CONSISTENCIA Y REPLICACIN

Replicacin:
- Los datos se replican para aumentar la disponibilidad o el rendimiento.
- Un aspecto fundamental es la consistencia entre las rplicas: cuando se actualiza una
copia, se deben actualizar tambin las dems.
- La replicacin est muy relacionada con la escalabilidad.
Si la replicacin ayuda a mejorar la confiabilidad y el rendimiento, quin estara en su
contra?
Por desgracia, hay un precio a pagar cuando se replican datos. El problema con la
replicacin es que tener muchas copias puede provocar problemas de consistencia.
Siempre que se modifica una copia, sta se vuelve diferente al resto de copias. Por tanto,
para garantizar la consistencia, las modificaciones deben realizarse en todas las copias. El
precio de la replicacin lo determinan exactamente el cundo y el cmo deben realizarse
dichas modificaciones.
Razones para la Replicacin
Existen dos razones principales para replicar datos: la confiabilidad y el rendimiento

Hay dos razones principales para la replicacin de datos:

Confiabilidad
Continuidad de trabajo ante cada de la rplica:
Si un sistema de archivos se replic, es posible continuar trabajado despus de que una
rplica falle con tan slo cambiar a una de las otras rplicas
Mayor cantidad de copias mejor proteccin contra la corrupcin de datos:
Adems, al mantener varias copias se hace posible proporcionar una mejor proteccin
contra datos corruptos.
Rendimiento
El SD escala en nmero: el escalamiento en nmeros ocurre cuando un nmero creciente
de procesos necesita acceder a datos que son administrados por un solo servidor. En ese
caso, el rendimiento puede mejorarse replicando el servidor y, posteriormente, dividiendo
el trabajo
Escala en rea geogrfica (disminuye el tiempo de acceso al dato): el rendimiento
percibido por ese proceso aumenta. Tambin muestra que puede ser difcil evaluar los
beneficios de la replicacin en cuanto al rendimiento. Aunque un proceso cliente puede
percibir un mejor rendimiento,tambin puede darse el caso de que se consuma ms ancho
de banda de la red para mantener todas las rplicas actualizadas.

MODELOS DE CONSISTENCIA
En un sistema distribuido hay una serie de posibles modelos de consistencia de datos. Un
sistema soporta cierto modelo, si las operaciones en memoria siguen normas especficas.
La consistencia de los datos es definida entre el programador y el sistema, que garantiza
que si el programador sigue las reglas, la memoria ser consistente, y el resultado de las
operaciones
de

memoria ser
predecible.

MODELO DE

CONSISTENCIA CENTRADA DE DATOS

Es el contexto de operaciones de lectura y escritura sobre datos compartidos, disponibles
mediante memoria compartida (distribuida), una base de datos compartida (distribuida), o
un sistema de archivo (distribuido). Una operacin de datos se clasifica como una
operacin de escritura cuando sta cambia los datos, de otro modo se clasifica como una
operacin de lectura.
Cada modelo restringe efectivamente los valores que puede devolver una operacin de
lectura sobre un elemento de datos. Como es de esperarse, los modelos con ms
restricciones son ms fciles de utilizar, por ejemplo, cuando se desarrollan aplicaciones,
mientras que aquellos con menos restricciones resultan ms difciles.

CONSISTENCIA CONTINUA
Yu y Vahdat (2002) consideran un mtodo general para diferenciar tres ejes
independientes para definir inconsistencias: desviacin en valores numricos entre
rplicas, desviacin en el deterioro entre rplicas,
Medir la inconsistencia en trminos de desviaciones numricas puede utilizarse en
aplicaciones para las que los datos tienen semnticas numricas
Como alternativa, podra especificarse una desviacin numrica relativa, lo cual establece
que dos copias deben diferir no ms de, por ejemplo, 0.5%. En ambos casos, veramos
que si una accin va hacia arriba (y una de las rplicas se actualiza inmediatamente) sin
violar las desviaciones numricas especificadas, las rplicas an seran consideradas
como mutuamente consistentes.
La desviacin numrica tambin puede comprenderse en trminos del nmero de
actualizaciones que se han aplicado a una rplica dada, pero que an no han sido vistas
por otras rplicas. Por ejemplo, un cach web puede no haber visto un lote de operaciones
realizadas por un servidor web.
Las desviaciones viejas se relacionan con la ltima vez que se actualiz una rplica. Para
algunas aplicaciones, es tolerable que una rplica proporcione datos viejos siempre y
cuando no sean demasiado viejos. Por ejemplo, los informes sobre el clima permanecen a
menudo razonablemente precisos durante cierto tiempo, digamos algunas horas. En tales
casos, un servidor principal puede recibir actualizaciones oportunas, pero decidir propagar
las actualizaciones a las rplicas de vez en cuando..

CONSISTENCIA SECUENCIAL
La consistencia secuencial es una forma ligeramente ms dbil de la consistencia estricta.
Satisface la siguiente condicin:

El resultado de una ejecucin es el mismo si las operaciones (lectura y escritura) de todos

los procesos sobre el dato fueron ejecutadas en algn orden secuencial y las operaciones
de cada proceso individual aparecen en esta operaciones de cada proceso individual
aparecen en esta secuencia en el orden especificado por su programa

CONSISTENCIA CAUSAL
Es un debilitamiento de la consistencia secuencial. Se hace una diferenciacin entre
eventos que estn potencialmente relacionados en forma casual y aquellos que no.
La condicin a cumplir para que unos datos sean casualmente consistentes es:
Escrituras que estn potencialmente relacionados en forma casual deben ser vistas por
todos los procesos en el mismo orden. Escrituras concurrentes pueden ser vistas en un
orden diferente sobre diferentes mquinas.
Esta secuencia es permitida con un almacenamiento casualmente consistente o con un
almacenamiento consistente en forma estricta.
El modelo de consistencia causal (Hutto and Ahamad, 1990) es un debilitamiento de la
consistencia secuencial. Se hace una diferenciacin entre eventos que estn
potencialmente relacionados en forma causal y aquellos que no. Las operaciones que no
estn causalmente relacionadas se dicen concurrentes.