1-Generalità e tipologie di database

Introduzione alle basi di dati (database)

In informatica, il termine database, tradotto in italiano con banca dati, base di dati o base dati, indica un insieme (archivio) di dati elementari e omogenei opportunamente ordinati e fruibili. Immaginiamo i database come un insieme di schede, ciascuna delle quali contiene le informazioni riguardanti un determinato argomento.

Terminologia dei database

Nel gergo dei database sono ricorrenti alcuni termini: ad esempio, le informazioni contenute nelle schede si dicono campi o fields; le schede si dicono record. Il database è, quindi, l’archivio di record, i quali contengono i fields. Fin dall’avvento delle tecniche di sequenziamento di proteine e acidi nucleici, è stato necessario conservare e distribuire in modo ottimale l’informazione che si ricavava grazie a tali tecniche.

Il primo tentativo di risolvere questo problema fu effettuato da Margaret Dayhof, che raccolse le sequenze amminoacidiche di 65 proteine e le pubblicò in un atlante. Il problema della conservazione e della fruizione dell’informazione biologica si è reso più critico quando si è avuta una crescita esponenziale dei dati grazie all’avvento delle nuove tecniche. Il progresso tecnologico, però, rappresentato dalla capacità di calcolo assai rapido e dalla grande capacità di memorizzazione dei computer, ha reso possibile la gestione efficiente di queste grandi masse di dati.

Condivisione e riferimenti incrociati

La crescita esponenziale in rete del numero di database e la conseguente possibilità di acquisire una visione onnicomprensiva del dato, ma anche la necessità di diminuire il sovraccarico di informazione disponibile, hanno spinto numerosi centri a integrare e condividere i propri dati attraverso l’utilizzo di riferimenti incrociati (cross-reference). Prerequisito essenziale affinché i dati presenti in un database possano essere effettivamente condivisi attraverso i riferimenti incrociati è l’utilizzo di identificatori unici e stabili (USI) o numeri d’accesso (accession numbers) dei dati stessi.

Cioè, una determinata sequenza nucleotidica, ad esempio, ha un numero di accesso, cliccando sul quale compaiono le informazioni relative a quella sequenza. Quel numero di accesso altro non è che un link che permette di condividere l’informazione relativa, ad esempio, a quella determinata sequenza nucleotidica. Inoltre, affinché i riferimenti incrociati non perdano coerenza, è necessario anche che tale identificatore rimanga costante nel tempo: per esempio, l’utilizzo del nome di una proteina, spesso soggetto a revisioni e modifiche, come identificatore stabile di una sequenza sarebbe quanto mai inappropriato e potrebbe dar vita a un collegamento ipertestuale interrotto (dead link o broken link).

Struttura delle basi di dati

La maniera più semplice, probabilmente, attraverso cui si può pensare di conservare un insieme di dati omogenei, è di stilare una lista, in formato cartaceo o elettronico, all’interno della quale ogni nuovo elemento (entry) e i suoi attributi sono disposti in maniera ordinata su righe. Una struttura siffatta prende il nome di base di dati a testo semplice (o testo piatto o flat file database).

Storicamente le prime basi di dati biologici, contenenti informazioni su sequenze proteiche e nucleotidiche, hanno immagazzinato e organizzato tale informazione come testo semplice, all’interno del quale, oltre ai campi quali il nome comune della proteina o del gene considerato, la sua probabile funzione, l’organismo di origine, eventuali referenze biologiche e infine la sequenza stessa, è presente un numero di accesso. Occorre notare, tuttavia, che sono molte le limitazioni imposte dai flat file: ad esempio, è complicato aggiornare il database; inoltre, questa impostazione è sufficiente nei casi più semplici, ma porta alla frequente ripetizione di alcune informazioni in righe diverse.

Le banche dati relazionali superano questo limite separando le informazioni in tabelle differenti. Gli stessi dati della prima tabella sono organizzati in due tabelle corrispondenti a “persone” e “indirizzi”. Le entry delle due tabelle sono collegate da link tra identificativi numerici (ID) assegnati a ciascuna entry. Questo modello evita la ripetizione dei dati e permette una migliore organizzazione dei dati.

Distribuzione e accesso ai dati

Prima dell’avvento di internet, la distribuzione dell’informazione contenuta in una base di dati avveniva attraverso l’utilizzo di supporti fisici come dischetti, nastri magnetici e compact disk. L’utilizzo di CD e nastri magnetici per la distribuzione di basi di dati fu quasi completamente soppiantato a metà degli anni Novanta dall’avvento del World Wide Web. Il World Wide Web, abbreviato con la sigla WWW o W3, è uno dei principali servizi di internet, che permette di navigare e usufruire di un insieme molto vasto di contenuti.

Questa facile reperibilità di informazioni è resa possibile dai protocolli di rete. In pratica, l’informazione contenuta nei database viene immagazzinata nella memoria di un computer, detto server, con il quale è possibile comunicare grazie a particolari protocolli informatici di rete. Il computer che viene utilizzato per ricavare le informazioni contenute nel server attraverso il web, prende il nome di client. Un protocollo di rete ampiamente utilizzato è l’http (HyperText Transfer Protocol), come si può notare osservando la prima parte della barra dell’indirizzo. I dati che passano tramite http non sono crittati e quindi facilmente intercettabili e leggibili da parte di chiunque.

DBMS (Data Base Management System)

Il DBMS è il software per la creazione e manipolazione di un database e fornisce meccanismi di sicurezza, protezione e controllo dell’integrità dei dati.

Linguaggi di interrogazione dei database

Tutti gli utenti di un DB devono comunicare correttamente con esso, devono cioè essere in grado di descrivere con precisione gli oggetti, vale a dire i dati e le relazioni fra essi, e le operazioni da eseguire sugli oggetti stessi. Si hanno quindi linguaggi appositi, che si distinguono per i rispettivi scopi, e che possiamo classifica...