1

Gli Archivi

Un archivio è un insieme organizzato di informazioni caratterizzate da alcune proprietà:

- tra esse esiste un nesso logico (cioè sono in qualche modo inerenti ad un medesimo argomento)

- sono rappresentate secondo un formato che ne rende possibile l’interpretazione

- sono registrate con un supporto su cui è possibile scrivere e rileggere informazioni anche a distanza di tempo

- sono organizzate in modo da permettere una facile consultazioneNella società moderna, con il crescere del volume delle informazioni e dell’importanza di renderle disponibili in tempi rapidi, la facile reperibilità dei dati è diventata una caratteristica fondamentale degli archivi gestiti da un calcolatore è diventata la prassi nella quasi totalità delle attività organizzate

2

Operazioni sugli archiviLa gestione di un archivio di dati viene realizzata attraverso le seguenti operazioni principali:

-La creazione dell’archivio stessa, cioè tutto ciò che riguarda la realizzazione, sul supporto di memorizzazione dello spazio destinato a contenere i dati

- la consultazione o interrogazione, cioè il reperimento all’interno dell’archivio delle informazioni necessarie per l’elaborazione desiderata. Es. L’archivio della contabilità di un azienda viene interrogato per conoscere quali sono le fatture emesse che non sono ancora state pagate dai clienti

- l’inserimento di nuovi dati dopo che l’archivio è stato creato: es. l’inserimento di un nuovo abbonato nell’elenco telefonico…..

- la modifica o aggiornamento dei dati già presenti nell’archivio ma non più corrispondenti ai dati reali: se un utente trasferisce la propria residenza nella successiva edizione dell’elenco telefonico viene stampato il nuovo indirizzo

- la cancellazione delle informazioni che non si vogliono più conservare perché non esiste più un nesso logico rispetto alle altre informazioni presenti nell’archivio

- l’ordinamento dei dati secondo un determinato criterio per facilitare una facile consultazione

- la fusione tra due o più archivi, cioè la formazione di un nuovo archivio utilizzando i dati contenuti negli archivi di partenza

3

In un archivio le informazioni sono raggruppate secondo un’unità logica: nel caso dell’elenco telefonico i dati relativi ad ogni abbonato, in un archivio notarile i dati contenuti nell’incartamento relativo a un cliente. Questi insiemi di informazioni logicamente organizzate e riferite a un unico soggetto vengono chiamati record (registrazione); le singole informazioni che compongono il record si chiamano campi; l’elenco dei campi che lo compongono viene detto tracciato del record. Es il tracciato record dell’archivio costituito dall’elenco telefonico può essere descritto con i seguenti campi: cognome, titolo professionale, nome, altre descrizioni, indirizzo, numero di telefono.

La creazione di un archivio richiede la definizione delle seguenti specifiche:

- nome dell’archivio, che lo identifica e serve a ricordarne il contenuto

- tracciato record (quali informazioni compongono il record)

- supporto da usare per archiviare i dati (fogli di carta, dischi o nastri magnetici, dischi ottici)

- dimensione massima dell’archivio (es. num. di abbonati in un elenco telefonico)

- il modo con cui i dati sono strutturati e collegati tra loro cioè l’organizzazione dell’archivio

La decisione su queste specifiche fa parte dell’analisi del problema e deve precedere la fase di realizzazione fisica dell’archivio.

4

Supporti fisiciPer ragioni di velocità nella ricerca e nell’elaborazione dei dati e di spazio nella loro memorizzazione, si è passati da archivi registrati su supporti cartacei contenuti in armadi a supporti ideati per essere trattati in modo automatico dai computer. Gli archivi memorizzati su tali supporti vengono detti file (anche se in informatica questo termine serve a indicare in modo generico qualsiasi informazione che può essere registrata sui supporti di memoria, come un testo, un programma, un comando di S.O….)

Nelle procedure gestionali gli archivi sono costituiti da insiemi di record omogenei, nel senso che ciascun archivio possiede un tracciato predefinito e uguale per tutti i record in esso contenuti (file di record). Le apparecchiature atte a leggere e scrivere informazioni contenute nei file vengono dette periferiche.

Oltre ai file con record a lunghezza fissa esistono file con record a lunghezza variabile: in essi è necessario trovare un modo per specificare la posizione dove termina il singolo record (end of record). Ci sono fondamentalmente due modi per risolvere il problema: il numero di caratteri in ogni record è indicato in un campo di dimensione fissa all’interno del record stesso, in alternativa ogni record è seguito da una speciale sequenza per indicare la fine del medesimo (es. in DOS impiega la coppia di caratteri ASCII 13 e 10)

5

Le memorie di massaPer molti anni la scheda perforata è stata il più diffuso supporto per la registrazione dei dati. Gli inconvenienti delle schede perforate sono stati superati dai nastri e dischi magnetici. La loro adozione ha portato all’uso sempre più esteso di supporti di grandi capacità che prendono il nome di memorie di massa. Si chiamano anche memorie ausiliarie perché costituiscono un’estensione della memoria centrale e consentono la permanenza delle registrazioni.

Rispetto ai nastri magnetici che permettono solo l’accesso sequenziali alle informazioni (la lettura di un record implica la lettura di tutti i record che lo precedono) il disco permette l’accesso diretto (random) al singolo blocco di dati.

Le memorie di massa sono caratterizzate da alcuni parametri fondamentali:

-il tipo di accesso ai dati che può essere diretto come nei dischi, o sequenziale come nei nastri

- la capacità: la quantità di dati che il supporto è in grado di contenere (MB, GB, TB)

- il tempo medio di accesso (access time): tempo medio necessario per ritrovare i dati e trasferirli nell’unità centrale (ms)

- la velocità di trasferimento dei dati (transfer rate) dalla memoria di massa alla memoria centrale (KB/sec, MB/sec)

6

Ci sono poi alcune caratteristiche delle memorie di massa che devono essere prese in considerazione:

-la compatibilità, cioè la possibilità di utilizzare i drive e i supporti su un determinato sistema di elaborazione, rendendo disponibili i dati in esso contenuti alle altre unità del sistema

- la gestione del fault tolerance (tolleranza al guasto), con il quale si prevede la possibilità di duplicare i sistemi di memorizzazione o parti di esse, per consentire di continuare il lavoro di elaborazione dei dati, anche se uno dei due si rovina

- la garanzia della sicurezza e dell’integrità dei dati, nei confronti dei rischi di cancellazioni accidentali, della modifica indesiderata dei dati registrati, di effetti dannosi provocati da fenomeni fisici o ambientali, di interventi distruttivi esterni (virus o pirati dell’informatica)

- l’operatività, cioè la facilità d’uso da parte dell’operatore e la diminuzione dei tempi dovuti alla sostituzione di dischi e nastri

- la durata delle registrazioni sui supporti nel tempo

- l’utilizzo di memorie di tipo diverso (dischi, nastri e dischi ottici) nello stesso sistema di elaborazione, integrando diverse tecnologie di memorizzazione per le registrazioni e nelle operazioni per le copie di salvataggio

- il trasferimento dei dati, organizzati nei file e memorizzati sui supporti, da un sistema di elaborazione a un altro, avente anche S.O. diverso

- l’espansione delle unità di memorie di massa, con l’aggiunta di nuove unità o con l’uso di supporti di maggiori capacità

- il costo dei drive, dei supporti e del sw di gestione

7

Il nastro magnetico e l’unità a nastriIl nastro magnetico (streaming tape) è formato da una lunga striscia di materiale plastico, ricoperta da materiale ferromagnetico. La superficie del nastro è suddivisa in nove piste longitudinali: otto piste servono per memorizzare i bit di un byte e una pista per il bit di parità. La superficie è suddivisa in molte colonne (frame) 8+1 caselle magnetizzate in modo N-S o S-N (bit 1 oppure 0)

frame

P

I

S

T

e

La capacità di memorizzazione del singolo nastro è dell’ordine di alcuno GB fino a diversi centinaia di GB. La capacità dipende dalla quantità di bit che possono essere registrati in un pollice bpi (bits per inch). La velocità di trasferimento dei dati è dello stesso ordine di grandezza dei dischi (decine o centinaia di MB/sec). Una bobina di nastro magnetico viene chiamata volume. Le informazioni che permettono l’identificazione e il controllo di un nastro e dei file in esso registrati, sono contenute in particolari gruppi di caratteri detti label.

8

Le label più significative sono:

- la label di volume che è il primo blocco registrato sul nastro, contenente informazioni atte a identificare la bobina (es. nome del proprietario….)

- la label di file, che è posta all’inizio del file, contiene informazioni sul nome e il codice del file, la data di registrazione, il n. d’ordine della bobina nel caso nel caso che il file sia multivolume

-La label di fine file, è il blocco contenente il gruppo di caratteri che chiude ogni file

- la label di fine volume, è posta alla fine di un nastro per indicare che è terminata la bobina

Oltre a questi blocchi informativi, sul nastro vengono registrati blocchi di un solo carattere, detti tape mark ™, per il controllo del nastro. Esistono tratti non registrati che separano un blocco dall’altro detti gap.

L’uso dei nastri è conveniente per l’alto numero di informazioni immagazzinate con scarso ingombro e per il basso costo delle bobine stesse. Svantaggi sono invece le probabili alterazioni della magnetizzazione e soprattutto l’accesso sequenziale alle informazioni.

Conviene usare i nastri per memorizzare i file da consultare non frequentemente (archivi storici), per le copie di sicurezza dei dischi (copie di backup),

9

Il disco magnetico e l’unità a dischiI disco magnetico è costituito da un sottile disco metallico con le facce ricoperte da materiale magnetizzabile. Più dischi possono essere montati su un medesimo asse centrale intorno al quale ruotano con velocità uniforme (disk-pack). Le due facce del disco (superfici) sono suddivise in piste (tracce) concentriche, le quali a loro volta sono divise in settori (tipicamente di 512 byte). I settori sono separati da gap. L’insieme delle piste a uguale distanza dal centro viene detto cilindro. Un gruppo di settori di un disco si chiama cluster e costituisce la quantità di dati che viene effettivamente trasferita in un operazione di I/O da disco.

10

Contrariamente alle testine delle unità a nastro, le testine delle unità a dischi non sono a diretto contatto con la superficie del disco bensì a una distanza inferiore al millesimo di millimetro; questo fatto permette velocità di rotazione dell’ordine delle migliaia di giri al minuto ed evita fenomeni di usura. In ogni settore sono presenti: informazioni per identificare il settore, informazioni per dichiarare il settore difettoso e non più utilizzabile, i dati accessibili dall’utente, codici di controllo per garantire l’integrità dei dati, gap di separazione tra i settori. Tali informazioni sono memorizzate sul disco nel corso della sua formattazione a basso livello (attualmente effettuata direttamente dal costruttore del disco).

Vi è anche una formattazione ad alto livello, effettuata dall’utente, che prepara il disco per essere utilizzato secondo le richieste del file system del S.O.

Nei dischi magnetici si parla di accesso diretto alle informazioni in quanto l’accesso a un blocco è indipendente dalla posizione degli altri e il tempo di accesso è indipendente dalla posizione del blocco sul disco: per poter accedere in lettura o scrittura al blocco contenente il record desiderato occorre specificare il numero del cilindro, il numero della testina e il numero del settore che identifica una posizione nell’ambito di una specifica traccia.

Il tempo di ritrovamento dei dati risulta formato dal:

-tempo di posizionamento del braccio (seek time). Varia in funzione del numero di tracce che devono essere attraversate per posizionarsi sul cilindro desiderato ( da 0,2 – 0,6 ms per traccia attraversata)

- tempo di latenza rotazionale, cioè il tempo occorrente perché il settore cercato passi sotto la testina. Mediamente è pari al tempo necessario per compiere mezza rotazione del disco e dipende dalla sua velocità di rotazione (da 2 a 8 ms). La somma dei due tempi costituisce il tempo di accesso e assume valori compresi tra 5 e 10 ms. La velocità di trasferimento dei dati varia tra 10 MB/sec e 300 MB/sec.

La capacità dei dischi varia da alcune decine ad alcune centinaia di gigabyte per singolo drive. I dischi moderni hanno densità lineare superiore a 350.000 bit per inch e una densità di traccia superiore a 15.000 tracce per inch.

11

I dischi otticiI CD-ROM sono basati sulla medesima tecnologia dei CD musicali (compact Disk) musicali. Lo standard del CD-ROM è stato definito nel 1984 e ha portato allo sviluppo di una serie di dischi ottici per realizzare memorie di massa rimovibili, di sola lettura, a basso costo e di facile duplicabilità. In lettura un raggio laser a bassa potenza invia un raggio che viene riflesso dalla superficie del disco in modo differente, a seconda delle depressioni presenti sulla superficie, permettendo il riconoscimento di due stati distinti. Il passaggio da uno stato all’altro viene riconosciuto come un 1, l’assenza di cambiamento è associata invece allo 0.

Le informazioni sono disposte sul disco, con densità lineare costante, su un’unica traccia a forma di spirale che parte dal centro del disco verso l’esterno. Se il numero di bit per cm è lo stesso nelle tracce interno e nelle tracce esterne, il disco deve ridurre la velocità angolare nel passare dalle tracce più interne della spirale a quelle più esterne per permettere lo scorrimento delle informazioni alla velocità costante di 1,2 m/sec.

I dati sono distribuiti in un’unica traccia che contiene 333.000 settori di 2352 byte l’uno. Ogni settore inizia con un preambolo di 16 byte che serve a riconoscere l’inizio di un nuovo settore e la sua identificazione.

La capacità di un CD-ROM è di 333.000 x 2048( 288 byte contengono un codice a correzione d’errore) = 650MB.

12

I primi lettori operavano alla velocità di 150 KBps (Kilobytes per secondo) indicata con 1X. Le velocità dei lettori prodotti successivamente sono indicate con i multipli di quella velocità.

Le caratteristiche più interessanti sono date dalla non modificabilità delle informazioni memorizzate, dalla rimovibilità del supporto e dalla loro duplicabilità a basso costo per elevati volumi di copiatura.

I dischi ottici sono disponibili anche nelle versioni che ne consentono la scrittura e la riscrittura (con masterizzatori). La tecnica di registrazione dei dati utilizza il riscaldamento prodotto da un raggio laser ad alta potenza e consiste nello scorrimento di punti della superficie colorata del disco che vengono così resi opachi e nello sfruttamento delle proprietà riflettenti dello strato dorato sottostante. La superficie del disco esposta al laser può quindi passare da uno strato amorfo (opaco) a uno strato cristallino (trasparente) e viceversa.

E’ possibile fare registrazioni in multisessione aggiungendo dati in momenti successivi.

Negli anni più recenti la tecnologia ha creato i nuovi lettori e i nuovi supporti per la tecnologia DVD (Digital Versatile Disc). La capacità di memorizzazione di un disco DVD può essere di 4,7 GB su uno dei suoi lati (corrispondenti a circa 133 minuti di filmato). Alcuni dischi DVD poi sono non solo a doppia faccia (9,4 GB), ma anche a doppia densità di registrazione (8,5 GB su un solo lato), poi possono potenzialmente contenere circa 17 GB di video, audio o altri dati.

I dischi ottici presentano come vantaggi:

- l’accesso random che li rende preferibili ai nastri, per i quali l’accesso è solo sequenziale

- le discrete capacità che li rendono particolarmente adatti nelle applicazioni che prevedono l’uso di archivi di grandi dimensioni aggiornati raramente

- l’affidabilità, anche con frequenti operazioni di accesso.

13

L’alto tempo di accesso è dell’ordine di diverse centinaia di millisecondi, e il transfer rate massimo di 7,6 MB/sec.

Elementi caratterizzanti di CD-ROM e DVD sono:

- l’essere memorie stabili, a sola lettura, molto affidabili

- l’essere memorie rimuovibili e , di conseguenza, trasportabili e immagazzinabili

- la possibilità di duplicare i contenuti di un disco ottico in migliaia di copie a basso costo e a grande velocità

- la discreta capacità e il basso costo del volume

Di conseguenza i dischi ottici risultano adatti nelle seguenti applicazioni:

- registrazione di documenti originali e ritrovamento in modo facile

- costruzioni di grande archivi integrati

- versione elettronica di manuali tecnici

- distribuzione di programmi didattici per l’apprendimento delle discipline

- archiviazione di dati storici: es. analisi mediche, bilanci, posta…

- applicazioni editoriali quali: versioni elettroniche di dizionari, enciclopedie, atlanti, stradali

- distribuzione di sw e relativi manuali

14

Le copie di sicurezzaE’ assolutamente necessario tenere più di una copia degli archivi, ovviamente su supporti diversi e non nel medesimo ambiente: le copie di sicurezza o di backup.

Il procedimento inverso per ricuperare i dati da una copia precedente si chiama restore.

Di solito la copia dei dischi viene effettuata su nastri (nastri di piccole dimensioni ma dalla capacità di svariati GB (cartridge o cartucce) che hanno sostituito i tradizionali nastri a bobina). Nei piccoli sistemi la copia avviene anche da disco a disco Zip, oppure a disco ottico riscrivibile.

La copia deve essere fatta con regolarità e con frequenza legata alla quantità di lavoro che viene effettuata. Alcune tecniche di backup prevedono la possibilità di copiare solamente quei file che sono stati modificati di recente, attraverso un controllo sulla data di creazione o dell’ultima modifica, senza dover effettuare integralmente la copia di tutti i file.

Un’altra precauzione da adottare in merito alla sicurezza dei dati, consiste nell’utilizzo di un gruppo di continuità, detto UPS (Uninterruptible Power Supply), che serve a proteggere il computer da inconvenienti sulla rete elettrica, quali cadute di tensioni o interruzione temporanee di energia elettrica.

15

Fault toleranceNelle situazioni dove non è consentita l’interruzione dell’attività di un sistema di elaborazione, come per es. in una banca o nel caso di un server Internet, la sicurezza viene garantita anche nella parte hw attraverso la duplicazione di parti o dell’intero sistema: queste tecniche vengono indicate con il termine fault tolerance (tolleranza del guasto) e riguardano principalmente la memoria di massa nei server delle reti.

Il fault tolerance viene realizzato a livelli diversi:

- il metodo più semplice si chiama mirroring e consente di avere nelle unità di memoria di massa due copie identiche dello stesso disco; quando un’operazione di I/O riscontra un errore, l’elaborazione non viene interrotta potendo essa utilizzare la copia alternativa. Le operazioni di lettura vengono eseguite sulla copia disponibile, mentre le operazioni di scrittura vengono effettuate due volte sulle due copie.

- un secondo livello di tolleranza del guasto viene realizzato con la tecnica del duplexing, che consiste nella duplicazione dell’unità di controllo dei dischi (controller) oltre che dei dischi. L’utente può continuare l’attività di elaborazione anche nel caso di guasto al controller o al disco

- il terzo livello di fault tolerance riguarda la duplicazione dell’intero sistema, del server nel caso di reti locali, e del mainframe nel caso di un sistema di grandi dimensioni. Viene garantita la continuità del lavoro a fronte di un guasto a una qualsiasi delle parti del sistema: alimentatore, CPU, schede, bus, unità a disco, controller (costi raddoppiati).

16

RAIDLa tecnologia dei dischi RAID (Redundant Array of Inexpensive Disk) mette a disposizione ulteriori tecniche di tolleranza ai guasti. Distribuendo le informazioni su un array di più dischi si puo pensare di operare i trasferimenti da e verso i dischi in parallelo aumentando il transfer rate di tante volte quante sono i dischi. Per il S.O. l’array RAID è un disco logico con il quale opera in modo tradizionale; il controller del disco RAID provvede a parallelizzare le letture e le scritture su più dischi. La tecnologia dei dischi RAID può essere sfruttata per realizzare tecniche alternative alla duplicazione dei dischi. Per es., nel caso in cui la serie RAID sia costituita da cinque dischi, quattro contengono i dati, mentre il quinto garantisce la ridondanza e viene utilizzato come disco di parità.

La tecnica RAID sopporta il guasto di un disco in questo modo:

- se il malfunzionamento riguarda il disco di parità, i dati vengono letti dagli altri dischi e il disco di parità viene ricostruito, su uno nuovo, utilizzando gli algoritmi di parità

- se, invece, il guasto si riferisce a uno dei dischi della serie, i dati vengono costruiti sulla base dei dati presenti sugli altri dischi e delle informazioni di parità presenti sul disco di parità

Ci sono diverse modalità di usare un array di dischi RAID e sono indicate come: RAID0…,RAID6. La modalità sopra descritta ricorda il RAID4. Gli schemi più diffusi sono il RAID1 che attua il mirroring dei dischi, e il RAID5, una specie di RAID4 modificato per migliorare l’efficienza del sistema in scrittura. Nello schema RAID5 i blocchi che contengono le informazioni di parità non sono collocate su un unico disco, ma sono distribuite ciclicamente su tutti gli array, per evitare di dover accedere sempre al medesimo disco per registrare i controlli di parità.

17

I vantaggi delle tecnologie RAID sono:

- l’unità centrale del computer vede comunque i dati che servono per l’elaborazione in modo trasparente, anche nel caso di guasto a uno dei supporti

- non ci sono tempi di downtime imprevisti dovuti al malfunzionamento di una delle componenti

- il sistema può continuare a operare anche durante la sostituzione di un componente danneggiata

- vengono ridotte al minimo le operazioni di manutenzione del sistema non programmate

18

Il sw per la gestione dei file

Il modulo del sw di base che svolge le funzioni di gestore dei file viene chiamato file system. Esso è l’insieme delle routine del sistema operativo che consentono all’utente-programmatore di usufruire degli archivi sulle memorie di massa, senza preoccuparsi dei dettagli delle operazioni di I/O e facendo riferimento ai file solo con nomi simbolici.

Infatti il file system regola l’organizzazione, l’assegnamento, la protezione e il ritrovamento di insiemi di dati, cioè file.

In particolare esso svolge le seguenti funzioni:

- tiene traccia dei file, della loro posizione, del loro stato, usando particolari tabelle dette file directory

- decide secondo le richieste, le protezioni e i diritti di accesso a quale programma assegnare un file

- assegna un file al programma che lo ha richiesto

- toglie l’uso di un file a un programma rendendolo disponibile ad altri programmi

Quando il file system riceve da un programma la richiesta di leggere un record, questa richiesta viene convertita nei comandi di lettura del blocco che contiene il record cercato. L’intero blocco viene letto dal supporto fisico esterno e copiato in un area di memoria detta buffer di I/O

19

L’organizzazione degli archiviQuando si progetta l’organizzazione dei dati in archivi spazio occupato e tempo di accesso devono essere tenuti ben presenti:

- qual è l’organizzazione che consente di ritrovare i dati in modo sicuro e in tempi brevi?

- quanto spazio occorre riservare sul supporto di memoria di massa per gli archivi?

Occorre osservare anche che gli archivi possono aumentare le loro dimensioni nel tempo secondo due direzioni: aumento del numero dei campi dei record per l’inserimento di nuove informazioni, e aumento del numero di record per registrare una maggiore quantità di informazioni.

A questi problemi è stata data una risposta adeguata con i database, basati sull’importanza dell’integrazione degli archivi, evitando ridondanze di registrazione, e sull’indipendenza dello schema logico dei dati dalle implementazioni sw, dalle applicazioni che usano quei dati e dal modo con il quale i dati sono fisicamente registrati su memoria di massa. Tutto questo rende più facile il lavoro di manutenzione degli archivi nel tempo, dovuto a diversi motivi:

- eliminazione degli errori presenti negli archivi o nel sw che li gestiscono

- necessità di ampliare gli archivi in corrispondenza dell’aumento delle informazioni per un’azienda che cresce nelle sue dimensioni

- adeguamento dei dati a disposizione e del sw applicativo a nuove norme legislative o fiscali

- conversione e adeguamento degli archivi per nuove piattaforme hw

20

I principali tipi di organizzazioneDi seguito vengono presentate le caratteristiche degli archivi secondo l’organizzazione tradizionale dei dati (applicazioni che non utilizzano i database):

- organizzazione sequenziale: consiste nel registrare i record uno di seguito all’altro, in modo sequenziale; in fase di lettura i record possono essere ritrovati scorrendo tutti i record del file a partire dal primo.

Questo tipo di organizzazione, semplice da gestire, consente l’uso di record aventi lunghezza diversa uno dall’altro. E’ evidente che l’organizzazione sequenziale presenta dei limiti in fase di ritrovamento dei dati quando il numero dei record diventa elevato. Risulta invece un’organizzazione efficace per file di piccole dimensioni, per es, file di testo, e che comunque possono essere pensati come un flusso di caratteri (byte stream) intervallati da sequenze di caratteri che indicano la fine del record.

Un file ad organizzazione sequenziale può essere utilizzato solo per scrivere nuovi record, per leggere record o per aggiungere record in coda a quelli già registrati. La scrittura di record a partire da una qualsiasi posizione, eseguita su un file già esistente, provoca di norma la cancellazione di tutti i record che lo seguono; la riscrittura dei record non è permessa.

21

Organizzazione ad accesso diretto

Se possiamo utilizzare record di lunghezza fissa (record del cliente, record dell’articolo di magazzino….), si può pensare di associare a ogni record un numero d’ordine e ritrovare facilmente all’interno del file il numero del primo carattere del record richiesto, considerando il file come una sequenza di byte. Questo tipo di organizzazione si chiama diretta; si chiama anche random volendo mettere in evidenza la contrapposizione all’organizzazione sequenziale, cioè l’utente può accedere al record che interessa senza leggere tutti quelli che lo precedono.

In un archivio ad organizzazione diretta, ciascun record viene identificato dalla posizione che esso occupa all’interno del file. Se i record vengono inseriti uno di seguito all’altro, il numero di record viene assegnato aggiungendo una unità al numero dell’ultimo record registrato.

Organizzazione a indici

Nelle applicazioni concrete sono abbastanza rari i casi nei quali si conosce la posizione di un record in un file. In genere ci si trova di fronte a problemi del tipo “Trovare il record anagrafico dello studente di nome Pino Bianchi”, ovvero trovare un record in base al valore contenuto in un campo del record medesimo. La soluzione consiste nell’impiegare file ad accesso diretto integrati con metodi utili per costruire l’abbinamento tra il valore del campo cercato e la posizione occupata dal record nel file.

Nelle applicazioni informatiche le entità che devono essere rappresentate con record vengono identificate attraverso un elemento caratteristico (chiave) che di norma è una variabile alfanumerica (es. matricola del dipendente di un’azienda, il codice di un articolo….)

22

L’organizzazione dell’archivio, per facilitare il ritrovamento dei dati, deve essere simile a quella di un libro dotato di indice analitico: in tale indice sono elencate in ordine alfabetico le parole chiave affiancate ciascuna dalla pagina corrispondente del libro. Nel nostro caso basta costruire un indice ordinato in base al valore del campo Codice e abbinare a ogni valore del codice un puntatore al record posto in un file ad accesso diretto.

23

In un file con organizzazione sequenziale a indici (indexed sequential) accanto alla zona dove sono registrati i record nell’ordine di immissione viene gestita una tabella delle chiavi o file indice: la ricerca del record avviene leggendo la tabella delle chiavi e non i record come avviene nei file sequenziali. In questo modo l’utente può accedere al record specificandone solo la chiave.

E’ possibile comunque accedere a tutti i record del file leggendoli in modo sequenziale a partire dal primo, sempre seguendo l’ordine delle chiavi.

24

Organizzazione a indici su più livelli

Al crescere della dimensione del file l’organizzazione sequenziale a indice diventa inefficiente: in lettura a causa del crescere del numero di accessi al disco necessari per identificare la chiave nel file indice e in scrittura per la necessità di mantenere ordinato un file di dimensioni crescenti. L’organizzazione a indici su più livelli cerca di risolvere questi problemi riducendo la dimensione dello spazio di ricerca per gli indici. L’idea è molto semplice: il file degli indici viene a sua volta indicizzato costruendo un indice (indice di livello 2) per accedere al file degli indici vero e proprio (indice di livello 1), in una posizione vicina a quella dell’indice cercato. Se anche l’indice di livello 2 è troppo grande si può costruire un indice di livello 3 per accedere all’indice di livello 2 che punta all’indice vero e proprio.

25

Per accedere al record che ha come codice Dott si scandisce l’indice di livello 3 alla ricerca di un valore maggior od uguale a Dott, Lore soddisfa a questa condizione. Il puntatore accanto a Lore indica in quale blocco dell’indice di livello 2 si deve proseguire la ricerca: si esamina allora il blocco 7 sino a identificare un valore maggiore o uguale a Dott e lo si identifica in Ermo. La ricerca prosegue al blocco 13 dove sono conservati gli indici veri e propri e tra questi quello cercato.

Nella maggior parte dei casi sono sufficienti indici su tre livelli per indicizzare un file e solo per file veramente grandi sono richiesti quattro o più livelli.

26

Operazioni sui fileSui file possono essere eseguite le seguenti operazioni:

- l’apertura di un archivio stabilisce un collegamento tra la memoria centrale e il file registrato sulla memoria di massa, riservando un buffer per le operazioni di I/O e individuando nella tabella dei descrittori di file le informazioni necessarie per accedere ai blocchi fisici del file. Il comando di apertura deve essere eseguito prima di iniziare qualsiasi operazione di lettura o scrittura.

- l’operazione di lettura copia in memoria centrale dalla memoria di massa il contenuto dei campi di un record registrato nel file

- l’operazione di scrittura trasferisce sulla memoria di massa il contenuto del record composto in memoria centrale con i valori assegnati ai campi

- il posizionamento individua il record sul quale si deve leggere o scrivere oppure a partire dal quale si deve iniziare una lettura o scrittura sequenziale

- l’operazione di riscrittura aggiorna nel file su memoria di massa il contenuto di un record modificato durante l’operazione

- la cancellazione di un record elimina le informazioni che non servono più nelle applicazioni utilizzate. L’operazione di cancellazione va effettuata con molta cautela

- la chiusura del file interrompe il collegamento tra memoria centrale e file, liberando la memoria riservata per le operazioni di I/O e aggiornando le informazioni sul file nella tabella dei descrittori.

27

Le applicazioni gestionali

Le applicazioni informatiche, che riguardano problemi gestionali nelle aziende, negli studi professionali o negli Enti pubblici, sono basate sull’uso di dati organizzati in archivi. I dati devono essere raccolti, registrati sui supporti di memoria, per metterli poi a disposizione degli utenti con procedure di interrogazione o di stampa di report.

Gli archivi sono di solito:

- anagrafiche, contenenti le informazioni sui soggetti, persone o prodotte

- movimenti, che riguardano gli elementi riferiti ai soggetti descritti nelle anagrafiche

- parametri, con i dati che rimangono costanti per un certo periodo di tempo

Per es. nella gestione di uno studio dentistico:

- l’anagrafica è l’archivio dei clienti dello studio con cognome, nome, indirizzo, telefono, codice fiscale

- i movimenti sono le prestazioni che il medico ha svolto per i clienti, con data e tipo di prestazione

- i parametri sono i dati riguardanti il costo degli interventi o delle protesi

28

Le procedure per la gestione degli archivi comprendono da una parte programmi per la creazione degli archivi e la loro manutenzione nel tempo, e dall’altra programmi per ritrovare i dati che servono attraverso l’interrogazione degli archivi.

Nelle attività di inserimento di nuovi dati, modifica dei dati esistenti o cancellazione di quelli che non servono, l’utente finale utilizza maschere a video per facilitare il loro inserimento o di aggiornamento.

I dati che servono possono essere ottenuti con operazioni di interrogazione che presentano i dati con visualizzazioni sul monitor o stampe su carta.

Le stampe (report) sono costituite da elenchi su carta, come nelle liste alfabetiche o nei listini prezzi

29

Le operazioni sugli archivi sequenziali-Creazione e caricamento: queste operazioni (molto elementari) consistono nella generazione di un archivio vuoto e in un ciclo di caricamento in cui i singoli record vengono registrati in modo sequenziale. Nel caso in cui si voglia lavorare con archivi sequenziali ordinati, sarà necessario far seguire questa fase da un ordinamento.

- Ricerca: se si effettuano interrogazioni ed aggiornamenti su di un archivio una delle operazioni più frequenti è quella della ricerca di una registrazione. Naturalmente la tecnica varierà in rapporto al tipo di supporto usato e al fatto che esista o meno un ordinamento.

Ricerca completa: si tratta del metodo più semplice, che può essere applicato in tutte le situazioni e consiste nella scansione dell’intero archivio fino al raggiungimento del record cercato.Procedura RicercaCompleta

acquisisci la chiave di ricerca

posizionati all’inizio dell’archivio

mentre (non è finito l’archivio) e (non hai trovato la registrazione)

leggi record

se la chiave del record coincide con quella cercata allora si è trovata la registrazione

fine ciclo

se non si è trovata la registrazione allora comunica che non esiste

fine

30

Dato che la probabilità di ritrovare un certo record di un blocco qualsiasi è equiripartita su tutti gli elementi dell’archivio, la lunghezza media di ricerca LM su un archivio di N elementi sarà (N+1)/2

-Ricerca sequenziale: è applicato agli archivi sequenziali ordinati e rappresenta un’ottimizzazione del metodo precedente:Procedura RicercaSequenziale

acquisisci la chiave di ricerca

posizionati all’inizio dell’archivio

mentre ((non è finito l’archivio) o (non si è superato il valore della chiave cercata)) e (non hai trovato la registrazione)

leggi record

se la chiave del record coincide con quella cercata allora si è trovata la registrazione

fine ciclo

se non si è trovata la registrazione allora comunica che non esiste

fine

Dato che la probabilità di ritrovare un certo record di un blocco qualsiasi è equiripartita su tutti gli elementi dell’archivio, la lunghezza media sarà (N+1)/2. L’efficienza della ricerca sequenziale è indipendente dal fatto che il record cercato sia presente o meno nell’archivio poiché il tempo di ricerca di una registrazione non esistente coincide con quello che si avrebbe nel caso la chiave esistesse.

-Ricerca binaria

Questo metodo di ricerca può essere applicato solo ad archivi ordinati, memorizzati su un supporto ad accesso diretto

31

Procedura RicercaBinaria

acquisisci la chiave di ricerca

posizionati a metà dell’archivio selezionato

leggi un record

se la chiave del record coincide con quella cercata

allora si è trovata la registrazione

altrimenti se l’archivio è formato da più di una registrazione

allora se la chiave del record è minore di quella cercata

allora applica la procedura RICERCABINARIA alla prima metà dell’archivio

altrimenti applica la procedura alla seconda metà dell’archivio

altrimenti il record non esiste

fine

L’archivio presentato è chiaramente di tipo ricorsivo e si riferisce ad archivi privi di record vuoti. Questo metodo se applicato ad archivi di grandi dimensioni e con alto fattore di riempimento, riduce drasticamente i tempi di ricerca, fino a portare il valore medio di ricerca a circa log2N

InserimentoSe l’archivio non è ordinato l’operazione di inserimento non presenta grossi problemi; infatti è sufficiente aggiungere il nuovo elemento in coda o, nel caso in cui esistano blocchi liberi all’interno della struttura, nel primo record fisico logicamente libero.

Se invece la struttura è ordinata l’operazione risulta più onerosa, in quanto sarà necessario individuare la posizione corretta in cui porre la nuova registrazione, spostare tutte le registrazioni successive in modo da creare uno spazio libero ed infine procedere al reale inserimento dei nuovi dati. Anche in questo caso, se vi sono già blocchi logicamente liberi all’interno dell’archivio, basterà spostare tutte le registrazioni solo fino al primo spazio libero, riducendo così i tempi dell’operazione

32

Aggiornamento

Con questo termine intendiamo far riferimento a quell’operazione con cui si modificano i valori di uno o più campi (eccetto la chiave) di un record già esistente. Nel caso dell’organizzazione sequenziale su supporto ad accesso diretto l’operazione sopra citata si compone di due fasi: la ricerca del record e la sua riscrittura con le modifiche.

Cancellazione

Se si vuole mantenere una corrispondenza reale tra struttura logica e struttura fisica, per cancellare una registrazione occorre effettuare la riscrittura dell’intero archivio, tralasciando il record eliminato, in modo da ottenere una nuova organizzazione priva di spazi vuoti.

Dato che questa operazione è onerosa si può pensare di sostituire la cancellazione fisica con una logica, ponendo un’apposita marca o nel campo chiave o in un apposito campo del record da eliminare. In questo caso è sufficiente provvedere periodicamente alla ristrutturazione dell’archivio.

Considerazioni conclusive

Ancora oggi, nonostante la diffusione delle banche dati, una grande quantità di applicazioni utilizza organizzazioni sequenziali per i seguenti motivi:

- molti programmi richiedono le stesse operazioni su tutti gli elementi dell’archivio, elaborandoli nello stesso ordine in cui sono memorizzati

- la realizzazione di programmi applicativi di complessità limitata è facilitata dall’uso di strutture semplici quali quella sequenziale

- la ristrutturazione degli archivi sequenziali, per quanto lunga, non presenta grossi problemi e di conseguenza è possibile effettuare questa operazione con maggiore frequenza

- l’organizzazione sequenziale non richiede l’uso di memoria aggiuntiva per la gestione di strutture di supporto quali indici, tabelle……

Per contro l’uso degli archivi sequenziali può essere sconsigliato in tutti i casi in cui occorre velocizzare i tempi di ricerca e le operazioni ad essa legate.

33

Operazioni sugli archivi sequenziali con indice

Gli archivi sequenziali con indice non ordinati possono essere assimilati a quelli ordinati se si considera l’ultimo livello di indice come immagine dell’archivio principale.

RicercaLa ricerca di una registrazione in una struttura sequenziale con indice avviene attraverso i seguenti passi:

- si scandisce l’indice di livello più esterno fino a raggiungere la prima chiave di valore maggiore o uguale a quello cercato, individuando così l’indirizzo del blocco dell’indice di livello più basso in cui proseguire la ricerca

- si ripete, di volta in volta, la procedura del passo precedente sul blocco selezionato, scendendo via via negli indici di livello inferiore, finchè si è individuato l’indirizzo del blocco dell’archivio principale in cui è contenuta la registrazione desiderata.

- si scandisce il blocco alla ricerca della registrazione

AggiornamentoSe si vogliono modificare i contenuti di alcuni campi di un record, è necessario procedere alla sua individuazione nell’archivio principale con una ricerca attraverso gli indici e, solo successivamente, passare alla registrazione dei nuovi valori. Tuttavia, nei casi in cui venga richiesto di effettuare la medesima variazione su tutti i record dell’archivio è inutile effettuare ogni volta la ricerca del record da modificare, ma conviene, data la struttura sequenziale dell’archivio principale, operare direttamente su quest’ultimo, senza passare attraverso gli indici.

34

Inserimento e cancellazione

Mentre le operazioni di ricerca e aggiornamento non presentano particolari problemi, poiché non implicano alcuna variazione nell’organizzazione complessiva dell’archivio, quelle di inserimento e cancellazione possono indurre ristrutturazioni non solo nell’archivio principale, ma anche in uno o più indici. Infatti, l’inserimento o la cancellazione di un elemento in una struttura sequenziale ordinata comportano al minimo lo scorrimento di tutte le registrazioni successive, operazione che, pur non complessa dal punto di vista algoritmico, può rivelarsi onerosa in termini di tempo.

Come abbiamo già visto, però, il numero degli spostamenti può essere sensibilmente ridotto, ricorrendo ad un’opportuna gestione di aree di overflow.

Overflow distribuito

Questa tecnica prevede la creazione di uno spazio libero in coda ad ogni blocco dell’archivio principale da usare per collocare eventuali inserimenti. All’interno del singolo blocco l’inserimento può avvenire in due modi:

-La nuova registrazione viene inserita direttamente nella zona di overflow associata al blocco, mantenendo l’ordinamento logico attraverso appositi puntatori: in questo caso la ricerca all’interno del blocco deve essere effettuata esclusivamente in modo sequenziale

- la nuova registrazione viene inserita nel posto corretto, facendo scorrere tutte le registrazione seguenti verso l’area di overflow: in questo caso viene mantenuto l’ordine fisico delle registrazioni e quindi possono essere applicati metodi di ricerca ottimizzati, quali quello dicotomico.

35

Overflow concentrato

Questa tecnica prevede un’unica area di overflow indipendente, posta in fondo all’archivio principale per memorizzare i record provenienti da un qualsiasi blocco.

Dunque la successione logica dell’ordinamento viene mantenuta attraverso puntatori tra le registrazioni, così da formare delle liste indipendenti. Poiché una tecnica ottimizza i tempi di ricerca a scapito dello spazio di memoria occupato, mentre l’altra ottimizza l’occupazione di memoria penalizzando però i tempi di accesso, può essere conveniente optare per una terza modalità che rappresenta un compromesso tra le due. Si possono infatti prevedere delle aree di dimensione limitata alla fine di ogni blocco e un’area di overflow indipendente, a cui accedere solo nei casi in cui ci si trovi di fronte ad un trabocco da una delle aree di overflow distribuito.

36

Gli archivi ad accesso direttoLe organizzazioni sequenziali e sequenziali con indice rispondono in modo adeguato a buona parte delle problematiche legate alla gestione di grandi masse di dati, ma non risultano sufficientemente efficienti nei casi in cui gli archivi siano dinamici e di frequente consultazione. Infatti, dato che tutte le predette operazioni prevedono lo scorrimento di tutto o di una parte non trascurabile dell’archivio, i tempi di accesso possono risultare lunghi, soprattutto se le richieste si susseguono in modo casuale.

L’organizzazione in grado di rispondere con maggiore efficienza a questo problema viene detta ad accesso diretto, poiché si basa sull’idea di ricavare direttamente dal valore della chiave l’indirizzo della registrazione ad essa associata. Occorre una funzione che trasformi la chiave in un indirizzo all’interno dell’archivio. La corrispondenza è garantita da un algoritmo, detto algoritmo di randomizzazione, e il metodo di accesso viene spesso indicato come indirizzamento hash. Questo algoritmo deve creare un’associazione chiave-indirizzo tale che ad ogni valore k della chiave faccia corrispondere in indirizzo I(k). La situazione ideale si otterrebbe con una funzione che, ad ogni valore ipotetico della chiave, faccia corrispondere un indirizzo distinto, in modo che ogni elemento possa essere raggiunto con un unico accesso. Ciò comporterebbe che il numero di record che compongono l’archivio fisico sia pari al numero di tutti i possibili valori assegnabili alla chiave.

E’evidente che, poiché nella realtà il numero di chiavi reali è di gran lunga più basso di quello delle chiavi ipotetiche, un’organizzazione di questo tipo porterebbe ad un inaccettabile spreco di memoria.

37

La scelta dell’algoritmo di calcolo risulta quindi cruciale e richiede un’attenta considerazione sui seguenti aspetti:

- l’algoritmo usato per la trasformazione deve sempre produrre lo stesso indirizzo a partire dalla medesima chiave

- l’algoritmo dovrebbe essere il più semplice possibile, in modo da non appesantire le operazioni di conversione della chiave ed abbassare il tempo di accesso

- la trasformazione dovrebbe coprire l’intero intervallo degli indirizzi, poiché, se l’algoritmo non genera mai un indirizzo i, lo spazio di memoria ad esso associato non verrà mai occupato

- occorrerebbe evitare che due o più chiavi vengono trasformate dall’algoritmo di randomizzazione nello stesso indirizzo (collisione)

38

Algoritmo 1

Quando la chiave numerica è formata da un numero elevato di cifre e il range degli indirizzi è piuttosto limitato, si può estrarre dalla chiave numerica un sottoinsieme di cifre in grado di rappresentare l’indirizzo.

Ad es. sono disponibili 10000 blocchi a partire dall’indirizzo 0

Chiave numerica: 901 102 311

Indirizzo ottenuto estraendo le ultime 4 cifre: 2311

Questo metodo è particolarmente efficiente nei casi in cui le chiavi numeriche siano per la maggior parte consecutive e con poche interruzioni

Algoritmo 2

Si eleva il valore della chiave numerica al quadrato e si seleziona un certo numero di cifre (spesso le centrali) del risultato.

Ad es. sono disponibili 10000 blocchi a partire dall’indirizzo 0

Chiave numerica: 901 102 311

Quadrato: 811 853 659 686 278 431

Indirizzo ottenuto estraendo le ultime 4 cifre: 5 968

Questo metodo produce buone organizzazioni casuali

39

Algoritmo 3

Il valore della chiave viene diviso per il numero di blocchi disponibili in memoria e si considera come indirizzo il resto della divisione

Es. sono disponibili 7429 blocchi a partire dall’indirizzo 4001

Chiave numerica: 901 123 311

Chiave/7429=121298 resto=469

Indirizzo: 40001 + 469 = 4 470

Algoritmo 4

Si tratta di una estensione del metodo precedente, in cui la chiave numerica viene divisa per un numero primo abbastanza grande. Questo metodo può ottenere risultati molto vicini alla vera randomizzazione