{"id":2426,"date":"2015-08-13T09:46:05","date_gmt":"2015-08-13T09:46:05","guid":{"rendered":"http:\/\/fractalia.limbic.pro\/2015\/09\/09\/295-revision-v1\/"},"modified":"2023-10-11T09:41:54","modified_gmt":"2023-10-11T09:41:54","slug":"para-que-se-usan-los-dsms","status":"publish","type":"post","link":"https:\/\/fractaliasystems.com\/en\/para-que-se-usan-los-dsms\/","title":{"rendered":"\u00bfPara qu\u00e9 se usan los DSMS?"},"content":{"rendered":"

Los <\/span>sistemas de procesamiento de flujos de datos<\/b> (<\/span>DSMS<\/a><\/span><\/strong>) han emergido como soluci\u00f3n a las aplicaciones que precisan una elevada capacidad de procesamiento de datos con baja latencia. Los <\/span>DSMS<\/b> ofrecen avances en el tratamiento de datos capturados por <\/span>redes de sensores<\/b> de gran volumen. <\/span><\/span><\/p>\n

En la actualidad las <\/span>redes de sensores<\/b> est\u00e1n siendo m\u00e1s demandadas y su uso va en auge, potenciadas por las tecnolog\u00edas asociadas a Internet de las Cosas \u00a0(IoT) y soluciones para Smart City y directamente relacionado con el <\/span>factorecon\u00f3mico<\/b>. De un lado, los costes de estos sistemas son decrecientes y, por otra parte, los costes asociados a su implementaci\u00f3n son, adem\u00e1s, cada vez m\u00e1s bajos.<\/span><\/span><\/p>\n

<\/p>\n

Un <\/span>DSMS<\/b> es un sistema que est\u00e1 dise\u00f1ado para ejecutar consultas continuas sobre un flujo tambi\u00e9n continuo de datos que llegan de manera permanente ya que se producen de manera inmediata, pero que permanecen por un espacio de tiempo reducido en la memoria.<\/span><\/span><\/p>\n

Las principales caracter\u00edsticas de los \u00a0<\/span>data streams<\/b> son tres: <\/span>llegada continua de datos<\/b>; <\/span>elevado<\/b> volumen de datos<\/b> a manejar y el hecho de que se necesita una <\/span>respuesta inmediata una vez que los datos son recibidos y procesados<\/b>. Los datos no permanecen para ser procesados despu\u00e9s, sino que su procesamiento se realiza durante el proceso de captura y env\u00edo a la base de datos, concepto que se denomina <\/span>\u201cal vuelo\u201d<\/b> y que permite obtener resultados de forma continua.<\/span><\/span><\/p>\n

De forma que la principal diferencia<\/a><\/span> con los sistemas de <\/span>gesti\u00f3n de bases de datos o <\/span>SGBD<\/b><\/a>, <\/b>(sistemas tradicionales de almacenamiento y gesti\u00f3n de datos)<\/span> radica en que el procesamiento de los datos se hace de manera continua durante el propio proceso de generaci\u00f3n de los mismos. Para poder medir y evaluar el comportamiento de los flujos asociados a las comunicaciones y construir modelos de decisi\u00f3n ajustables, los <\/span>DSMS <\/b>incorporan t\u00e9cnicas provenientes del campo del <\/span>Data Mining<\/b><\/a><\/span>.<\/span><\/span><\/p>\n

\"Database\"<\/span><\/span><\/p>\n

\"Captura<\/a>
\n<\/a>En la actualidad, los trabajos realizados en el \u00e1mbito de <\/span>sistemas de procesamiento de flujos de datos<\/b> \u00a0que han sido efectuados por universidades de alto prestigio como la Universidad de Stanford a trav\u00e9s de su proyecto Stream o el proyecto <\/span>Aurora<\/b><\/a><\/span>, desarrollado en colaboraci\u00f3n entre el MIT y las universidades de Brown y Brandeis, no escalan respecto a la carga de entrada del sistema. Ello se debe al cuello de botella producido por la concentraci\u00f3n de flujos de datos completos en nodos individuales. \u00a0<\/span><\/span><\/p>\n

Por esta raz\u00f3n, los \u00faltimos avances en este \u00e1mbito se centran en el <\/span>desarrollo de un sistema el\u00e1stico paralelo distribuido<\/b> para el procesamiento de flujos de datos que sea capaz de procesar grandes vol\u00famenes de datos. Este sistema recibe el nombre de <\/span>StreamCloud<\/b>.<\/span><\/span><\/p>\n

StreamCloud <\/b>aporta una t\u00e9cnica novedosa \u00a0basada en la divisi\u00f3n de queries en subqueries, gracias a la que se pueden minimizar los costes de distribuci\u00f3n y paralelizaci\u00f3n. Se trata de un sistema que posee, adem\u00e1s, <\/span>protocolos de equilibrio de carga<\/b> lo cual permite optimizar los recursos en funci\u00f3n de la carga que tenga el sistema. Gracias a ello, <\/span>StreamCloud <\/b>define un protocolo de tolerancia a los fallos que introduce un coste m\u00ednimo a la vez que proporciona una r\u00e1pida recuperaci\u00f3n.<\/span><\/span><\/p>\n

\"flujo<\/a><\/p>\n

As\u00ed pues vemos c\u00f3mo los <\/span>sistemas de procesamiento de flujo de datos<\/b> se presentan como una soluci\u00f3n real a la hora de procesar <\/span>grandes vol\u00famenes de datos<\/b> en tiempo real que son obtenidos a partir de <\/span>redes de sensores<\/b><\/a><\/span>. En consecuencia, en los \u00faltimos a\u00f1os \u00a0se est\u00e1n desarrollando m\u00faltiples investigaciones que tienen como objetivo dise\u00f1ar una soluci\u00f3n de alta escalabilidad y disponibilidad para aplicaciones distribuidas de flujos de datos.<\/span><\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

Los sistemas de procesamiento de flujos de datos (DSMS) han emergido como soluci\u00f3n a las aplicaciones que precisan una elevada capacidad de procesamiento de datos con baja latencia. Los DSMS ofrecen avances en el tratamiento de datos capturados por redes de sensores de gran volumen. En la actualidad las redes de sensores est\u00e1n siendo m\u00e1s
Read more<\/a><\/p>\n","protected":false},"author":2,"featured_media":-1,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[4],"tags":[],"class_list":["post-2426","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-it-fractalia"],"_links":{"self":[{"href":"https:\/\/fractaliasystems.com\/en\/wp-json\/wp\/v2\/posts\/2426","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/fractaliasystems.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/fractaliasystems.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/fractaliasystems.com\/en\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/fractaliasystems.com\/en\/wp-json\/wp\/v2\/comments?post=2426"}],"version-history":[{"count":1,"href":"https:\/\/fractaliasystems.com\/en\/wp-json\/wp\/v2\/posts\/2426\/revisions"}],"predecessor-version":[{"id":7177,"href":"https:\/\/fractaliasystems.com\/en\/wp-json\/wp\/v2\/posts\/2426\/revisions\/7177"}],"wp:attachment":[{"href":"https:\/\/fractaliasystems.com\/en\/wp-json\/wp\/v2\/media?parent=2426"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/fractaliasystems.com\/en\/wp-json\/wp\/v2\/categories?post=2426"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/fractaliasystems.com\/en\/wp-json\/wp\/v2\/tags?post=2426"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}