Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Análisis de la cohesión y el acoplamiento para la descomposición de la base de datos

Esta sección le ayuda a analizar los patrones de acoplamiento y cohesión de su base de datos monolítica para guiar su descomposición. Comprender cómo los componentes de la base de datos interactúan y dependen unos de otros es crucial para identificar los puntos de ruptura naturales, evaluar la complejidad y planificar un enfoque de migración gradual. Este análisis revela las dependencias ocultas, resalta las áreas que son adecuadas para una separación inmediata y le ayuda a priorizar las iniciativas de descomposición y, al mismo tiempo, a minimizar los riesgos de transformación. Al examinar tanto el acoplamiento como la cohesión, puede tomar decisiones informadas sobre la secuencia de separación de los componentes a fin de mantener la estabilidad del sistema durante todo el proceso de transformación.

Acerca de la cohesión y el acoplamiento

El acoplamiento mide el grado de interdependencia entre los componentes de la base de datos. En un sistema bien diseñado, se desea lograr un acoplamiento flexible, en el que los cambios en un componente tengan un impacto mínimo en los demás. La cohesión mide qué tan bien funcionan juntos los elementos de un componente de base de datos para cumplir un propósito único y bien definido. Una alta cohesión indica que los elementos de un componente están estrechamente relacionados y se centran en una función específica. Al descomponer una base de datos monolítica, debe analizar tanto la cohesión dentro de los componentes individuales como el acoplamiento entre ellos. Este análisis le ayuda a tomar decisiones informadas sobre cómo desglosar la base de datos y, al mismo tiempo, mantener la integridad y el rendimiento del sistema.

La siguiente imagen muestra un acoplamiento suelto con una alta cohesión. Los componentes de la base de datos trabajan juntos para realizar una función específica y se minimiza el impacto del cambio en un solo componente. Este es el estado ideal.

La siguiente imagen muestra un alto acoplamiento con baja cohesión. Los componentes de la base de datos están desconectados y es muy probable que los cambios afecten a otros componentes.

Patrones de acoplamiento comunes en bases de datos monolíticas

Existen varios patrones de acoplamiento que se encuentran comúnmente al descomponer una base de datos monolítica en bases de datos específicas para microservicios. Comprender estos patrones es crucial para el éxito de las iniciativas de modernización de bases de datos. En esta sección se describe cada patrón, sus desafíos y las mejores prácticas para reducir el acoplamiento.

Implementación: patrón de acoplamiento

Definición: Los componentes están estrechamente interconectados a nivel de código y esquema. Por ejemplo, la modificación de la estructura de una customer tabla afecta a orderinventory, y a billing los servicios.

Impacto de la modernización: cada microservicio requiere su propio esquema de base de datos y capa de acceso a los datos dedicados.

Desafíos:

Mejores prácticas para reducir el acoplamiento:

Patrón de acoplamiento temporal

Definición: Las operaciones deben ejecutarse en una secuencia específica. Por ejemplo, el procesamiento de pedidos no puede continuar hasta que se hayan completado las actualizaciones de inventario.

Impacto de la modernización: cada microservicio necesita un control de datos autónomo.

Desafíos:

Mejores prácticas para reducir el acoplamiento:

Patrón de acoplamiento de despliegue

Definición: Los componentes del sistema se deben implementar como una sola unidad. Por ejemplo, un cambio menor en la lógica de procesamiento de pagos requiere la redistribución de toda la base de datos.

Impacto de la modernización: despliegues de bases de datos independientes por servicio

Desafíos:

Mejores prácticas para reducir el acoplamiento:

Patrón de acoplamiento de dominios

Definición: Los dominios empresariales comparten estructuras y lógica de bases de datos. Por ejemplo, los inventory dominios customerorder, y comparten tablas y procedimientos almacenados.

Impacto de la modernización: aislamiento de datos de dominios específicos

Desafíos:

Mejores prácticas para reducir el acoplamiento:

Patrones de cohesión comunes en bases de datos monolíticas

Hay varios patrones de cohesión que se encuentran comúnmente al evaluar los componentes de la base de datos para su descomposición. Comprender estos patrones es crucial para identificar los componentes de la base de datos bien estructurados. En esta sección se describe cada patrón, sus características y las mejores prácticas para fortalecer la cohesión.

Patrón de cohesión funcional

Definición: Todos los elementos apoyan y contribuyen directamente a la realización de una función única y bien definida. Por ejemplo, todos los procedimientos y tablas almacenados en un módulo de procesamiento de pagos solo gestionan las operaciones relacionadas con los pagos.

Impacto de la modernización: patrón ideal para el diseño de bases de datos de microservicios

Desafíos:

Mejores prácticas para reforzar la cohesión:

Patrón de cohesión secuencial

Definición: La salida de un elemento se convierte en entrada para otro. Por ejemplo, los resultados de la validación de un pedido se incorporan al procesamiento del pedido.

Impacto de la modernización: requiere un análisis cuidadoso del flujo de trabajo y un mapeo del flujo de datos

Desafíos:

Mejores prácticas para reforzar la cohesión:

Patrón de cohesión comunicacional

Definición: Los elementos funcionan con los mismos datos. Por ejemplo, todas las funciones de gestión del perfil de los clientes funcionan con los datos de los clientes.

Impacto de la modernización: ayuda a identificar los límites de los datos para separar los servicios a fin de reducir el acoplamiento entre los módulos

Desafíos:

Mejores prácticas para reforzar la cohesión:

Patrón de cohesión procedimental

Definición: Los elementos se agrupan porque deben ejecutarse en un orden específico, pero es posible que no estén relacionados funcionalmente. Por ejemplo, en el procesamiento de pedidos, un procedimiento almacenado que gestiona tanto la validación de los pedidos como la notificación al usuario se agrupa simplemente porque se producen de forma secuencial, aunque tienen diferentes propósitos y podrían ser gestionados por servicios independientes.

Impacto de la modernización: requiere una separación cuidadosa de los procedimientos y, al mismo tiempo, mantener el flujo del proceso

Desafíos:

Mejores prácticas para reforzar la cohesión:

Patrón de cohesión temporal

Definición: Los elementos están relacionados por requisitos de tiempo. Por ejemplo, cuando se realiza un pedido, se deben ejecutar varias operaciones al mismo tiempo: la comprobación del inventario, el procesamiento de pagos, la confirmación del pedido y la notificación de envío deben realizarse dentro de un período de tiempo específico para mantener un estado de pedido uniforme.

Impacto en la modernización: podría requerir un manejo especial en los sistemas distribuidos

Desafíos:

Mejores prácticas para reforzar la cohesión:

Patrón de cohesión lógico o coincidente

Definición: Los elementos se clasifican lógicamente para hacer las mismas cosas, aunque tengan relaciones débiles o nulas. Un ejemplo es almacenar los datos de los pedidos de los clientes, los recuentos del inventario del almacén y las plantillas de correo electrónico de marketing en el mismo esquema de base de datos, ya que todos se relacionan con las operaciones de ventas, a pesar de tener diferentes patrones de acceso, administración del ciclo de vida y requisitos de escalado diferentes. Otro ejemplo es combinar el procesamiento de pagos de pedidos y la gestión del catálogo de productos en el mismo componente de base de datos, ya que ambos forman parte del sistema de comercio electrónico, aunque desempeñan funciones empresariales distintas con necesidades operativas diferentes.

Impacto de la modernización: debería refactorizarse o reorganizarse

Desafíos:

Mejores prácticas para reforzar la cohesión:

Implementación de bajo acoplamiento y alta cohesión

Prácticas recomendadas

Las siguientes prácticas recomendadas pueden ayudarle a lograr un bajo nivel de acoplamiento:

Las siguientes prácticas recomendadas pueden ayudarle a lograr una alta cohesión:

Fase 1: mapear las dependencias de los datos

Mapee las relaciones de los datos e identifique los límites naturales. Puede usar herramientas, por ejemplo SchemaSpy, para visualizar la base de datos mostrando las tablas en un diagrama entidad-relación (ER). Esto proporciona un análisis estático de la base de datos e indica algunos de los límites y dependencias claros dentro de la base de datos.

También puede exportar los esquemas de la base de datos a una base de datos de gráficos o a un Jupiter bloc de notas. A continuación, puede aplicar algoritmos de agrupamiento o de componentes interconectados para identificar las dependencias y los límites naturales. Otras AWS Partner herramientas, como las siguientes CAST Imaging, pueden ayudar a comprender las dependencias de la base de datos.

Fase 2: Analice los límites de las transacciones y los patrones de acceso

Analice los patrones de transacciones para mantener las propiedades de atomicidad, coherencia, aislamiento y durabilidad (ACID) y comprenda cómo se accede a los datos y cómo se modifican. Puede utilizar herramientas de análisis y diagnóstico de bases de datos, como Oracle Automatic Workload Repository (AWR)o. PostgreSQL pg_stat_statements Este análisis le ayuda a comprender quién accede a la base de datos y cuáles son los límites de las transacciones. También puede ayudarle a comprender la cohesión y el acoplamiento entre las tablas en tiempo de ejecución. También puede utilizar herramientas de supervisión y creación de perfiles que pueden vincular los perfiles de ejecución de código y base de datos, por ejemplo. Dynatrace AppEngine

Las herramientas de IA, por ejemplo vFunction, pueden ayudarle a identificar los límites de dominio mediante el análisis de los límites funcionales y de dominio de la aplicación. Si bien analiza vFunction principalmente la capa de aplicación, sus conocimientos pueden guiar la descomposición tanto de la aplicación como de la base de datos, lo que permite alinearla con los dominios empresariales.

Fase 3: Identificar tablas independientes

Busque tablas que demuestren dos características clave:

La siguiente matriz de acoplamiento-cohesión puede ayudarle a identificar la dificultad de desacoplar cada tabla. Las tablas que aparecen en el cuadrante superior derecho de esta matriz son candidatas ideales para los esfuerzos iniciales de desacoplamiento porque son las más fáciles de separar. En un diagrama ER, estas tablas tienen pocas relaciones de clave externa u otras dependencias. Una vez desacopladas estas tablas, avance hacia tablas con relaciones más complejas.