Organización de Ficheros y Métodos de Acceso en ingeniería del software - Índices Secundarios

6 - Índices Secundarios

""Hasta ahora se ha hablado de índices primarios (aquellos que emplean claves primarias, es decir una clave, un registro). Puede ser que nos interese tener un índice para claves que no sean primarias, o sea una clave para más de un registro, éstos son los llamados índices secundarios. Su principal característica es que, al contrario que en los primarios donde el direccionamiento pudiera ser real (posición Exacta en el disco) o relativo (en función de la posición del fichero), en los secundarios se emplea el direccionamiento simbólico (la clave proporciona la clave primaria del registro, y no su dirección ni física, ni relativa, y el sistema emplea la clave primaria para localizar ese registro), en definitiva, emplea punteros indirectos. La ventaja de este direccionamiento es que podemos hacer muchos índices secundarios y a la hora de modificar los ficheros, las direcciones físicas cambian, con lo que se deben cambiar también los índices primarios (actualizarlos); esta operación puede llevar mucho tiempo, sin embargo, al usar direccionamiento simbólico no es necesario modificar los índices, puesto que no tienen punteros a ningún sitio. Veamos, a continuación, algunas generalidades de los ficheros en los que se usa este tipo de direccionamiento:
 <UL>
 <LI>Reciben el nombre de ficheros invertidos. 
 <LI>A partir de un dato (clave secundaria), se obtiene una clave primaria que lleva a más datos. 
 <LI>Ejisten dos tipos de ficheros invertidos: Losficheros totalmente invertidos y los ficheros parcialmente invertidos 
 <LI>En los Ficheros Totalmente Invertidos de una clave secundaria se obtienen todas las primarias relacionadas. Ej.:</LI></UL>
 <H3>
 <CENTER><IMG height=200 src= http://www.wikilearning.com/imagescc/3622/Cap10_12.gif width=300> </CENTER></H3>
 &nbsp;
 Este tipo de ficheros cuentan con una ventaja añadida, que es la de poder responder a ciertas preguntas sin tener que usar el fichero de datos (¿Número de alumnos en Almería?)
 <UL>
 <LI>Los Ficheros Parcialmente Invertidos se utilizan para evitar que el índice crezca mucho. Cuando buscamos por medio de una clave secundaria, no aparecen todas las claves primarias relacionadas a ella, sino que sólo aparece la primera clave primaria, y dentro del fichero de datos Ejisten punteros a los registros de igual clave secundaria. Estos ficheros también son llamados Ficheros Multilista. La técnica más usada es la de usar "punteros empotrados" en el fichero de datos. Los ficheros de este tipo son los más utilizados, empleando para implementar el índice un árbol tipo B.</LI></UL>
 Índices múltiples. Son índices formados por más de un atributo (campo). Se suelen emplear estructuras de array (rejillas) n-dimensionales. En las celdas de las rejillas en las que hubiera concordancia habría un puntero simbólico al registro que correspondiera. Son más rápidos pero ocupan mucho más espacio. Ficheros indexados más utilizados. Se organizan muy frecuentemente de una forma secuencial indexada orientada desde dos puntos de vista: 
 <DIR>
 <DIR>
 A) índices Secuenciales Multinivel. Están orientados hacia el hardware para evitar los problemas de la inserción en la organización secuencial simple. Ejisten dos métodos: ISAM y VSAM B)índices de árboles B (Generalmente B+). 1. índices Secuenciales Multinivel. I. ISAM (Métodos de Acceso Secuencial Indexado). Este método usa un fichero de datos secuencial y un índice secuencial. Divide el espacio del soporte en tres zonas: área de Datos, área de índices y área de Desborde, las cuales se subdividen en otras según la estructura de los soportes. Los datos se organizan en pistas (que es la unidad de transferencia con la memoria principal) y éstas en cilindros lógicos. 
 <CENTER><IMG height=200 src= http://www.wikilearning.com/imagescc/3622/Cap10_13.gif width=300> Cilindros del área de Datos </CENTER>
 La pista 0 de todos los cilindros se reserva para crear los llamados índices de pistas y alguna más para los excedentes del cilindro (al final). Cuando se llene una pista se pasa a la siguiente pista libre de ese mismo cilindro (se va rellenando cilindro a cilindro). Al rellenar una pista se crea en el índice de pista una entrada con la clave de mayor orden de esa pista y un puntero a esa pista. Al llenar un cilindro, en el área de índices se crea una entrada en el índice de cilindros con la clave de mayor orden y un puntero al cilindro. Puede existir un tercer índice, el índice maestro, muy pequeño que apunta al índice del cilindro. La mejora que obtenemos con este método es que al poder llevar una pista entera a memoria principal se trabaja más rápido; si al hacer una inserción excedo el tamaño de la pista el/los registro/s excedente/s va/n a las pistas del área de excedentes del cilindro. Tratamiento de los registros excedentes. Pueden almacenarse en una zona (un cilindro o más) exclusiva para ellos. Otra forma sería reservar pistas para los registros excedentes al final de cada cilindro. Por último una tercera forma consiste en una mezcla de las dos anteriores, es decir tener pistas al final de los cilindros y una zona exclusiva. Esta 3ª forma es la más utilizada, ya que la 1ª presenta el inconveniente de tener que hacer movimientos de las cabezas del disco para acceder a los excedentes, y la 2ª, aunque no tiene este problema tiene otros dos inconvenientes: que se puede agotar el espacio reservado o bien que por miedo a que esto ocurra se desaproveche mucho espacio en el soporte. Para localizarlos según que técnica empleemos tardaremos mucho (búsqueda secuencial, índice de pistas para los Ejcedentes). La técnica más empleada consiste en que en el índice de pistas cada entrada sean en realidad dos entradas, una para los registros almacenados normalmente, y otra para los Ejcedentarios. Por tanto cada entrada estará compuesta por una entrada N que será un puntero a la pista y como clave la mayor de la pista, y una entrada O que tiene un puntero a la menor entrada correspondiente a esa pista que esté en el área de Excedentes y como clave la mayor de dichos Excedentes. Veamos un esquema que nos aclare esto un poco: 
 <CENTER><IMG height=200 src= http://www.wikilearning.com/imagescc/3622/Cap10_14.gif width=300> </CENTER>
 Nota: En caso de no haber excedentes la entrada O es igual que la N. A continuación veremos un ejemplo de inserción que provocará la aparición de un registro Ejcedente: Supongamos que tenemos la distribución que se muestra en la siguiente figura, y queremos añadir un registro con la clave 15: 
 <CENTER><IMG height=200 src= http://www.wikilearning.com/imagescc/3622/Cap10_15.gif width=300 border=0> </CENTER>
 Una vez introducido el 15, las pistas quedarían así: 
 <CENTER><IMG height=600 src= http://www.wikilearning.com/imagescc/3622/Cap10_16.gif width=600 border=0> </CENTER>
 La entrada O también es útil para saber a donde debe ir un registro (a qué pista), en nuestro caso por ejemplo, si introducimos el 49, ya sabríamos que pertenece a la pista 1 y que iría a la zona de excedentes de dicha pista. Para no tener muchos excedentarios se suelen crear registros falsos hacia el final de las pistas. Tienen dos funciones: si llega un registro con la misma clave que uno falso simplemente sobreescribimos el falso y si no el que saldría sería uno falso que no amplia la zona de xjcedentes. Esta es la única forma de dejar huecos que se puede emplear en ISAM. II.- VSAM (Método de Acceso a Memoria Virtual). Son tres modos de organización: Uno para ficheros secuenciales (ESDS) Otro para ficheros de acceso directo o registros de dirección calculada (RRDS) Otro para ficheros secuenciales indexados (KSDS) ESDS = Conjunto de datos en secuencia de entrada. KSDS = Conjunto de datos en secuencia de clave. A) KSDS. Los tres modos se diferencian de ISAM en que son independientes del hardware o soporte. VSAM independiza las unidades de transferencia del soporte. Su unidad de transferencia son los intervalos de control, los ficheros son mucho más transportables que los de ISAM. Los intervalos se agrupan en áreas de control (puede ser o no un cilindro). Dentro de los intervalos de control se pueden dejar espacios libres al final de los mismos y en un área pueden haber intervalos completamente vacíos. KSDS permite que el índice esté organizado como un árbol B+. El tamaño de un área de control suele estar definido por el sistema, lo que se permite es definir el número de intervalos que se quiere que estén vacíos. Podemos definir la longitud de los intervalos de control. área de Datos + área de índices = Cluster En el área de índices se tendrá un árbol B+. Cada nodo del árbol será un intervalo de control. En las hojas se encuentran todas las claves y los nodos de las hojas están enlazados por punteros. Las hojas forman lo que se llama conjunto de secuencias. Los elementos de dicho conjunto son los nodos con entradas que serán: como clave la mayor contenida en un intervalo de control del área de datos, y un puntero a ese intervalo del área de datos. Cuando hay varios intervalos vacíos habrán nodos que lo indiquen y un puntero a esos intervalos. El acceso directo se hace con la búsqueda en el árbol. El acceso secuencial se hace empleando los punteros horizontales que enlazan las hojas del índice. Veamos un esquema que representa como sería el árbol del área de índices, y como estaría unido al área de datos. Los registros de datos pueden ser de longitud fija o variable, y al principio de cada intervalo hay unos caracteres de control que indican el nivel de ocupación (interesa al hacer un recorrido secuencial). Al eliminar un registro los que estén a su derecha se moverán a la izquierda dejando siempre los espacios libres al final del intervalo. Y si algún intervalo quedara vacío aparecerá en el conjunto de secuencias como una entrada de vacío (esto se llama reclamación dinámica de espacio libre). Este proceso (junto a otros que veremos) evitan la necesidad de tener zonas de excedentes. Procesos de Partición de Intervalos y de áreas. En una inserción si hay espacio al final no hay problema. Si el intervalo estuviera completo lo que se hace es partir en dos el intervalo de control, pasando a ocupar una de las mitades alguno de los intervalos libres que queden. En la página siguiente podemos ver un esquema que nos sirve de ejemplo de una situación en la que esto ocurriría: en un área de control los intervalos 90 93 95 101 ****** no estén en orden de clave, pero lo que siempre estará ordenado es el conjunto de secuencias, por eso en el recorrido secuencial se emplean las hojas. Lo que queremos decir con esto queda Expresado en el siguiente esquema. Si se nos acaban los intervalos libres en un área y hay que insertar, lo que se divide en dos es el área de control. Al particionarse sí que se colocan los intervalos en orden de clave, además también se particionarían las hojas del árbol de índices. La partición del área de control se hace considerando todos los registros del área llevando la mitad a un área y la otra mitad a otro área (se procura crear intervalos con espacio libre). El retraso que puede haber en el procesamiento secuencial al tener que desplazar las cabezas se compensa con el hecho de no tener necesidad de área de excedentes. El inconveniente que tiene con respecto a ISAM es que hay que dejar más espacios libres, a cambio el localizar los registros es mucho más rápido. B) RRDS. Ficheros con registros de dirección calculada o de organización directa La dirección de los registros en el soporte viene dada por un cálculo sobre la clave primaria de los registros de tal forma que si aplicamos siempre el mismo cálculo sobre una misma clave se obtiene el mismo resultado (que permite llegar hasta el registro). Puede haber dirección real (se especifica exactamente donde está) o dirección relativa (posición respecto al fichero). Para localizar los registros se aplica el cálculo a la clave del registro buscado. El cálculo se llama algoritmo de direccionamiento y será definido por el usuario. La desventaja de este método es que cuando el rango de claves es superior al de registros se desperdicia espacio en el soporte. El algoritmo que se suele emplear es "aleatorizado", es decir que obtiene números aleatorios pero siempre dentro del rango de claves (Método Hashing). Puede ocurrir que para claves diferentes se obtenga la misma dirección. A los registros que les ocurre esto se llaman sinónimos y deberían estar en la misma posición, lo cual es imposible, por tanto tendremos excedentes. Generalmente la dirección tendrá espacio suficiente para almacenar más de un registro. Este espacio suele ser de una página. A estos espacios se les llama cubos. Los cubos permiten emplear registros de tamaño variable aunque se estén empleando direcciones relativas (los cubos son de tamaño fijo y en ellos se busca secuencialmente). Algoritmos aleatorios (Hashing) más usuales. (1) Truncamiento. (75527 -&gt; 75 / 527 -&gt; 527) Reduce el rango en función del número de registros que realmente existe, truncando la clave, o sea quedándote con sólo una parte de la clave (los menos significativos, los más importantes, etc..) (2) Extracción. (75527 -&gt; 552) Nos quedamos con las cifras centrales. (3) Selección.( 7 5 5 2 7 -&gt; 5 7 5 ) Tomamos determinadas posiciones de la clave y las colocamos en el orden que nosotros queramos. Generalmente se emplea en compañía de otros. (4) Multiplicación. Multiplicar una parte de la clave por otra parte de la misma (y luego por ejemplo truncar el resultado). (5) Cambio De Base. Suponer la base en una base diferente a la suya y pasarla a la base en que está. (6) División Por Número Primo. Se divide la clave por un número primFONTo y como resultado tomamos el resto. Tiene la ventaja de no precisar cálculos posteriores ya que al ser el número primo más o menos igual al número de registros posibles en el fichero, el resto siempre estará en el rango permitido. (7) Clave No Numérica. Obtiene direcciones relativas. Se transforma la clave no numérica en numérica (por ejemplo obtener el equivalente binario del carácter). El método más utilizado es el 6. ¿Cómo tratar los sinónimos? Existen dos métodos para el tratamiento de sinónimos: El primero buscar una nueva posición en el espacio reservado al fichero y que esté libre, y el segundo método emplear la zona de excedentes. *El primer método presenta dos posibilidades: a) Sondeo lineal o asignación consecutiva. Cuando un registro produce una dirección ocupada, se busca en la siguiente dirección, a continuación de esa, si está ocupada se pasa a la siguiente, y así sucesivamente hasta hallar un espacio libre. El inconveniente es que tiende a acumular a los registros en zonas de soporte, lo que amplia la posibilidad de que hayan sinónimos. b) Doble Hashing. Si aplicando el cálculo se obtiene una dirección ocupada, lo que hacemos es a esa dirección obtenida aplicar o bien el mismo cálculo, o bien otro distinto consiguiéndose así una mayor dispersión de los registros. 
 <CENTER>f(k) -&gt; D f(D) -&gt; D’ </CENTER>
 Si D’ está ocupado se suelen usar zonas de excedentes. * En cuanto al segundo método existen dos formas de organizar la zona de excedentes: a) Secuencial Simple. Los sinónimos se colocan secuencialmente en el orden de llegada. Este método se usa cuando se presuponen pocos sinónimos. b) Secuencial Encadenado de árboles B (Generalmente B+). El sinónimo va a la primera posición libre de la zona de Ejcedentes y se encadena con un puntero a la posición original que le correspondería al registro en cuestión. Si viene un segundo sinónimo se encadena al primero que llegó. Ventajas e inconvenientes de los ficheros con registros de dirección calculada. 
 <BLOCKQUOTE>
 - Necesita soportes de acceso directo (Inconveniente) - Es mejor que los índices cuando se requiere acceso a registros individuales y de forma desordenada. (Ventaja) - Desperdicia espacio en el soporte (Inconveniente). - Sólo es aplicable a una clave del fichero (Inconveniente). Generalmente se emplea esta organización para la clave primaria y otra diferente para las claves secundarias. </BLOCKQUOTE></DIR></DIR>""

Añade una nota a tu edición que explique en qué consisten tus cambios:

Opinar
3 opiniones

lilian

me gusta mucho la ingenieria DUERMO CON ELLA

Jonh

Busco.

Yo buscaba fichero de movimiento pero de todos modos gracias.

Sebastian

Interesante.

Básico, pero interesante.

Cursos gratis relacionados con 'Organización de Ficheros y Métodos de Acceso en ingeniería del software'

Organización de Ficheros y Métodos de Acceso en ingeniería del software

Un sistema informático utiliza ordenadores para almacenar datos, procesarlos y ponerlos a disposición de quien... Más »

El fascinante mundo de los virus informáticos

Completo curso acerca de los virus informáticos, historia, clasificación, protección...

Una Web es más que código

Una web es mucho más que abrir el block de notas y ponerse a tirar... Más »

Biblioteca Digital y Web Semántica

Desde el principio de los tiempos parte de la humanidad se ha preocupado por almacenar... Más »

Anuncios Google

Autor y licencia de 'Organización de Ficheros y Métodos de Acceso en ingeniería del software'

Curso gratis de Rafael Menéndez-Barzanallana Asensio. Extraido de: http://www.um.es/docencia/barzana CopyLeft

Este contenido ha sido recopilado por el equipo de Wikilearning. Todo el contenido recopilado se ha obtenido respetando y comunicando en nuestro site la licencia de cada fuente.

Wikilearning tiene permiso expreso por escrito de los autores para publicar los contenidos que ha extraído de otras webs, incluyendo su uso comercial.