Reflexión #9: Realidad aumentada

Tendencias tecnología de realidad virtual está recibiendo una gran cantidad de interés por parte de grandes empresas de tecnología en los últimos tiempos como Facebook, Sony, Microsoft … con dos géneros diferentes son la Realidad Virtual – VR y la Realidad Aumentada – AR.

Hoy en día, Wikipedia se convierta en la forma más fácil que podemos utilizar para buscar información. Este libro de la enciclopedia en línea tiene la mayoría de las cosas en la vida, de la comida, los juguetes, los conceptos científicos, etc.. Pero si queremos encontrar información sobre algo que vemos sin conocer su nombre, no podemos buscar por Wikipedia. Por esa razón ha habido alternativas para la búsqueda por palabra clave. Por ejemplo, búsqueda por voz se ha finalizado y se está integrada en tantos teléfonos inteligentes. Sin embargo, entre las nuevas soluciónes que es más notable es quizás la aplicación de la tecnología Realidad Aumentada.

230px-MediatedReality_on_iPhone2009_07_13_21_33_39

Ambos VR y AR son una categoría de HMD Tecnología (Head Mounted Displays) fue desarrollado en los últimos años para aprovechar la potencia de los ordenadores, así como mejoras en la ejecución de los juegos más intuitivo.

Realidad Aumentada es una tecnología que permite obtener información adicional sobre lo que se ve. Por ejemplo, cuando la lente señala hacia un edificio, la pantalla mostrará información adicional, como la altura, año de construcción, arquitectos, materiales, etc. Aunque la aplicación de este tipo puede tener en los ordenadores normales, pero es especialmente útil en los moviles y los equipos inteligentes – como Google Glass.

AAEAAQAAAAAAAASqAAAAJGNmZjcwMDExLTI2YjEtNDg5ZC1iOWRjLWUxZDFlMTViZWM2OQ

Desarrollado a partir de Realidad Virtual, Realidad Aumentada (AR) se entiende como una tecnología que permite a las personas para observar objetos en el mundo real a través de un equipo electrónico. Mientras tanto, más allá de lo que ve el ojo desnudo, equipos electrónicos también nos permite conocer qué otra información relacionada con los objetos siendo observado. VR sustituir completamente a la realidad por una simulación del mundo, AR detalles adicionales única en el mundo real.

Según Ronald Azuma (1997), las características de realidad aumentada son:

  • Combina elementos reales y virtuales.
  • Es interactiva en tiempo real.
  • Está registrada en 3D .

Realidad Aumentada se aplica en muchos campos diferentes, especialmente juegos, publicidad, mantenimiento – reparación de los productos y la medicina. Junto con el desarrollo de los teléfonos inteligentes y las tabletas cada vez más potentes, el género de los juegos de AR ha dado a los jugadores nuevas experiencia.

230px-MediatedReality_on_iPhone2009_07_13_21_33_39Game VitaSoccers (http://arstechnica.com/)

En el campo de la publicidad, además de las aplicaciones de identificación de productos, la aplicación AR apoya venta en línea de los grandes fabricantes también tienen una cierta influencia.

AAEAAQAAAAAAAASqAAAAJGNmZjcwMDExLTI2YjEtNDg5ZC1iOWRjLWUxZDFlMTViZWM2OQ

El campo de la medicina, en las investigaciónes científicas recientes, los informáticos se han combinado para apoyar a los hospitales en los Estados Unidos en la aplicación de la AR en la cirugía menos invasiva, de reconocimiento de imágenes, información adicional continuo para los médicos durante la cirugía. Los resultados experimentales han demostrado la eficacia de este método.

230px-MediatedReality_on_iPhone2009_07_13_21_33_39

Con los avances en la tecnología mundial reciente, Realidad Aumentada ya no es un sueño lejano que poco a poco se está realizando. A pesar de las limitaciones del hardware o los riesgos de seguridad de la red pueden surgir, AR sigue mostrando un enorme potencial de su desarrollo.

Referencias:

Xavier Riba Esteve. “La realidad aumentada” (2013).
Enlace: http://www.il3.ub.edu/blog/la-realidad-aumentada/

QODE. “¿Qué es la Realidad Aumentada?” (2014)
Enlace: http://qode.pro/blog/que-es-la-realidad-aumentada/

Kanzaki Nguyen. “Overview Augmented Reality” (2013).
Enlace: http://www.stdio.vn/articles/read/237/tong-quan-ve-thuc-tai-tang-cuong-augmented-reality

Wikipedia

Reflexión #8: Bases de datos en la nube

Una base de datos en la nube es una base de datos que normalmente se ejecuta en una plataforma de computación en la nube. Hay dos modelos de implementación en común: los usuarios pueden ejecutar bases de datos en la nube de forma independiente, utilizando una imagen de máquina virtual, o pueden comprar el acceso a un servicio de base de datos, gestionada por un proveedor de base de datos en la nube. De las bases de datos disponibles en la nube, algunos son SQL y algunos utilizan un modelo de datos NoSQL.1

La computación en la nube, conocida también como servicios en la nube, informática en la nube, nube de cómputo o nube de conceptos (del inglés cloud computing), es un paradigma que permite ofrecer servicios de computación a través de una red, que usualmente es Internet. En este modelo de computación, todas las posibilidades relacionadas con la tecnología de la información se proporcionan en forma de “servicio”, permitiendo a los usuarios acceder a los servicios de tecnología a partir de cierto proveedor “en nube “sin tener que tienen el conocimiento y la experiencia de que la tecnología, ni se preocupan por la infraestructura que sirve a la tecnología. Por ejemplo, los servicios de Google App Engine ofrecer aplicaciones de negocios en línea, se puede acceder desde un navegador web, mientras que el software y los datos se almacenan en los servidores.

Los enormes recursos informáticos tales como software, aplicaciones y servicios estarán ubicados en los servidores virtuales (Nubes) en Internet en lugar de los ordenadores personales y la oficina para que las personas se conectan y utilizan siempre que lo necesiten. Con los servicios disponibles en Internet, las empresas no tienen que comprar  y mantener cientos o incluso miles de ordenadores, así como software. Sólo tienen que centrarse en el sector empresarial de su propia, porque hay otras personas responsables de la infraestructura y la tecnología de la información para reemplazarlos.

Los proveedores de servicios ofrecer servicios de computación en nube en tres modelos básicos:

  • Software as a Service (SaaS)
  • Platform as a Service (PaaS)
  • Infrastructure as a Service (IaaS)

KN_CloudComputing_002.jpg

KN_CloudComputing_009b

Algunos de los beneficios típicos de la computación en nube:

  • Costo reducido: Hay una serie de razones, dijo que la tecnología de nube con menores costos. El modelo de facturación es pagar como por el uso y  la infraestructura no se adquiere de este modo la reducción de mantenimiento.  Los gastos iniciales y los gastos recurrentes son mucho menores que la computación tradicional.
  • Almacenamiento aumentado: Con gran infraestructura proporcionada por los proveedores de nubes hoy, el almacenamiento y mantenimiento de grandes volúmenes de datos es una realidad.
  • Flexibilidad: Esta es una característica extremadamente importante. La computación en nube tensiones en conseguir aplicaciones al mercado muy rápidamente, mediante el uso de los bloques de construcción más adecuados necesarios para la implementación.

KN_CloudComputing_010

Referencias:

Gisela Torres Buitrago. “¿Qué es el cloud computing?” (2011).
Enlace: http://www.desarrolloweb.com/articulos/que-es-cloud-computing.html

Chander Sharma. “What is Cloud Computing and Benefits of Cloud Computing” (2013).
Enlace: http://www.phpring.com/what-is-cloud-computing-and-benefits-of-cloud-computing/

Wikipedia

Reflexión #7: Bases de datos NoSQL

En los últimos años hemos visto el surgimiento de un nuevo tipo de base de datos, como bases de datos NoSQL, que está desafiando el dominio de la base de datos relacionales. Base de datos relacionales han dominado la industria del software durante mucho tiempo se ha proporcionado mecanismos para almacenamiento de datos persistentes, simultáneamente control, transacciones sobre todo las interfaces estándar y mecanismos para integrar datos de aplicación, la presentación de informes. Sin embargo, hoy en día, con la aparición de grandes aplicaciones online, como Facebook, Twitter o LinkedIn, se plantea problemas de escalabilidad y rendimientos de las bases de datos relacionales con miles de usuarios concurrentes y con millones de consultas diarias, estas ventajas no existe para las bases de datos relacionales.

1015637-nosql-databases

NoSQL (Non-Relational) se entiende a menudo como “Not Only SQL”, es una forma de base de datos proporciona un mecanismo para almacenar y recuperar datos según otros modelos con bases de datos relacionales. NoSQL se evalúa que el enfoque con un diseño sencillo, fácilmente ampliable y fácil de controlar. Hay 5 tipos de bases de datos NoSQL, dependiendo de como almacenan la información: Key-Value, Basada en Documentos, Orientadas a Grafos, Orientadas a Columnas. En NoSQL no existe ACID (Atomicity, Consistency, Isolation, Durability) como en las bases de datos relacionales, pero existe algo llamado BASE (Basic Availability, Soft State, Eventual Consistency) que da características para el manejo de datos. Propiedades de almacenamiento simples, no vinculantes. por lo que el rendimiento de NoSQL es más rápido que RDBMS. NoSQL es especialmente útil cuando una empresa necesita acceder y analizar grandes cantidades de datos no estructurados o datos que se almacenan de forma remota en varios servidores virtuales en la nube.

Las ventajas más significativas de la arquitectura de datos NoSQL son:

  • Escalabilidad: Se pueden escalar con relativa facilidad ante demandas puntuales de sobre carga de datos.
  • Rendimiento: Para obtener un mejor rendimiento en el procesamiento de los datos sólo es necesario añadir más recursos en la plataforma hardware o priorizar cual son los servicios críticos en cada momento.
  • Estructura: Los desarrolladores de aplicaciones que trabajan con bases de datos relacionales muchas veces encuentran problemas con la cartografía de los datos y su impedancia. En las bases de datos NoSQL, esto no es generalmente un problema, ya que los datos no se almacenan en la misma manera.
  • Activación/Desactivación: Debido a la naturaleza distribuida de los datos, los modelos NoSQL responden muy bien ante la activación/desactivación de los servicios en base a las necesidades puntuales de demanda por parte de los usuarios o del mismo sistema.

SQL vs NoSQL:

sqlvsnosql

Referencias:

Ángel Leo-Revilla. “Ventajas de la arquitectura nosql” (2013).
Enlace: https://momentotic.com/2013/03/26/ventajas-de-la-arquitectura-nosql/

Antonio. “¿Qué es NoSQL?” (2011).
Enlace: http://codecriticon.com/que-es-nosql/

Wikipedia

Reflexión #6: Big Data

big-data

Big Data es un término se refiere a un conjunto de datos muy grandes y tan complejo que las herramientas, las aplicaciónes de procesamiento de datos tradicionales no pueden manejar. Sin embargo, en su Big Data contiene una gran cantidad de información valiosa, lo que si se extraen correctamente, ayudará mucho por negocios o de investigación científica, etc. Por lo tanto, estos datos deben ser recogidos, organizado, almacenamiento, búsqueda, compartiendo de una manera diferente de lo normal.

Con referencia al Big Data, las personas a menudo hablan sobre las 5Vs (volumen, veracidad, velocidad, variedad y valor), que son los cinco elementos fundamentales que caracterizan al Big Data.

  • Volumen de datos: es el crecimiento en términos de volumen. Los datos en los sistemas de información siempre y sigue creciendo en términos de tamaño (volumen). Podemos encontrar datos en grandes formatos (video, musica, imagen) en los canales de medios sociales. Volumen de datos de un SI puede ser de hasta terabytes y petabytes.
  • Velocidad: es el crecimiento en términos de velocidad. Además del crecimiento en el volumen. La tecnología Big data ha de ser capaz de almacenar y trabajar en tiempo real con las fuentes generadoras de información como sensores, cámaras de videos, redes sociales, blogs, páginas webs… fuentes que generan millones y millones de datos al segundo, por otro lado la capacidad de análisis de dichos datos han de ser rápidos reduciendo los largos tiempos de procesamiento que presentaban las herramientas tradicionales de análisis.
  • Variedad de datos: Los datos no sólo en la modalidad de acuerdos estructurados, pero también incluyen muchos tipos de datos no estructurados, tales como video, imagen, datos de sensores, así como “file log”
  • Veracidad: Por último el Big Data ha de ser capaz de tratar y analizar inteligentemente este vasto volumen de datos con la finalidad de obtener una información verídica y útil que nos permita mejorar nuestra toma de decisiones.
  • Valor: Trabajar con Big Data tiene que servir para aportar valor a la sociedad, las empresas, los gobiernos, en definitiva, a las personas; todo el proceso tiene que ayudar a impulsar el desarrollo, la innovación y la competitividad, pero también mejorar la calidad de vida de las personas.

BD-5Vs

Big data como el conjunto de herramientas informáticas que nos permite captar, almacenar y gestionar un gran volumen de información variada a una alta tasa de velocidad permitiendo obtener unos datos veraces y útiles para la toma de decisión.

Tipos de datos en Big Data

  • Datos estructurados (Structured Data): Datos que tienen bien definidos su longitud y su formato, como las fechas, los números o las cadenas de caracteres. Se almacenan en tablas. Un ejemplo son las bases de datos relacionales y las hojas de cálculo.
  • Datos no estructurados (Unstructured Data): Datos en el formato tal y como fueron recolectados, carecen de un formato específico. No se pueden almacenar dentro de una tabla ya que no se puede desgranar su información a tipos básicos de datos. Algunos ejemplos son los PDF, documentos multimedia, e-mails o documentos de texto.
  • Datos semiestructurados (Semistructured Data): Datos que no se limitan a campos determinados, pero que contiene marcadores para separar los diferentes elementos. Es una información poco regular como para ser gestionada de una forma estándar. Estos datos poseen sus propios metadatos semiestructurados16 que describen los objetos y las relaciones entre ellos, y pueden acabar siendo aceptados por convención. Un ejemplo es el HTML, el XML o el JSON.

La tecnología tratar con Big data es una combinación de una gran cantidad de tecnologías y técnicas diferentes. Cada una de estas tecnologías o técnicas son técnicamente difíciles, necesitan más tiempo para la investigación y el desarrollo. Algunos nombres de los más conocidos como Hadoop, NoSQL, Cassandra, Business Intelligence, Machine Learning, MapReduce…

Big data contenidos en ella una gran cantidad de información útil que si las empresas y organizaciones sepan cómo explotar es posible convertir esa información en el valor realista, reducir costos, trae muchos beneficios a las organizaciones y las empresas de su propiedad. Big Data es también un campo nuevo, sin embargo, su potencial minero es enorme, el campo será sin duda un crecimiento explosivo en un futuro próximo.

Referencias:

Estefania Guimil. “Las 5 V’s de Big Data” (2015). El nuevo mundo big data. Enlace: Las 5 V’s de Big Data – Big Data

“¿Qué es Big data?” (sin fecha). La web quees. Enlace: Big data – Explicación y definición de big data. 

Wikipedia

Reflexión #5: Sistema de Ayuda a la toma de decisiones

El éxito de cualquier empresa depende de decisiones precisas del administrador. Las decisiónes de la empresa también depende de factores externos como la situación económica, situación del mercado, las estrategias de los competidore, las operaciónes de la empresa, y los cambios en la tecnología .etc.. Por lo tanto, los gerentes deben tener todas las informacións necesarias en lugar de información incompleta o simplemente predicciones. Es por ello que las herramientas de la tecnología de la información (IT), tales como los sistemas de soporte de decisiones (DSS) se desarrolló para ayudar a los gerentes a tomar mejores decisiones.

Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Business Intelligence enfocada al análisis de los datos de una organización. Un DSS es un software que intenta ayudar a las persones que toman las decisiones compilando información útil sobre los datos sin procesar, los documentos, el conocimiento personal, y/o los modelos de negocio para poder identificar y solucionar los problemas y poder tomar mejores decisiones. Algunos ejemplos de lo que los sistemas DDS nos permitan hacer son: análisis de vendas por regiones, planificación de la producción, análisis de costos y análisis de precios y rendibilidad.

El DSS es una de las herramientas más emblemáticas del Business Intelligence ya que, entre otras propiedades, permiten resolver gran parte de las limitaciones de los programas de gestión. Algunas de las características de los sistemas DSS son:

  • Extracción y manipulación de información de una manera flexible.
  • Ayudar y dar soporte a la toma de decisiones.
  • Definir la información que se necesita y como se debe de mostrar para que sea realmente útil para el usuario.
  • Tomar múltiples decisiones al mismo tiempo
  • Incluye varias herramientas, como simulación, modelización, etc.
  • Permite la combinación de información de los sistemas de la empresa con los de otra empresa externa

Es una combinación de los conocimientos y la toma de decisiones (Knowledge –Decision making).

Tres componentes fundamentales de una arquitectura de DSS son:

  1. Base de datos (o base de conocimientos): Data warehouse
  2. El modelo OLAP puede ser ROLAP, MOLAP, HOLAP.
  3. La interfaz de usuario: apoyo de herramientas de consulta, informes, análisis, minería de datos

Data warehouse no es un producto ni grupo de productos. DW ayuda para respuesta a preguntas sobre la mejor manera de tomar decisiones, pero lo que es sólo una parte de todo el proceso del sistema.

data_warehouse_architecture

Arquitectura de Data Warehouse

Un Datawarehouse es una base de datos corporativa que se caracteriza por integrar y depurar información de una o más fuentes distintas, para luego procesarla permitiendo su análisis desde infinidad de pespectivas y con grandes velocidades de respuesta. La creación de un datawarehouse representa en la mayoría de las ocasiones el primer paso, desde el punto de vista técnico, para implantar una solución completa y fiable de Business Intelligence.

Los beneficios que un Data Warehouse puede aportar:

  • Proporciona una herramienta para la toma de decisiones en cualquier área funcional, basándose en información integrada y global del negocio.
  • Facilita la aplicación de técnicas estadísticas de análisis y modelización para encontrar relaciones ocultas entre los datos del almacén; obteniendo un valor añadido para el negocio de dicha información.
  • Proporciona la capacidad de aprender de los datos del pasado y de predecir situaciones futuras en diversos escenarios.
  • Simplifica dentro de la empresa la implantación de sistemas de gestión integral de la relación con el cliente.
  • Supone una optimización tecnológica y económica en entornos de Centro de Información, estadística o de generación de informes con retornos de la inversión espectaculares.

Data Mart es una base de datos departamental, especializada en el almacenamiento de los datos de un área de negocios específica. Es consultado mediante herramientas OLAP que ofrecen una visión multidimensional de la información. Sobre estas bases de datos se pueden construir y DSS. Por otra parte, se conoce como Data Mining al proceso no trivial de análisis de grandes cantidades de datos con el objetivo de extraer información útil, por ejemplo para realizar clasificaciones o predicciones.

OLAP. Si Data Warehouse o Data Mart es el hogar de almacenamiento de datos centralizada para analizar, la tecnología OLAP que permite a las aplicaciones cliente recuperar los datos desde ese de manera eficiente.

A veces, el concepto DW y OLAP se utilizan indistintamente. Sin embargo, se necesita para distinguir la diferencia entre ellos.

Referencias:

Sílvia Ferrer Mos. “¿Qué son los Sistemas de Apoyo a la Toma de Decisiones (DDS)? (2015). Per tutatis. Enlace: ¿Qué son los Sistemas de Apoyo a la Toma de Decisiones (DDS)?

“Datawarehouse” (sin fecha). Sinnexus- la marca comercial de Sinergia e Inteligencia de Negocio S.L. Enlace: Business Intelligence – Datawarehouse

“Data warehouse” (sin fecha). Datawarehouse4u. Enlace: Datawarehouse Architecture

Wikipedia

 

Reflexión #4: Bases de Datos y Web

La Primera Generación de la Web se caracteriza porque las páginas Web son completamente estáticas, es decir, el contenido que presentan es el que es y no permiten al usuario realizar ningún tipo de interacción con las mismas, salvo la manipulación propia del manejo del hipertexto y los hiperenlaces, esto es, saltar de una página web a otra. La segunda Generación de la Web ha creado un punto de inflexion, se corresponde con la Web en la que aparecen las primeras técnicas para permitir la inclusión de contenido dinámico.

La tercera Generación de la Web es “web semántica” permite que la experiencia del usuario con la Web mejore espectacularmente, que trae propósito que la información será manejada por las máquinas. Web Semántica hará que los servicios más inteligentes.

Web Semántica no es una web separada sino una Web extendida. dotada de mayor significado en la que cualquier usuario en Internet podrá encontrar respuestas a sus preguntas de forma más rápida y sencilla gracias a una información mejor definida. Web Semántica está formada por la idea de Tim Berners-Lee creador de la WWW, y otras personas relacionados con el W3C (World Wide Web Consortium). Ello proporciona un entorno compartido y el procesamiento automatizado de datos por un ordenador.

Qué beneficios trae una web semántica?

  • La máquina puede comprender la información en la Web.
  • Buscar información más rápida y más precisa.
  • Los datos de enlace dinámico.
  • Herramientas de automatización.

Según Berners-Lee, la arquitectura de la Web Semántica se podría representar de la siguiente forma:

zzz

Los principales componentes de la Web Semántica son: XML, XML Schema, RDF, RDF Schemay OWL.

XML: le provee a la web semántica una sintaxis elemental para las estructuras de contenidos dentro de documentos.

XML Schema: Es un lenguaje para proporcionar y restringir la estructura y el contenido de los elementos contenidos dentro de documentos XML.

Unicode: Es un estándar cuyo objetivo es proporcionar el medio por el cual un texto en cualquier forma e idioma pueda ser codificado para el uso informático. El mismo nos permite mostrar información en cualquier idioma y con la certeza de que no aparezcan símbolos extraños.

URI: Son cadenas que permiten acceder a cualquier recurso de la Web. En la Web Semántica las URIs son las encargadas de identificar objetos. Todos los objetos pueden ser identificados mediante una URI. Si dos objetos cuentan con la misma URI pueden existir colisiones. El grupo de trabajo del W3C está intentando resolver este problema.

XML+NS+xmlschema: Esta es la capa más técnica de la Web Semántica. En la que se encuentran agrupadas las diferentes tecnologías que posibilitan la comunicación entre las diferentes aplicaciones.

El estándar Extensible Markup Language (XML) ofrece un formato común para el intercambio de documentos,

Namespaces (NS) proporciona el método para cualificar los elementos y atributos de nombres usados en los documentos XML asociándolos con los espacios de nombre identificados por referencias URIs.

XML Schema es un lenguaje que permite describir la estructura y restringir el contenido de los documentos XML.

RDF: es un lenguaje simple que define un modelo de datos para describir a los objetos “recursos” y a sus relaciones, mediante tripletas sujeto-predicado-objeto. Los dos primeros serán URIs y el tercero puede ser URI o un valor literal. Este modelo de RDF se puede representar en sintaxis de XML

RDF Schema: Es un vocabulario RDF para describir propiedades y clases de recursos RDF, con semántica para generalizar-jerarquías de las propiedades y clases.

RDF+rdfschema: Está basada en la capa anterior (XML NL, XML-SCHEMA), define el lenguaje universal con el que podemos expresar diferentes ideas en la Web Semántica.

OWL: Es un mecanismo para desarrollar temas o vocabularios específicos en los que podamos asociar esos recursos.

Algunos de los desafíos de la Web 3.0 que enfrenta incluyen: Volúmenes de datos masivos, Datos poco clara, Inconsistencias, Seguridad..

Referencias:

María Jesús Lamarca Lapuente. “Hacia la web semántica?”(2013). Hipertexto, el nuevo concepto de documento en la cultura de la imagen. Enlace:  Web semántica

German E. Yahuita Quisbert. “Web Semántica y Representación del Conocimiento con Ontologías” (2014). Revista del Postgrado en Informática. Enlace:  Web Semántica y Representación del Conocimiento con Ontologías

Wikipedia

 

Reflexión #3: Base de datos emergentes (BDOO)

Como su propio nombre indica, la característica principal de las bases de datos orientadas a objetos (BDOO) está permitiendo la definición de los objetos que son diferentes de los objetos de base de datos normales. Los objetos en una BDOO, hacen referencia a la capacidad de desarrollar un producto, entonces identificado y nombrado. Los objetos se pueden hacer referencia o llamó más tarde, como una unidad sin tener que entrar en sus complejidades. Esto es muy similar a los objetos usados en la programación orientada a objetos.

Una vida real paralela a objetos es un motor de coche. Se compone de varias partes: el bloque de cilindro principal, el sistema de escape, colector de admisión… Cada uno de éstos es un componente independiente, pero cuando mecanizada y atornillada en un solo objeto, ahora que se denominan en conjunto como un motor. La utilización de una BDOO simplifica la conceptualización ya que la utilización de objetos permite representar de una manera más natural la información que se quiere guardar.

Las BDOO se deben utilizar cuando hay datos complejos y / o hay relaciones de datos complejos. Esto incluye una relación de muchos a muchos objetos. Bases de datos de objetos no debe ser usado cuando habría pocas unir tablas y hay grandes volúmenes de datos transaccionales simples.

Las bases de datos se han convertido en piezas fundamentales de muchos sistemas de información y las bases de datos tradicionales son difíciles de utilizar cuando las aplicaciones que acceden a ellas estén escritas en un lenguaje de programación orientado a objetos. Las BDOO se diseñan para trabajar bien en conjunción con lenguajes de programación orientados a objetos como Java, C#, Visual Basic.NET y C++. Los ODBMS usan exactamente el mismo modelo que estos lenguajes de programación.

Las características principales de las BDOO:

  • Mandatorias: Son aquellas obligatorias
  • Opcionales: No son obligatorias y se ponen para hacer que el sistema sea major
  • Abiertas: Son aquellas en las que el diseñador puede poner de su parte y que están relacionadas con la programación.

Además de diseñarse para trabajar con lenguajes de programación orientado a objetos, las bases de datos orientadas a objetos incluyen los conceptos clave del modelo de objetos, como son las siguientes propiedades:

  • Encapsulación: Propiedad que permite ocultar la información al resto de los objetos, impidiendo así accesos incorrectos o conflictos.
  • Herencia: Propiedad a través de la cual los objetos heredan comportamiento dentro de una jerarquía de clases.
  • Polimorfismo: Propiedad de una operación mediante la cual puede ser aplicada a distintos tipos de objetos.

bdoo

Los ODBMS son una buena elección para aquellos sistemas que necesitan un buen rendimiento en la manipulación de tipos de dato complejos.

Las BDOO tienen las siguientes ventajas y desventajas:

VENTAJAS

  • Mayor capacidad de modelado.
  • Ampliabilidad
  • Lenguaje de consulta más expresivo.
  • Adecuación a las aplicaciones avanzadas de base de datos.
  • Mayores prestaciones.

DESVENTAJAS

  • Carencia de un modelo de datos universal.
  • Carencia de experiencia.
  • Carencia de estándares.
  • Con respecto a los SGBDR y los SGBDOR.
  • La optimización de consultas compromete la encapsulación.
  • El modelo de objetos aun no tiene una teoría matematica coherente que le sirva de base.

Los ejemplos de motores de BDOO incluyen db4o, Smalltalk and Cache…

Referencias:

Toni Medina. “Bases de datos orientadas a objetos” (2013). Enlace: Bases de datos orientadas a objetos

Lucia Coronel, Eulalia Lozano, Miguel Moreno. “Bases de datos orientadas a objetos”. (2009).  Bases de datos orientadas a objetos

Andrés de la Torre. “Bases de datos orientadas a objetos” (2009). Monografias. Enlace: BDOO

Wikipedia