BASE DE DATOS
Una base de datos o banco de datos (en inglés: database) es un conjunto de datos pertenecientes a un mismo contexto y almacenados sistemáticamente para su posterior uso. En este sentido, una biblioteca puede considerarse una base de datos compuesta en su mayoría por documentos y textos impresos en papel e indexados para su consulta. En la actualidad, y debido al desarrollo tecnológico de campos como la informática y la electrónica, la mayoría de las bases de datos están en formato digital (electrónico), que ofrece un amplio rango de soluciones al problema de almacenar datos.
Existen unos programas denominados sistemas gestores de bases de datos, abreviado SGBD, que permiten almacenar y posteriormente acceder a los datos de forma rápida y estructurada. Las propiedades de estos SGBD, así como su utilización y administración, se estudian dentro del ámbito de la informática.
Las aplicaciones más usuales son para la gestión de empresas e instituciones públicas. También son ampliamente utilizadas en entornos científicos con el objeto de almacenar la información experimental.
Aunque las bases de datos pueden contener muchos tipos de datos, algunos de ellos se encuentran protegidos por las leyes de varios países. Por ejemplo en España, los datos personales se encuentran protegidos por la Ley Orgánica de Protección de Datos de Carácter Personal (LOPD).
Base de Datos Relacional
- DESARROLLO Y APLICACIÓN DE UNA BASE DE DATOS RELACIONAL PARA EL INVENTARIO FORESTAL CONTINUADO DE LA PROVINCIA DEL RÍO GRANDE DEL SUR - BRASIL.
-
El Inventario Forestal Continuado (IFC) de la provincia del Río Grande del Sur (RS - Brasil) es el resultado de un convenio entre la Secretaria del Medio Ambiente, a través del Departamento de Forestas y Áreas Protegidas (DEFAP) con la Universidad Federal de Santa María (UFSM), a través de los siguientes departamentos: Departamento de Ciencias Forestales, Departamento de Ingeniería Rural y Departamento de Geociencias.
En la UFSM el Prof. Dr. Doádi Antônio Brena del Departamento de Ciencias Forestales es el coordinador del proyecto, donde el área de cartografía es coordinada por el Prof. Dr. Pedro R. A. Madruga, el área de Fitosociología e identificación de especies es coordinada por el Prof. Dr. Sólon Jonas Longhi y el área de procesamiento y almacenamiento de datos es coordinada por el Prof. Dr. Enio Giotto.
El principal objetivo del Inventario Forestal Continuado del Río Grande del Sur es hacer una evaluación cuantitativa y cualitativa de los recursos forestales nativos y plantados en la Provincia, de manera que sea un importante instrumento para el control permanente de la situación forestal, para planear la utilización racional, sostenible y la conservación de los recursos forestales (Brena, et al., 2000).
Brena, et al (2000), destaca otros objetivos del IFC:
=> Fornecer periódicamente informaciones actualizadas, suficientes y confiables sobre los recursos forestales de la provincia para servir de base en políticas de desarrollo, utilización y conservación de las forestas;
=> Cuantificar la cubierta de bosques nativos y plantados en la provincia por carta topográfica, cuenca hidrográfica, característica fitogeográfica y también por municipio;
=> Cartografiar y localizar en el espacio los bosques de la provincia;
=> Clasificar los bosques en diversos niveles de información.
Se ha desarrollado un sistema de base de datos relacional para que los dados colectados en el campo pudiesen disponer de un sistema informático de ultima generación para almacenamiento y procesamiento.
El sistema, además de generar informes y otras formas de presentación de los datos de campo, proporciona la gestión de los mismos, o sea, todas las informaciones pueden ser relacionadas conforme la necesidad del trabajo.
También se ha pensado en relacionar los datos de campo con el espacio georeferenciado, de manera que la Base de Datos Relacional (BDR) pueda estar disponible juntamente con la cartografía hecha para el inventario, a través de herramientas de geoprocesamiento.
Buscando disminuir costos de adquisición de sistemas informáticos para geoprocessamiento, hemos desarrollado un sistema propio, que pudiese atender las necesidades que teníamos y pudiese tener una mejor relación costo / beneficio. Hemos utilizado programación dirigida a objetos en Visual Basic 6.0 e BDR Microsoft Access y SQL Server 7.0 para el trabajo en redes.
El Sistema de Inventario Forestal Continuado del Río Grande del Sur (CR - IFC) ha sido estructurado en dos partes distintas. La primera parte, o módulo, está destinada al almacenamiento de los datos cuantitativos e cualitativos de los bosques nativos en estadios medios y avanzados de desarrollo, de los bosques nativos en estadio inicial (matorrales) y de los bosques plantados. El segundo módulo del CR - IFC está destinado a la integración de la BDR con un sistema propio de geoprocesamiento.
- Aplicación de Bases de Datos relacionales en la investigación histórica: familia y oficio en la Edad Moderna
Teniendo como referencia el proyecto de investigación que llevo a cabo sobre el mundo artesanal en el Madrid del siglo XVI, la comunicación se centra en dos aspectos: la explicación del método empleado en la explotación de las fuentes, las características principales de la base de datos utilizada y su aplicación práctica. En la investigación del grupo artesanal hay que considerar un amplio conjunto de variables -oficio, familia, socialización, condiciones materiales, sociabilidad- que pueden ser analizadas a través de tipos dispares de documentos, desde ordenanzas de oficio hasta escrituras notariales de muy diverso signo, principal soporte documental de este estudio. La gran dificultad para la explotación de esta fuente es el elevado volumen de datos que hay que reunir para poder crear el universo social de los trabajadores, por lo que es conveniente utilizar eficaces propuestas metodológicas. Para desentrañar las redes sociales desarrolladas por el grupo artesanal, se ha optado por un método de trabajo que permite la estructuración de los datos empíricos en unos parámetros cuantificables, pero con la flexibilidad suficiente para poder hacer uso de aspectos más cualitativos del análisis social, tal y como se propone en el "análisis en retícula", profusamente utilizado en la microhistoria. Este método requiere identificar a los individuos y, además, establecer sus relaciones, tanto de parentesco como profesionales. Con las bases de datos relacionales se puede incluir, en una misma estructura, toda la información que proporciona la documentación notarial. La diferencia principal con las bases de datos de fichero plano radica en que su diseño se conforma por medio de varias tablas y no de una sola, que resultaría muy rígida para establecer relaciones entre individuos y para recoger información dispar. De este forma se pueden multiplicar sin límite los individuos y también los contenidos de los documentos. La emigración de aprendices a Madrid durante la segunda mitad del siglo XVI ejemplificará el método y las posibilidades de las bases de datos relacionales para analizar el aparato empírico de la investigación. A través del lugar de origen geográfico y situación social y familiar de los aprendices se podrá obtener una visión aproximada de las distintas estrategias que seguía cada oficio a la hora de establecer relaciones contractuales con los menores que entraban en sus talleres.
- Diseño de una base de datos relacional para el tratamiento de las memorias de planeamiento
Se trata de una base de datos alfanumérica, de tipo relacional, referida a las categorías de Suelo No Urbanizable (SNU) en el planeamiento municipal de Cantabria, incluyendo aspectos relativos a las condiciones de la edificación y de los usos. Para ello, se plantea diseño adaptado a las peculiaridades de una variada y compleja realidad urbanística, con una estructura de entidades y atributos homogénea y válida para el conjunto regional, que responde no tanto a la gestión del planeamiento como a su análisis e interpretación. Además, esta base de datos, susceptible de ser vinculada a la cartografía de planeamiento en un entorno SIG, representa un instrumento de gran valor y utilidad para la elaboración de un diagnóstico general del modelo territorial de la región.
El proceso de normalización de bases de datos relacionales
La normalización de bases de datos relacionales toma un esquema relacional y le aplica un conjunto de técnicas para producir un nuevo esquema que representa la misma información pero contiene menos redundancias y evita posibles anomalías en las inserciones, actualizaciones y borrados.
El modelo relacional de bases de datos se basa en un modelo formal especificado de acuerdo a la teoría de conjuntos. Una base de datos relacional puede considerarse como un conjunto de relaciones o tablas de la forma R(A1, ..., An), donde R es el nombre de la relación, que se define por una serie de atributos Ai.
Sobre las tablas relacionales se pueden definir diferentes restricciones. La integridad de entidad es una restricción que nos indica que cada entidad representada por una tupla tiene que ser diferente de las demás en su relación, es decir, debe haber algunos atributos cuyos valores identifiquen unívocamente las tuplas. La integridad referencial indica que una clave ajena solo debe contener valores que o bien sean nulos, o bien existan en la relación referenciada por la clave ajena.
El proceso de normalizaciónEl proceso de normalización consiste en comprobar en secuencia si el esquema original está en 1FN, 2FN y 3FN, analizando las dependencias funcionales en cada paso.
Un ejemplo completoTenemos una empresa pública donde los puestos de trabajo están regulados por el Estado, de modo que las condiciones salariales están determinadas por el puesto. Se ha creado el siguiente esquema relacional
EMPLEADOS(nss, nombre, puesto, salario, emails) con nss como clave primaria.
Primera forma normal (1FN)Una tabla está en 1FN si sus atributos contienen valores atómicos. En el ejemplo, podemos ver que el atributo emails puede contener más de un valor, por lo que viola 1FN.
En general, tenemos una relación R con clave primaria K. Si un atributo M viola la condición de 1FN, tenemos dos opciones.
Solución 1: duplicar los registros con valores repetidosEn general, esta solución pasa por sustituir R por una nueva relación modificada R', en la cual:
- El atributo M que violaba 1FN se elimina.
- Se incluye un nuevo atributo M' que solo puede contener valores simples, de modo que si R'[M'] es uno de los valores que teníamos en R[M], entonces R'[K] = R[K]. En otras palabras, para una tupla con n valores duplicados en M, en la nueva relación habrá n tuplas, que sólo varían en que cada una de ellas guarda uno de los valores que había en M.
- La clave primaria de R' es (K, M'), dado que podrá haber valores de K repetidos, para los valores multivaluados en M.
Siguiendo el ejemplo, tendríamos el siguiente esquema para la nueva tabla EMPLEADOS'(a) con clave primaria (nss, email):
Solución 2: separar el atributo que viola 1FN en una tablaEn general, esta solución pasa por:
sustituir R por una nueva relación modificada R' que no contiene el atributo M.
Crear una nueva relación N(K, M'), es decir, una relación con una clave ajena K referenciando R', junto al atributo M', que es la variante mono-valuada del atributo M.
La nueva relación N tiene como clave (K, M').
Siguiendo el ejemplo, tendríamos el siguiente esquema para la nueva tabla EMPLEADOS'(b)
Y además tendríamos una nueva tabla EMAILS con clave primaria (nss, email):
Segunda forma normal (2FN)Un esquema está en 2FN si:
Está en 1FN.
Todos sus atributos que no son de la clave principal tienen dependencia funcional completa respecto de todas las claves existentes en el esquema. En otras palabras, para determinar cada atributo no clave se necesita la clave primaria completa, no vale con una subclave.
La 2FN se aplica a las relaciones que tienen claves primarias compuestas por dos o más atributos. Si una relación está en 1FN y su clave primaria es simple (tiene un solo atributo), entonces también está en 2FN. Por tanto, de las soluciones anteriores, la tabla EMPLEADOS'(b) está en 1FN (y la tabla EMAILS no tiene atributos no clave), por lo que el esquema está en 2FN. Sin embargo, tenemos que examinar las dependencias funcionales de los atributos no clave de EMPLEADOS'(a). Las dependencias funcionales que tenemos son las siguientes:
nss->nombre, salario, email
puesto->salario
Como la clave es (nss, email), las dependencias de nombre, salario y email son incompletas, por lo que la relación no está en 2FN.
En general, tendremos que observar los atributos no clave que dependan de parte de la clave.
Para solucionar este problema, tenemos que hacer lo siguiente para los gupos de atributos con dependencia incompleta M:
Eliminar de R el atributo M.
Crear una nueva relación N con el atributo M y la parte de la clave primaria K de la que depende, que llamaremos K'.
La clave primaria de la nueva relación será K'.
Siguiendo el ejemplo anterior, crearíamos una nueva relación con los atributos que tienen dependencia incompleta:
Y al eliminar de la tabla original estos atributos nos quedaría:
Como vemos, la solución a la que llegamos es la misma que en la otra opción de solución para el problema de 1FN.
Tercera forma normal (3FN)Una relación está en tercera forma normal si, y sólo si:
está en 2FN
y, además, cada atributo que no está incluido en la clave primaria no depende transitivamente de la clave primaria.
Por lo tanto, a partir de un esquema en 2FN, tenemos que buscar dependencias funcionales entre atributos que no estén en la clave.
En general, tenemos que buscar dependencias transitivas de la clave, es decir, secuencias de dependencias como la siguiente: K->A y A->B, donde A y B no pertenecen a la clave. La solución a este tipo de dependencias está en separar en una tabla adicional N el/los atributos B, y poner como clave primaria de N el atributo que define la transitividad A.
Siguiendo el ejemplo anterior, podemos detectar la siguiente transitividad:
nss->puesto
puesto->salario
Por lo tanto la descomposición sería la siguiente:
En la nueva tabla PUESTOS, la clave sería el puesto, que también queda como clave ajena referenciando la tabla EMPLEADOS. El resto de las tablas quedan como estaban.
Base de Datos Web
La Web es un medio para localizar enviar / recibir información de diversos tipos, aún con las bases de datos. En el ámbito competitivo es esencial ver las ventajas que ésta vía electrónica proporciona para presentar la información reduciendo costo y almacenamiento de la información y aumentando la rapidez de difusión de la misma.
Actualmente la Web permite acceder a bases de datos desde cualquier parte del mundo. Estas ofrecen a través de la red un manejo dinámico y una gran flexibilidad de los datos, como ventajas que no podrían obtenerse a través de otro medio informativo.
Otra ventaja de utilizar la Web es que no hay restricciones en el Sistema Operativo que se debe usar, permitiendo la conexión entre sí de las páginas Web desplegadas en un Browser del Web que funciona en una plataforma, con servidores de bases de datos alojados en otra plataforma. Además no hay necesidad de cambiar el formato o la estructura de la información dentro de las BD’s.
Algunas Aplicaciones
CLIENTE WEBDAV:Este ejemplo de base de datos es un cliente WebDAV totalmente
funcional que puede conectarse a cualquier Servidor WebDAV.
La comunicación entre la base de ejemplo y elServidor WebDAV se
realiza mediante el plug-in 4D Internet Commands.
USPS:Calcula los costes de entrega. Esta base de datos muestra como 4D se puede conectar a un servidor USPS para consultar costes de transporte.
OBJECTOS 4D:Esta base de datos muestra casi todos los objetos de la interfaz 4D
(variables, botones, listas jerárquicas, campos, casilla de selección,
etc.…)
Las base de datos web tambien se utilizan en:
- Comercio electrónico.
- Servicios al cliente (por ejemplo seguimiento de paquetes postales)
- Servicios financieros.
- Búsqueda de información.
- Acceso remoto a bases de datos.
- Bases de datos compartidas (intranets)
- Creación de documentos HTML personalizados (sobre la marcha)
- Distribución multimedia.
- Seguimiento de visitantes.
Base de Datos Multimedia Referencial
Una base de datos multimedia es una base de datos que alberga uno o más tipos de archivos de los medios de comunicación principales como. Txt (documentos),. Jpg (imágenes),. Swf (vídeos),. Mp3 (audio), etc, y poco se dividen en tres categorías principales :
- Los medios de comunicación (independientes del tiempo, es decir, imágenes y escritura)
- Medios dinámicos (en función del tiempo, es decir, video y sonido bytes)
- Dimensional medios de comunicación (es decir, los juegos 3D o con ayuda de computadoras, elaboración de programas de CAD)
Todos los principales medios de comunicación se guardan en los archivos de cadenas binarias de ceros y unos, y se codifican de acuerdo con el tipo de archivo.
El término "datos" suele ser referenciados desde el punto de vista del equipo, mientras que el término "multimedia" se hace referencia en el punto de vista del usuario.
Algunas aplicaciones :
- Biología Molecular
- Medicina
- Geográfia
- Manufacturera
Base de Datos Difusa
El termino "Bases de Datos Difusas" designa al área de investigación que trata sobre la aplicación de los Conjuntos Difusos y la Lógica Difusa en Bases de Datos. Esta área busca compensar la deficiencia de los Sistemas de Bases de Datos clásicos en representar y manipular data imperfecta y consultas flexibles o graduales. A este problema se le conoce como el problema de rigidez de las Bases de Datos convencionales, así que los Sistemas de Bases de Datos que tratan de resolver este problema se califican como "Flexibles".
Gestión de una Agencia de Viajes usando Bases de Datos
Difusas y FSQLLas aplicaciones de los SGBD (Sistemas Gestores de Bases de Datos) y de la teoría de bases
de datos a problemas de “gestión”' son inmensas, como lo demuestra la enorme cantidad de
aplicaciones de este tipo que se venden en el mercado, que van desde la gestión de un videoclub
hasta la gestión de un garaje, pasando por supermercados, hospitales, hoteles, colegios,
universidades o, en general, aplicaciones para la gestión de cualquier empresa,
independientemente de su tamaño o dedicación.
Por otra parte, las BDRD (Bases de Datos Relacionales Difusas) han sido desarrolladas en los
últimos años con diferentes modelos, entre los que cabe destacar el modelo de Prade-
Testemale (1987), el modelo de Umano-Fukami (1982, 1994), el modelo de Buckles-Petry
(1984), el modelo de Zemankova-Kaendel (1985) y el modelo GEFRED de Medina-Pons-
Vila (1994). Este último modelo representa una síntesis ecléctica de los diferentes modelos
publicados para tratar el problema de representación y gestión de información difusa en bases
de datos relacionales. Una de sus principales ventajas es que consiste en una abstracción
general que permite manejar distintos enfoques y modelos, incluso aunque estos puedan
parecer muy dispares.
Las BDRD pueden ser utilizadas en todas las aplicaciones de las bases de datos tradicionales,
pues éstas no reducen en nada sus posibilidades, sino que, por el contrario, las aumentan para
poder almacenar y tratar información imprecisa, algo imposible de efectuar usando bases de
datos clásicas. La información imprecisa es habitual en cualquier contexto ya que no es
extraño que tengamos cierta información de forma incompleta o inexacta. En las bases de
datos tradicionales, si no tenemos la información exacta sobre algo se almacena el valor
NULL impidiendo poder almacenar la información que tengamos si no es un dato exacto. Por
ejemplo, si sabemos que un hombre es “alto”, pero ignoramos su altura exacta, en bases de
datos tradicionales se almacenará el valor NULL, mientras que en BDRD almacenaremos la
información que aporta el concepto “alto”.
Además, usando adecuadamente el poder deductivo del lenguaje FSQL se pueden obtener
conclusiones muy útiles. Por ejemplo, en un hospital podríamos efectuar consultas del tipo
“Dame los enfermos jóvenes que padecen hepatitis y que llevan ingresados
aproximadamente más de 5 semanas”. En un colegio se podría consultar información como
“Dame los alumnos que han superado Matemáticas con buena nota y han superado física con
nota regular”. En un supermercado sería útil conocer las respuestas a preguntas como “Dame
los productos que se han vendido mucho gastando poco en su publicidad”.
Puede observarse fácilmente que la lista de aplicaciones de gestión y de consultas útiles sobre
éstas sería interminable. En este trabajo vamos a explicar brevemente cómo se podría efectuar
la gestión de una agencia de viajes turísticos a través de una BDRD y usando el lenguaje
FSQL. En nuestro caso nos centraremos principalmente en dos tipos de operaciones: El
alquiler de viviendas en todo tipo de lugares turísticos (algo muy en boga últimamente con la
moda del turismo rural) y la oferta de viajes y excursiones programadas de todo tipo.
En primer lugar expondremos una breve descripción de las principales ventajas que el
lenguaje FSQL incorpora a la sentencia SELECT, para expresar consultas difusas. Una
descripción más detallada de ésta y otras sentencias de FSQL, así como una explicación de la
arquitectura del Servidor FSQL pueden encontrarse en (Galindo, Medina, 1998A) y (Galindo,
1999). A continuación veremos brevemente los tipos de información que pueden ser
almacenados en nuestra BDRD. Por último, veremos cómo las BDRD pueden mejorar la
gestión de información en una agencia de viajes.
IMPLEMENTACIÓN DE UNA BASE DE DATOS RELACIONAL DIFUSA:
UN CASO EN LA INDUSTRIA DEL CARTÓN
El modelado de los atributos fue llevado a cabo en una
empresa de fabricación de cartulinas. En este sentido, la fenomenología
es descrita a través de atributos y valores imprecisos e inciertos. En
particular nos hemos concentrado en el dominio de conocimiento (knowhow)
relativo al proceso de fabricación de cartulinas estucadas,
específicamente al saber hacer del proceso de control de calidad de
productos terminados que lleva a cabo el Departamento de Conversión
de la empresa.
Base de Datos Federada
Un sistema de bases de datos federadas es una colección de sistemas de bases de datos cooperativos y autónomos. En un sistema federado los usuarios tienen acceso a los datos, de los distintos sistemas, a través de una interfaz común sin embargo, no existe un esquema global que describa a todos los datos de las distintas bases de datos, en su lugar hay varios esquemas unificados, cada uno describiendo porciones de bases de datos y archivos para el uso de cierta clase de usuarios
SISTEMAS DE BASES DE DATOS FEDERADAS BASADOS EN
SISTEMAS TERMINOLOGICOS: TECNICAS DE PROCESAMIENTO
EFICIENTE DE PREGUNTAS Y MANTENIMIENTO DE LA
CONSISTENCIA.
El proyecto consiste en el diseño y construccion de un
sistema de bases de datos federadas (sbdf) donde las bases de datos
componentes son todas relacionales (pero no necesariamente
construidas exactamente con el mismo sistema de gestion de bases de
datos) y donde el esquema global se define usando un sistema de
representacion basado en logicas descriptivas. la arquitectura utilizada
es cliente/servidor donde existe un nodo cliente que contiene la
terminologia integrada y posibles datos "cacheados", y varios nodos
servidores con las distintas bases de datos relacionales que forman
parte del sbdf. el sistema final esta formado por cuatro componentes:
traductor, integrador, procesador de preguntas y controlador de la
consistencia. el proyecto muestra las ventajas de la utilizacion de un
sistema de representacion terminologico, back, concretamente su
capacidad de clasificacion y la subsumision, para el procesamiento de
preguntas y la gestion de la memoria "cache" en sus aspectos de
Base de Datos Grid
Podemos entender una base de datos Grid como una base de datos distribuida. La base de datos
Grid tiende a ocultar al usuario los recursos hardware que se est´an usando tales como discos de almacenamiento o
servidores en los que la base de datos se encuentra instalada, se intenta abstraer al usuario de cuestiones relativas a la
administraci´on y optimización de la base de datos y del sistema gestor.
Gestión de datos en el Gris: Las aplicaciones GRID necesitan llevar a cabo transferencias de datos, los cuales ser´an
computados en los diversos nodos que formen parte del mismo. La que nos deberíamos preguntarnos es donde se
encuentran almacenados esos datos en los diversos momentos en que necesitan ser usados. Existen diversas alternativas,
pero una de la m´as utilizada es la siguiente:
Archivos Lo habitual en aplicaciones Grid, consiste en hacer disponible a los nodos un lugar de almacenamiento de archivos,
generalmente mantenido por mecanismos como ftp o ssl, en el cual puedan poner y obtener todo aquello que
necesiten. De esta forma, el Middleware encargado de gestionar el Grid, debe facilitar herramientas para manejar
estos recursos de una forma apropiada. Existen implementaciones en las que cada nodo es tratado como un lugar
de almacenamiento, haciéndolo visible para el resto, a través de un proxy para trabajar con él.
Algunas de sus aplicaciones :
ORACLE 10G DATABASEEs el producto clave de esta plataforma. Se trata de una
base de datos basada en la tecnología Grid y diseñada para ayudar a las
empresas a optimizar el rendimiento de sus herramientas tecnológicas,
tanto de hardware como de software, e incrementar así la rentabilidad
de sus inversiones en tecnología.
Está diseñada para funcionar correctamente tanto en pequeños
servidores como en los mayores servidores SMP (sistema que permite
que los programas sean ejecutados por múltiples procesadores que
comparten una memoria y sistema operativo común), pasando por
entornos de red y grids empresariales.
AGENDA TELEFÓNICA 2 CON CONTROL DATAGRIDUn DataGrid que permite crear, de manera automática, un
enlace complejo con los datos, ahorrando trabajo de escritura de código
pues tiene implementadas muchas funciones útiles para mostrar y
manipular campos de una o varias tablas.
El control DataGrid de los formularios Windows Forms muestra datos en
una serie de filas y columnas. En el caso más sencillo, la cuadrícula está
enlazada a un origen de datos con una sola tabla que no tiene
relaciones. En ese caso, los datos aparecen en filas y columnas simples,
como en una hoja de cálculo.
GRID DATACENTER VIRTUALUn Grid Datacenter Virtual es una solución avanzada que
consta de varios servidores físicos agrupados en un cluster (grid) en el
que la capacidad de procesamiento, memoria RAM y almacenamiento se
distribuyen entre todos los equipos sin estar asignados en exclusiva a
uno de ellos. Los datos se almacenan de forma redundada a lo largo del
grid, de forma que en caso de fallo de uno (o varios) de los servidores
físicos que conformar en grid, la información seguirá estando disponible
y el sistema continuará funcionando sin interrupción.
