SQL y Bases de Datos

Este repositorio contiene material de estudio y referencia correspondiente a la materia Bases de Datos de la Universidad Tecnológica Nacional (UTN). Incluye los principales conceptos teóricos y prácticos sobre la gestión de bases de datos relacionales, como el Modelado Entidad-Relación (MER/DER), Modelo Relacional, Normalización, Álgebra Relacional, SQL, Transacciones, y las estructuras físicas de almacenamiento y optimización.

---

Índice de Carpetas

• REDVEN
  Contiene scripts y ejemplos prácticos de:
  • Stored Procedures
  • Consultas comunes
  • Transacciones
  • Vistas
  • Funciones SQL
• ventas_e
  Contiene scripts y ejemplos prácticos de:
  • Creación de la base de datos y usuarios
  • Creación de tablas y relaciones
  • Modificación de tablas
  • Población de datos inicial
  • Actualizaciones y cambios históricos de usuarios y empresas

---

Teoria

1. Fundamentos de Bases de Datos

Una Base de Datos (BDD) es una colección organizada de datos que representan un aspecto del mundo real, denominado minimundo o universo de discurso. Los datos no son aleatorios; deben mantener coherencia y significado, de modo que puedan ser utilizados para consultas, reportes y análisis de manera eficiente.

Un Sistema de Administración de Bases de Datos (DBMS / SGBD) es un conjunto de programas que permite a los usuarios:

1. Definición de Datos: Especificar tipos de datos, estructuras, restricciones y relaciones entre los datos.
2. Construcción y Almacenamiento: Guardar los datos en un medio persistente controlado por el DBMS, asegurando integridad y consistencia.
3. Manipulación: Permite realizar consultas, actualizaciones y generación de informes que reflejan cambios en el minimundo.
4. Compartición: Facilita el acceso concurrente a múltiples usuarios y aplicaciones, manteniendo consistencia y aislamiento.

Características del DBMS:

• Autodescriptivo: Contiene datos y metadatos (estructura y restricciones), almacenados en un catálogo interno.
• Abstracción de Datos: La estructura física de almacenamiento es independiente de los programas que acceden a los datos.
• Seguridad y Persistencia: Control de accesos y recuperación ante fallos.

---

2. Modelado Conceptual: Modelo Entidad-Relación (MER)

El Modelo Entidad-Relación (MER) es una herramienta conceptual que traduce objetos y relaciones del mundo real en un esquema que puede implementarse en una base de datos.

2.1. Nociones Básicas

• Entidad: Objeto distinguible del mundo real, tangible o abstracto, con propiedades únicas (atributos).
• Conjunto de Entidades: Agrupa entidades del mismo tipo que comparten atributos comunes.
• Relación: Asociación entre entidades. Puede contener atributos propios.
• Atributo: Propiedad que describe a una entidad. Su conjunto de valores posibles se denomina dominio.
• Clave primaria: Atributo o conjunto de atributos que identifica de manera única a cada entidad.

2.2. Tipos de Atributos

• Simples: No se dividen más.
• Compuestos: Formados por subatributos (ej., dirección → calle, número, ciudad).
• Multivalorados: Pueden tener varios valores para la misma entidad.
• Derivados: Calculables a partir de otros atributos (ej., edad a partir de fecha de nacimiento).

2.3. Entidades Débiles, Especialización y Agregación

• Entidad Débil: No tiene clave propia y depende de otra entidad para su identificación.
• Especialización / Generalización: Define jerarquías de entidades y relaciones entre niveles (cobertura total/parcial, exclusión/superposición).
• Agregación: Permite considerar una relación y sus entidades participantes como una nueva entidad para simplificar el modelado.

2.4. Cardinalidad y Diagramación

• 1:1 (Uno a Uno): Cada entidad de A se asocia con una sola entidad de B.

• 1:N (Uno a Muchos): Cada entidad de A se asocia con varias entidades de B.

• N:M (Muchos a Muchos): Entidades de A y B pueden asociarse múltiples veces entre sí.

• Cardinalidad mínima: Indica si la participación es obligatoria (≥1) u opcional (0).

• Cardinalidad máxima: Indica el número máximo de asociaciones.

---

3. Modelo Relacional

El Modelo Relacional traduce el MER a un formato implementable mediante tablas:

• Tuplas (filas): Representan instancias de entidades o relaciones.
• Atributos (columnas): Representan propiedades de las entidades o relaciones.
• Claves: Garantizan unicidad y permiten establecer integridad referencial.

3.1. Tipos de Claves

• Clave candidata (CC): Conjunto mínimo de atributos que identifica tuplas.
• Clave primaria (CP): CC elegida para identificar de manera única.
• Clave externa (FK): Atributo que referencia la CP de otra tabla, asegurando integridad referencial.

3.2. Integridad Referencial

Garantiza consistencia entre relaciones:

• Restrict (NO ACTION): Evita modificar o borrar una tupla referenciada.
• Cascade: Propaga modificaciones o eliminaciones a las tablas relacionadas.

3.3. Conversión MER → Relacional

• Entidades fuertes y débiles → tablas.
• Atributos compuestos → simples.
• Atributos multivalorados → tablas separadas con FK.
• Relaciones 1:1 y 1:N → FK en la tabla correspondiente.
• Relaciones N:M → tabla de intersección con claves primarias de ambas entidades y atributos propios de la relación.

---

4. Normalización y Dependencias Funcionales

La Normalización reduce redundancia y anomalías en la BDD.

4.1. Anomalías

1. Inserción: Problemas al añadir un nuevo registro que depende de información existente.
2. Borrado: Eliminación de información que no debería perderse.
3. Modificación: Necesidad de actualizar el mismo dato en múltiples registros.

4.2. Dependencias Funcionales

• X → Y: Valores de X determinan valores de Y:

$$ t_1[X] = t_2[X] \implies t_1[Y] = t_2[Y] $$

• Dependencia parcial: Y depende solo de parte de la clave primaria.
• Dependencia transitiva: Si (X \rightarrow Y) y (Y \rightarrow Z), entonces (X \rightarrow Z).

4.3. Formas Normales

• 1FN: Sin grupos repetitivos:

$$ \forall A_i \in R, \text{dominio}(A_i) \text{ atómico} $$

• 2FN: Sin dependencias parciales:

$$ R \text{ está en 1FN} \wedge \nexists X \subset K \text{ tal que } X \rightarrow Y $$

• 3FN: Sin dependencias transitivas:

$$ R \text{ está en 2FN} \wedge \forall (X \rightarrow Y), X \text{ clave primaria o Y atributo clave} $$

• BCNF: Cada determinante es clave candidata:

$$ X \rightarrow Y \implies X \text{ es clave candidata} $$

• 4FN y 5FN: Manejo avanzado de multivalores y divisiones complejas.
• Desnormalización: Solo por rendimiento justificado.

---

5. Álgebra Relacional

Permite manipular relaciones para obtener nuevas relaciones:

• Conjuntos: Unión (∪), Intersección (∩), Diferencia (−), Producto Cartesiano (χ).
• Operadores relacionales: Selección (σ), Proyección (π), Renombre (ρ), Producto Natural (⋈), División (÷).
• Manipulación avanzada: Asignación (←), Modificación (δ).

Ejemplo paso a paso

1. Seleccionar empleados del departamento 4 con sueldo mayor a 60000:

$$ \sigma_{\text{Depto}=4 \vee \text{Sueldo}>60000} (\text{Empleados}) $$

2. Proyectar Nombre, Apellido y DNI:

$$ \pi_{\text{Nombre, Apellido, DNI}} \Big( \sigma_{\text{Depto}=4 \vee \text{Sueldo}>60000} (\text{Empleados}) \Big) $$

3. Proyectar Nombre y DNI de Beneficiarios:

$$ \pi_{\text{NombreBen, DNIemple}} (\text{Beneficiarios}) $$

4. Unir ambos conjuntos:

$$ \pi_{\text{Nombre, Apellido, DNI}} (\dots) \ \cup \ \pi_{\text{NombreBen, DNIemple}} (\text{Beneficiarios}) $$

---

6. SQL: Consultas y Joins

6.1. Lenguajes SQL

• DDL (Data Definition Language): CREATE, ALTER, DROP.
• DML (Data Manipulation Language): INSERT, SELECT, UPDATE, DELETE, TRUNCATE.

6.2. Cláusulas y Consultas

• WHERE: Filtra registros según condiciones.
• LIKE / NOT LIKE: Patrones con % y _.
• IN / NOT IN: Coincidencia con listas.
• DISTINCT / DISTINCTROW: Elimina duplicados.
• GROUP BY: Agrupa registros.
• HAVING: Condición sobre grupos.

6.3. Joins

• INNER JOIN: Devuelve solo coincidencias.
• LEFT/RIGHT/FULL OUTER JOIN: Incluye filas sin coincidencias.
• NATURAL JOIN / USING: Combina automáticamente por atributos comunes.

6.4. Procedimientos y Triggers

• Procedimientos almacenados: Bloques de SQL reutilizables con parámetros.
• Triggers (Disparadores): Ejecutan acciones automáticas ante eventos.

---

7. Transacciones y Control de Concurrencia

• Transacción: Unidad lógica de operaciones (BEGIN…COMMIT/ROLLBACK).

• Propiedades ACID:

  • Atomicidad:

  $$ T = { O_1, O_2, \dots, O_n } \implies \text{todas o ninguna se ejecuta} $$

  • Consistencia:

  $$ \forall T, D_{\text{inicial}} \xrightarrow{T} D_{\text{final}}, D_{\text{final}} \text{ cumple todas las restricciones} $$

  • Aislamiento (Serialización):

  $$ \text{Ejecutar } T_1, T_2, \dots, T_n \text{ concurrentemente } \equiv \text{ alguna ejecución serial de } T_i $$

  • Durabilidad:

  $$ \text{Si } T \text{ se confirma (COMMIT), los cambios persisten aunque falle el sistema.} $$

• Problemas comunes: Actualización perdida, Lectura sucia, Análisis inconsistente.

• Recuperación: Actualización diferida, inmediata y Shadow Paging.

---

8. Estructuras Físicas: Motores, Índices y Dispersión

8.1. Motores de Base de Datos

MySQL

• MyISAM: Optimizado para lectura, subtipos estático/dinámico/comprimido.
• InnoDB / BDB: Soporta ACID, FK y transacciones seguras.
• HEAP: Tablas en memoria, muy rápidas.
• MERGE: Combina tablas MyISAM idénticas.

SQL Server

• Heap: Tabla sin índice clusterizado.
• Clustered Table: Tabla con índice clusterizado que organiza físicamente los datos.
• In-Memory OLTP: Tablas completamente en memoria para alta velocidad de transacciones.
• Temporal Tables: Mantienen un historial automático de cambios para auditorías y recuperación.
• Columnstore: Optimizado para almacenamiento columnar y análisis de grandes volúmenes de datos.

8.2. Índices y Árboles

• Mejoran el rendimiento de consultas mediante punteros a registros.
• Tipos: PRIMARY, UNIQUE, FULLTEXT, COLUMNSTORE.
• Comandos útiles: EXPLAIN, OPTIMIZE TABLE.

8.3. Dispersión (Hashing)

• Manejo de colisiones y sinónimos.
• Densidad de empaquetamiento (DE): Medida de eficiencia del almacenamiento.
• Granularidad: Tamaño de los elementos (grueso/fino), afecta concurrencia.