SlideShare ist ein Scribd-Unternehmen logo
1 von 21
Base de donnés
réparties
Institut Supérieur desÉtudesTechnologiquesdeRades
Master professionnel développement desapplications
mobiles
Islem TAHARI
M1_MPDAM
Plan
INTRODUCTION1
MOTIVATIONS2
OBJECTIFS3
SDBDR4
5 CONCEPTION DES BASES REPARTIES
LES TRANSACTIONS REPARTIES
CONCLUSION7
6
Introduction
 BDR c’est un ensemble de bases localisées sur
différents sites (géographiquement distants),
perçues par l'utilisateur comme une base unique.
 Chaque site contient des données de la base,
peut exécuter des transactions locales et
participer à l’exécution de transactions globales.
3
Motivation
s
 Augmentation du volume d’information
 Augmentation du volume de transactions.
 Limites de l’architecture centralisée
4
Objectifs
 Limiter le transfert d'informations (en nombre et en
volume) en répartissant les données les plus utilisées.
 Augmenter la fiabilité : les BDR sont souvent répliquées.
 La répartition de la charge de travail sur plusieurs unités
de traitement opérant en parallèle et sur les E/S.
5
Exemple
6
SGBDDistribué
 Le système logiciel qui permet la gestion de la
base de données distribuée et assure la
transparence de la distribution vis-à-vis des
utilisateurs.
 Rendre la distribution (ou répartition) des BD
locales « transparente ».
7
Exemples de SGBD supportant la répartition
8
Conception des bases
réparties
 Conception ascendante
o Maîtrise de l’intégration des schémas locaux pour créer
un schéma global.
 Conception descendante
o Maîtrise de la complexité de la répartition
(fragmentation, duplication).
o Définition des schémas locaux à partir du schéma
global.
9
Fragmentation
Pourquoi fragmenter?
o Avantages de la distribution : performances, disponibilité,
tolérance aux pannes, localité...
o Utilisation de petits fragments permet de faire tourner plus d’un
processus simultanément.
Comment fragmenter? On distingue deux possibilité de fragmentation:
o Fragmentation Horizontale
o Fragmentation Verticale
o Fragmentation
Hybride
10
 Fragmentation horizontale
Cette fragmentation consiste à faire une séparation selon les
enregistrements. On définit le critère de sélection suivant les
valeurs d'un ou plusieurs champs et la division est faite.
 Fragmentation verticale
La division est faite non au niveau des données, mais de la
structure même de la base. Certains champs sont envoyés
dans un fragments et d'autres ailleurs.
11
Les 3 règles de la
fragmentation
 Pour toute donnée de la relation originale R il doit
avoir une sous relation Ri la contenant.
 Pour toute fragmentation de la relation R en
plusieurs sous relations Ri il doit avoir un procédé
inverse de reconstitution de la relation principale R.
 Aucune donnée ne doit se trouver dans plus d'un
fragment sauf dans le cas d'une fragmentation
verticale ou la clé primaire doit être présente partout.12
Allocation
Lorsque le concepteur a fini de fragmenter sa
base, il lui faut ensuite allouer chaque fragment
sur son site correspondant.
L'allocation peut être faite de plusieurs façons :
 La réplication totale des données
 L'absence de réplication
 La méthode hybride
13
Allocation
• La réplication totale des données
Cette méthode n'est pas très efficace lorsque les données sont
régulièrement mises à jour car il se pose le problème de cohérence de
données
• L'absence de réplication
Chaque donnée est mise à jour sur un seul site. Cette méthode est plus
efficace quand les données sont beaucoup plus modifiées que lues.
• La méthode hybride
Afin de bénéficier des deux méthodes citées à la fois, celle hybride
peut être utilisé. Ainsi les données en Read Only peuvent être
répliquées et les données en Read Write pas du tout. 14
Réplication
Principe de la réplication
 X est répliquée signifie qu’il existe une copie de X sur un
autre serveur.
 En cas de panne du serveur qui héberge R, toutes les requêtes
sont redirigées au serveur qui héberge la copie de R.
 La copie de X doit être rafraichie, pour être pertinente.
Avantages et inconvénients
(+) Haute disponibilité
(+) Equilibre de charge par l’ interrogation des réplicas.
(-) Coût du stockage.
(-) Coût de mise à jour des réplicas. 15
Mise à jour synchrone et asynchrone
Synchrone :
+ Maintenir toutes les copies en cohérence
- Perte de performance du fait de la mise en œuvre de la
validation à deux phases
Asynchrone : mise à jour différées des copies
+ Incidence minime sur les performances
- Nécessité de mise à niveau de la copie ou des copies en
cas de reprise
Réplication
16
Les transactions réparties
Une transaction désigne un ensemble d'opérations
effectuées sur une base de données.
 Une transaction est soit validée par un Commit, soit
annulé par un Rollback soit interrompue par
un Abort.
Afin de garantir la stabilité du système, une
transaction doit validée quatre propriétés
indispensables : 17
L'Atomicité
Toutes les opérations d'une transaction sont menées de façon indivisible ,
toutes le opérations doivent être validées, si non tout est annulé
 La cohérence
La transaction doit amener le système d'un état cohérent vers un état
cohérent, telles que toutes les contraintes d'intégrités soient respectées.
 L'isolation
Une transaction en cours ne peut révéler ses résultats à d'autres transactions
si toutes ces opérations n'ont pas été validées.
La durabilité
Tout résultat produit par une transaction doit être permanent et ne doit
souffrir d'aucune altération, quelques soient les pannes du système. 18
Conclusio
n Les SDBDs distribuées offre une autonomie des
sites ainsi que une distribution de
l’administration.
 La distribution des données entraine la révision
des notions de stockage des données, du
traitement des requêtes, du contrôle de l’accès
simultané ainsi que de la reprise.
19
Merci pourvotre
attention
20
Base de donnés
distribués
Institut Supérieur desÉtudesTechnologiquesde
Rades
Islem TAHARI
M1_MPDAM

Weitere ähnliche Inhalte

Was ist angesagt?

BigData_TP1: Initiation à Hadoop et Map-Reduce
BigData_TP1: Initiation à Hadoop et Map-ReduceBigData_TP1: Initiation à Hadoop et Map-Reduce
BigData_TP1: Initiation à Hadoop et Map-ReduceLilia Sfaxi
 
BigData_Chp5: Putting it all together
BigData_Chp5: Putting it all togetherBigData_Chp5: Putting it all together
BigData_Chp5: Putting it all togetherLilia Sfaxi
 
Chapitre2_fragmentation_Abdali.pptx
Chapitre2_fragmentation_Abdali.pptxChapitre2_fragmentation_Abdali.pptx
Chapitre2_fragmentation_Abdali.pptxAimadBenzakry
 
BigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big DataBigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big DataLilia Sfaxi
 
BigData_Chp3: Data Processing
BigData_Chp3: Data ProcessingBigData_Chp3: Data Processing
BigData_Chp3: Data ProcessingLilia Sfaxi
 
Réplication des bases de données
Réplication des bases de donnéesRéplication des bases de données
Réplication des bases de donnéessie92
 
BigData_TP3 : Spark
BigData_TP3 : SparkBigData_TP3 : Spark
BigData_TP3 : SparkLilia Sfaxi
 
Cours Big Data Chap4 - Spark
Cours Big Data Chap4 - SparkCours Big Data Chap4 - Spark
Cours Big Data Chap4 - SparkAmal Abid
 
Conception datawarehouse
Conception datawarehouseConception datawarehouse
Conception datawarehouseHassane Dkhissi
 
Chp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de DonnéesChp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de DonnéesLilia Sfaxi
 
Etat de l’art approche et outils BI
Etat de l’art approche et outils BIEtat de l’art approche et outils BI
Etat de l’art approche et outils BISaid Sadik
 
Big Data, Hadoop & Spark
Big Data, Hadoop & SparkBig Data, Hadoop & Spark
Big Data, Hadoop & SparkAlexia Audevart
 
Cours Big Data Chap3
Cours Big Data Chap3Cours Big Data Chap3
Cours Big Data Chap3Amal Abid
 
Présentation sur le Data Mining
Présentation sur le Data MiningPrésentation sur le Data Mining
Présentation sur le Data MiningTakfarinas KENOUCHE
 
DataWarehouse
DataWarehouseDataWarehouse
DataWarehousenzuguem
 

Was ist angesagt? (20)

BigData_TP1: Initiation à Hadoop et Map-Reduce
BigData_TP1: Initiation à Hadoop et Map-ReduceBigData_TP1: Initiation à Hadoop et Map-Reduce
BigData_TP1: Initiation à Hadoop et Map-Reduce
 
Introduction au BIG DATA
Introduction au BIG DATAIntroduction au BIG DATA
Introduction au BIG DATA
 
BigData_Chp5: Putting it all together
BigData_Chp5: Putting it all togetherBigData_Chp5: Putting it all together
BigData_Chp5: Putting it all together
 
Chapitre2_fragmentation_Abdali.pptx
Chapitre2_fragmentation_Abdali.pptxChapitre2_fragmentation_Abdali.pptx
Chapitre2_fragmentation_Abdali.pptx
 
BigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big DataBigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big Data
 
BigData_Chp3: Data Processing
BigData_Chp3: Data ProcessingBigData_Chp3: Data Processing
BigData_Chp3: Data Processing
 
Les BD NoSQL
Les BD NoSQLLes BD NoSQL
Les BD NoSQL
 
Réplication des bases de données
Réplication des bases de donnéesRéplication des bases de données
Réplication des bases de données
 
Presentation cassandra
Presentation cassandraPresentation cassandra
Presentation cassandra
 
BigData_TP3 : Spark
BigData_TP3 : SparkBigData_TP3 : Spark
BigData_TP3 : Spark
 
Cours Big Data Chap4 - Spark
Cours Big Data Chap4 - SparkCours Big Data Chap4 - Spark
Cours Big Data Chap4 - Spark
 
Conception datawarehouse
Conception datawarehouseConception datawarehouse
Conception datawarehouse
 
Chp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de DonnéesChp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de Données
 
Etat de l’art approche et outils BI
Etat de l’art approche et outils BIEtat de l’art approche et outils BI
Etat de l’art approche et outils BI
 
Big Data, Hadoop & Spark
Big Data, Hadoop & SparkBig Data, Hadoop & Spark
Big Data, Hadoop & Spark
 
Cours Big Data Chap3
Cours Big Data Chap3Cours Big Data Chap3
Cours Big Data Chap3
 
Présentation sur le Data Mining
Présentation sur le Data MiningPrésentation sur le Data Mining
Présentation sur le Data Mining
 
Partie2BI-DW2019
Partie2BI-DW2019Partie2BI-DW2019
Partie2BI-DW2019
 
DataWarehouse
DataWarehouseDataWarehouse
DataWarehouse
 
Td dw1
Td dw1Td dw1
Td dw1
 

Andere mochten auch

Uniform motion powerpoint presentation
Uniform motion powerpoint presentationUniform motion powerpoint presentation
Uniform motion powerpoint presentationAndy Richards
 
Réplication de base de données oracle avec Golden Gate
Réplication de base de données oracle avec Golden GateRéplication de base de données oracle avec Golden Gate
Réplication de base de données oracle avec Golden GateMor THIAM
 
Introduction à Groovy - OpenSource eXchange 2008
Introduction à Groovy - OpenSource eXchange 2008Introduction à Groovy - OpenSource eXchange 2008
Introduction à Groovy - OpenSource eXchange 2008Guillaume Laforge
 
14 digestion absorption-_glucides__proteines
14 digestion absorption-_glucides__proteines14 digestion absorption-_glucides__proteines
14 digestion absorption-_glucides__proteinesazazel861
 
Les marques vont elles devenir les premiers médias ?
Les marques vont elles devenir les premiers médias ?Les marques vont elles devenir les premiers médias ?
Les marques vont elles devenir les premiers médias ?LaNetscouade
 
Tour du monde
Tour du mondeTour du monde
Tour du mondeguimera
 
Brand review sur la location de voitures
Brand review sur la location de voituresBrand review sur la location de voitures
Brand review sur la location de voituresanne-k
 
Comment mieux vivre avec ses tests d'acceptance
Comment mieux vivre avec ses tests d'acceptanceComment mieux vivre avec ses tests d'acceptance
Comment mieux vivre avec ses tests d'acceptanceKhanh Maudoux
 
Webinaire twitter 101 - Les Affaires par Adviso
Webinaire twitter 101 - Les Affaires par AdvisoWebinaire twitter 101 - Les Affaires par Adviso
Webinaire twitter 101 - Les Affaires par AdvisoAdviso Stratégie Internet
 
Social learning, avenir de l'éducation au 21ème siècle
Social learning, avenir de l'éducation au 21ème siècleSocial learning, avenir de l'éducation au 21ème siècle
Social learning, avenir de l'éducation au 21ème siècleIPSYS Conseil & Formation
 
Statistiques, indicateurs, performance et qualité : prendre la mesure de la b...
Statistiques, indicateurs, performance et qualité : prendre la mesure de la b...Statistiques, indicateurs, performance et qualité : prendre la mesure de la b...
Statistiques, indicateurs, performance et qualité : prendre la mesure de la b...PYR
 
Une introduction au e-commerce (ICHEC 2012)
Une introduction au e-commerce (ICHEC 2012)Une introduction au e-commerce (ICHEC 2012)
Une introduction au e-commerce (ICHEC 2012)David Hachez
 
Rss lunch-8_sqli agency_avril2010
Rss lunch-8_sqli agency_avril2010Rss lunch-8_sqli agency_avril2010
Rss lunch-8_sqli agency_avril2010Wax Interactive
 
All about INCOTERMS latest revision
All about INCOTERMS latest revision All about INCOTERMS latest revision
All about INCOTERMS latest revision Mihai Guta
 
Atelier Isidore du colloque des Industries Numériques et de la Santé: "m-sant...
Atelier Isidore du colloque des Industries Numériques et de la Santé: "m-sant...Atelier Isidore du colloque des Industries Numériques et de la Santé: "m-sant...
Atelier Isidore du colloque des Industries Numériques et de la Santé: "m-sant...isidore-sante
 
Reperes tests implicites - septembre 2012
Reperes   tests implicites - septembre 2012 Reperes   tests implicites - septembre 2012
Reperes tests implicites - septembre 2012 François Abiven
 
Carton packaging wikipedia
Carton packaging wikipediaCarton packaging wikipedia
Carton packaging wikipediaAlex Xiao
 

Andere mochten auch (20)

Uniform motion powerpoint presentation
Uniform motion powerpoint presentationUniform motion powerpoint presentation
Uniform motion powerpoint presentation
 
Réplication de base de données oracle avec Golden Gate
Réplication de base de données oracle avec Golden GateRéplication de base de données oracle avec Golden Gate
Réplication de base de données oracle avec Golden Gate
 
Livret college
Livret collegeLivret college
Livret college
 
Introduction à Groovy - OpenSource eXchange 2008
Introduction à Groovy - OpenSource eXchange 2008Introduction à Groovy - OpenSource eXchange 2008
Introduction à Groovy - OpenSource eXchange 2008
 
14 digestion absorption-_glucides__proteines
14 digestion absorption-_glucides__proteines14 digestion absorption-_glucides__proteines
14 digestion absorption-_glucides__proteines
 
Les marques vont elles devenir les premiers médias ?
Les marques vont elles devenir les premiers médias ?Les marques vont elles devenir les premiers médias ?
Les marques vont elles devenir les premiers médias ?
 
Tour du monde
Tour du mondeTour du monde
Tour du monde
 
Modelisation et maquettage 2015
Modelisation et maquettage 2015Modelisation et maquettage 2015
Modelisation et maquettage 2015
 
Roi d’une campagne efficace
Roi d’une campagne efficaceRoi d’une campagne efficace
Roi d’une campagne efficace
 
Brand review sur la location de voitures
Brand review sur la location de voituresBrand review sur la location de voitures
Brand review sur la location de voitures
 
Comment mieux vivre avec ses tests d'acceptance
Comment mieux vivre avec ses tests d'acceptanceComment mieux vivre avec ses tests d'acceptance
Comment mieux vivre avec ses tests d'acceptance
 
Webinaire twitter 101 - Les Affaires par Adviso
Webinaire twitter 101 - Les Affaires par AdvisoWebinaire twitter 101 - Les Affaires par Adviso
Webinaire twitter 101 - Les Affaires par Adviso
 
Social learning, avenir de l'éducation au 21ème siècle
Social learning, avenir de l'éducation au 21ème siècleSocial learning, avenir de l'éducation au 21ème siècle
Social learning, avenir de l'éducation au 21ème siècle
 
Statistiques, indicateurs, performance et qualité : prendre la mesure de la b...
Statistiques, indicateurs, performance et qualité : prendre la mesure de la b...Statistiques, indicateurs, performance et qualité : prendre la mesure de la b...
Statistiques, indicateurs, performance et qualité : prendre la mesure de la b...
 
Une introduction au e-commerce (ICHEC 2012)
Une introduction au e-commerce (ICHEC 2012)Une introduction au e-commerce (ICHEC 2012)
Une introduction au e-commerce (ICHEC 2012)
 
Rss lunch-8_sqli agency_avril2010
Rss lunch-8_sqli agency_avril2010Rss lunch-8_sqli agency_avril2010
Rss lunch-8_sqli agency_avril2010
 
All about INCOTERMS latest revision
All about INCOTERMS latest revision All about INCOTERMS latest revision
All about INCOTERMS latest revision
 
Atelier Isidore du colloque des Industries Numériques et de la Santé: "m-sant...
Atelier Isidore du colloque des Industries Numériques et de la Santé: "m-sant...Atelier Isidore du colloque des Industries Numériques et de la Santé: "m-sant...
Atelier Isidore du colloque des Industries Numériques et de la Santé: "m-sant...
 
Reperes tests implicites - septembre 2012
Reperes   tests implicites - septembre 2012 Reperes   tests implicites - septembre 2012
Reperes tests implicites - septembre 2012
 
Carton packaging wikipedia
Carton packaging wikipediaCarton packaging wikipedia
Carton packaging wikipedia
 

Ähnlich wie Base des données réparties

Big Data ou comment retrouver une aiguille dans une botte de foin
Big Data ou comment retrouver une aiguille dans une botte de foinBig Data ou comment retrouver une aiguille dans une botte de foin
Big Data ou comment retrouver une aiguille dans une botte de foinPALO IT
 
[Café techno] Spectrum Project - Affronter et gérer la masse de données hétér...
[Café techno] Spectrum Project - Affronter et gérer la masse de données hétér...[Café techno] Spectrum Project - Affronter et gérer la masse de données hétér...
[Café techno] Spectrum Project - Affronter et gérer la masse de données hétér...Groupe D.FI
 
Hug france - Administration Hadoop et retour d’expérience BI avec Impala, lim...
Hug france - Administration Hadoop et retour d’expérience BI avec Impala, lim...Hug france - Administration Hadoop et retour d’expérience BI avec Impala, lim...
Hug france - Administration Hadoop et retour d’expérience BI avec Impala, lim...Modern Data Stack France
 
chapitre 4-bddistribuesgnralites.pptx
chapitre 4-bddistribuesgnralites.pptxchapitre 4-bddistribuesgnralites.pptx
chapitre 4-bddistribuesgnralites.pptxSylia3
 
Les Base de Données NOSQL -Presentation -
Les Base de Données NOSQL -Presentation -Les Base de Données NOSQL -Presentation -
Les Base de Données NOSQL -Presentation -IliasAEA
 
Hadoop Hbase - Introduction
Hadoop Hbase - IntroductionHadoop Hbase - Introduction
Hadoop Hbase - IntroductionBlandine Larbret
 
Conseils virtualisation serveurs
Conseils virtualisation serveursConseils virtualisation serveurs
Conseils virtualisation serveursPROJECT SI
 
Réussir sa migration vers le Cloud grâce à la virtualisation des données
Réussir sa migration vers le Cloud grâce à la virtualisation des donnéesRéussir sa migration vers le Cloud grâce à la virtualisation des données
Réussir sa migration vers le Cloud grâce à la virtualisation des donnéesDenodo
 
Simplifiez vos architectures Cloud avec la Data Virtualization
Simplifiez vos architectures Cloud avec la Data VirtualizationSimplifiez vos architectures Cloud avec la Data Virtualization
Simplifiez vos architectures Cloud avec la Data VirtualizationDenodo
 
Bases de donnees fondamentaux
Bases de donnees fondamentauxBases de donnees fondamentaux
Bases de donnees fondamentauxRokhaya CISSE
 
Comment combiner les AlwaysOn Availability Groups avec la Réplication dans SQ...
Comment combiner les AlwaysOn Availability Groups avec la Réplication dans SQ...Comment combiner les AlwaysOn Availability Groups avec la Réplication dans SQ...
Comment combiner les AlwaysOn Availability Groups avec la Réplication dans SQ...Microsoft Technet France
 
Présentation de Apache Zookeeper
Présentation de Apache ZookeeperPrésentation de Apache Zookeeper
Présentation de Apache ZookeeperMichaël Morello
 

Ähnlich wie Base des données réparties (20)

chap4.pdf
chap4.pdfchap4.pdf
chap4.pdf
 
Big Data ou comment retrouver une aiguille dans une botte de foin
Big Data ou comment retrouver une aiguille dans une botte de foinBig Data ou comment retrouver une aiguille dans une botte de foin
Big Data ou comment retrouver une aiguille dans une botte de foin
 
[Café techno] Spectrum Project - Affronter et gérer la masse de données hétér...
[Café techno] Spectrum Project - Affronter et gérer la masse de données hétér...[Café techno] Spectrum Project - Affronter et gérer la masse de données hétér...
[Café techno] Spectrum Project - Affronter et gérer la masse de données hétér...
 
Hug france - Administration Hadoop et retour d’expérience BI avec Impala, lim...
Hug france - Administration Hadoop et retour d’expérience BI avec Impala, lim...Hug france - Administration Hadoop et retour d’expérience BI avec Impala, lim...
Hug france - Administration Hadoop et retour d’expérience BI avec Impala, lim...
 
chapitre 4-bddistribuesgnralites.pptx
chapitre 4-bddistribuesgnralites.pptxchapitre 4-bddistribuesgnralites.pptx
chapitre 4-bddistribuesgnralites.pptx
 
Propostion un Iaas
Propostion un IaasPropostion un Iaas
Propostion un Iaas
 
Les Base de Données NOSQL -Presentation -
Les Base de Données NOSQL -Presentation -Les Base de Données NOSQL -Presentation -
Les Base de Données NOSQL -Presentation -
 
Cache
CacheCache
Cache
 
Hadoop Hbase - Introduction
Hadoop Hbase - IntroductionHadoop Hbase - Introduction
Hadoop Hbase - Introduction
 
Conseils virtualisation serveurs
Conseils virtualisation serveursConseils virtualisation serveurs
Conseils virtualisation serveurs
 
Réussir sa migration vers le Cloud grâce à la virtualisation des données
Réussir sa migration vers le Cloud grâce à la virtualisation des donnéesRéussir sa migration vers le Cloud grâce à la virtualisation des données
Réussir sa migration vers le Cloud grâce à la virtualisation des données
 
Simplifiez vos architectures Cloud avec la Data Virtualization
Simplifiez vos architectures Cloud avec la Data VirtualizationSimplifiez vos architectures Cloud avec la Data Virtualization
Simplifiez vos architectures Cloud avec la Data Virtualization
 
Bases de donnees fondamentaux
Bases de donnees fondamentauxBases de donnees fondamentaux
Bases de donnees fondamentaux
 
ISDay 2017 - Atelier HPE
ISDay 2017 - Atelier HPEISDay 2017 - Atelier HPE
ISDay 2017 - Atelier HPE
 
Neo4j
Neo4jNeo4j
Neo4j
 
Bases dedonnees.net
Bases dedonnees.netBases dedonnees.net
Bases dedonnees.net
 
Cassandra
CassandraCassandra
Cassandra
 
Exchange 2013 Bonnes pratiques
Exchange 2013 Bonnes pratiques Exchange 2013 Bonnes pratiques
Exchange 2013 Bonnes pratiques
 
Comment combiner les AlwaysOn Availability Groups avec la Réplication dans SQ...
Comment combiner les AlwaysOn Availability Groups avec la Réplication dans SQ...Comment combiner les AlwaysOn Availability Groups avec la Réplication dans SQ...
Comment combiner les AlwaysOn Availability Groups avec la Réplication dans SQ...
 
Présentation de Apache Zookeeper
Présentation de Apache ZookeeperPrésentation de Apache Zookeeper
Présentation de Apache Zookeeper
 

Mehr von Institut supérieur des études technologiques de Radès (9)

Hadoop
HadoopHadoop
Hadoop
 
Web services
Web servicesWeb services
Web services
 
RIA
RIARIA
RIA
 
Remote method invocation
Remote method invocationRemote method invocation
Remote method invocation
 
Architecture .NET
Architecture .NETArchitecture .NET
Architecture .NET
 
Middleware
MiddlewareMiddleware
Middleware
 
Mécanismes de sécurité(ios & android)
Mécanismes de sécurité(ios & android)Mécanismes de sécurité(ios & android)
Mécanismes de sécurité(ios & android)
 
Interface Definition Language
Interface Definition Language Interface Definition Language
Interface Definition Language
 
Architecture .net
Architecture  .netArchitecture  .net
Architecture .net
 

Base des données réparties

  • 1. Base de donnés réparties Institut Supérieur desÉtudesTechnologiquesdeRades Master professionnel développement desapplications mobiles Islem TAHARI M1_MPDAM
  • 2. Plan INTRODUCTION1 MOTIVATIONS2 OBJECTIFS3 SDBDR4 5 CONCEPTION DES BASES REPARTIES LES TRANSACTIONS REPARTIES CONCLUSION7 6
  • 3. Introduction  BDR c’est un ensemble de bases localisées sur différents sites (géographiquement distants), perçues par l'utilisateur comme une base unique.  Chaque site contient des données de la base, peut exécuter des transactions locales et participer à l’exécution de transactions globales. 3
  • 4. Motivation s  Augmentation du volume d’information  Augmentation du volume de transactions.  Limites de l’architecture centralisée 4
  • 5. Objectifs  Limiter le transfert d'informations (en nombre et en volume) en répartissant les données les plus utilisées.  Augmenter la fiabilité : les BDR sont souvent répliquées.  La répartition de la charge de travail sur plusieurs unités de traitement opérant en parallèle et sur les E/S. 5
  • 7. SGBDDistribué  Le système logiciel qui permet la gestion de la base de données distribuée et assure la transparence de la distribution vis-à-vis des utilisateurs.  Rendre la distribution (ou répartition) des BD locales « transparente ». 7
  • 8. Exemples de SGBD supportant la répartition 8
  • 9. Conception des bases réparties  Conception ascendante o Maîtrise de l’intégration des schémas locaux pour créer un schéma global.  Conception descendante o Maîtrise de la complexité de la répartition (fragmentation, duplication). o Définition des schémas locaux à partir du schéma global. 9
  • 10. Fragmentation Pourquoi fragmenter? o Avantages de la distribution : performances, disponibilité, tolérance aux pannes, localité... o Utilisation de petits fragments permet de faire tourner plus d’un processus simultanément. Comment fragmenter? On distingue deux possibilité de fragmentation: o Fragmentation Horizontale o Fragmentation Verticale o Fragmentation Hybride 10
  • 11.  Fragmentation horizontale Cette fragmentation consiste à faire une séparation selon les enregistrements. On définit le critère de sélection suivant les valeurs d'un ou plusieurs champs et la division est faite.  Fragmentation verticale La division est faite non au niveau des données, mais de la structure même de la base. Certains champs sont envoyés dans un fragments et d'autres ailleurs. 11
  • 12. Les 3 règles de la fragmentation  Pour toute donnée de la relation originale R il doit avoir une sous relation Ri la contenant.  Pour toute fragmentation de la relation R en plusieurs sous relations Ri il doit avoir un procédé inverse de reconstitution de la relation principale R.  Aucune donnée ne doit se trouver dans plus d'un fragment sauf dans le cas d'une fragmentation verticale ou la clé primaire doit être présente partout.12
  • 13. Allocation Lorsque le concepteur a fini de fragmenter sa base, il lui faut ensuite allouer chaque fragment sur son site correspondant. L'allocation peut être faite de plusieurs façons :  La réplication totale des données  L'absence de réplication  La méthode hybride 13
  • 14. Allocation • La réplication totale des données Cette méthode n'est pas très efficace lorsque les données sont régulièrement mises à jour car il se pose le problème de cohérence de données • L'absence de réplication Chaque donnée est mise à jour sur un seul site. Cette méthode est plus efficace quand les données sont beaucoup plus modifiées que lues. • La méthode hybride Afin de bénéficier des deux méthodes citées à la fois, celle hybride peut être utilisé. Ainsi les données en Read Only peuvent être répliquées et les données en Read Write pas du tout. 14
  • 15. Réplication Principe de la réplication  X est répliquée signifie qu’il existe une copie de X sur un autre serveur.  En cas de panne du serveur qui héberge R, toutes les requêtes sont redirigées au serveur qui héberge la copie de R.  La copie de X doit être rafraichie, pour être pertinente. Avantages et inconvénients (+) Haute disponibilité (+) Equilibre de charge par l’ interrogation des réplicas. (-) Coût du stockage. (-) Coût de mise à jour des réplicas. 15
  • 16. Mise à jour synchrone et asynchrone Synchrone : + Maintenir toutes les copies en cohérence - Perte de performance du fait de la mise en œuvre de la validation à deux phases Asynchrone : mise à jour différées des copies + Incidence minime sur les performances - Nécessité de mise à niveau de la copie ou des copies en cas de reprise Réplication 16
  • 17. Les transactions réparties Une transaction désigne un ensemble d'opérations effectuées sur une base de données.  Une transaction est soit validée par un Commit, soit annulé par un Rollback soit interrompue par un Abort. Afin de garantir la stabilité du système, une transaction doit validée quatre propriétés indispensables : 17
  • 18. L'Atomicité Toutes les opérations d'une transaction sont menées de façon indivisible , toutes le opérations doivent être validées, si non tout est annulé  La cohérence La transaction doit amener le système d'un état cohérent vers un état cohérent, telles que toutes les contraintes d'intégrités soient respectées.  L'isolation Une transaction en cours ne peut révéler ses résultats à d'autres transactions si toutes ces opérations n'ont pas été validées. La durabilité Tout résultat produit par une transaction doit être permanent et ne doit souffrir d'aucune altération, quelques soient les pannes du système. 18
  • 19. Conclusio n Les SDBDs distribuées offre une autonomie des sites ainsi que une distribution de l’administration.  La distribution des données entraine la révision des notions de stockage des données, du traitement des requêtes, du contrôle de l’accès simultané ainsi que de la reprise. 19
  • 21. Base de donnés distribués Institut Supérieur desÉtudesTechnologiquesde Rades Islem TAHARI M1_MPDAM

Hinweis der Redaktion

  1. Consiste à découper les relations en sous-relations appelées fragments