Tema 5: Sistemas de gestión de bases de datos (relacionales, OO, NoSQL)

Sistema Gestor de Bases de Datos (SGBD): concepto

Un Sistema Gestor de Bases de Datos (SGBD) —en inglés Database Management System, DBMS— es un sistema (software) para la creación y administración de bases de datos. Actúa como capa intermedia entre los usuarios o las aplicaciones y los datos almacenados físicamente, proporcionando los mecanismos para definir, construir, manipular, controlar y mantener la información de forma centralizada, consistente y segura.

El SGBD persigue objetivos clásicos: independencia física y lógica de los datos, minimización de la redundancia, integridad, concurrencia controlada, seguridad y recuperación ante fallos. Un SGBD no es la base de datos en sí (el conjunto de datos), sino el software que la gobierna.

Características y componentes de un SGBD

Un SGBD suele estructurarse en varios componentes funcionales:

• Lenguaje de definición de datos (DDL): define el esquema (tablas, vistas, índices, restricciones).

• Lenguaje de manipulación de datos (DML): consulta y modifica los datos; en el modelo relacional es SQL.

• Lenguaje de control de datos (DCL): gestiona permisos y transacciones.

• Motor de almacenamiento: organiza cómo se guardan y recuperan los datos en disco.

• Procesador/optimizador de consultas: transforma las sentencias en planes de ejecución eficientes.

• Gestor de transacciones: garantiza las propiedades ACID (atomicidad, consistencia, aislamiento y durabilidad).

• Gestor de concurrencia, de seguridad y de recuperación (copias/logs).

• Diccionario de datos (catálogo): metadatos sobre la estructura de la base.

Tipos de SGBD

Según el modelo de datos que implementan, distinguimos:

DB2

DB2 (IBM Database 2) es un sistema de gestión de bases de datos relacional desarrollado por IBM. Fue lanzado por primera vez en 1983 sobre la plataforma mainframe MVS. Utiliza SQL para la recuperación y manipulación de datos, y a lo largo del tiempo se ha extendido con características objeto-relacionales y soporte de estructuras no relacionales como JSON y XML. Es, por tanto, un ejemplo característico de SGBD relacional junto a Oracle, MySQL, PostgreSQL o SQL Server.

SQLite

SQLite presenta un rasgo que lo hace único entre los SGBD: es una biblioteca escrita en C que implementa un SGBD sin servidor (serverless, embebido, in-process). A diferencia de Oracle, MySQL o SQL Server —que funcionan mediante un proceso servidor independiente al que se conectan los clientes—, SQLite se enlaza directamente dentro de la aplicación y lee y escribe sobre un fichero de disco ordinario y autocontenido. Es zero-configuration, ofrece transacciones ACID incluso ante cortes de energía y es el motor de base de datos más desplegado del mundo. Su filosofía es ser "un sustituto de fopen()", no un competidor de servidores como Oracle.

Herramientas de administración

Además del propio motor, existen herramientas de administración de bases de datos que facilitan la gestión visual:

• HeidiSQL: es una herramienta de administración de bases de datos (cliente gráfico) libre, que permite conectarse y gestionar servidores MySQL/MariaDB, PostgreSQL, SQL Server y SQLite (crear, editar y consultar datos y estructuras).

• Otras: phpMyAdmin, DBeaver, MySQL Workbench, pgAdmin.

No hay que confundir la herramienta de administración (interfaz de gestión) con el SGBD (el motor que realmente almacena y procesa los datos).

Operaciones CRUD

La interacción básica con cualquier almacén de datos se resume en el acrónimo CRUD, que en el contexto de las bases de datos significa Create, Read, Update and Delete (Crear, Leer, Actualizar y Borrar). CRUD es, por tanto, un conjunto de operaciones para gestionar bases de datos y los datos digitales:

Puntos clave que conviene retener:

• La operación Create es la que introduce información en la base de datos.

• La operación Update consiste en modificar las columnas (los datos ya existentes).

• La operación Delete significa borrar datos del sistema de almacenamiento.

Ventajas de las operaciones CRUD

Las operaciones CRUD son un patrón fundamental en el desarrollo de aplicaciones (por ejemplo, en PHP con MySQL). Sus ventajas principales son:

• Estandarización: ofrecen un espacio estandarizado para interactuar con aplicaciones de almacenamiento de datos, unificando la forma de operar sobre distintos sistemas.

• Escalabilidad: son fundamentales para la escalabilidad porque facilitan la adaptación de las aplicaciones a las necesidades cambiantes de los usuarios y de los datos, permitiendo que las aplicaciones se adapten de manera más sencilla.

• Mantenibilidad: facilitan el mantenimiento porque cuentan con protocolos establecidos que simplifican la resolución de problemas y las actualizaciones.

En PHP, un flujo CRUD típico combina las cuatro operaciones (INSERT, SELECT, UPDATE, DELETE) sobre el SGBD subyacente, proporcionando una base uniforme, escalable y fácil de mantener para la lógica de persistencia.

Fuentes

• SQLite — What Is SQLite? (sitio oficial): https://www.sqlite.org/about.html

• IBM — Db2 Database (producto oficial): https://www.ibm.com/products/db2-database

• IBM Documentation — Introduction to Db2 (DB2: the relational database): https://www.ibm.com/docs/en/zos-basic-skills?topic=zos-introduction-db2

• HeidiSQL — sitio oficial: https://www.heidisql.com/

• ISO/IEC 9075 (SQL) — norma del lenguaje de bases de datos relacionales: https://www.iso.org/standard/76583.html

Bases de datos relacionales

Un Sistema Gestor de Bases de Datos Relacional (SGBDR o RDBMS) organiza la información en relaciones (tablas) formadas por filas (tuplas) y columnas (atributos), y se manipula mediante el lenguaje SQL. El modelo relacional fue formulado por Edgar Frank Codd (IBM, 1970), matemático británico que lo fundamentó sobre la teoría de conjuntos y la lógica de predicados.

El modelo relacional de E. F. Codd

Codd persiguió una serie de objetivos al presentar su modelo, esencialmente distintos tipos de independencia:

• Independencia física: los cambios en el almacenamiento físico no afectan a las aplicaciones.

• Independencia lógica: los cambios en la estructura lógica (añadir tablas o columnas) no obligan a reescribir programas.

• Independencia de integridad e independencia de distribución.

• Reducir la redundancia, garantizar la integridad y ofrecer un tratamiento de datos con operaciones de alto nivel.

NO son objetivos de Codd términos como independencia emocional, temporal, política ni conceptual: son distractores.

Conceptos clave del modelo:

• Atributo: unidad de información asociada a un dominio del que toma sus valores.

• Clave primaria: identifica de forma única cada tupla.

• Clave foránea (foreign key): atributo que referencia la clave primaria de otra tabla, estableciendo la integridad referencial. Es incorrecto afirmar que las claves foráneas sean necesarias en todas las relaciones: solo existen donde hay una relación entre tablas.

Operaciones CRUD

CRUD son las siglas de las cuatro operaciones básicas para interactuar con los datos:

CRUD es un patrón agnóstico de tecnología: se aplica en SQL, NoSQL, API RESTful, GraphQL, PHP, etc. Facilita una experiencia de usuario positiva (crear, leer, actualizar y borrar datos sin dificultad) y permite modificar partes concretas de una aplicación sin afectar al resto.

Principales SGBD relacionales

• Oracle Database: RDBMS comercial líder, con características de autogestión y automatización.

• IBM DB2: desarrollado por IBM, reconocido por su rendimiento y escalabilidad.

• Microsoft SQL Server: con varias ediciones (Enterprise, Standard, Developer, Express, Web). Power BI NO es una edición de SQL Server, sino una herramienta de BI independiente.

• PostgreSQL: de código abierto, célebre por su extensibilidad, estándares abiertos y soporte de tipos de datos avanzados y personalizados. Usa el lenguaje procedural PL/pgSQL (si el cliente de consola es PL/pgSQL, el SGBD es PostgreSQL). Implementa MVCC (Multiversion Concurrency Control / Control de Concurrencia MultiVersión): cada transacción ve una instantánea de los datos, de modo que la lectura no bloquea la escritura ni viceversa. La extensión PostGIS añade soporte para datos geoespaciales.

• MySQL: de código abierto con licencia GPL.

• MariaDB: nace como continuación (fork) de MySQL con una filosofía Open Source tras la compra de MySQL por Oracle; es su principal elemento diferenciador.

• Teradata: orientado a grandes volúmenes (data warehouse) gracias a su paralelismo masivo (MPP).

• SAP HANA: base de datos en memoria, optimizada para la analítica.

• SQLite: biblioteca escrita en C que implementa un SGBD sin servidor (embebido), lo que lo distingue de arquitecturas cliente-servidor.

NO son SGBD: SofiaDB ni JSON (JSON es un formato de intercambio de datos, no un gestor).

HeidiSQL es un cliente gráfico con licencia GPL que puede conectarse de forma segura a MySQL/MariaDB mediante el protocolo SSH (túnel).

Entity Framework (EF) es el ORM (mapeo objeto-relacional) de Microsoft basado en la tecnología de acceso a datos ADO.NET.

Arquitectura y estructuras de Oracle

Oracle distingue entre la instancia (procesos en memoria) y la base de datos (ficheros). La instancia de base de datos es un componente de su arquitectura. Su estructura lógica de almacenamiento es jerárquica:

• Tablespace: unidad lógica de almacenamiento. Una base de datos está formada por uno o varios tablespaces. Al crear la base de datos hay que crear al menos uno, y siempre se indica el tablespace principal, llamado SYSTEM.

• Segmento: almacena la información de una estructura lógica (tabla, índice…) dentro de un tablespace. Los tipos de segmento son: de datos, de índices, temporales y de rollback.

• Extensión (extent): conjunto de un número determinado de bloques de datos contiguos (es incorrecto describirla como un número indeterminado de bloques).

• Bloque de datos: unidad mínima de E/S.

Oracle Data Guard proporciona protección y disponibilidad de datos, manteniendo bases de datos standby para recuperación ante desastres y alta disponibilidad.

Objetos programables: procedimientos y triggers

• Procedimiento almacenado: bloque PL/SQL con nombre. Ejemplo de sintaxis Oracle:

end;

• Trigger (disparador): objeto que se asocia con tablas y se almacena en la base de datos, y que se ejecuta cuando sucede algún evento (INSERT, UPDATE, DELETE) sobre las tablas a las que está asociado.

Optimización de consultas en Oracle

Para mejorar el rendimiento se emplean índices compuestos (sobre las columnas de las condiciones WHERE), particiones y hints. Ante combinaciones de índices sobre tablas de volumen medio, una estrategia eficaz es crear índices compuestos y usar el hint USE_NL para forzar un bucle anidado (Nested Loop Join) en la combinación de tablas.

Fuentes

• Oracle Database Concepts — Logical Storage Structures (segmentos, extents, tablespaces): https://docs.oracle.com/en/database/oracle/oracle-database/18/cncpt/logical-storage-structures.html

• Oracle — Data Blocks, Extents, and Segments: https://docs.oracle.com/cd/E15586_01/server.1111/e10897/storage.htm

• Oracle Data Guard Concepts and Administration: https://docs.oracle.com/en/database/oracle/oracle-database/19/sbydb/introduction-to-oracle-data-guard-concepts.html

• PostgreSQL Documentation — Multi-Version Concurrency Control (MVCC): https://www.postgresql.org/docs/current/mvcc-intro.html

• PostGIS (extensión geoespacial de PostgreSQL): https://postgis.net/

• Microsoft Learn — Entity Framework Overview (ADO.NET): https://learn.microsoft.com/en-us/dotnet/framework/data/adonet/ef/overview

• E. F. Codd, "A Relational Model of Data for Large Shared Data Banks" (Communications of the ACM, 1970): https://dl.acm.org/doi/10.1145/362384.362685

• SQLite — About: https://www.sqlite.org/about.html

Bases de datos orientadas a objetos (BDOO)

Una base de datos orientada a objetos (BDOO / OODB) almacena la información directamente como objetos, tal y como se manejan en la programación orientada a objetos (POO), en lugar de descomponerla en filas y columnas de tablas relacionales. Un Sistema Gestor de Bases de Datos Orientadas a Objetos (SGBDOO / OODBMS) combina las capacidades de un SGBD (persistencia, concurrencia, recuperación, consultas) con el modelo de objetos (clases, herencia, encapsulación). Los objetos se almacenan y se recuperan a través de los métodos y atributos definidos en sus clases, preservando la estructura y el comportamiento sin necesidad de traducirlos a un modelo tabular.

Características de un SGBDOO: el Manifiesto

El documento de referencia es The Object-Oriented Database System Manifesto (Atkinson, Bancilhon, DeWitt, Dittrich, Maier, Zdonik, 1989), que fija trece características obligatorias: objetos complejos, identidad de objeto, encapsulación, tipos o clases, herencia, redefinición (overriding) con ligadura tardía, extensibilidad, completitud computacional, persistencia, gestión de almacenamiento secundario, concurrencia, recuperación ante fallos y una facilidad de consulta ad hoc.

Es clave la extensibilidad: el sistema de tipos debe ser abierto y ampliable, permitiendo que el usuario defina nuevos tipos que se traten igual que los predefinidos. Por ello, NO es una característica obligatoria que el conjunto de tipos de datos sea fijo; afirmar que "el conjunto de tipos debe ser fijo para mayor eficiencia" contradice el Manifiesto. Como rasgos opcionales figuran la herencia múltiple, la comprobación e inferencia de tipos, la distribución o las versiones.

Conceptos POO en la BDOO

• Identificador de objeto (OID): cada objeto posee un identificador único, inmutable y generado por el sistema, independiente del valor de sus atributos. Permite referenciar y compartir objetos sin ambigüedad.

• Polimorfismo: propiedad que permite que objetos de una clase ofrezcan una respuesta distinta e independiente en función de los parámetros (o del tipo receptor), combinado con la ligadura tardía.

• Herencia y encapsulación: facilitan modelar jerarquías y ocultar la implementación tras métodos.

Constructores de tipo colección

El estándar ODMG define constructores de tipo colección para agrupar objetos: set (conjunto sin repetición), bag (multiconjunto, admite repetidos), list (lista ordenada), array y dictionary. Una "columna" NO es un constructor de tipo colección (es un concepto del modelo relacional, ajeno al modelo de objetos).

OQL: lenguaje de consulta

OQL (Object Query Language) es el lenguaje de consulta de datos del estándar ODMG. Es declarativo, con sintaxis próxima a SQL pero capaz de navegar por objetos, invocar métodos y devolver colecciones (set, bag, list, array) de objetos como resultado.

Ventajas y desafíos frente al modelo relacional

Ventajas: manejan de forma natural datos complejos y relaciones de herencia, evitan el desajuste de impedancia objeto-relacional y almacenan comportamiento junto a los datos.

Desafíos: menor estandarización y madurez que SQL, y sobre todo dificultad en la migración de datos desde bases de datos relacionales ya existentes.

Ejemplos de SGBDOO

Son bases de datos orientadas a objetos, entre otras: Zope / ZODB (Zope Object Database, escrita en Python), GemStone, db4o, Matisse, ObjectStore, Versant o Objectivity. Así, el gestor Zope (ZODB) se considera orientado a objetos: si se desea un sistema de base de datos orientado a objetos, Zope/ZODB es una opción representativa.

Mapeo objeto-relacional (ORM) y motores de persistencia

Como el mundo relacional sigue siendo dominante, se usan herramientas de ORM (Object-Relational Mapping) que actúan de puente entre los objetos del programa y las tablas de un SGBD relacional. Un motor de persistencia es el componente que guarda registros en la base de datos a partir de objetos en memoria (y los reconstruye al leer).

Ventajas de los ORM: productividad, código más limpio, abstracción del SQL y portabilidad entre SGBD. NO es una ventaja la "dependencia absoluta del lenguaje de programación" (sería un inconveniente). Problemas en proyectos de gran envergadura: pueden generar consultas ineficientes (p. ej. el problema N+1), penalizando el rendimiento.

Hibernate (Java)

Hibernate es un framework ORM cuyo propósito principal es facilitar el acceso y la manipulación de datos en aplicaciones Java. Se basa en la especificación estándar Java Persistence API (JPA) e implementa una persistencia basada en bases de datos relacionales. Su lenguaje de consulta propio es HQL (Hibernate Query Language), orientado a objetos y traducido a SQL.

Entity Framework / ADO.NET (.NET)

ADO.NET Entity Framework (EF) es el ORM de Microsoft; su propósito es facilitar el acceso y manipulación de datos en aplicaciones .NET. Elementos:

• Entity Data Model (EDM): componente que permite la generación automática de clases a partir de una base de datos (modelo conceptual de entidades).

• EDMX: formato/archivo del modelo de datos que utiliza Entity Framework.

• LINQ to Entities: característica que permite realizar consultas a la base de datos usando código LINQ sobre las entidades.

Otros ORM

ORMLite es un ORM conocido por su simplicidad y ligereza (frecuente en Java/Android). Existen muchos otros (Doctrine, SQLAlchemy, Eloquent, etc.).

SGBD relacionales con extensiones de objetos

Algunos SGBD relacionales incorporan capacidades objeto-relacionales y tipos avanzados. Por ejemplo, PostgreSQL (a través de su extensión espacial PostGIS) puede representar objetos espaciales bidimensionales mediante el tipo de datos GEOMETRY, permitiendo almacenar puntos, líneas y polígonos.

Fuentes

• Atkinson, Bancilhon, DeWitt, Dittrich, Maier, Zdonik — The Object-Oriented Database System Manifesto (1989): https://www.cs.cmu.edu/afs/cs/user/clamen/OODBMS/Manifesto/htManifesto/Manifesto.html

• ODMG Object Model (ODL / OQL), tipos colección set/bag/list/array/dictionary: https://lig-membres.imag.fr/donsez/cours/bdodmgodloql.pdf

• Oracle — Hibernate ORM y Java Persistence API (JPA): https://docs.oracle.com/javaee/7/tutorial/persistence-intro.htm y https://hibernate.org/orm/documentation/

• Microsoft Learn — Entity Framework (Entity Data Model, EDMX, LINQ to Entities): https://learn.microsoft.com/en-us/ef/ef6/

• PostGIS / PostgreSQL — tipo de dato GEOMETRY: https://postgis.net/docs/using_postgis_dbmanagement.html

• Zope Object Database (ZODB): https://zodb.org/en/latest/

Bases de datos NoSQL

Las bases de datos NoSQL (Not only SQL) son sistemas de gestión de datos que no siguen el modelo relacional clásico y su rasgo distintivo es que no requieren estructuras de datos fijas como tablas con un esquema rígido. Se emplean habitualmente para almacenar grandes cantidades de datos no estructurados o semi-estructurados y ofrecen mayor flexibilidad en la estructura de los datos, lo que las hace la razón principal para elegirlas frente a un SGBD relacional cuando el esquema es cambiante o desconocido de antemano.

Características frente al modelo relacional

• Escalabilidad horizontal: distribuyen la carga añadiendo nodos (scale-out), en lugar de crecer verticalmente en una sola máquina. Es su principal beneficio frente a las relacionales.

• Esquema flexible: no imponen tablas ni columnas fijas; cada registro puede tener una estructura distinta.

• No garantizan completamente ACID: a diferencia de las relacionales, típicamente no garantizan por completo las propiedades ACID (Atomicidad, Consistencia/Coherencia, Aislamiento y Durabilidad). Suelen relajar la consistencia a cambio de disponibilidad y escalado.

• Desafío común: presentan soporte limitado para consultas y análisis complejos (no hay un lenguaje universal como SQL con joins y agregaciones estándar).

Obsérvese que las bases de datos relacionales NO son un tipo de NoSQL. Productos como MariaDB, Amazon Aurora, HeidiSQL (en realidad un cliente/gestor de MySQL, MariaDB y PostgreSQL) u Oracle son relacionales y no entran en la categoría NoSQL.

Tipos de bases de datos NoSQL

Las cuatro categorías principales son clave-valor, documentales, orientadas a columnas y orientadas a grafos.

Bases de datos clave-valor

Almacenan la información como pares clave-valor. Ejemplos que emplean esta técnica son Project Voldemort, Redis, Riak y Dynamo. Una afirmación incorrecta sobre ellas sería decir que su estructura permite el lanzamiento de queries para la consulta de información: su modelo simple de acceso por clave no está pensado para consultas complejas.

Redis (Remote Dictionary Server) es una base de datos NoSQL distribuida, basada en el modelo de almacenamiento clave-valor y desarrollada en ANSI C. Es un almacén en memoria que soporta estructuras de datos ricas (cadenas, listas, conjuntos, hashes) y funciona en sistemas POSIX sin dependencias externas.

Bases de datos documentales

Guardan la información en documentos y son particularmente adecuadas para almacenar y procesar datos semi-estructurados y no estructurados. Ejemplos de tipo documental son CouchDB, MongoDB, RavenDB, Terrastore y BaseX (nativa XML). HeidiSQL NO es documental (es un cliente de SGBD relacionales).

MongoDB es un ejemplo típico de base de datos de documentos, no basada en el modelo relacional. Utiliza un formato de documento propio denominado BSON (Binary JSON), una evolución de JSON con la peculiaridad de que puede almacenar datos binarios.

Bases de datos orientadas a columnas

Organizan el almacenamiento de datos por columnas en lugar de por filas, lo que proporciona un rendimiento de lectura y escritura muy eficiente en operaciones sobre columnas concretas. En las bases de datos de columnas anchas (wide-column) los datos se organizan en columnas y supercolumnas. Apache Cassandra es un ejemplo representativo: a diferencia de HBase (que se apoya en HDFS), Cassandra tiene arquitectura propia inspirada en Dynamo, por lo que la afirmación de que "se puede ejecutar sobre Hadoop" es FALSA respecto a Cassandra.

Bases de datos orientadas a grafos

Son las más adecuadas para manejar relaciones complejas entre entidades, ya que representan los datos como nodos y relaciones; su ventaja clave es la consulta rápida de relaciones complejas. Neo4j es el gestor de grafos de referencia y utiliza Cypher como lenguaje de consulta sobre bases de datos Neo4j. Ejemplos de sintaxis Cypher:

• Crear un nodo: CREATE (n:PRODUCT)

• Crear un nodo producto con propiedades: CREATE (p:Product {name:'Leche TAI',price:0.34}) RETURN p

Neo4j representa datos mediante grafos (dirigidos, con propiedades, etc.); un "grafo trivial" NO es un tipo de grafo empleado por Neo4j.

Consistencia: teoremas CAP y BASE

El teorema CAP establece que un sistema distribuido solo puede garantizar simultáneamente dos de tres propiedades: Consistencia (C), Disponibilidad (A) y Tolerancia a la partición (P). Muchas bases de datos NoSQL operan en modalidad AP, priorizando Disponibilidad y Tolerancia a la partición a costa de la consistencia inmediata.

En coherencia con lo anterior, aplican a menudo el principio BASE (Basically Available, Soft state, Eventual consistency) para garantizar escalabilidad y rendimiento a expensas de la consistencia inmediata, frente al ACID relacional. Esto se materializa en la consistencia eventual: los datos pueden no ser consistentes en todos los nodos en un momento dado, pero se vuelven consistentes eventualmente.

Ecosistema Big Data asociado

Apache Hadoop es un framework de software que soporta aplicaciones distribuidas bajo licencia libre, base del ecosistema Big Data. Dentro de él, el modelo MapReduce procesa datos de entrada que proceden de un gran fichero de datos y a continuación se dividen en un conjunto de particiones (fase map), que luego se combinan (fase reduce). Entre los proyectos Apache relacionados con Hadoop, Apache Avro es el que provee servicios de serialización de datos (formato binario compacto con esquema en JSON).

Entre los SGBD NoSQL de grandes proveedores, Azure Cosmos DB es una base de datos NoSQL desarrollada por Microsoft.

Fuentes

• Redis — Documentación oficial ("About Redis", FAQ): https://redis.io/about/ y https://redis.io/docs/latest/develop/get-started/faq/

• Apache Avro — Documentación oficial del proyecto: https://avro.apache.org/docs/

• Apache Hadoop — Documentación oficial (serialización Avro): https://hadoop.apache.org/docs/stable/api/org/apache/hadoop/io/serializer/avro/package-summary.html

• Neo4j — Cypher Manual (oficial): https://neo4j.com/docs/cypher-manual/current/

• MongoDB — BSON specification (oficial): https://bsonspec.org/ y https://www.mongodb.com/docs/manual/reference/bson-types/

• Apache Cassandra — Documentación oficial: https://cassandra.apache.org/doc/latest/

• Amazon Aurora — Documentación oficial (SGBD relacional): https://docs.aws.amazon.com/AmazonRDS/latest/AuroraUserGuide/

• Azure Cosmos DB — Microsoft Learn: https://learn.microsoft.com/azure/cosmos-db/introduction