Database relazionali su UNIX: alte prestazioni e bassi costi
Database relazionali su UNIX in realtà aziendali: alte performance e bassi costi.
(tratto da un articolo scritto dallo stesso autore per la rivista INTER.NET)
L'incredibile diffusione che Internet ha avuto negli ultimi anni ha reso consapevole il grande pubblico dell'esistenza di tecnologie di comunicazione efficienti e a basso costo alternative a quelle tradizionali. Uomini di marketing, dirigenti, ma anche casalinghe e studenti hanno subito apprezzato l'efficacia di questo mezzo. Internet tuttavia sta compiendo, più lentamente, un'altra rivoluzione: sta spostando l'attenzione delle aziende dal pc desktop alle tecnologie client-server. Si tratta di una rivoluzione altrettanto importante che spinge tutto il settore dell'Information Technology ad adattarsi a questa nuova esigenza.
Ripensando per un attimo alle tecnologie in uso alle origini dell'era informatica, osserviamo che la potenza elaborativa era centralizzata (per motivi di costi e prestazioni) nei grossi mainframe che eseguivano tutte le operazioni di calcolo.
Si trattava di applicazioni monolitiche utilizzabili attraverso l'uso di terminali stupidi. Le procedure che accedevano a sorgenti di dati comuni creavano duplicati di codice. Le applicazioni risiedevano in un solo luogo ed erano in grado di supportare centinaia di utenti contemporaneamente.
Da allora, l'introduzione degli home e personal computer e la loro evoluzione hanno ha messo a disposizione sulla scrivania di chiunque applicazioni (per singolo utente) in grado di coprire le esigenze SOHO (=Small Office Home Office).
Ovviamente tra le due filosofie (mainframe e pc standalone) ne esiste una intermedia che presenta i vantaggi di entrambi ma non i difetti: la filosofia client-server.
E' proprio questa la filosofia della Rete che grazie all'adozione di architetture UNIX riesce a rendere disponibile tutta la potenza dei server indipendentemente dalle caratteristiche del computer usato per il collegamento.
Come molti sapranno, grazie al lavoro dell'Università di Berkeley e di Linus Torvalds esistono alcune versioni di UNIX di pubblico dominio (rispettivamente FreeBSD e Linux) che possono essere installate sui normali pc che avete in casa (anzi, la maggior parte degli Internet provider hanno basato la loro architettura proprio su questi sistemi).
Un sistema operativo come Linux (sia esso Slackware, Debian, Caldera o RedHat), infatti, viene distribuito con tutti i componenti necessari per poter diventare un potente server ed è quindi l'ideale per soddisfare le esigenze di qualsiasi azienda (siano esso rivolte ad Internet o Intranet).
In qualsiasi tipo di organizzazione, molte attività e risorse sono dedicate alla raccolta, all'archiviazione, all'elaborazione e allo scambio delle informazioni secondo procedure studiate per raggiungere determinati obbiettivi. Risulta quindi molto interessante la possibilità di realizzare un database accessibile attraverso un'interfaccia web che svincola da qualsiasi piattaforma hardware i pc client, abbatte notevolmente i costi di training e consente, volendo, di utilizzare dei Network Computer.
Risulta quindi una scelta logica, chi ha a disposizione un budget ridotto, creare questo sistema attorno ad un'architettura Linux. E' proprio di questa possibilità che parleremo in questo articolo, affrontando ora un po' di teoria relativa ai database e dedicandoci in un prossimo numero a descrivere la realizzazione di un'applicazione vera e propria basata su un database relazionale con buone prestazioni e costi davvero ridotti.
Verso la fine degli anni settanta si sono sviluppate differenti tecnologie per la gestione dei dati mediante le quali sono stati implementati sistemi informativi basati su un'insieme di dati persistenti ed un insieme di procedure usate per accedere ed aggiornare gli stessi.
I primi sistemi erano basati sull'uso di archivi separati (per es. ISAM e VSAM). A partire da questa tecnologia, si è passati ad un approccio in cui i dati sono integrati in un unico insieme o base dei dati. Si tratta di una raccolta di dati INTEGRATA (cioè costituita da insiemi comunicanti e correlati tra loro) e UTILIZZABILE SENZA RIDONDANZE (ripetizioni) da diversi utenti o programmi applicativi; inoltre è organizzata secondo le relazioni logiche esistenti tra i dati ed è pertanto indipendente dalla rappresentazione interna del calcolatore.
Come accennavamo, nei sistemi ad archivi tradizionali programmi diversi utilizzano archivi diversi con spreco di memoria (dovuto alle duplicazioni) e situazioni di incoerenza dei dati per aggiornamenti, etc..
Una base di dati integrata, ma non organizzata secondo le relazioni logiche esistenti tra i dati, vincola i programmi alla conoscenza della rappresentazione fisica dei dati stessi ed impedisce la standardizzazione delle applicazioni e la trasportabilità dei dati.
La soluzione ottimale è quindi rappresentata da una base di dati integrata, organizzata e indipendente il cui controllo viene gestito da un DBMS (DataBase Management System). Si tratta di un insieme di procedure, centralizzate o distribuite, in grado di definire la base dati e selezionare le strutture dei dati necessarie a memorizzare e ricercare le informazioni (interattivamente o mediante un linguaggio di programmazione). Esistono tre principali tipi di DBMS:
- a struttura gerarchica (come IMS e System 2000)
nei quali le relazioni tra i dati sono espresse secondo un criterio di gerarchie: per accedere ad un dato occorre prima accedere a quello ad esso connesso di livello gerarchicamente superiore
- a struttura reticolare (NETWORK STRUCTURE)
nei quali le relazioni tra i dati sono espresse mediante concatenazione tra dati tra loro correlati; a differenza delle strutture gerarchiche, in cui ogni figlio può avere un solo padre, in quelle reticolari ogni membro può avere un numero qualsiasi di proprietari.
- a struttura relazionale nei quali le relazioni tra i dati sono espresse in modo da apparire dati esse stesse
Proprio quest'ultimo tipo di struttura si è rivelata la soluzione più interessante per la sua semplicità e facilità d'uso, tanto da consentire l'utilizzo delle informazioni archiviate anche in modi non previsti nella fase di progettazione del database o mediante l'uso di linguaggi di alto livello. La semplicità dei meccanismi di astrazione del modello relazionale, infatti, ha consentito lo sviluppo di semplici linguaggi di interrogazione tra cui il più noto (e più usato) è l'SQL.
Tali sistemi sono caratterizzati, oggi, da prestazioni eccellenti e da un insieme di funzionalità che assicurano la segretezza, la sicurezza e la qualità dei dati. Le varie operazioni fornite da un DBMS sono espresse tramite uno o più linguaggi. Normalmente un DBMS fornisce un DDL (Data Definition Language) che permette di specificare lo schema della base di dati, dove per schema si intende la specifica di un insieme di relazioni. Tale specifica include: il nome di ogni relazione, il nome e il dominio (la tipologia del dato) di tutti gli attributi che indicano una relazione, oltre agli eventuali vincoli di integrità semantica - ad esempio il vincolo che un attributo deve assumere valori diversi dal valore nullo.
Inoltre un DBMS fornisce un DML (Data Manipolation Language) che permette le operazioni di accesso e che è spesso indicato come linguaggio di interrogazione (query language). Si tratta quindi di un insieme di operatori per manipolare a livello di singolo record i dati contenuti nel database. In aggiunta a questi tipi di linguaggi, un DBMS ha un ulteriore linguaggio che permette l'esecuzione di operazioni di controllo e amministrazione della base dati. Tale linguaggio, spesso indicato come DCL (Data Control Language), offre funzionalità quali la gestione delle autorizzazioni (dei permessi) e delle risorse fisiche (ad esempio allocazione di indici) in modo da assicurare un accesso agevole ed efficiente ai dati.
Il modello relazionale venne sviluppato nei primi anni 70 da E.F. Codd presso il laboratorio di ricerca IBM di San Jose. Il linguaggio SQL nasce poco dopo come front-end English-like per interagire con il prototipo di database relazionale System R. Pur essendo simile all'Inglese, il linguaggio SQL ha una natura fortemente radicata nella teoria matematica degli insiemi e del calcolo dei predicati (esistono operatori quali UNIONE, INTERSEZIONE, DIFFERENZA e PRODOTTO). L'SQL consiste in una breve lista di potenti, ma molto flessibili, comandi che possono essere usati per manipolare dati raccolti in tabelle. Attraverso l'SQL è possibile manipolare interi gruppi di dati in una sola volta. E' sufficiente dire al database SQL quali sono i dati di cui avete bisogno; sarà poi il database stesso a stabilire quale sia il modo migliore per recuperarli. Esiste quindi una precisa distinzione tra l'aspetto fisico dei dati e la loro rappresentazione logica. I dati vengono presentati in semplici tabelle che mascherano la complessità del meccanismo di archiviazione fisico. Usando la sintassi SQL, è necessario specificare solo le tabelle, le righe e le colonne richieste per recuperare qualsiasi informazione contenuta in essi.
Mi rendo conto che spiegare dettagliatamente il funzionamento dei database relazionali, la normalizzazione dei dati e la sintassi SQL all'interno di un solo articolo è un'impresa impossibile.. cercherò, quindi di semplificare molto la spigazione in modo da di fornire alcuni strumenti che consentano ai lettori di comprendere ciò che avverrà quando realizzeremo l'applicazione vera e propria.
Supponiamo quindi di avere a disposizione i seguenti dati relativi ai prodotti presenti nel magazzino di un'azienda:

L'azienda dispone del nome del prodotto, il suo codice, la città in cui si trova, il peso, la quantità disponibile, il nome del fornitore da cui lo si acquista, il livello di affidabilità del produttore stesso e la città in cui si trova il fornitore.
Come si può notare esiste una grossa ridondanza di dati: per esempio il peso e il colore del prodotto bullone si ripetono per ben 4 volte. In un'azienda che ha in magazzino milioni di prodotti una simile ripetizione porta ad un grosso spreco di risorse (non solo ci vuole un HD più grosso per contenere i dati, ma anche un computer più potente per poterli elaborare!) e di tempo (il tempo per eseguire una ricerca sarà ovviamente più lungo).
Risulta quindi molto importante - durante il processo di creazione di un database - dedicare del tempo all'analisi del sistema che si vuole realizzare e al disegno della base di dati stessa.
Una distribuzione intelligente dei dati può essere fatta attraverso la creazione delle tre tabelle che seguono:


Come avrete notato è stato aggiunto un codice per i fornitori ed è stata creata una tabella che mette in relazione il codice fornitore con quello del prodotto. L'operazione che abbiamo appena compiuto - atta ad eliminare la ridondanza dei dati - viene chiamata NORMALIZZAZIONE di un database.
Una volta suddivisi i dati nelle opportune tabelle e stabilite le eventuali relazioni tra esse, sarà possibile effettuare delle ricerche.
Attraverso la sintassi SQL sarà possibile effettuare un'interrogazione all'interno del database costituito dalle tre tabelle elencando le colonne che dovranno essere presenti nella tabella dei risultati. Il comando che consente questo tipo di operazione è SELECT che utilizza laseguente sintassi:
SELECT nome_colonne FROM nome_tabella
Per esempio se fossimo interessati a recuperare l'elenco dei nomi di tutti i fornitori, sarà sufficiente eseguire il comando:
SELECT NOMEF FROM FORNITORI
il risultato sarà:
NOMEF
-----------
Sala
Goggi
Bocca
Carli
Amici
E' anche possibile visualizzare più colonne come output della stessa query:
SELECT NOMEP, COLORE, PESO FROM PRODOTTI
il risultato sarà:

(SELECT * FROM PRODOTTI mostra tutti i campi della PRODOTTI)
Come avete visto, un'interrogazione semplice produce come risultato una tabella con un numero di righe uguale a quello della tabella di partenza. E' tuttavia possibile ridurre il numero di righe della tabella dei risultati in modo da eliminare le righe duplicate.
Per esempio:
SELECT DISTINCT CODP FROM PF
produrrà come output
CODP
---------
P1
P2
P3
P4
P5
P6
Il parametro DISTINCT consente quindi di eliminare le righe duplicate.
Al comando SELECT possono essere passati con il parametro FROM sia colonne semplici (come abbiamo visto finora) che vere e proprie espressioni composte da costanti numeriche, alfanumeriche, operatori aritmetici, funzioni predefinite....
Per esempio, volendo recuperare tutti i nomi dei prodotti con il rispettivo peso espresso in Kg invece che in grammi potremmo usare il comando:
SELECT CODEP, 'Peso in Kg', PESO/1000 FROM PRODOTTI

Passiamo ora a considerare interrogazioni più complesse utilizzando la clausula WHERE. Utilizzando questo parametro è possibile selezionare le righe (i record) che devono essere mostrate nella tabella dei risultati, visualizzando solamente quelle che rispondono ad un determinato criterio.
Proponiamoci per esempio di ricercare il codice di tutti i prodotti che hanno un peso superiore a 5500 grammi. Utilizzando il comando:
SELECT CODEP FROM PRODOTTI WHERE PESO > 5500
otteniamo:
CODP
---------
P2
P3
P4
P6
Ovviamente le ricerche possono essere molto più complesse, combinando diverse condizioni di ricerca mediante gli operatori booleani AND, OR e NOT.
Per esempio potremmo voler ricercare Nome e Livello di tutti i fornitori di Londra con livello maggiore di 10.
Il comando da digitare sarà:
SELECT NOMEF, LIVELLO
FROM FORNITORI
WHERE LIVELLO > 10 AND CITTA = 'Londra'
che darà come risultato:
| NOMEF | LIVELLO |
|---|---|
| Sala | 20 |
| Carli | 20 |
Qualora volessimo visualizzare tutti gli altri fornitori sarebbe sufficiente negare la condizione precedente con il comando:
SELECT NOMEF, LIVELLO
FROM FORNITORI
WHERE NOT (LIVELLO > 10 AND CITTA = 'Londra')
che darebbe come risultato:
| NOMEF | LIVELLO |
|---|---|
| Goggi | 10 |
| Bocca | 30 |
| Amici | 30 |
Ovviamente le query possono essere molto più complesse di quelle viste finore, ma ciò che ho detto dovrebbe essere sufficiente per poter proseguire autonomamente, magari con l'aiuto di un buon testo, in modo da essere pronti tra un mese quando inizieremo a realizzare l'applicazione vera e propria.
Forse ci siamo eccessivamente dilungati nella descrizione delle qualità di un database di tipo relazionale, ma i vantaggi da esso offerti rispetto ad applicazioni tradizionali sviluppate con i sistemi di sviluppo single user sono enormi. Dal punto di vista dello sviluppo, i database relazionali mettono a disposizione una serie di interfacce e di tool che non pongono limiti alla creatività dei programmatori.
E' possibile, infatti sviluppare applicazioni direttamente in C utilizzando le API messe a disposizione dal database; oppure effettuare operazioni in maniera interattiva utilizzando i client che vengono forniti insieme al DBMS; oppure utilizzare i client passandogli degli script da eseguire in modalità batch; oppure accedervi utilizzando JDBC (l'interfaccia Java per accedere ai database) e sviluppando un applicativo in Java; o ancora, accedere attraverso pagine web che contengono istruzioni SQL embedded che vengono interpretate on-the-fly da particolari CGI...
Per ulteriori approfondimenti
SISTEMI DI BASI DI DATI ORIENTATE AGLI OGGETTI
E. Bertino - L.D. Martino - ADDISON-WESLEY MASSON
IL LINGUAGGIO SQL
Cuppellini - Testori - Vaggi - FRANCO ANGELI