realizar en transacción, para garantizar la coherencia de las mismas.

26

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

SQL: Recuperando datos (I)

Consulta normalSELECT p.pdbcode, s.id AS "Swissprot ID"FROM rel_swiss_pdb p, swisstable sWHERE p.accnumber = s.accnumberAND description LIKE '%3D%';

27

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

SQL: Recuperando datos (II)A B

SELECT <select_list> FROM TablaA A LEFT JOIN TablaB B ON A.claveA = B.claveB

A B

SELECT <select_list> FROM TablaA A LEFT JOIN TablaB B ON A.claveA = B.claveB WHERE B.claveB IS NULL

A B

SELECT <select_list> FROM TablaA A RIGHT JOIN TablaB B ON A.claveA = B.claveB

A B

SELECT <select_list> FROM TablaA A RIGHT JOIN TablaB B ON A.claveA = B.claveB WHERE A.claveA IS NULL

A B

SELECT <select_list> FROM TablaA A

INNER JOIN TablaB B ON A.claveA = B.claveB

SELECT <select_list> FROM TablaA A, Tabla B WHERE A.claveA = B.claveB

A B

SELECT <select_list> FROM TablaA A FULL OUTER JOIN TablaB B ON A.claveA = B.claveB

A B

SELECT <select_list> FROM TablaA A FULL OUTER JOIN TablaB B ON A.claveA = B.claveB WHERE A.claveA IS NULL OR B.claveB IS NULL

SQL Joins

(inspirado en http://commons.wikimedia.org/wiki/File:SQL_Joins.svg)

28

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

SQL: Recuperando datos (III)

Consulta de agregación simpleSELECT COUNT(*)FROM SWISSTABLEWHERE LENGTH(secuencia) > 100;

Consulta agregación con joinSELECT COUNT(*)FROM rel_swiss_pdb p, swisstable sWHERE p.accnumber_r = s.accnumberAND description LIKE '%3D%';

22

29

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Id Accnumber Secuencia Molweight DescriptionId_A A QWEF 38 Blah 3DId_B B ADSFQ 174 3D BlehId_C C SGF 23 Bl 3D ihId_D D WEWH 229 BlohId_E E NMEGY 151 BluhId_F F PEUUH 79 Jaja 3D 2

SQL: Recuperando datos (IV)Consulta de agregación ampliadaSELECT s.id, COUNT(p.pdbcode)FROM rel_swiss_pdb p, swisstable sWHERE p.accnumber_r = s.accnumberAND description LIKE '%3D%'GROUP BY 1;

Accnumber_r PdbcodeA PC QE RB SC TC UA V

Id COUNTId_A 2Id_B 1Id_C 3

30

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

SQL: Manipulación de datos

InserciónINSERT INTO SWISSTABLE VALUES

('P98765',NULL,'LSQSDARESM',18.15,'ID_RAT');

INSERT INTO SWISSTABLE (accnumber,id,molweight, secuencia)VALUES ('P98765','ID_RAT',18.15,'LSQSDARESM');

BorradoDELETE FROM SWISSTABLE

WHERE accnumber LIKE 'P98%';

ActualizaciónUPDATE SWISSTABLE SET

molweight = molweight + 1.0WHERE description IS NULL;

31

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Recomendaciones de Diseño

● La base de datos tiene que tener una estructura con la complejidad necesaria: ni más ni menos.

● La base de datos tiene que ser funcional:servir para lo que se ha diseñado.

● El diseñador debe tomarse su tiempo para sopesar los pros y los contras del diseño que ha realizado. Es más fácil cambiar la estructura de una base de datos cuando no tiene datos :-)

32

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Pasos a la hora de diseñar una base de datos relacional

1) Enumerar los conceptos que se quieren almacenar en la base de datos.

2) Clasificar esos conceptos en tablas o atributos de tabla.

3) Identificar las tablas que están relacionadas entre sí, la direccionalidad y cardinalidad.

4) Asignar cada concepto etiquetado como atributo a las tablas con las que estén relacionados.

5) Identificar qué atributos pueden actuar como claves únicas o primaria, y elegir la clave primaria.

6) Crear los atributos correspondientes a las claves externas en las tablas que están siendo apuntadas por otras. Esos atributos vienen de copiar los atributos etiquetados como clave primaria.

7) Ver si el esquema resultante hace lo que debe hacer. Si no, ir al paso 1.

33

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Diseño de una base de datos¿Arte o Ciencia?

● El diseño de la base de datos influye tanto en qué se puede almacenar y consultar, como en los métodos de consulta.

● Existe multitud de herramientas para realizar el diseño a bajo y alto nivel de una base de datos. Adicionalmente, existen varias metodologías de diseño, que proporcionan las directrices básicas.

● El diseñador debe conocer tanto el dominio del problema, como el dominio de uso de la futura base de datos.

34

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

35

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Interfaces de programación

● Toda base de datos suele estar rodeada de una serie de programas que consultan y mantienen los datos que alberga, enfocados al motivo por la que se creó.

● Según el lenguaje de programación en el que se encuentre escrito cada programa, habrá que usar uno u otro interfaz de acceso a la base de datos.

● No todos los interfaces están disponibles para todos los SGBDRs y plataformas.

● Interfaces clásicos son: ODBC, JDBC (Java),DBI (Perl y Ruby), ADO, DB-API (python),CREOLE (php), etc...

36

Máster en Bioinformática y Biología Computacional, ENS-ISCIII 2014-2015José María Fernández González ([email protected])

v2.7.0

Referencias

● Manual de PostgreSQL 9.3.5: PDF, HTML

● Manual de SQLite 3.8.x: HTML

● Documentación de MariaDB: HTML

● “Structured Query Language” wikibook

● http://www.sqlcourse.com/● http://www.sqlcourse2.com/intro2.html

● http://www.w3schools.com/sql/

● http://www.1keydata.com/sql/sql-commands.html● “Mastering SQL”, Martin Gruber, Ed. Sybex

● “SQL for Smarties”, Joe Celko, Ed. Morgan Kaufmann