Unit 3 : Database System Architectures 

Centralized Systems
■ Run on a single computer system and do not interact with other 
computer systems.
■ General­purpose computer system: one to a few CPUs and a number 
of device controllers that are connected through a common bus that 
provides access to shared memory.
■ Single­user system (e.g., personal computer or workstation): desk­top 
unit, single user, usually has only one CPU  and one or two hard disks; 
the OS may support only one user.
■ Multi­user system: more disks, more memory, multiple CPUs, and a 
multi­user OS. Serve a large number of users who are connected to 
the system via terminals. 
A Centralized Computer System
 Centralized Systems
■ Coarse – granularity parallelism
● Computer with only few processors, all sharing the main memory.
● Database running on such machines do not partition a single query 
among the processors.
● Run each query on a single processor.
■ Fine – granularity parallelism
● Computer with large number of processors.
● Database running on such machines attempt to parallelize single tasks.
● Partition a single query among the processors.
 Client­Server Systems
■ Server systems satisfy requests generated at m client systems, whose general 
structure is shown below:
 Client­Server Systems (Cont.)
■ Database functionality can be divided into:
● Back­end: manages access structures, query evaluation and 
optimization, concurrency control and recovery.
● Front­end: consists of tools such as forms, report­writers, and 
graphical user interface facilities.
■ The interface between the front­end and the back­end is through SQL or 
through an application program interface.
 Server System Architecture
■ Server systems can be broadly categorized into two kinds:
● Transaction servers, which are widely used in relational 
database systems.
● Data servers, used in object­oriented database systems.
 Transaction Servers
■ Also called query server systems or SQL server systems
● Clients send requests to the server
● Transactions are executed at the server
● Results are shipped back to the client.
■ Open Database Connectivity (ODBC) is a C language application 
program interface standard from Microsoft for connecting to a server, 
sending SQL requests, and receiving results.
■ JDBC standard is similar to ODBC, for Java
 Transaction Server Process Structure

Send user queries 
(transactions) to server.

Monitors other processes, 
and takes recovery actions
 if any of the other 
Receive user queries  processes fail.
(transactions), execute 
them and send results 
back.
Lock manager functionality
like lock grant, lock 
release, and deadlock 
Output log records from  detection.
the log record buffer to 
stable storage.

Output modified buffer 
Blocks back to disk on a
Performs periodic  continuous basis.
Checkpoints.
 Data Servers
■ Used in high­speed LANs, in cases where
● High speed connection between the clients and the server.
● Client machines are comparable in processing power to the server 
machine.
■ Data are shipped to clients where processing is performed, and then 
shipped data back to the server.
■ This architecture requires full back­end functionality at the clients.
■ Used in many object­oriented database systems 
■ Issues:
● Page­Shipping versus Item­Shipping
● Locking
● Data Caching
● Lock Caching
 Data Servers (Cont.)
■ Page­shipping versus item­shipping
● Unit of communication for data may be coarse granularity (page) 
or fine granularity (tuple or item)
● Item shipping ⇒ overhead of message passing is high.
● Page shipping ⇒ prefetching 
 Fetching items even before they are requested is called 
prefetching. 
 All the items in the page are shipped when a process desires 
to access a single item in the page.
 Data Servers (Cont.)
■ Locking
● Locks granted by the server for the data items that it ships to the 
client machines.
● Disadvantage of page shipping :
 Lock on a page implicitly locks all items contained in the page 
even client is not accessing some items in the page.
● Other client machines that require locks on those items may be 
blocked unnecessarily.
● Techniques for lock deescalated have been proposed where the 
server can request its clients to transfer back locks on prefetched 
items.
 Data Servers (Cont.)
■ Data Caching
● Data can be cached at client even in between transactions
● Even if a transaction finds cached data, it must make sure that those 
data are up to date (cache coherency)
■ Lock Caching
● Locks can be retained by client system even in between transactions
● Server calls back locks from clients when it receives conflicting lock 
request.  Client returns lock once no local transaction is using it.
 Parallel Systems
■ Parallel systems improve processing and I/O speeds by using multiple 
CPUs and disks in parallel.
■ Useful for applications that have to query extremely large databases or 
that have to process an extremely large number of transactions per 
second.
■ A coarse­grain parallel machine consists of a small number of 
powerful processors
■ A massively parallel or fine grain parallel machine utilizes 
thousands of smaller processors.
■ Two main measures of performance of database system:
● throughput ­­­ the number of tasks that can be completed in a 
given time interval
● response time ­­­ the amount of time it takes to complete a single 
task from the time it is submitted
 Speedup
■ Running a given task in less time by increasing the degree of 
parallelism is called speedup.
■ Suppose,
● execution time of task on the larger machine is TL
● execution time of same task on the smaller machine is TS
■ A fixed­sized problem executing on a small system is given to a 
system which is N­times larger.
● Measured by:
speedup = small system elapsed time    =  TS
                  large system elapsed time         TL
● Speedup is linear if equation equals N.
● Speedup is sublinear if equation  less than N.
 Speedup

Speedup with increasing resources

 Scaleup
■ Handling larger tasks by increasing degree of parallelism is called 
scaleup.
■ Relates to the ability to process larger tasks in the same amount of 
time by providing more resources. 
■ Increase the size of both the problem and the system
● N­times larger system used to perform N­times larger task
● Measured by:
scaleup = small system small problem elapsed time       =    TS
                   big system big problem elapsed time                  TL
● Scaleup is linear if equation equals 1 (TS=TL).
● Scaleup is sublinear if TL>TS.
 Scaleup

Scaleup with increasing problem size and resources

 Factors Limiting Speedup and Scaleup
Speedup and scaleup are often sublinear due to:
■ Startup costs: Cost of starting up multiple processes may dominate 
computation time, if the degree of parallelism is high.
■ Interference:  Processes accessing shared resources (e.g.,system 
bus, disks, or locks) compete with each other, thus spending time 
waiting on other processes, rather than performing useful work.
■ Skew: By breaking down a single task into a number of parallel steps, 
we reduce the size of the average steps.
● It is often difficult to divide a task into exactly equal­sized parts, 
which decreased the speedup.
Interconnection Architectures
Parallel Database Architectures
 Distributed Systems
■ Data spread over multiple machines (also referred to as sites or 
nodes).
■ Computers in a distributed system communicate with one another 
through various communication media, such as high­speed networks or 
telephone lines.
 Distributed Databases
■ Homogeneous distributed databases
● Same software/schema on all sites, data may be partitioned 
among sites
■ Heterogeneous distributed databases
● Different software/schema on different sites
■ Differentiate between local and global transactions
● A local transaction accesses data in the single site at which the 
transaction was initiated.
● A global transaction either accesses data in a site different from 
the one at which the transaction was initiated or accesses data in 
several different sites.
 Trade­offs in Distributed Systems
■ Sharing data – users at one site able to access the data residing at 
some other sites.
■ Autonomy – each site is able to retain a degree of control over data 
stored locally.
■ Higher system availability through redundancy — data can be 
replicated at remote sites, and system can function even if a site fails.
■ Disadvantage: added complexity required to ensure proper 
coordination among sites.
● Software development cost.
● Greater potential for bugs.
● Increased processing overhead.
 Network Types
■ Local­area networks (LANs) – composed of processors that are 
distributed over small geographical areas, such as a single building or 
a few adjacent buildings. 
■ Wide­area networks (WANs) – composed of processors distributed 
over a large geographical area.
■ WANs with continuous connection (e.g. the Internet) are needed for 
implementing distributed database systems
End of Unit