Laboratorio di Informatica di Base Archivi e Basi di Dati

Transcript

1 Laboratorio di Informatica di Base Archivi e Basi di Dati Introduzione La memorizzazione dei dati è un aspetto molto importante dell informatica Oggi, mediante i computer, è possibile memorizzare e modificare i dati in modo semplice così che rimangano in memoria anche quando il calcolatore è spento Questo tipo di memorizzazione avviene mediante l utilizzo di particolari hardware (componenti del pc) come gli hard-disk i cd-rom i floppy disk, o le unità di backup a nastro; non mancheranno accenni al funzionamento di alcuni tipi di basi di dati che, come vedremo, permettono di memorizzare, organizzare e ricercare i dati in modo semplice e veloce Nastri I nastri magnetici sono solitamente dei nastri arrotolati su supporti circolari Sul nastro vengono incise varie piste in linea orizzontale tutte parallele tra loro Solitamente il numero delle piste è 9, delle quali 8 per i dati e una per la parità Su ogni pista sono memorizzati tramite magnetizzazione o non magnetizzazione rispettivamente i bit 1 e 0 I dati vengono memorizzati in aree che sono solitamente separate da zone prive di informazione dette inter-record gap, utilizzate per determinare la posizione attuale all interno del nastro Attualmente i nastri magnetici sono poco usati per la memorizzazione di programmi, ma vengono utilizzati per effettuare backup di dischi rigidi Bit Bit di parità Figura 1 Rappresentazione di un nastro a nove piste 1

2 Dischi rigidi o Hard Disk I dischi rigidi sono i dispositivi di memoria più usati; la loro capacità va dai pochi megabytes a diversi gigabyte La tecnologia degli hard-disk va ogni giorno perfezionandosi e la qualità degli stessi aumenta sempre più di pari passo con la velocità e la dimensione Un disco rigido (o Hard Disk) è formato da un determinato numero di piatti che ruotano attorno ad un perno centrale Ogni piatto è composto da due superfici, la superiore e l inferiore In un hard disk a 10 piatti avremo 18 superfici disponibili in quanto quelle alle due estremità non vengono utilizzate Ogni piatto viene diviso a sua volta i n tracce che rappresentano dei cerchi concentrici sulla superficie del piatto e in settori rappresentati dagli spicchi del piatto (vedi figura 2) Lo spostamento della testina di lettura e scrittura si chiama operazione di seek, mentre il tempo impiegato per effettuare l operazione è denominato tempo di seek Gli Hard Disk attuali hanno una testina autonoma per ogni superficie Questo sistema riduce al minimo il tempo di seek L operazione di trasferimento dei dati non viene affidata al processore principale del PC ma ad altri processori Il metodo con il quale questo processore dedicato scrive o legge un blocco di memoria dall unità disco viene chiamato DMA (Direct Memory Access) Il tempo necessario a tutta l operazione viene schematizzato in questo modo: tempo di input/output = (tempo di seek + tempo di rotazione)/2 + tempo di trasferimento Traccia 0 Traccia 200 Settore Traccia 100 Figura 2 Raffigurazione di tracce e settori 2

3 Testina di Lettura Scrittura Superficie 1 Superficie 2 Superficie 3 Braccio Portatestine Cilindro rotante Figura 3 Organizzazione dei dischi Gli archivi (o basi di dati) Generalmente i dati vengono organizzati nella memoria in record logici Ogni record logico è diviso a sua volta in campi che rappresentano i vari dati riferiti al record Per esempio nel record di uno studente il primo campo potrebbe essere il nome e il cognome, il secondo l indirizzo, il terzo il numero di matricola Ci sono vari tipi di basi di dati e di seguito ne elencheremo alcuni Strutture sequenziali In un archivio ad accesso sequenziale tutti i record sono disposti in modo successivo e ordinati in base ad un campo detto chiave Il metodo più usato per accedere ad un archivio ad accesso sequenziale è il metodo dicotomico La ricerca consiste nell accedere all elemento centrale o baricentro dell archivio Se il record da cercare si trova nella parte superiore della metà allora verrà controllato il campo centrale della prima metà dell archivio e così via fino a quando non viene trovato il record cercato Questo tipo di ricerca su n record presenti in un archivio richiederà al massimo log 2 n accessi alla memoria Per esempio su un archivio di 16 record si faranno al massimo 4 accessi alla memoria Uno dei problemi principali dell archivio ad accesso sequenziale è l inserimento di nuovi record Infatti per inserire un nuovo record bisognerà riscrivere l intero archivio Per risolvere questo problema si è pensato a tre soluzioni: 1 Con un archivio variazionale 3

4 L archivio variazionale conterrà tutti i nuovi inserimenti di record nell archivio e periodicamente servirà all aggiornamento dell archivio principale L unico problema è che quando si effettua una ricerca bisogna considerare anche la parte variazionale dell archivio, altrimenti verrebbero trascurati i dati più recenti 2 Lasciando molti spazi liberi In questo modo i nuovi record verranno inseriti negli spazi vuoti lasciati appositamente nell archivio Ad esempio inseriremo: Rossi [vuoto] [vuoto] Vincenzi 3 Con un area di Overflow E un metodo simile all archivio variazionale ma i collegamenti tra l area principale e l area di overflow verranno mantenuti tramite dei puntatori Ad esempio se dovessimo inserire il record R10 tra R1 e R2 e non ci fossero spazi tra i due, dovremmo inserire nel record R1 un puntatore all area di overflow relativa al record R10 in modo che quando verrà effettuata la ricerca il sistema riconoscerà di dover andare a controllare anche il record R10 Ovviamente ogni record dovrà contenere un ulteriore campo di puntatore in questo modo schematizzato: Record Puntatore Strutture ad accesso calcolato (hashing) Nelle strutture ad accesso calcolato la posizione dei record viene definita tramite un algoritmo detto di Hashing che viene applicato al campo chiave Per esempio potremmo applicare sul campo chiave un algoritmo che calcola il resto della divisione Avendo a disposizione 13 posizioni da 0 a 12 applichiamo sul campo chiave l algoritmo sopra citato con il resto della divisione per 13 in modo che il risultato sia sempre un numero compreso tra 0 e 12 Quindi se il campo chiave ha valore 63 la posizione del record sarà 11 Il primo problema determinato da questo tipo di archivio è il fatto che capiterà spesso di dover inserire un record nella stessa posizione di un altro; in tal caso si verificherebbero dei conflitti Per risolvere questo è possibile adottare due soluzioni: 1 Utilizzando il primo posto libero successivo 4

5 Questa soluzione richiede che l archivio non sia molto denso e quindi che ci siano molti posti liberi C è da dire che questo metodo complica abbastanza la ricerca nell archivio, in quanto bisognerà scorrere tutto l archivio fino alla prima posizione libera prima di terminare la ricerca E inoltre in caso di cancellazione di record si verificherebbero degli spazi vuoti che potrebbero essere interpretati dal sistema come punto in cui finire la ricerca 2 Utilizzando in modo analogo a quello descritto nel precedente paragrafo le aree di overflow L ovvio vantaggio degli archivi ad accesso calcolato è la velocità di ricerca; infatti quando non ci sono conflitti la ricerca impiega un solo accesso Strutture ad indice In questo tipo di archivio viene introdotto l utilizzo di un indice simile al concetto dell indice alfabetico di un libro Infatti i record vengono suddivisi in sezioni Per esempio: Record Mario Rossi Barra Maria Giovanna Basile Mario Marino Sumo Nappi Gregorio Pareli Gennaro Zarro Emanuele File Indice Da Aa a Ba Da Ma a Oz Da Pa a Z In questo modo le ricerche avvengono tramite gli indici sulla destra e quando per esempio cerchiamo il record Nappi Gregorio il file indice ci indicherà che dobbiamo cercare il nostro record nella seconda parte dell archivio e quindi procederemo in modo sequenziale 5