Datos generales

• Plan de estudios: 0330 - ESP. DESARROLLO DE BASES DE DATOS. 2014-2S
• Créditos: 2.0

Grupos

Tabla información sobre los grupos de la asignatura

Actividad	Grupo	Periodos	Horarios	Aula	Profesor/Tutor
SALAS ESPECIALIZADAS CÓMPUTO	(1) - NO REQUIERE ESPACIO - GRUPO 1 - BOGOTÁ	14/04/2020 - 12/05/2020	MARTES 18:30 - 21:30	-	-
	(3) - NO REQUIERE ESPACIO - GRUPO 3 - SANTA MARTA	08/05/2020 - 08/05/2020	VIERNES 14:00 - 21:00	-	-
		09/05/2020 - 09/05/2020	SÁBADO 07:00 - 11:00	-	-
			SÁBADO 13:00 - 17:00	-	-
		15/05/2020 - 15/05/2020	VIERNES 14:00 - 21:00	-	-
		16/05/2020 - 16/05/2020	SÁBADO 07:00 - 11:00	-	-
			SÁBADO 13:00 - 17:00	-	-

Contenidos

PROGRAMA DE LA ASIGNATURA

Presentación

Las Bases de Datos Relacionales (BD) se consideran una tecnología genérica, y su éxito se evidencia en la utilización de las mismas.  Prácticamente todas las actividades económicas requieren el procesamiento de información.  Sin embargo, el auge en el uso de Internet desde el principio de este siglo, y otros factores como el uso de dispositivos que generan datos todo el tiempo, ha creado desafíos en tres dimensiones: volumen, velocidad y variedad (denominados las tres Vs). 

El volumen es un factor clave ya que en el mundo se generan 2.5 quintillones de bytes de datos diariamente.  Debido al incremento en el volumen de datos que se están generando (sobre todo de forma automatizada), el 90% de los datos que existen en el mundo han sido creados en los últimos 2 años.  La velocidad se debe a que es necesario procesar flujos de datos (streams) sin demora y de forma confiable (por ejemplo, para detectar fraude en las transacciones de las tarjetas de crédito). 

La variedad se refiere al hecho que los datos generados hoy-en-día son cada más heterogéneos y complejos: comprenden texto libre, datos semi-estructurados, BD relacionales e incluso flujos de video.  

Las herramientas convencionales, aunque siguen siendo vigentes para la mayoría de los casos de uso,  se ven limitadas ante semejantes desafíos. 

Objetivo de Aprendizaje

En este curso, la primera parte está dedicada a temas avanzadas de BD relacionales, en especial las distribuidas.  La segunda parte del mismo se dedica  familiarizar a los estudiantes con las denominadas tecnologías Big Data y NoSQL, que representan un nuevo paradigma en el procesamiento de la información.

Al finalizar la asignatura el estudiante debe estar en capacidad de:

• Identificar, proponer y emplear factores involucrados relacionados con las arquitecturas de las BDs distribuidas, la fragmentación de datos, la optimización de consultas, y la integración de datos.
• Apreciar las ventajas y limitaciones tanto como de las BD relacionales como las tecnologías NoSQL. 
• Desarrollar una sensibilidad de la diversidad de aplicaciones de procesamiento de datos que han surgido en los últimos años, y sus requerimientos no funcionales, como la escalabilidad y la disponibilidad.
• Desarrollar nociones para determinar en cuáles casos es más apropiada la tecnología tradicional, relacional, o la tecnología NoSQL.
• Realizar prácticas en el laboratorio usando herramientas disponibles en el mercado y de código abierto.

Contenidos Temáticos

PARTE I: BD RELACIONALES DISTRIBUIDAS

• Arquitecturas de BD Paralelas y Distribuidas
  • Shared memory, Shared disc, Shared Nothing
• Revisión del Álgebra Relacional
• Técnicas de fragmentación y localización de datos
  • Horizontal primaria
  • Horizontal derivada
  • Vertical
  • Distribución  de datos
  • Laboratorio de BD Distribuidas
  • Optimización de Consultas
    • El caso centralizado
      • Análisis de sintaxis
      • Traducción a árbol de operadores lógicos
      • Optimización lógica
      • Optimización física
    • El caso distribuido
      • Fragmentación y Alocación
      • Localización de datos
  • Técnicas de integración de BD relacionales
    • Local-as view
    • Global-as view
  • Transacciones
  • Propiedades ACID
  • Tipos de transacciones
  • Protocolo Two Phase Commit
  • Recuperación, protocolo Two Phase Lock

  PARTE II: BIG DATA Y NOSQL

• Introducción a Big Data
• Las redes de sensores y el Internet de las Cosas
• Modelos NoSQL
• Almacenes llave-valor
• Almacenes de documentos
• Almacenes de columnas
• BD de grafos
• Modelando datos en grafos
  • Lenguaje de consultas Cypher
• Laboratorio de Neo4j
• Transacciones
  • Teorema CAP
  • BASE: Una alternativa a ACID
• Indexación de datos en sistemas escalables
  • Distributed Hash Tables
  • Un caso del mundo real: Amazon Dynamo
• Procesamiento Masivo de Datos
  • Los Data Appliances
  • MapReduce
• Laboratorio de Hadoop
• Charlas de estudiantes:  Big Data en el Mundo Real.

Evaluación Formativa

Aspectos a evaluar:

• Identificación y apropiación conceptual de los temas relacionados con las arquitecturas de las BDs distribuidas, la fragmentación de datos, la optimización de consultas, y la integración de datos
• Conocimiento y comprensión de aspectos básicos inherentes de las tecnologías Big Data y NoSQL
• Capacidad de desarrollar aplicaciones de procesamiento de datos usando herramientas NoSQL

Bibliografía Básica Obligatoria

1. Tamer Özsu, M., & Valduriez, P. (2011). Principles of distributed database systems. Springer.
2. Ullman, J. D., Garcia-Molina, H., & Widom, J. (2001). Database systems: the complete book. Upper Saddle River: Prentice Hall.
3. Kossmann, D. (2000). The state of the art in distributed query processing. ACM Computing Surveys (CSUR), 32(4), 422-469.
4. DeCandia, G., Hastorun, D., Jampani, M., Kakulapati, G., Lakshman, A., Pilchin, A., ... & Vogels, W. (2007, October). Dynamo: Amazon¿s highly available key-value store. In SOSP (Vol. 7, pp. 205-220).
5. Ghemawat, S., Gobioff, H., & Leung, S. T. (2003, October). The Google File System. In ACM SIGOPS Operating Systems Review (Vol. 37, No. 5, pp. 29-43). ACM.
6. Pritchett, D. (2008). BASE: An ACID alternative. ACM Queue, 6(3), 48-55.
7. Dean, J., & Ghemawat, S. (2010). MapReduce: A flexible data processing tool. Communications of the ACM, 53(1), 72-77.
8. Ian Robinson, Jim Webber, Emil Eifrem (2013). Graph Databases.  O¿Reilly.