|
Base de datos enormes con firebird. ¿Cómo la estructuro?
Saludos al foro.
Quisiera ver si podéis orientarme según vuestra experiencia. Tengo que crear una base de datos para almacenar muchísimos datos. Se trata de recoger los datos que toman sensores de humedad, temperatura, lluvia y encharcamiento. Estos datos se toman cada minuto a lo largo de las 24 del día todos los días del año y hay 30 sensores de humedad, otros tantos de lluvia y 2 ó 3 de lluvia y otro par de encharcamiento. Total unos 70 sensores. Los datos los recoge un datalogger en formato csv (separados por puntos y comas), de ahí con una aplicación delphi los paso a una BD de Firebird. Me he decidido por Firebird gracias a los buenos comentarios que he leído en este foro. Ahora bien, haciendo cálculos así rápidos me salen aprox. 37 millones de entradas al año (24 horas x 60 minutos x 365 días x 70 sensores). Estoy en la duda de hacer una tabla por sensor (sea de temperatura, humedad, etc no importa) del tipo: Tabla: SENSORH1 (Sensor 1, tipo humedad) Campos: ID IDUBICACION FECHA HORA DATO ------------------------------------------------------------ 1 2 14/01/2008 14:30:05 52.36 2 2 14/01/2008 14:31:00 52.46 ETC.... idubicacion enlazaría con otra tabla donde pondría datos de ubicación, etc. Tabla2: SENSORT1 (Sensor 1 de temperatura) Mismos campos Y así hasta 70 tablas, una para cada sensor. Estas tablas almacenarían 1440 datos diarios (24 horas x 60 minutos). Otra opción sería una tabla para humedad con los datos de todos los sensores de humedad, otra para temperatura, etc. con estos campos: ID IDSENSOR FECHA HORA DATO ------------------------------------------------------------------ 1 1 14/01/2008 14:30 xxx 2 2 14/01/2008 14:30 xxx 3 3 14/01/2008 14:30 xxx etc. idsensor enlazaría con otra tabla donde indicaría tipo de sensor, ubicación etc. Así tendría 4 tablas (humedad, temp, lluvia y encharcamiento) con 100800 entradas diarias (24 x 60 x 70 sensores). ¿Qué opción os parece mejor para optimizar la base de datos? ¿Alguna otra alternativa? Y otra cosa: ¿Firebird puede con tantos registros? Hay que tener en cuenta que se desea crear un banco de datos de varios años (5 ó más). Para 7 años por ejemplo saldrían: (100800 x 365 x 7) = casi 256 millones de datos. Agradeceré mucho vuestros comentarios, ya que hasta ahora he hecho muchas cosas en access, y muy pocas en firebird y con sólo algunos cientos de datos. Utilizo Delphi 7, Firebird 2.0 y componentes MDO. Gracias de antemano. |
Una preunta importante que te debes hacer antes de seguir:
Se vana a hacer comparaciones/sumas/totales entre los sensores? Si tienes todos los sensores en una tabla entones un selecto podría ser algo asi:
Si los tienes en diferentes tablas tendrás que hacer muchos select y sumarlos luego dentro de un procedimiento, por ejemplo. Creo que lo mejor sería una sola tabla de esta manera Código:
ID IDSENSOR IDUBICACION TIPO FECHA_HORA DATOCon respecto a los límites, creo que ni siquiera con 100 años llegarías a tocarlos. Mira este link Saludos |
Gracias duiliosola por tu rápida respuesta. Justo después de colgar el mensaje estaba pensando justamente esto que tú me comentas. Si tengo que hacer consultas entre los sensores, y éstos los tengo desperdigados por 70 tablas, tendré que hacer otros tantos select y luego juntarlos. Creo que tu respuesta viene en la línea de lo que había empezado a pensar: quizá sea mejor una sola tabla como tú me comentas.
Es un buen comienzo. Será cuestión de darle alguna vuelta más pero por ahí van los tiros. En cuanto a los límites, me tranquiliza leer que no hay problema. Gracias de nuevo. |
Resp
Yo te reciomiendo que hagas un diagrama ER y esto te dara las tablas y la estructura que necesite.
Ejemplo de diagram ER (Solo un parte) Esto es un diagram muy granular ya que lso datos extras pordrian ser direfente o unos tener mas o menos datos qu otro se maneja se crea una aespecificacion la cual se manejaria por medios de vistas Los campo comunes a cada sensor iria en Sensores las otras cuatros solo tendri alos datos concenniente a ellas. Si no me explique bien puedes leer ER. Los Sensores Estan en una ubicacion los sensores pueden ser De humedad temperatura lluvia encharcamiento /\ ---------n / \ n----------- |Senores|-----/esta\-----|Ubicacion| --------- \ / ----------- | \ / | \/ ------ |------\ES/----------------------- | \/------------------------| | | | | | | | | | | | | | | | | ---------- ------------- ------ ---------------- |humedad| |temperatura| |lluvia| |encharcamiento| ---------- ------------- ------ ---------------- Aqui tendrias 7 tablas ====================== Sensores -------- Id .... Ubicacion --------- Id ... (Donde esta ubicado cada sensor) R Sensores Ubicacion -------------------- Id IdSensor IdUbicacion ... (Les agrego la se para saber qu eson sensores) S_humedad ---------- Id IdSensor ... S_temperatura ---------- Id IdSensor ... S_lluvia ---------- Id IdSensor ... S_encharcamiento ---------- Id IdSensor ... La cantidad e tablas dependera de tu diagram y cuantas cosa quieras manejar |
Gracias rastafarey por tu participación. En efecto, algo así es lo que va tomando forma en mi cabeza. ¿Podrías darme alguna referencia de dónde aprender algo más del sistema ER que me comentas? Si busco en google "ER" al ser tan corta la cadena me salen demasiadas cosas.
Una cosa que es una tontería pero que me escama; al tener tantos datos la tabla de humedad, el campo id (autoincremento y clave primaria) debe ser del tipo biginteger ¿no? Si va a almacenar cientos de millones de datos, smallint se queda corto ¿Integer también serviría? Un saludo. |
En vista del volumen de información, te recomiendo:
Justamente hace dos días alguien hablaba de bases de datos "enormes" en este hilo (en inglés). NO dudo que lo que allí se comente te sea de utilidad. Hasta luego. ;) |
Cita:
Cita:
si hablamos de treinta y siete millones anuales que producirá tu aplicación, topará mas o menos en 58 años. Nunca se sabe cuánto tiempo estará corriendo un sistema, o si te aumenten el número de sensores. Yo usaría BigInt. Con BigInt, podrías poner un sensor por kilometro cuadrado en el planeta, y aún así tendrías para una eternidad: 9,223,372,036,854,775,807 (nueve trillones doscientos veintitres mil trescientos setenta y dos billones, treinta y seis mil ochocientos cincuenta y cuatro millones setecientos setenta y cinco mil ochocientos siete registros) (quería escribir eso :D) tomando en cuenta solamente los positivos del bigint. Te aseguro que ningún sistema de archivos actual soportará eso.. :D Hasta luego. ;) |
Cita:
7 maravillas 7 nuevas maravillas 7 dias de la semana 7 dias de la creación ......:rolleyes::rolleyes: Salud OS |
Se que soy de la voz de la inexperiencia pero quería saber, si no le es molestia a Angel Fernández, ¿Que otra ventaja ven o consideran si se empleara una única tabla?
Yo soy, hasta el momento, de la idea de que la base de datos sea un reflejo del dominio. Y si me pongo a pensar, yo optaría por tener una tabla de cada cosa: una para humedad, etc. Al menos me suena más lógico asi. No se como será la perfomance de Firebird para un nivel tan alto de registros si se mantiene una tabla, a mi todavia me cuesta caer en esa elección. Si bien es como dicen, que tener más tablas hará más lenta las consultas, creo que las cosas mantendrán cierta coherencia y orden. Por otro lado, me pregunto ¿Es necesario que sea cada minuto? ¿En épocas de pocas lluvias, aún seguirían manteniendo esa "velocidad"? A lo que voy es si bien se necesita de cierta precisión para hacer estos tipos de estudios , que sean cada 1 minuto es una exageración. Sobre todo si consideramos que en variadas época del año los niveles tienen a mantenerse en un rango y no variar en cuestiones de minutos, algo que a gran escala pierde sentido. ¡Y que decir si los niveles son constantes! Yo me pregunto... y que haces si llegas a tener algo como esto: HORA DATO 00:00 xxx 00:01 xxx 00:02 xxx ... 00:40 xxy 00:41 xxy ... ¿Qué tan viable es tener minuto a minuto si las condiciones no cambian? Ten en cuenta esto... puede ahorrarte muchos registros. En fin no se dije algo tonto, pero a mi me resulta lógico. Saludos, |
Gracias a todos por vuestras respuestas.
En cuanto a lo que dice el maestro jachguate de montarlo en linux no puedo menos que decir ¡uff! ¡Más quisiera tener conocimientos para ello! La aplicación que me recoge los datos la voy a hacer en delphi 7 porque en la universidad que participa de este proyecto tienen una licencia. Estuve barajando otras posibilidades open source o freeware como Lazarus pero francamente y con todos mis respetos para este tipo de proyectos, lo veo aún a mucha distancia de D7. Yo tengo ya cierta experiencia en D7 (aunque como veis por mis mensajes sigo siendo un aprendiz) ¿En qué lenguaje lo tendría que hacer para linux? ¿Phyton, PHP, Java? En todos ellos partiría de cero y tendría que recorrer un gran camino para llegar hasta los conocimientos que ahora tengo en delphi. Sin embargo, estoy totalmente de acuerdo en que en las universidades deberían utilizar y enseñar más sistemas abiertos y no corporativos (más linux y no tanto Office y Microsoft) porque al final le hacen a uno ser esclavo de pagar enormes licencias o la opción mas usada: piratear. Te pirateas Windows, Office, Autocad ... que es lo que enseñan en estas universidades (al menos lo que yo conozco). Pero me estoy yendo de varas. Volviendo a mi aplicación y contestando un poco a delphius (gracias también por tu valiosa aportación) sí podría hacer una tabla para humedad y temperatura porque los datos que recogen estos sensores son muy parecidos (rango de 0 a 100 en humedad, de 0 a 400 en temperatura en ºK. En cambio el dato de lluvia y encharcamiento es boleano sí/no por lo que también podría ponerlos en otra tabla juntos. Una sola tabla para todo, podría ser, pero sería un poco raro. Quizá dos tablas: una para temperatura y humedad y otra para lluvia y encharcamiento. Pero entonces se me plantea una cosa. ¿Es mejor una sola tabla con cientos de millones de datos o varias tablas con decenas de millones de datos? Me refiero mejor en cuanto a velocidad. En cuanto a por qué guardar un dato cada minuto, en realidad es lo que están haciendo ahora mismo y lo están guardando en ¡ficheros de excel! Con 34000 datos el fichero va cojo y lento de narices. Evidentemente estos datos no se pueden manejar, simplemente guardar para tener un histórico. La idea es hacer consultas por hora y día, de los que extraer conclusiones y resultados más abordables. Me interesa mucho lo que comentas, jachguate, de backups diferenciales, porque obviamente el tema de copias de seguridad me preocupa bastante pero que espero abordar más adelante. Os preguntaré más cosas sobre la marcha si os parece bien. Saludos para todos y gracias otra vez. Me estáis ayudando mucho. |
Lo que te comenta jachguate sobre Linux, se refiere al servidor.
Haces el programa en Delphi y la base de datos, en lugar de ponerla en un Windows, lo pones en un Linux, sólo has de instalar Firebird. La conexión es igual que en windows, ejemplo: Cita:
|
Gracias por la aclaración Casimiro. De todas formas, mi cliente será quien decida dónde colocar la base de datos y la aplicación. Pero así a ojo, dudo mucho que sepa nada de servidores ni linux. De hecho, la base de datos está pensada en principio para trabajar en local. Tú llegas con tu pendrive con los datos que has sacado del datalogger en formato CSV, lo conectas a tú pc donde tienes la base de datos en cuestión y la aplicación y ésta saca los datos y los pone en la BD de Firebird.
Sí que hemos pensado en un futuro, conectar el datalogger a un ordenador y éste a la red, para poder acceder a los datos a través de internet en vez de estar arriba y abajo con el pendrive. Pero ahora mismo nos faltan conocimientos para hacer esto. ¿Esto se hace por IP, como la cita que pones tú Casimiro? El tiempo dirá cómo lo hacemos, pero ahora mismo, una base de datos FB y una aplicación en delphi es un salto cualitativo importantísimo teniendo en cuenta que el sistema actual de guardar datos es Excel. Somos ingenieros (no informáticos ni de sistemas) y a mí me apasiona este mundo de la programación pero me quedo en aficionado. Espero que con tiempo y vuestra ayuda ir aprendiendo;) Un saludo. |
Cita:
Disculpa que lo diga, pero me resulta un poco de desperdicio estar ingresando información que es redundante. A lo que voy es que puedes implementar una regla del tipo:
La explicación es simple: se compara el dato leído con el anterior (puede estar en una variable) y si son distintos guardarlos. El truco está entonces en que tu tabla guardará siempre y cuando se ha detectado un cambio (que no sea la hora claro está). Con esto consigues algo por el estilo: HORA DATO 00:00 xxx 00:40 xxy ¿Que significa esto? que durante 40 min no se han detectado cambios. Podrías diseñar tu sistema de manera que al migrar chequee las fechas y haga un análisis de los repetidos y te evitas la redundancia. Es lo mismo tener esto: 00:00 xxx ... 00:39 xxx 00:40 xxy Que tener esto: 00:00 xxx 00:40 xxy ¿Donde está el truco? En que se debe hacer una simple resta entre las horas para dectar los tiempos en que los datos han variado. Si se necesita saber los tiempos, dejaselo que te lo calcule, si fácilmente esa información puede ser "recuperada" a partir de otra. No se si me entiende... La matemática es muy simple, y exacta. Veamos con un ejemplo: supongamos que deseamos obtener el promedio de la temperatura de los primeros 6 minutos del día: 00:00 10 00:01 15 00:02 15 00:03 20 00:04 17 00:05 18 00:06 15 Promedio: (10+15+15+20+17+18+15)/6 = 18,33 Con la versión simplificada: HORA DATO DIF_MIN 00:00 10 1 // la diferencia de min con el día anterior... 00:01 15 1 00:03 20 2 // 3-1 00:04 17 1 00:05 18 1 00:06 15 1 Promedio: (10x1+15x2+...+15x1)/6 = 18,33 Puede que te resulte complicado entenderme, pero si te fijas bien, el modelo "extendido" puede convivir con la versión "simplificada" si llevas ese campo DIF_MIN, 00:00 10 1 00:01 15 1 00:02 15 1 ... 00:06 15 1 Y la matemática sigue cumpliendose... En teoría, no habría problemas en hacer convivir tus datos viejos con los nuevos (si es eso lo que te puede asustar). Por lo que las estadísticas y las operaciones que hagas no se verían afectadas por los repetidos. Ahora tal vez tu me dirás, que deberá chequearse en la base de datos siempre el último valor... pero eso no es cierto, si no entendí mal nada impide que nos quedemos en alguna variable con los últimos datos cargados y allí mismo compararlos y hacer la carga de ser necesario. Y es en esta etapa cuando podemos hacer el cálculo de las diferencias, ya que contamos con dicha información. Con esto te evitas tener que consultar la base de datos minuto a minuto y no haces lento al servidor al pedir que te haga esos cálculos de diferencia de minutos. Realmente espero que se entienda mi idea. Cuando se desee armar una consulta, se pueden hacer los ajustes para que los muestre como si siguieran trabajando con excel (si deseas), el truco aquí es trabajr gracias a ese dichoso campo DIF_MIN. Independientemente si se trata de una o 5 tablas, este esquema funciona. Igualmente sigue haciendo falta análisis en el tema, pero creo que la idea está. Saludos, |
Muchas gracias Delphius por tu dedicación a mi problema. Lo que propones es... muy bueno. Eres un tío grande.
Déjame que lo piense. Me has pillado recién comido y la cabeza la tengo un poco espesita. Un saludo. |
Delphius: te lo has currado de verdad.
Aunque personalmente no lo haría por varias razones: - No son datos repetidos, de acuerdo, se repite la temperatura, pero es a horas distintas, en un primer análisis, se podría incluso considerar la hora y temperatura como clave primaria compuesta. Tampoco lo sería, ya que introducir datos relevantes como claves de la entidad relación pueden entorpecer la lógica del negocio. Si podría crearse un índice compuesto en la base de datos, ya que siempre accederemos a ambos campos, por lo que aceleramos las búsquedas. - Dejando los datos como estaban inicialmente, podemos delegar en simples sqls la forma de hallar las medias (leasé funciones "avg" del SQL/Firebird, y otras muchas funciones estadísticas que ya están implementadas). Si optamos por tu uso extendido, tendremos que interpretar los datos (ponderar cada dato) antes de pasarlo a la función estadística. - Si se necesitan listados, gráficas de barras que tanto gustan a los jefes [...], resulta muchísimo más fácil tirar de la Base de datos que tener que interpretar los datos. - Saber la temperatura de una determinada fecha y hora, nos obligaría a interpretar los datos de nuevo (porque podría estar oculto en ese dif_min). Firebird ya es un motor bastante eficiente y rápido, si hablásemos de paradox ;), quizás justificaría el uso de abreviaturas. Yo por mi parte añadiría un campo calculado de tipo TimeStamp, que se forme a partir de la fecha y de la hora. La razón muy simple, esta sql: es más fácil de entender y más legible que: sin contar con otra muchas variantes que intervengan en la búsqueda. Por otro lado, podremos usar 2 parámetros en lugar de 4 para los sqls. Además, siempre tendremos el campo fecha y campo hora por separado (para cuando sea necesario). Saludos. |
Cita:
Siempre tuve en cuenta lo que dices, de hecho es natural (y hasta se podría decir que obvio) que implementar mi idea sería un poco más "lenta" y complicada que la mantener una estructura más simple. Yo ofrecí un punto de vista que como muchas cosas tiene su lado bueno y su lado malo. Como bien dices, si se elije mi opción habrá que interpretar la información para conseguir las operaciones. Firebird es rápido y puede soportar la cantidad de información. Eso lo se. Yo me pregunto: ¿Que tipos de consultas se harían?¿Que informes se confeccionarían?¿Que tan problable es que se recurra a una consulta que intervenga a todos los datos? A lo que voy es que si en las consultas no se emplean demasiados registros, podría optarse por mi método... No creo que "interpretar" los registros haga tan lento un equipo... sobre todo si las computadoras son da vez más veloces. ¿Cúantas veces al día se lanzarán las consultas? Una, dos... ¿100? Yo creería que se puede compensar la "perdida" de tiempo en la interpretación de valores, con la cantidad de registros. ¿Cúantos registros se ahorrarían en un día?¿En una semana?¿En un mes?¿En un año? ¡Muchísimos! Como dije, y vuelvo a decir... se necesita de un buen análisis. Saludos, |
Confirmando lo ya mencionado por casimiro, cuándo hablé de Linux me refería específicamente al servidor de base de datos y no a la aplicación que le alimentará o que sacará información de él.
Sobre el tema iniciado por Delphius, comentar que, con lo que puedo entender de la aplicación de la que hablamos, me quedo con la opción de guardar todos y cada uno de los registros en la base de datos. Por que razón: Los discos duros y la memoria son cada vez mas baratos, mientras que el tiempo que puede requerir en desarrollo de sistemas mantener y procesar datos no planos seguramente cada vez está mas caro.. :D Además, añadir esa complejidad al sistema, inevitablemente hará que sea mas difícil de mantener (mas fácil cagarla, en otras palabras) y mas lento el desarrollo de informes o nuevas características. Para evitar desperdiciar tiempo innecesariamente en procesar tantos registros, he dado la idea al inicio de hacer procesos peroódicos que vayan resumiendo la información. Por ejemplo, pensemos en la tabla de temperaturas, que tendrá esta estructura Código:
temperaturaCódigo:
temperatura_horaAsí, por ejemplo, saber la temperatura promedio de un año completo para un sensor particular, en lugar de tirar sobre una consulta que barra 525,600 registros, será solamente una que barra 365 (los que ya tienen información por día). Igualmente sencillo podría ser tener la temperatura promedio para la hora de 3 a 4PM de todo un año, pero seguiría siendo igual de sencillo escribir un query que nos devuelva la temperatura promedio para las 3:14 PM de todo el año. Ya del análisis podrá determinarse si estas tablas son suficientes o si podrían crearse otras que vayan resumiendo información por otros criterios. Desde mi punto de vista, este modelo nos permite tener lo mejor de ambos mundos. Hasta luego. ;) |
Juan Antonio, me saco el sombrero!
Me dejaste callado, sin palabras. Habló la experiencia. Cuando leí en tu anterior mensaje sobre esto no lo había comprendido del todo. No se en que tenía la cabeza que ni siquiera se me cruzó por preguntartelo. Ahora lo entiendo. ¡Simplemente genial! Bueno... si me quedan algunas dudas... más que nada por curioso:D: El "cálculo" de las Temp_Min, Temp_Max, Tem_Promedio. las realizarías una vez finalidado el ejercicio? O directamente con algún Tigger After Insert de la tabla Temperatura? Tu hablas de las dos opciones, pero en base a tu experiencia... ¿Cuál optarías? Se que en parte esto depende de las necesidades, del negocio, etc... ¿pero cual eligirías en esta ocasión? Saludos, |
¿double precision jachguate? ... yo es que le tengo manía a ese tipo de dato, prefiero los numeric(10,2) por aquello de no perder precisión y poder encontrar una temperatura exacta.
Saludos |
Cita:
|
| La franja horaria es GMT +2. Ahora son las 19:26:25. |
Powered by vBulletin® Version 3.6.8
Copyright ©2000 - 2024, Jelsoft Enterprises Ltd.
Traducción al castellano por el equipo de moderadores del Club Delphi