Introducción

Bases de Datos OO

2

Definición

• Cuando se juntan las funcionalidades de una base de datos con las de un lenguaje orientado a objetos, se obtiene un sistema de manejo de base de datos orientado a objetos (ODBMS).

• Un ODBMS hace lucir a la base de objetos como una extensión del lenguaje OO que se este utilizando: – Persistencia de datos transparente

– Control de concurrencia

– Restauración de datos

– Consultas asociativas

3

Persistencia Transparente

• La Persistencia transparente en un ODBMS

se refiere a la habilidad de manipular

directamente los objetos guardados en la

base usando un programa orientado a

objetos.

• Esto se contrasta con la utilización de SQL

o una llamada a ODBC o JDBC.

• Usar un base de datos orientada a objetos

significa que se obtiene un mayor

desempeño y menos código para escribir.

4

Diferencia de Modelo

5

Cuando usar ODBMS

• Cuando se necesite alto rendimiento

en datos complejos

• También se utiliza para reducir el

tiempo de implementación

(considerando que los programadores

conocen acerca de ODBMS)

6

Datos Complejos

• Falta de identificación única

• Relaciones muchos a muchos

• Acceso a través de trayectorias

• Uso frecuente de código de tipos

7

Datos Complejos

8

Datos Complejos

9

Usando Datos Anteriores

10

Cap

a I

nte

rmed

ia

11

Mitos de las ODBMS

• Aprender ODBMS es más difícil que

aprender RDBMS. -> Falso

– Para utilizar ODBMS solamente necesito

conocer el lenguaje OO.

– Aprender interfaces SQL (SQL-92,

JDBC, SQLJ, SQL:1999) es más

complejo que aprender interfaces de

persistencia transparente (ODMG 3.0 y

JDO)

12

Mitos de las ODBMS

• Las ODBMS son lentas -> Falso

– Una de las principales ventajas de una ODBMS es que pude ser de 10 a 1000 veces más rápida que una RDBMS dependiendo de la complejidad de los datos.

• No se pueden realizar Queries en las ODBMS -> Falso

– Existe OQL que es el equivalente a SQL en las Bases OO

13

Mitos de las ODBMS

• Las ODBMS no son escalables ->

Falso

– Las ODBMS son utilizadas en

corporaciones que manejan terabytes de

datos

• Air France

• Real-Time Event Engine

• Stanford Linear Accelerator (SLAC)