fondements des bases de donnéesefreidoc.fr/l3/bdd/cours/cours complet...
TRANSCRIPT
1
Abdelkrim LAHLOU
Fondements desBases de données
2
Plan
� Systèmes de fichiers− Format des fichiers et redondance des données
− Interrogation et tolérance aux pannes
− Confidentialité et partage de données
� L’approche BD− Modèle relationnel
− Exemple de langage d’interrogation SQL
− Gestion de l’intégrité et des vues
− Optimisation
− Gestion des transactions et de la concurrence
− Confidentialité et droits d’accès
� Architecture des SGBD
� Perspectives
3
Gestion des donnéespar Systèmes de fichiers
4
Chirurgie
Psychiatrie
Systèmes de fichiers Caractéristiques
Comptabilité
Consultations
Problèmes
2
5Format des fichiers CaractéristiquesPlusieurs applications � plusieurs formats
� plusieurs langages
Problèmes� Difficultés de gestion
DupontSalaire : 100000
Date de naissance :15 Septembre 1968
Adresse : Paris
DupontTurlututu : sq
SymptomyyyyAnalysesxxxx
Turlututudhjsd
Dupont
Symptômes : yyAnalyses : xxxx
Symptômes : yy
DupontDate : 01/10/2003
Heure : 22h30Tupe : Apendice
Nom Bloc : C
6Redondance (données)CaractéristiquesPlusieurs applications � plusieurs formats
� plusieurs langages
Redondance de données
Problèmes� Difficultés de gestion
� Incohérence des données
DupantTurlututu : sq
SymptomyyyyAnalysesxxxx
Turlututudhjsd
Dupond
Symptomes : yyAnalyses : xxxx
Symptomes : yy
DupontDate : 01/10/2003
Heure : 22h30Tupe : Apendice
Nom Bloc : C
DupontSalaire : 100000
Date de naissance :15 Septembre 1968
Adresse : Paris
7Interrogations CaractéristiquesPlusieurs applications � plusieurs formats
� plusieurs langages
Redondance de données
Pas de facilité d’interrogation � Requête ⇒développement
Problèmes� Difficultés de gestion
� Incohérence des données� Coûts élevés
� Maintenance difficileDupantTurlututu : sq
SymptomyyyyAnalysesxxxx
Turlututudhjsd
Dupond
Symptomes : yyAnalyses : xxxx
Symptomes : yy
Chi
ruS
oft
ConsultS
oft Psy
chia
Sof
t
Com
ptaSoft
DupontDate : 01/10/2003
Heure : 22h30Tupe : Apendice
Nom Bloc : C
DupontSalaire : 100000
Date de naissance :15 Septembre 1968
Adresse : Paris
8
DupontDate : 01/10/2003
Heure : 22h30Tupe : Apendice
Nom Bloc : C
Pannes ??? CaractéristiquesPlusieurs applications � plusieurs formats
� plusieurs langages
Redondance de données
Pas de facilité d’interrogation � Question ⇒développement
Redondance de code
Problèmes� Difficultés de gestion
� Incohérence des données� Coûts élevés
� Maintenance difficile� Gestion de pannes ???Dupant
Turlututu : sq
SymptomyyyyAnalysesxxxx
Turlututudhjsd
Dupond
Symptomes : yyAnalyses : xxxx
Symptomes : yy
Chi
ruS
oft
ConsultS
oft Psy
chia
Sof
t
Com
ptaSoft
DupontSalaire : 100000
Date de naissance :15 Septembre 1968
Adresse : Paris
3
9
DupontDate : 01/10/2003
Heure : 22h30Tupe : Apendice
Nom Bloc : C
DupontSalaire : 100000
Date de naissance :15 Septembre 1968
Adresse : Paris
Partage de données CaractéristiquesPlusieurs applications � plusieurs formats
� plusieurs langages
Redondance de données
Pas de facilité d’interrogation � Question ⇒développement
Redondance de code
Problèmes� Difficultés de gestion
� Incohérence des données� Coûts élevés
� Maintenance difficile� Gestion de pannes ???� Partage des données ???
DupantTurlututu : sq
SymptomyyyyAnalysesxxxx
Turlututudhjsd
Dupond
Symptomes : yyAnalyses : xxxx
Symptomes : yy
Chi
ruS
oft
ConsultS
oft Psy
chia
Sof
t
Com
ptaSoft
10
DupontSalaire : 100000
Date de naissance :15 Septembre 1968
Adresse : Paris
DupontDate : 01/10/2003
Heure : 22h30Tupe : Apendice
Nom Bloc : C
Confidentialité CaractéristiquesPlusieurs applications � plusieurs formats
� plusieurs langages
Redondance de données
Pas de facilité d’interrogation � Question ⇒développement
Redondance de code
Problèmes� Difficultés de gestion
� Incohérence des données� Coûts élevés
� Maintenance difficile� Gestion de pannes ???� Partage des données ???
� Confidentialité ???
DupantTurlututu : sq
SymptomyyyyAnalysesxxxx
Turlututudhjsd
Dupond
Symptomes : yyAnalyses : xxxx
Symptomes : yy
Chi
ruS
oft
ConsultS
oft Psy
chia
Sof
t
Com
ptaSoft
11
L’approcheBases de données
12
L’approche ‘‘SGBD’’ (1/3)
• Modélisation des données � Eliminer la redondancede données
� Centraliser et organiser correctement les données manipulées par l’ensemble des applications constituant le SI
� Plusieurs niveaux de modélisation
� Outils de conception
• Logiciel «Système de Gestion de Bases de Données»� Factorisation des modules de contrôle des applications
- Interrogation, cohérence, intégrité, partage, gestion de pannes, etc…
� Administration aisée des données
4
13
L’approche ‘‘SGBD’’ (2/3)
• Description canoniquedes données :Description cohérente, unique et centralisée des donnéesmanipulées par l’ensemble des applications constituant lesystème d’information
� Perception globale du système d’informationAugmentation du niveau d’information
Nouveaux traitements (aide à la décision, analyse de données, …)
� Factorisation de la description des données et de leurcomportement (contraintes d’intégrité, …)
� Elimination de la redondanceRedondance coûteuse en place et source d’incohérence
Redondance Système reste nécessaire pour : fiabilité, performance deconsultation, disponibilité en environnement distribué ou mobile
14L’approche ‘‘SGBD’’ (3/3)
BDVIII - Concurrence d’accès
VII - Gestion des pannes
I- Indépendance Physique
IX - Gestion de la confidentialité
II- Indépendance Logique
VI - Gestion de la cohérence
V - Optimisation des requêtes
III – Langage de manipulation
IV - Gestion des vues
X - Standards
15
Réel
Modèle conceptuel
• Indépendant du modèle de données
• Indépendant du SGBD
Modèle logique
•Dépendant du modèle de données
• Indépendant du SGBD
CODASYL Relationnel Objet XML
Modèle Physique
•Dépendant du modèle de données
•Dépendant du SGBD
• Organisation physique des données
• Structures de stockage des données
• Structures accélératrices (Index)
Modélisation du réel
Médecin effectue Visite
16
Champs, attributs, colonnes
Champs, attributs, colonnes
Champs, attributs ou colonnes
Modèle Relationnel (1)
Id-D Nom Prénom
1 Dupont Pierre
2 Durand Paul
3 Facile Alice
…. …….. ……
Relation ou table
Tuples, lignes ou n-uplets
5
17
Modèle Relationnel (2)
DocteurId-D Nom Prénom
1 Dupont Pierre
2 Durand Paul
3 Facile Alice
…. …….. ……
VisiteId-D Id-P Id-V Date Prix
1 2 1 15 juin 25
1 1 2 12 août 18
2 2 3 13 juillet 35
2 3 4 1 mars 25
PatientId-P Nom Prénom Ville
1 Lebeau Jacques Paris
2 Troger Zoe Evry
3 Doe John Paris
4 Perry Paule Valenton
…. ……. ……. …….
PrescriptionId-V Ligne Id-M Posologie
1 1 12 1 par jour
1 2 5 10 gouttes
2 1 8 2 par jour
2 2 12 1 par jour
2 3 3 2 gouttes
…. …. …. …………
MédicamentId-M Nom TypeM Description
1 Aspegic 1000 Aspirine ……………
2 Pénicilline Antibiotique ……………
3 Aspirine Aspirine …………..
…. …….. …….. …………..
18
I - Indépendance Physique
• Indépendance des programmes d'applications vis àvis des structures de stockage des fichiers (Modèlephysique) :
– Description logique des données;
– Possibilité de modifier lesstructures de stockage(fichiers,index, chemins d'accès, …) sans modifier les programmes;
– Ecriture des applications par desnon spécialistes desfichiers et des structures de stockage;
– Meilleureportabilité des applications etindépendancevis àvis du matériel.
19
II - Indépendance Logique
Nombre_MédicamentsId-M Nom Description Nombre
1 Aspegic 1000 ………………………….. 30
2 Fluisédal ………………………….. 20
3 Mucomyst ………………………….. 230
…. …….. ………………………….. …..
Les applications peuvent définir des vues logiquesde la BD
……… … ..… .
PrénomNo mId-D
JeanMasse3
PaulDu rand2
PierreDu pon t1
Doc teur
……… … ..… .
PrénomNo mId-D
JeanMasse3
PaulDu rand2
PierreDu pon t1
Doc teur
Visites
2
2
1
1
Id-D
1 m ars
13 juillet
12 août
15 ju in
Date
25 0
35 0
18 0
25 0
Prix
4
3
2
1
Id-V
3
2
1
2
Id-P
Visites
2
2
1
1
Id-D
1 m ars
13 juillet
12 août
15 ju in
Date
25 0
35 0
18 0
25 0
Prix
4
3
2
1
Id-V
3
2
1
2
Id-P
… … .… … .… .
PaulePer ry4
Préno mNomId-P
Joh nDoe3
ZoeTrog er2
Jacqu esLebeau1
Patients
… … .… … .… .
PaulePer ry4
Préno mNomId-P
Joh nDoe3
ZoeTrog er2
Jacqu esLebeau1
Patients
… …… …… .… .… .
2 go uttes332
1 2
8
5
1 2
Id- M
1 p ar jo ur
2 p ar jo ur
10 gou ttes
1 p ar jo ur
Posolog ie
2
1
2
1
Lig ne
2
2
1
1
Id-V
Prescription
… …… …… .… .… .
2 go uttes332
1 2
8
5
1 2
Id- M
1 p ar jo ur
2 p ar jo ur
10 gou ttes
1 p ar jo ur
Posolog ie
2
1
2
1
Lig ne
2
2
1
1
Id-V
Prescription
… … …… … …… …… … …..…… ..… .
DescriptionNomId- M
… … …… … …… …… … …..Mucom yst3
… … …… … …… …… … …..Flu isédal2
… … …… … …… …… … …..Aspeg ic 1 0001
Médicament
… … …… … …… …… … …..…… ..… .
DescriptionNomId- M
… … …… … …… …… … …..Mucom yst3
… … …… … …… …… … …..Flu isédal2
… … …… … …… …… … …..Aspeg ic 1 0001
Médicament
Gestion des médicaments Cabinet du Dr. Dupont
Visite
2
1
Id -D
1 mars
15 juin
Date
250
250
Prix
4
1
Id -V
3
2
Id -P
2
1
Id -D
1 mars
15 juin
Date
250
250
Prix
4
1
Id -V
3
2
Id -P
…….…….….
PrénomNomId -P
ZoeTroger2
JacquesLebeau1
Patient
…….…….….
PrénomNomId -P
ZoeTroger2
JacquesLebeau1
…………….….….
5
12
Id -M
10 gouttes
1 par jour
Posologie
2
1
Ligne
1
1
Id -V
Prescription
…………….….….
5
12
Id -M
10 gouttes
1 par jour
Posologie
2
1
Ligne
1
1
Id -V
……………………………..……..….
DescriptionNomId -M
……………………………..Mucomyst3
……………………………..Fluisédal2
……………………………..Aspegic 10001
MédicamentDescriptionNomId -M
3
2
1
20
Avantages de l’indépendance logique
• Possibilité pour chaque application d'ignorer les besoins des autres (bien que partageant la même BD).
• Possibilité d'évolution de la base de donnéessans réécriture des applications non concernées :– ajout de champs, ajout de relation, renommage de champs.
• Possibilité d'intégrer des applications existantessans modifier les autres.
• Les données décrites restent virtuelles (vues) et le SGBD se charge de leur faire correspondre des données réelles.
• Possibilité de limiter les conséquences du partage : Données confidentielles.
6
21
Exemple d’indépendance logique
Id-E Nom Prénom Poste Adresse Ville Salaire1 Ricks Jim 5485 ………. Paris 2300
2 Trock Jack 1254 ………. Versailles 1200
3 Lerich Zoe 5489 ………. Chartres 3800
4 Doe Joe 4049 ………. Paris 1600
Id-E Nom Prénom Poste1 Ricks Jim 5485
2 Trock Jack 1254
3 Lerich Zoe 5489
4 Doe Joe 4049
Nombred’employés
MasseSalariale
4 8900
Service des ressources humaines
Employés(Intranet) Public
(Internet)
22
III – Langage de manipulation
• Manipulation aisée des données à partir de la seule connaissance du monde réel et de la modélisation qui en est faite
• La manipulation se fait via des primitives intégrées à un langage de programmation tel Java ou C++ ou bien en utilisant un langage de commandes déclaratif
– La requête déclare l’objectif sans décrire la méthode– Le langage suit une norme commune à tous les SGBD– SQL : Structured Query Langage
• Exemple de requête SQL :Retrouver le nom et le n° de téléphone de tous les pédiatres
Select Nom, Tel <Liste de champs ou de calculs à afficher>From Docteur <Liste de relations mises en jeu>Where Spécialité = ’Pédiatre’; <Liste de prédicats à satisfaire>
23
Exemple de requête SQL (1)
• Nomet descriptiondes médicamentsde type Aspirine
Select Nom, Description
From Médicament
Where upper(TypeM) LIKE ’ASPIRINE’ ;
24
Exemple de requête SQL (2)
• Patientsparisien ayant effectués une visitele 15 juin 2003
Select Patient.Nom, Patient.Prénom
From Patient, Visite
Where Patient.Id_P = Visite.Id_P
and lower(Patient.Ville) LIKE ’paris’
and Visite.Date = ’15 juin 2003’ ;
7
25
Exemple de requête SQL (3)
• Dépenseseffectuées par patienttrié par ordre décroissant
Select Patient.Id_P, Patient.Nom, sum(Prix)
From Patient, Visite
Where Patient.Id_P = Visite.Id_P
Group By Patient.Id_P, Patient.Nom
Order By sum(Prix) desc ;
26
IV – Gestion des vues• Les vues permettent d’implémenter l’indépendance
logique en permettant de créer des objets virtuels
• Vue = Requête SQL stockée
• Le SGBD stocke la définition et non le résultat
• Exemple : la vue des patients parisiens
Create ViewParisiensas(
Select Nom, Prénom
From Patient
Where Patient.Ville = ’Paris’ ) ;
27
Gestion des vuesLe SGBD transforme la requête sur les vues en requête sur les relations de base
Requête Q sur des vues
Définition des vues
Gestionnaire de Vues
Requête Q’ sur les relations
de base
28
V – Optimisation des requêtes
• Traduction automatique des requêtes déclaratives en programmes procéduraux : � Utilisation de l’algèbre relationnelle
• Optimisation automatique des programmes (requêtes) � Utilisation de l’aspect déclaratif de SQL� Gestion centralisée des chemins d'accès (index, hachages, …)� Techniques d’optimisation poussées
• Performances mesurées en transactions par seconde (TPS) sur des benchmarks standardisés (TPC)
• Economie de l'astuce des programmeurs– milliers d'heures d'écriture et de maintenance de logiciels.
8
29
Sélection
Patients de la ville de Paris
PatientId-P Nom Prénom Ville
1 Lebeau Jacques Paris
2 Troger Zoe Evry
3 Doe John Paris
4 Perry Paule Valenton
PatientId-P Nom Prénom Ville
1 Lebeau Jacques Paris
2 Troger Zoe Evry
3 Doe John Paris
4 Perry Paule Valenton
σσσσ
30
Projection
PatientId-P Nom Prénom Ville
1 Lebeau Jacques Paris
2 Troger Zoe Evry
3 Doe John Paris
4 Perry Paule Valenton
ππππ
Nom et prénom des patients
PatientId-P Nom Prénom Ville
1 Lebeau Jacques Paris
2 Troger Zoe Evry
3 Doe John Paris
4 Perry Paule Valenton
31
JointurePatient
Id-P Nom Prénom Ville
1 Lebeau Jacques Paris
2 Troger Zoe Evry
3 Doe John Paris
4 Perry Paule Valenton
VisiteId-D Id-P Id-V Date Prix
1 2 1 15 juin 250
1 1 2 12 août 180
2 2 3 13 juillet 350
2 3 4 1 mars 250
Id-P Nom Prénom Ville Id-D Id-P Id-V Date Prix
1 Lebeau Jacques Paris 1 1 2 12 août 180
2 Troger Zoe Evry 1 2 1 15 juin 250
2 Troger Zoe Evry 2 2 3 13 juillet 350
3 Doe John Paris 2 3 4 1 mars 250
Patients et leurs visites
32
Exemple de plan d’exécution
Select Patient.Nom, Patient.Prénom
From Patient, Visite
Where Patient.Id-P = Visite.Id-P
and Patient.Ville = ’Paris’
and Visite.Date = ’15 juin 2003’ ;
ππππ
σσσσ
Patient Visite
Patientparisien ayant effectués une visitele 15 juin 2003
9
33
Plan d’exécution optimisé
ππππ
σσσσ
Patient Visite
ππππ
ππππσσσσ
Visite
ππππσσσσ
Patient
34
VI – Gestion de la cohérence(Intégrité Logique)
Objectif : Détection automatique des mises à jour erronées
• Contrôle sur les données élémentaires– Contrôle de types: ex: Nom alphabétique
– Contrôle de valeurs: ex: Salaire mensuel entre 10 et 45k€
• Contrôle sur les relations entre les données– Relations entre données élémentaires :
• Prix de vente > Prix d'achat
– Relations entre objets:• Un électeur doit être inscrit sur une seule liste électorale
35
Contraintes d’intégrité (2)
• Avantages :– simplification du code des applications
– sécurité renforcéepar l'automatisation
– mise en commundes contraintes
• Contraintes :– un langage de définition de contraintes d'intégrité
– la vérification automatique de ces contraintes
36
Exemples de contraintes• Contraintes d’intégrité référentielles
DocteurId-D Nom Prénom
1 Dupont Pierre
2 Durand Paul
3 Facile Alice
…. …….. ……
VisiteId-D Id-P Id-V Date Prix
1 2 1 15 juin 250
1 1 2 12 août 180
2 2 3 13 juillet 350
2 3 4 1 mars 250
PrescriptionId-V Ligne Id-M Posologie
1 1 12 1 par jour
1 2 5 10 gouttes
2 1 8 2 par jour
2 2 12 1 par jour
2 3 3 2 gouttes
…. …. …. …………
10
37VII – Gestion des pannes(Intégrité Physique)
• Motivations : assurer la pérennité des données en présence de pannes multiples (Tolérance aux fautes)– Transaction Failure : Contraintes d'intégrité, Annulation– System Failure : Panne de courant, Crash serveur ...– Media Failure : Perte du disque– Communication Failure : Défaillance du réseau
• Objectifs :– Assurer l'atomicité des transactions de MAJ– Garantir la durabilité des effets des transactions validées
• Moyens :– Journalisation : Mémorisation des états successifsdes données– Mécanismes de reprise
38
Gestion des transactions
Etat cohérent Etat cohérentIncohérence possible...
Begin CommitTransaction
BeginC_Epargne = C_Epargne - 3000C_Courant = C_Courant + 3000
Commit T1
39
Propriétés ACID40
Atomicité et Durabilité
ATOMICITE
BeginC_Epargne = C_Epargne –3000C_Courant = C_Courant +3000
Commit T1
���� Annuler le débit !!
Panne
DURABILITE
BeginC_Epargne = C_Epargne–3000C_Courant = C_Courant+3000
Commit T1
� S’assurer que le virement a été fait !
Crash disque
11
41
VIII – Gestion de la concurrence (1)
BD
• Accès concurrent aux mêmes données
� Conflits d’accès !!
42
Accès concurrents aux données (2)
• Le SGBD gère les accès concurrents
� Chacun à l’impression d’être seul (Isolation)� Cohérence conservée (Verrouillage)
BD
43
Accès concurrents aux données (3)
• Assurer l’isolation des transactions, c.à.d que différentesapplications partageant les mêmes données doivent pouvoirs’ignorer et travailler de manière asynchrone.
• Le SGBD garantit la sérialisabilité des accès : l’effet d’uneexécution simultanée de transactions doit être le même quecelui d’une exécution séquentielle
<T1 || T2 … || Tn> = <T1; T2; … Tn>
• Les transactions exécutées en parallèle ne doivent pas entrer enconflit lecture-écriture ou écriture-écriture, afin d’éviter :
• des pertes de MAJ
• des introductions d’incohérence
• des lectures non reproductibles
44
IX – Gestion de la confidentialité• Objectif : Protéger les données de la BD contre des
accès non autorisés et la dégradation
• Deux niveaux :– Connexion restreinte aux usagers répertoriés(mot de passe)
– Privilègesd'accès aux objets de la base
• Usagers : Usager, groupe, rôle
• Objets : Relation, Vue, autres objets (procédures, etc.)
12
45
Puissance des droits SGBD
Id-E Nom Prénom Poste Adresse Ville Salaire1 Ricks Jim 5485 ………. Paris 230
2 Trock Jack 1254 ………. Versailles 120
3 Lerich Zoe 5489 ………. Chartres 380
4 Doe Joe 4049 ………. Paris 160
Id-E Nom Prénom Poste1 Ricks Jim 5485
2 Trock Jack 1254
3 Lerich Zoe 5489
4 Doe Joe 4049
Nombred’employés
MasseSalariale
4 890
Service des ressources humaines
Employés(intranet)
Public(internet)
46
X - Standardisation• L’approche bases de données est basée sur plusieurs
standards– Langage SQL (SQL1, SQL2, SQL3)
– Communication SQL CLI (ODBC / JDBC)
– Transactions (X/Open DTP, OSI-TP)
• Force des standards– Portabilité
– Interopérabilté
– Applications multisources…
47
Architecture des SGBD
48
Architecture fonctionnelle d’un SGBD
ANALYSEUR
TRADUCTEUR
OPTIMISEUR
EXECUTEUR
BD
META BASE
Analyse syntaxiqueAnalyse sémantiqueGestion des schémas
Modification de requêtesContrôle d’intégritéContrôle d’autorisation
OrdonnancementOptimisationElaboration de plans d’exécution
Exécution du planMéthodes d’accèsGestion des transactions
13
49
L’architecture ANSI/SPARC
Niveau Externe 1 Niveau Externe 2 Niveau Externe n
Niveau Conceptuel(logique)
Niveau Interne(physique)
définit la façon selon laquelle sontstockée les données et les méthodespour y accéder (modes de stockage :séquentiel, trié, haché et index)
définit l'arrangement des informationsau sein de la base de données
MCD (modèle conceptuel des données)ou MLD (modèle logique des données)
définit les vuesdes utilisateurs
50
Architecture des SGBD
☞ Les architectures physiques de SGBD sont très liées aumode de répartition.
— BD centralisée
— BD client/serveur
— BD client/multi-serveurs
— BD répartie
— BD hétérogène
— BD mobile
☞ Le challenge se déplace des Péta-bases aux Pico-bas es.
— Péta-bases => parallélisme et grandes mémoires
— Pico-bases => faible empreinte et forte sécurité
51
Architecture centralisée
Terminaux passifs
MainframeSGBD
Appli 1 Appli 2 Appli n
Réseau
données
52
Architecture client - serveur
Clients intelligents
ServeurSGBD
Appli 1Appli 2
Appli n
Réseau
donnéescode
14
53
Architecture client - multiserveurs
SGBD 2
donnéescode
ODBC ODBC
SGBD 1
donnéescode
Appli 1
SQL SQL
SQLSQL
54
Architecture répartie
SGBD 1
donnéescode
SGBD 2
donnéescode
Appli 1Appli 2
Appli n
55
Architecture hétérogène
Source 1 : SGBD
donnéescode
Source 2 : serveur Web
donnéescode
Appli 1 Appli 2 Appli n
Médiateur
56
Architecture mobile
Clients intelligents mobiles
serveur
SGBD
Réseau sans fil
donnéescode
Données répliquées et/ou personnelles
15
57
Applications traditionnelles des SGBD
• OLTP (On Line Transaction Processing)– Cible des SGBD depuis leur existence
– Banques, réservation en ligne ...
– Très grand nombre de transactions en parallèle
– Transactions simples
• OLAP (On Line Analytical Processing)– Entrepôts de données, DataCube, Data Mining …
– Faible nombre de transactions
– Transactions très complexes
58
Applications émergentesdes SGBD (1)
• BD et WEB– Serveurs Web dynamiques, sites marchands, portails, ...
– Plusieurs profils (OLTP, publication d’informations en ligne, hébergement de données …)
• Challenges majeurs– Gestion de données XML
– Fédération de sources de données hétérogènes
– Grilles de données (Data Grid)
– Sécurité des données en ligne
59
Applications émergentesdes SGBD (2)
• BD personnelles ou PME– Comptabilité
– Agenda, comptes bancaires, carnet d’adresses, dossiers portables
– BD embarquées sur calculateurs ultra-légers (PDA, téléphones cellulaires, cartes à puce …)
• Challenges majeurs– Gérer les données multimédia et Web
– Gérer la mobilité
– S’adapter aux contraintes matérielles du calculateur hôte
– Assurer la durabilité des données
– Assurer la confidentialité des données
60
Evolution des BD
BD d’entreprise
BD personnelles
BD ‘light’(PDA/Mobile/carte à puce)
Capacité
Prix
Nombre
16
61
Perspectives• Gestion d’objets complexes
– Objet/Relationnel– SGBD à objets
• BD et Web– Gestion de données non structurées ou semi-structurées– Architectures multi-tiers– Sécurité des données– Publish/Subscribe
• Performances– Péta-bases de données– SGBD parallèle et grandes mémoires
• Mobilité– Pico-bases de données et SGBD embarqué– Gestion de données mobiles