B
u
e
n
a
s
p
r
á
c
t
i
c
a
s
p
a
r
a
l
a
o
p
t
i
m
i
z
a
c
i
ó
n
d
e
b
a
s
e
d
e
d
a
t
o
s
r
e
l
a
c
i
o
n
a
l
e
s
u
s
a
n
d
o
M
i
c
r
o
s
o
f
t
S
Q
L
Resumen
.-
El
principal
problema
al
consultar
una
base
de
datos
es
el
tiempo
de
respuesta.
La
investigación
fue
de
tipo
a
p
l
i
c
a
d
a
,
u
t
i
l
i
z
ó
d
o
s
b
a
s
e
s
d
e
d
a
t
o
s
:
c
o
n
t
r
o
l
y
e
x
p
e
r
i
m
e
n
t
a
l
.
S
e
h
a
n
u
t
i
l
i
z
a
d
o
t
r
e
s
c
o
m
p
u
t
a
d
o
r
a
s
p
a
r
a
l
a
e
j
e
c
u
c
i
ó
n
d
e
d
i
e
z
c
o
n
s
u
l
t
a
s
a
l
a
s
d
o
s
b
a
s
e
s
d
e
d
a
t
o
s
,
e
j
e
c
u
t
á
n
d
o
s
e
4
v
e
c
e
s
c
o
n
s
e
c
u
t
i
v
a
s
y
o
b
t
e
n
i
e
n
d
o
u
n
p
r
o
m
e
d
i
o
.
L
o
s
r
e
s
u
l
t
a
d
o
s
encontrados
fueron
que,
de
las
diez
consultas
realizadas,
siete
obtuvieron
mejores
resultados
en
la
BD
experimental
y
t
r
e
s
e
n
l
a
B
D
c
o
n
t
r
o
l
.
S
e
c
o
n
c
l
u
y
e
q
u
e
l
a
s
b
u
e
n
a
s
p
r
á
c
t
i
c
a
s
p
a
r
a
o
p
t
i
m
i
z
a
r
u
n
a
b
a
s
e
d
e
d
a
t
o
s
s
o
n
:
c
r
e
a
r
í
n
d
i
c
e
s
agrupados
en
columnas
usadas
frecuentemente
para
realizar
búsqueda
u
ordenamientos,
crear
índices
no
agrupados
en
columnas
usadas
para
comparaciones
que
no
tengan
índices
agrupados,
utilizar
columnas
calculadas,
operadores
y
listado
de
columnas
adecuadas
en
las
consultas,
sin
embargo,
la
utilización
de
índices
debe
restringirse
porque
afectan
a
las
operaciones
de
inserción,
actualización
y
eliminación.
Palabras
clave
:
base
de
datos
relacionales,
optimización
de
base
de
datos,
SQL,
indexación
Maquen et al.
Buenas prácticas para la optimización de base de datos relacionales usando Microsoft SQ
L
G
i
s
e
l
l
a
L
u
i
s
a
E
l
e
n
a
M
a
q
u
e
n
N
i
ñ
o
h
t
t
p
s
:
/
/
o
r
c
i
d
.
o
r
g
/
0
0
0
0
-
0
0
0
2
-
9
2
2
4
-
5
4
5
6
gluisamn@unprg.edu.pe
U
n
i
v
e
r
s
i
d
a
d
N
a
c
i
o
n
a
l
P
e
d
r
o
R
u
i
z
G
a
l
l
o
L
a
m
b
a
y
e
q
u
e
,
P
e
r
ú
F
r
a
n
k
l
i
n
E
d
i
n
s
o
n
T
e
r
á
n
S
a
n
t
a
C
r
u
z
h
t
t
p
s
:
/
/
o
r
c
i
d
.
o
r
g
/
0
0
0
0
-
0
0
0
2
-
3
1
9
7
-
7
9
7
9
fteran@unprg.edu.pe
U
n
i
v
e
r
s
i
d
a
d
N
a
c
i
o
n
a
l
P
e
d
r
o
R
u
i
z
G
a
l
l
o
L
a
m
b
a
y
e
q
u
e
,
P
e
r
ú
C
o
n
s
u
e
l
o
I
v
o
n
n
e
d
e
l
C
a
s
t
i
l
l
o
C
a
s
t
r
o
h
t
t
p
s
:
/
/
o
r
c
i
d
.
o
r
g
/
0
0
0
0
-
0
0
0
2
-
1
5
1
2
-
0
0
6
X
cdelcastilloc@unprg.edu.pe
Universidad
Nacional
Pedro
Ruiz
Gallo
Lambayeque,
Perú
R
a
f
a
e
l
D
a
m
i
á
n
V
i
l
l
ó
n
P
r
i
e
t
o
h
t
t
p
s
:
/
/
o
r
c
i
d
.
o
r
g
/
0
0
0
0
-
0
0
0
2
-
5
2
4
8
-
4
8
5
8
villonpr@ucvvirtual.edu.pe
Universidad
Cesar
Vallejo
Lambayeque,
Perú.
Abstract.-
The
main
problem
when
querying
a
database
is
the
response
time.
The
research
was
of
an
applied
type,
using
two
databases:
control
and
experimental.
Three
computers
have
been
used
to
execute
ten
queries
to
the
two
databases,
running
4
consecutive
times
and
obtaining
an
average.
The
results
found
were
that,
of
the
ten
consultations
carried
out,
seven
consultations
obtained
better
results
in
the
experimental
DB
and
three
in
the
control
DB.
It
is
concluded
that
the
best
practices
to
optimize
a
database
are:
create
clustered
indexes
on
columns
frequently
used
in
searches
or
to
perform
sorts,
create
non-clustered
indexes
on
primary
or
foreign
keys
that
do
not
have
clustered
indexes,
use
calculated
columns,
operators
and
listing
of
proper
columns
in
queries,
however,
the
use
of
indexes
should
be
restricted
because
they
affect
insert,
update,
and
delete
operations.
Keywords:
relational
database,
database
optimization,
SQL,
indexing
Best
Practices
for
Relational
Database
Optimization
using
Microsoft
SQL
29
R
e
c
i
b
i
d
o
(
2
7
/
0
2
/
2
0
2
2
)
,
A
c
e
p
t
a
d
o
(
0
7
/
0
4
/
2
0
2
2
)
https://doi.org/10.47460/uct.v26i114.588
I
.
I
n
t
r
o
d
u
c
c
i
ó
n
L
a
s
B
a
s
e
s
d
e
D
a
t
o
s
s
e
h
a
n
c
o
n
v
e
r
t
i
d
o
e
n
u
n
e
l
e
m
e
n
t
o
p
r
i
m
o
r
d
i
a
l
e
n
e
l
á
m
b
i
t
o
e
m
p
r
e
s
a
r
i
a
l
,
y
a
q
u
e
a
l
m
a
c
e
n
a
n
l
a
información
relacionada
con
el
proceso
básico
de
la
organización,
y
para
poder
cumplir
correctamente
su
función
se
d
e
b
e
n
a
s
e
g
u
r
a
r
c
i
e
r
t
a
s
c
a
r
a
c
t
e
r
í
s
t
i
c
a
s
c
o
m
o
s
o
n
:
l
a
e
s
c
a
l
a
b
i
l
i
d
a
d
,
s
e
g
u
r
i
d
a
d
d
e
l
a
i
n
f
o
r
m
a
c
i
ó
n
y
t
e
n
e
r
u
n
b
u
e
n
r
e
n
d
i
m
i
e
n
t
o
[
1
]
.
Se
puede
medir
el
rendimiento
de
una
base
de
datos
en
términos
de
tiempo,
haciendo
referencia
al
tiempo
que
toma
a
l
s
e
r
v
i
d
o
r
d
e
b
a
s
e
d
e
d
a
t
o
s
r
e
s
p
o
n
d
e
r
u
n
a
s
o
l
i
c
i
t
u
d
o
r
e
q
u
e
r
i
m
i
e
n
t
o
d
e
i
n
f
o
r
m
a
c
i
ó
n
s
o
l
i
c
i
t
a
d
a
p
o
r
u
n
c
l
i
e
n
t
e
[
2
]
.
E
n
t
a
l
s
e
n
t
i
d
o
,
e
s
c
r
u
c
i
a
l
p
a
r
a
l
a
e
m
p
r
e
s
a
q
u
e
e
l
t
i
e
m
p
o
d
e
r
e
s
p
u
e
s
t
a
a
l
o
s
d
a
t
o
s
q
u
e
s
e
r
e
q
u
i
e
r
e
n
d
e
l
a
b
a
s
e
d
e
d
a
t
o
s
s
e
a
e
l
mínimo
posible
para
que
puedan
atender
solicitudes
en
menor
tiempo
lo
que
se
traduce
en
mayor
cantidad
de
clientes
a
t
e
n
d
i
d
o
s
,
y
q
u
e
t
i
e
n
e
u
n
i
m
p
a
c
t
o
d
i
r
e
c
t
o
e
n
l
a
e
c
o
n
o
m
í
a
d
e
l
a
e
m
p
r
e
s
a
.
El
diseño
de
la
base
de
datos
obedece
esencialmente
a
que
se
debe
asegurar
el
almacenamiento
y
recuperación
de
todos
los
datos
que
la
empresa
requiere
para
la
automatización
eficiente
del
proceso
elegido
[3].
E
x
i
s
t
e
n
c
u
a
t
r
o
o
p
e
r
a
c
i
o
n
e
s
q
u
e
d
e
b
e
r
e
a
l
i
z
a
r
e
l
s
e
r
v
i
d
o
r
d
e
b
a
s
e
d
e
d
a
t
o
s
:
r
e
g
i
s
t
r
o
,
a
c
t
u
a
l
i
z
a
c
i
ó
n
,
e
l
i
m
i
n
a
c
i
ó
n
y
consulta
de
datos;
siendo
la
última
operación
la
más
utilizada
[4].
La
operación
de
consulta
de
datos
es
potencialmente
m
á
s
u
t
i
l
i
z
a
d
a
e
n
a
q
u
e
l
l
o
s
s
i
s
t
e
m
a
s
i
n
f
o
r
m
á
t
i
c
o
s
q
u
e
t
r
a
b
a
j
a
n
c
o
n
d
a
t
o
s
c
o
n
f
i
d
e
n
c
i
a
l
e
s
,
c
o
m
o
s
o
n
s
i
s
t
e
m
a
s
p
a
r
a
e
n
t
i
d
a
d
e
s
f
i
n
a
n
c
i
e
r
a
s
,
s
i
s
t
e
m
a
s
p
a
r
a
e
l
á
r
e
a
d
e
s
a
l
u
d
y
s
i
s
t
e
m
a
s
p
a
r
a
i
d
e
n
t
i
f
i
c
a
c
i
ó
n
d
e
p
e
r
s
o
n
a
s
q
u
e
m
a
n
e
j
a
n
m
i
l
e
s
d
e
transacciones
de
datos
al
día”
[5].
de
consultas
SQL
es
rápido,
pero
cuando
la
base
de
datos
lleva
un
tiempo
funcionando
y
la
cantidad
de
registros
a
l
m
a
c
e
n
a
d
o
s
e
s
b
a
s
t
a
n
t
e
g
r
a
n
d
e
,
l
l
e
g
a
n
d
o
a
t
e
n
e
r
e
n
u
n
a
t
a
b
l
a
h
a
s
t
a
m
i
l
l
o
n
e
s
d
e
r
e
g
i
s
t
r
o
s
,
e
l
t
i
e
m
p
o
d
e
a
c
c
e
s
o
e
s
bastante
lento
lo
que
hace
que
el
sistema
informático
tarde
varios
segundos
en
conseguir
el
dato
requerido.
Las
compañías
tienen
como
requerimiento
esencial
para
los
servidores
de
bases
de
datos
relacionales
la
obtención
de
n
u
e
v
o
s
d
a
t
o
s
e
n
m
i
l
i
s
e
g
u
n
d
o
s
;
r
e
q
u
e
r
i
m
i
e
n
t
o
q
u
e
m
u
c
h
a
s
v
e
c
e
s
n
o
s
e
a
l
c
a
n
z
a
p
o
r
l
i
m
i
t
a
c
i
o
n
e
s
d
e
h
a
r
d
w
a
r
e
o
l
a
escasa
preparación
del
personal
responsable
del
servidor.
Es
en
este
punto,
donde
juega
una
vital
importancia
utilizar
técnicas
de
optimización
de
base
de
datos
que
permitan
agilizar
las
consultas
de
datos.
La
optimización
de
base
de
datos
puede
ser
abordada
de
dos
diferentes
maneras:
basada
en
el
diseño
físico
y
basada
en
parámetros
de
configuración
[5].
La
primera
alude
a
la
forma
en
cómo
se
realiza
el
diseño
de
la
base
de
datos
encontrando
en
la
selección
eficiente
de
índices
un
indicador
de
optimización,
la
segunda
busca
elegir
los
parámetros
de
configuración
apropiados
como
son
la
asignación
de
memoria
y
la
administración
de
procesamiento
[5].
También
es
importante
abordar
la
optimización
de
consultas
que
permitan
ahorrar
costos
de
procesamiento
[6].
De
esta
manera
es
necesario
diseñar
consultas
SQL
que
devuelvan
datos
específicos
y
que
realicen
la
menor
cantidad
de
operaciones
para
que
puedan
tener
un
tiempo
de
respuesta
menor.
Se
debe
tener
en
cuenta
que
las
consultas
escritas
de
forma
deficiente,
degradan
el
rendimiento
de
la
base
de
datos,
por
ello,
actualmente
se
aplican
algoritmos
de
búsqueda
aleatoria
como
el
algoritmo
de
colonia
de
hormigas
y
el
algoritmo
de
enjambre
de
partículas
que
han
permitido
obtener
resultados
favorables
para
ciertos
contextos
específicos
como
es
el
problema
de
la
optimización
de
consultas
de
base
de
datos
para
sistemas
integrados
y
sistema
de
búsquedas
de
palabras
clave
[7]
[8].
El
proyecto
de
investigación
tiene
como
objetivo
determinar
buenas
prácticas
para
la
Optimización
de
Base
de
Datos
utilizando
Microsoft
SQL
Server,
planteándose
como
hipótesis
que,
si
se
ejecutan
estas
buenas
prácticas,
los
tiempos
de
respuestas
de
las
consultas
realizadas
a
la
base
de
datos
serán
menores.
30
Maquen et al.
Buenas prácticas para la optimización de base de datos relacionales usando Microsoft SQ
L
I
I
.
D
e
s
a
r
r
o
l
l
o
Se
han
abordado
técnicas
y
recomendaciones
relacionadas
a
la
creación
de
base
de
datos
y
a
las
sentencias
de
c
o
n
s
u
l
t
a
S
Q
L
q
u
e
p
e
r
m
i
t
i
r
á
n
m
e
j
o
r
a
r
e
l
t
i
e
m
p
o
d
e
r
e
s
p
u
e
s
t
a
d
e
l
a
b
a
s
e
d
e
d
a
t
o
s
.
A
.
B
u
e
n
a
s
p
r
á
c
t
i
c
a
s
p
r
o
p
u
e
s
t
a
s
p
a
r
a
l
a
o
p
t
i
m
i
z
a
c
i
ó
n
d
e
B
a
s
e
d
e
d
a
t
o
s
:
Í
n
d
i
c
e
s
e
n
l
a
c
r
e
a
c
i
ó
n
d
e
t
a
b
l
a
s
Los
índices
asignados
que
se
pueden
crear
en
una
tabla
pueden
ser
de
dos
tipos:
agrupados
(clustered)
y
no
a
g
r
u
p
a
d
o
s
(
n
o
n
c
l
u
s
t
e
r
e
d
)
q
u
e
p
e
r
m
i
t
a
n
r
e
d
u
c
i
r
t
i
e
m
p
o
s
d
e
e
s
p
e
r
a
a
l
m
o
m
e
n
t
o
d
e
r
e
a
l
i
z
a
r
u
n
a
c
o
n
s
u
l
t
a
.
[
9
]
.
S
e
d
e
b
e
t
e
n
e
r
e
n
c
u
e
n
t
a
q
u
e
M
i
c
r
o
s
o
f
t
S
Q
L
S
e
r
v
e
r
p
e
r
m
i
t
e
t
e
n
e
r
s
o
l
o
u
n
í
n
d
i
c
e
a
g
r
u
p
a
d
o
p
o
r
t
a
b
l
a
,
p
o
r
t
a
n
t
o
,
l
o
s
d
e
m
á
s
índices
que
se
creen
deberán
ser
de
tipo
no
agrupados.
Cuando
se
crea
una
clave
primaria
en
una
tabla,
por
defecto
SQL
Server
crea
un
índice
agrupado
[10].
Sin
embargo,
cuando
creamos
claves
foráneas,
por
defecto
SQL
Server
no
crea
ningún
índice.
Si
se
analiza
el
contexto,
las
claves
primarias
no
necesariamente
son
aquellas
que
se
utilizan
en
los
ordenamientos
de
l
a
s
b
ú
s
q
u
e
d
a
s
,
c
o
m
o
p
o
r
e
j
e
m
p
l
o
e
n
e
l
c
a
s
o
d
e
l
a
t
a
b
l
a
C
l
i
e
n
t
e
,
n
o
s
e
b
u
s
c
a
p
o
r
s
u
c
ó
d
i
g
o
s
i
n
o
p
o
r
A
p
e
l
l
i
d
o
s
y
N
o
m
b
r
e
s
,
s
i
e
n
d
o
e
n
e
s
t
o
s
c
a
s
o
s
m
á
s
ú
t
i
l
c
r
e
a
r
u
n
í
n
d
i
c
e
a
g
r
u
p
a
d
o
c
o
m
p
u
e
s
t
o
p
o
r
a
p
e
l
l
i
d
o
s
y
n
o
m
b
r
e
s
.
E
n
r
e
s
u
m
e
n
,
e
l
índice
agrupado
se
debe
de
crear
en
las
columnas
de
aquellas
tablas
que
son
frecuentemente
utilizadas
en
las
consultas
de
búsqueda,
en
ordenamientos
y,
en
último
caso,
utilizadas
en
comparaciones
continuas.
Con
respecto
a
los
índices
no
agrupados,
aunque
también
ayudan
a
disminuir
tiempos
de
respuestas,
son
menos
eficientes,
y
teniendo
en
cuenta
que
una
tabla
solo
puede
tener
un
índice
agrupado,
se
deben
crear
índices
no
a
g
r
u
p
a
d
o
s
e
n
l
a
s
c
o
l
u
m
n
a
s
q
u
e
s
e
u
t
i
l
i
z
a
n
p
a
r
a
r
e
a
l
i
z
a
r
c
o
m
p
a
r
a
c
i
o
n
e
s
,
c
o
m
o
p
o
r
e
j
e
m
p
l
o
e
n
c
l
a
v
e
s
p
r
i
m
a
r
i
a
s
y
c
l
a
v
e
s
foráneas
si
previamente
no
se
les
ha
generado
un
índice
agrupado.
Por
otro
lado,
es
importante
no
abusar
de
la
creación
de
índices
porque
afectan
negativamente
las
operaciones
de
inserción,
actualización
y
eliminación
e
incrementa
el
tamaño
de
base
de
datos
y
por
lo
tanto
de
la
copia
de
seguridad
[11],
sin
embargo,
mejoran
el
tiempo
de
respuesta
de
las
consultas
con
reuniones
y
agilizan
las
comparaciones.
Columnas
calculadas
Las
columnas
calculadas
vienen
a
ser
un
campo
dentro
de
una
tabla
que
guardan
resultados
de
operaciones
matemáticas
(precálculos)
con
otros
campos
[12],
lo
que
beneficia
el
rendimiento
ya
que
evita
realizar
operaciones
para
obtener
dichos
valores.
La
utilización
de
columnas
calculadas
acorta
los
tiempos
de
respuesta
de
las
consultas,
aunque
afecta
negativamente
las
operaciones
de
inserción
y
actualización
de
los
datos
involucrados
debido
al
cálculo
necesario
para
mantener
la
coherencia
de
los
datos.
Operadores
adecuados
y
listado
de
columnas
en
consultas
realizadas
Es
importante
elegir
cuidadosamente
los
operadores
que
se
utilizan
en
las
consultas
porque
dependiendo
de
la
estructura
de
la
base
de
datos
y
en
especial
de
sus
índices
los
tiempos
de
respuesta
pueden
variar
considerablemente.
Es
necesario,
según
sea
el
caso,
elegir
el
operador
adecuado
cuando
existen
operador
que
realizan
funciones
similares
como
es
el
caso
del
operador
EXISTS/NOT
EXISTS
y
el
operador
IN/NOT
IN.
En
las
cláusulas
GROUP
BY
y
ORDER
BY
de
ser
posible
se
debe
utilizar
columnas
y
no
operaciones
para
permitir
al
optimizador
de
consultas
del
servidor
de
base
de
datos
elegir
los
índices
apropiados
en
beneficio
de
un
mejor
rendimiento.
Así
mismo,
evitar
utilizar
el
operador
*
31
Maquen et al.
Buenas prácticas para la optimización de base de datos relacionales usando Microsoft SQ
L
Í
c
u
a
n
d
o
s
e
r
e
a
l
i
z
a
l
a
s
e
n
t
e
n
c
i
a
S
E
L
E
C
T
y
d
e
p
r
e
f
e
r
e
n
c
i
a
l
i
s
t
a
r
c
a
m
p
o
s
e
s
p
e
c
í
f
i
c
o
s
q
u
e
s
e
d
e
s
e
a
n
;
a
u
n
q
u
e
e
s
t
o
p
a
r
e
c
e
s
e
r
a
l
g
o
o
b
v
i
o
e
s
u
n
a
m
a
l
a
p
r
á
c
t
i
c
a
m
u
y
d
i
f
u
n
d
i
d
a
e
n
l
o
s
p
r
o
g
r
a
m
a
d
o
r
e
s
.
B.
Antecedentes
de
la
Investigación
L
a
o
p
t
i
m
i
z
a
c
i
ó
n
d
e
b
a
s
e
s
d
e
d
a
t
o
s
e
s
e
n
l
a
a
c
t
u
a
l
i
d
a
d
u
n
a
n
e
c
e
s
i
d
a
d
i
m
p
e
r
a
t
i
v
a
p
a
r
a
l
a
s
e
m
p
r
e
s
a
s
;
l
a
c
u
a
l
e
s
u
t
i
l
i
z
a
n
diferentes
enfoques
para
obtener
tiempos
mínimos
en
la
ejecución
de
órdenes
SQL.
Aunque
al
inicio
de
las
o
p
e
r
a
c
i
o
n
e
s
e
s
t
a
n
e
c
e
s
i
d
a
d
p
a
s
a
d
e
s
a
p
e
r
c
i
b
i
d
a
e
i
n
c
l
u
s
o
a
b
o
r
d
a
d
a
d
e
f
o
r
m
a
d
e
s
c
u
i
d
a
d
a
p
o
r
l
o
s
r
e
s
p
o
n
s
a
b
l
e
s
d
e
l
d
i
s
e
ñ
o
e
i
m
p
l
e
m
e
n
t
a
c
i
ó
n
d
e
l
a
s
b
a
s
e
s
d
e
d
a
t
o
s
;
c
o
n
e
l
c
o
r
r
e
r
d
e
l
t
i
e
m
p
o
y
c
o
n
e
l
c
r
e
c
i
m
i
e
n
t
o
d
e
l
o
s
d
a
t
o
s
a
l
m
a
c
e
n
a
d
o
s
,
s
e
p
u
e
d
e
c
o
m
p
r
o
b
a
r
u
n
i
n
c
r
e
m
e
n
t
o
p
r
e
o
c
u
p
a
n
t
e
e
n
l
o
s
t
i
e
m
p
o
s
d
e
r
e
s
p
u
e
s
t
a
[
1
3
]
.
Hoy
en
día
a
nivel
de
hardware,
los
servidores
son
muy
avanzados
teniendo
como
prioridad
su
capacidad
de
p
r
o
c
e
s
a
m
i
e
n
t
o
,
e
n
f
a
t
i
z
a
n
d
o
e
n
c
a
d
a
u
n
o
d
e
l
o
s
a
s
p
e
c
t
o
s
r
e
l
a
c
i
o
n
a
d
o
s
:
v
e
l
o
c
i
d
a
d
y
c
a
n
t
i
d
a
d
d
e
p
r
o
c
e
s
a
d
o
r
e
s
,
v
e
l
o
c
i
d
a
d
y
cantidad
de
RAM
así
como
velocidad
de
acceso
a
las
unidades
de
almacenamiento
entre
otros.
Incluso
se
dispone
de
herramientas
como
RAID
de
discos
duros
o
arquitecturas
complejas
para
implementar
servidores
distribuidos
para
o
b
t
e
n
e
r
m
e
j
o
r
r
e
n
d
i
m
i
e
n
t
o
.
D
e
t
a
l
m
a
n
e
r
a
q
u
e
a
l
m
e
j
o
r
a
r
l
a
c
a
p
a
c
i
d
a
d
d
e
p
r
o
c
e
s
a
m
i
e
n
t
o
d
e
l
o
s
s
e
r
v
i
d
o
r
e
s
m
e
j
o
r
a
n
l
o
s
t
i
e
m
p
o
s
d
e
r
e
s
p
u
e
s
t
a
d
e
l
a
s
c
o
n
s
u
l
t
a
s
a
l
a
b
a
s
e
d
e
d
a
t
o
s
.
Hay
un
incremento
de
investigaciones
en
entornos
distribuidos
para
la
optimización
de
base
de
datos.
En
entornos
de
m
ú
l
t
i
p
l
e
s
p
r
o
c
e
s
a
d
o
r
e
s
s
e
a
p
l
i
c
a
n
l
a
o
p
t
i
m
i
z
a
c
i
ó
n
d
e
c
o
n
s
u
l
t
a
s
p
a
r
a
l
e
l
a
s
e
n
e
l
s
e
r
v
i
d
o
r
O
L
A
P
(
a
p
l
i
c
a
c
i
ó
n
d
e
s
o
p
o
r
t
e
d
e
decisiones)
para
encontrar
un
plan
paralelo
que
entregue
el
resultado
de
la
consulta
en
un
tiempo
mínimo
[14].
En
la
optimización
de
consultas
se
están
tendiendo
a
usar
algoritmos
probabilísticos
para
mejorar
la
velocidad
en
la
o
b
t
e
n
c
i
ó
n
d
e
r
e
s
u
l
t
a
d
o
s
.
U
n
a
l
g
o
r
i
t
m
o
u
s
a
d
o
e
s
e
l
S
D
D
-
1
y
j
u
n
t
o
c
o
n
e
l
m
é
t
o
d
o
S
e
m
i
-
J
O
I
N
p
e
r
m
i
t
e
u
n
i
n
c
r
e
m
e
n
t
o
e
n
l
a
v
e
l
o
c
i
d
a
d
d
e
l
a
c
o
n
s
u
l
t
a
d
e
h
a
s
t
a
u
n
3
0
0
%
[
4
]
.
O
t
r
o
a
l
g
o
r
i
t
m
o
u
s
a
d
o
e
s
e
l
a
l
g
o
r
i
t
m
o
d
e
A
s
c
e
n
s
i
ó
n
d
e
c
o
l
i
n
a
q
u
e
j
u
n
t
o
con
una
adecuada
indexación
y
métodos
de
optimización
de
consultas
en
subprocesos
múltiples
se
reduce
el
tiempo
d
e
c
o
n
s
u
l
t
a
e
n
4
5
%
e
n
c
o
m
p
a
r
a
c
i
ó
n
c
o
n
o
t
r
o
s
m
é
t
o
d
o
s
t
r
a
d
i
c
i
o
n
a
l
e
s
[
1
5
]
.
Las
empresas
propietarias
de
los
sistemas
gestores
de
bases
de
datos
relacionales
para
afrontar
la
lentitud
de
sus
operaciones
proporcionan
una
herramienta
dedicada
a
generar
tiempos
de
respuestas
mínimos
llamada
Motor
de
Optimización
de
Consultas.
Este
motor
utiliza
como
insumos
la
metadata
de
las
tablas
(índices,
tipos
de
índices
creados,
columnas
clave
de
los
índices,
archivos
y
ubicación
de
los
mismos)
así
como
de
las
estadísticas
almacenadas
de
cada
una
de
ellas
para
elegir
la
ruta
de
ejecución
más
eficiente,
la
cual
se
denomina
Plan
de
Ejecución
[16].
Las
soluciones
basadas
en
hardware
permiten
aumentar
la
capacidad
de
procesamiento,
pero
involucran
un
alto
coste
en
la
compra
de
equipos
apropiados
y
contratar
personal
altamente
capacitado
en
nuevas
técnicas
de
ejecución
de
consultas
a
la
base
de
datos.
Sin
embargo,
una
solución
con
menor
costo
sería
la
optimización
de
consultas
a
la
base
de
datos.
Los
optimizadores
de
consultas
utilizan
las
características
del
Álgebra
Relacional
para
reordenar
los
operadores
(selección,
proyección,
unión,
reuniones,
entre
otros)
con
el
objetivo
de
disminuir
la
cantidad
de
datos
involucrados
en
la
implementación
de
las
operaciones
solicitadas;
en
especial
la
solicitud
de
datos
(operación
más
utilizada
por
los
sistemas).
Disminuir
la
cantidad
de
datos
es
importante
porque
reduce
los
accesos
a
la
base
de
datos
y
necesita
menor
velocidad
de
trasmisión
de
datos.
32
Maquen et al.
Buenas prácticas para la optimización de base de datos relacionales usando Microsoft SQ
L
E
x
i
s
t
e
e
n
e
l
m
e
r
c
a
d
o
s
o
f
t
w
a
r
e
l
i
c
e
n
c
i
a
d
o
q
u
e
p
e
r
m
i
t
e
o
p
t
i
m
i
z
a
r
b
a
s
e
d
e
d
a
t
o
s
;
c
o
m
o
s
o
n
S
Q
L
D
e
v
e
l
o
p
e
r
q
u
e
“
a
n
a
l
i
z
a
e
l
r
e
n
d
i
m
i
e
n
t
o
d
e
u
n
a
s
e
n
t
e
n
c
i
a
S
Q
L
p
a
r
a
m
o
s
t
r
a
r
u
n
p
l
a
n
d
e
e
j
e
c
u
c
i
ó
n
c
o
n
i
n
f
o
r
m
a
c
i
ó
n
e
s
t
i
m
a
d
a
y
r
e
a
l
”
[
1
7
]
.
T
O
A
D
e
s
o
t
r
a
h
e
r
r
a
m
i
e
n
t
a
q
u
e
s
i
r
v
e
p
a
r
a
a
n
a
l
i
z
a
r
e
l
r
e
n
d
i
m
i
e
n
t
o
d
e
u
n
a
c
o
n
s
u
l
t
a
q
u
e
s
e
b
a
s
e
e
n
e
l
p
l
a
n
d
e
e
j
e
c
u
c
i
ó
n
p
a
r
a
trabajar
parámetros
sin
estimación
que
luego
serán
visualizados
por
el
usuario.
[17].
A
t
r
a
v
é
s
d
e
l
u
s
o
d
e
h
e
r
r
a
m
i
e
n
t
a
s
i
n
f
o
r
m
á
t
i
c
a
s
p
a
r
a
o
p
t
i
m
i
z
a
r
b
a
s
e
d
e
d
a
t
o
s
p
o
d
e
m
o
s
o
b
t
e
n
e
r
u
n
p
l
a
n
d
e
e
j
e
c
u
c
i
ó
n
que
conllevaría
a
una
reducción
en
el
tiempo
de
la
consulta;
sin
embargo,
hace
uso
intensivo
del
CPU
por
lo
que
si
no
s
e
c
u
e
n
t
a
c
o
n
h
a
r
d
w
a
r
e
a
d
e
c
u
a
d
o
p
u
e
d
e
c
o
n
l
l
e
v
a
r
a
u
n
i
n
c
r
e
m
e
n
t
o
d
e
l
t
i
e
m
p
o
t
r
a
n
s
c
u
r
r
i
d
o
;
p
o
r
l
o
q
u
e
e
l
u
s
o
p
e
r
m
a
n
e
n
t
e
d
e
e
s
t
a
s
h
e
r
r
a
m
i
e
n
t
a
s
e
n
s
e
r
v
i
d
o
r
e
s
d
e
p
r
o
d
u
c
c
i
ó
n
n
o
e
s
r
e
c
o
m
e
n
d
a
d
o
.
Otra
opción
para
mejorar
los
tiempos
de
respuesta
es
utilizar
la
técnica
de
optimización
basada
en
costo
consistente
en
utilizar
las
estadísticas
de
los
datos
almacenados
en
las
tablas
o
índices
creados
[18].
Ambos
métodos
pueden
c
o
m
b
i
n
a
r
s
e
p
a
r
a
g
e
n
e
r
a
r
m
e
j
o
r
e
s
r
e
s
u
l
t
a
d
o
s
.
Aunque
los
motores
de
optimización
estén
implementados
con
los
mejores
algoritmos
finalmente
son
dependientes
de
l
a
s
p
e
r
s
o
n
a
s
q
u
e
d
i
s
e
ñ
a
n
l
a
s
b
a
s
e
s
d
e
d
a
t
o
s
y
l
a
s
q
u
e
d
i
s
e
ñ
a
n
l
a
s
c
o
n
s
u
l
t
a
s
.
E
s
i
m
p
o
r
t
a
n
t
e
p
o
r
l
o
t
a
n
t
o
u
t
i
l
i
z
a
r
b
u
e
n
a
s
p
r
á
c
t
i
c
a
s
p
a
r
a
e
l
d
i
s
e
ñ
o
f
í
s
i
c
o
d
e
b
a
s
e
d
e
d
a
t
o
s
,
a
s
í
c
o
m
o
l
a
c
o
r
r
e
c
t
a
u
t
i
l
i
z
a
c
i
ó
n
d
e
l
o
s
o
p
e
r
a
d
o
r
e
s
d
e
u
n
a
c
o
n
s
u
l
t
a
explotando
de
esta
manera
las
características
propias
de
cada
servidor
[19].
I
I
I
.
M
E
T
O
D
O
L
O
G
Í
A
C
o
n
e
l
o
b
j
e
t
i
v
o
d
e
m
o
s
t
r
a
r
l
a
s
m
e
j
o
r
a
s
e
n
e
l
r
e
n
d
i
m
i
e
n
t
o
d
e
l
a
s
o
p
e
r
a
c
i
o
n
e
s
d
e
c
o
n
s
u
l
t
a
s
e
h
a
n
c
r
e
a
d
o
d
o
s
b
a
s
e
s
d
e
datos
de
ventas;
una
que
actuará
como
base
de
datos
experimental
a
quien
se
le
aplicarán
las
técnicas
de
optimización
d
e
b
a
s
e
d
e
d
a
t
o
s
y
o
t
r
a
q
u
e
a
c
t
u
a
r
á
c
o
m
o
b
a
s
e
d
e
d
a
t
o
s
c
o
n
t
r
o
l
.
L
a
d
a
t
a
u
t
i
l
i
z
a
d
a
p
a
r
a
r
e
a
l
i
z
a
r
e
l
l
l
e
n
a
d
o
d
e
l
a
s
b
a
s
e
s
d
e
d
a
t
o
s
e
s
s
i
m
u
l
a
d
a
y
s
e
h
a
g
e
n
e
r
a
d
o
m
e
d
i
a
n
t
e
s
c
r
i
p
t
.
A
m
b
a
s
b
a
s
e
s
d
e
d
a
t
o
s
t
i
e
n
e
n
l
a
m
i
s
m
a
e
s
t
r
u
c
t
u
r
a
,
c
o
n
t
i
e
n
e
n
doce
tablas
que
se
indican
a
continuación:
33
T
a
b
l
a
1
.
T
a
b
l
a
s
d
e
l
a
B
a
s
e
d
e
D
a
t
o
s
d
e
V
e
n
t
a
Nota:
Cantidad
de
filas
(registros)
de
cada
tabla
de
la
base
de
datos
de
Venta,
las
tablas
que
tienen
millones
de
registros
fueron
insertados
por
medio
de
script
Maquen et al.
Buenas prácticas para la optimización de base de datos relacionales usando Microsoft SQ
L
C
o
n
e
l
o
b
j
e
t
i
v
o
d
e
o
b
t
e
n
e
r
d
i
f
e
r
e
n
t
e
s
m
e
d
i
c
i
o
n
e
s
d
e
l
a
s
c
o
n
s
u
l
t
a
s
,
é
s
t
a
s
s
e
e
j
e
c
u
t
a
r
o
n
e
n
c
o
m
p
u
t
a
d
o
r
e
s
c
o
n
d
i
f
e
r
e
n
t
e
s
c
o
n
f
i
g
u
r
a
c
i
o
n
e
s
,
l
a
s
c
u
a
l
e
s
s
e
d
e
t
a
l
l
a
n
a
c
o
n
t
i
n
u
a
c
i
ó
n
:
E
q
u
i
p
o
0
1
,
T
i
p
o
:
L
a
p
t
o
p
,
P
r
o
c
e
s
a
d
o
r
:
C
o
r
e
i
5
6
2
0
0
U
2
.
3
0
G
H
z
,
R
A
M
:
8
G
B
,
D
i
s
c
o
d
u
r
o
:
1
T
B
5
4
0
0
r
p
m
,
S
i
s
t
e
m
a
o
p
e
r
a
t
i
v
o
:
W
i
n
d
o
w
s
1
0
P
r
o
x
6
4
.
Equipo
02,
Tipo:
Laptop,
Procesador:
Core
i5
2.20
GHz,
RAM:
6GB,
Disco
duro:
1TB
5400
rpm,
Sistema
operativo:
W
i
n
d
o
w
s
8
.
1
P
r
o
.
Equipo
03,
Tipo:
Desktop,
Procesador:
Core
i5
2320
3.30
GHz,
RAM:
8GB,
Disco
duro:
1TB
5400
rpm,
Sistema
Operativo:
W
i
n
d
o
w
s
1
0
E
n
t
e
r
p
r
i
s
e
x
6
4
.
En
las
tres
computadoras
se
han
creado
las
dos
bases
de
datos:
base
de
datos
con
valores
de
configuración
por
defecto,
y
la
base
de
datos
optimizada
con
buenas
prácticas.
L
u
e
g
o
s
e
d
i
s
e
ñ
a
r
o
n
1
0
c
o
n
s
u
l
t
a
s
q
u
e
p
e
r
m
i
t
i
e
r
a
n
a
c
c
e
d
e
r
a
l
a
s
t
a
b
l
a
s
q
u
e
t
e
n
í
a
n
m
a
y
o
r
c
a
n
t
i
d
a
d
d
e
r
e
g
i
s
t
r
o
s
,
l
a
s
cuales
se
detallan
a
continuación:
•
L
i
s
t
a
d
o
d
e
l
o
s
c
l
i
e
n
t
e
s
m
o
r
o
s
o
s
•Listado
de
los
modelos
de
productos
más
vendidos
durante
el
año
2016
•Listado
de
los
10
trabajadores
que
más
han
vendido
en
el
último
trimestre
del
año
2016
•Estado
de
cuenta
de
un
cliente
•Listado
de
los
modelos
de
productos
que
no
se
han
vendido
durante
el
año
2017
•Listado
de
ingresos
por
trabajador
en
el
año
2015
•
I
n
d
i
c
a
r
l
o
s
c
l
i
e
n
t
e
s
q
u
e
d
e
b
e
n
p
a
g
a
r
d
e
t
a
l
l
a
n
d
o
e
l
m
o
n
t
o
p
a
r
a
u
n
m
e
s
y
a
ñ
o
d
e
t
e
r
m
i
n
a
d
o
•Listado
de
los
trabajadores
y
el
número
de
documentos
anulados
por
mes
para
el
año
2016.
•Cuáles
son
los
trabajadores
que
no
han
realizado
ventas
en
el
primer
trimestre
del
año
2017.
•Evolución
de
ingresos
por
medio
en
los
años
2011
hasta
el
2016
Estas
consultas
fueron
ejecutadas
con
la
finalidad
de
medir
el
tiempo
de
respuesta
de
la
base
de
datos
por
defecto
(BD
control)
y
base
de
datos
optimizada
(BD
experimental)
y
posteriormente
poder
compararlos.
En
cada
computadora
se
han
ejecutado
estas
diez
consultas
a
cada
base
de
datos:
experimental
y
control,
realizándose
la
ejecución
4
veces
simultáneas
y
obteniendo
un
promedio
de
estas
ejecuciones
simultáneas
por
computadora.
Posteriormente
se
han
promediado
los
resultados
de
las
tres
computadoras,
obteniéndose
un
solo
valor
(promedio)
por
cada
consulta.
IV.
Resultados
Para
poder
corroborar
la
optimización
de
una
base
de
datos,
se
han
aplicado
buenas
prácticas
solo
a
la
Base
de
Datos
optimizada
(experimental),
que
se
detallan
a
continuación:
Índices
en
la
creación
de
tablas
En
la
base
de
datos
optimizada
(base
de
datos
experimental)
se
han
creado
índices
agrupados
en
las
claves
foráneas
de
las
tablas:
Cuota,
CuotaPago,
Pago,
DetalleVenta
y
Modelo.
También
se
ha
creado
índices
agrupados
en
columnas
que
son
frecuentemente
buscadas
pero
que
no
son
claves
foráneas
ni
claves
primarias,
en
las
tablas
de:
Categoría,
Cliente,
Producto,
Trabajador.
En
la
tabla
Categoría
se
ha
34
Maquen et al.
Buenas prácticas para la optimización de base de datos relacionales usando Microsoft SQ
L
c
o
l
o
c
a
d
o
í
n
d
i
c
e
a
g
r
u
p
a
d
o
a
l
a
c
o
l
u
m
n
a
n
o
m
b
r
e
,
e
n
l
a
t
a
b
l
a
C
l
i
e
n
t
e
u
n
í
n
d
i
c
e
c
o
m
p
u
e
s
t
o
p
o
r
a
p
e
l
l
i
d
o
s
y
n
o
m
b
r
e
s
(
e
n
e
s
e
o
r
d
e
n
)
,
e
n
l
a
t
a
b
l
a
P
r
o
d
u
c
t
o
a
l
a
c
o
l
u
m
n
a
n
o
m
b
r
e
y
e
n
l
a
t
a
b
l
a
T
r
a
b
a
j
a
d
o
r
a
l
a
c
o
l
u
m
n
a
c
o
m
p
u
e
s
t
a
p
o
r
a
p
e
l
l
i
d
o
s
y
n
o
m
b
r
e
s
.
P
o
r
ú
l
t
i
m
o
,
s
e
h
a
c
r
e
a
d
o
í
n
d
i
c
e
a
g
r
u
p
a
d
o
a
l
a
c
l
a
v
e
p
r
i
m
a
r
i
a
d
e
l
a
c
o
l
u
m
n
a
c
ó
d
i
g
o
e
n
l
a
t
a
b
l
a
V
e
n
t
a
,
p
o
r
q
u
e
c
u
a
n
d
o
s
e
q
u
i
e
r
e
r
e
a
l
i
z
a
r
u
n
a
b
ú
s
q
u
e
d
a
d
e
u
n
p
a
g
o
o
d
e
l
a
s
c
u
o
t
a
s
d
e
u
n
p
a
g
o
,
e
l
c
r
i
t
e
r
i
o
d
e
b
ú
s
q
u
e
d
a
p
r
i
n
c
i
p
a
l
e
s
e
l
c
ó
d
i
g
o
d
e
venta,
siendo
un
caso
excepcional
que
obedece
a
que
se
debe
declarar
como
índice
agrupado
aquellas
columnas
que
s
e
u
s
e
n
f
r
e
c
u
e
n
t
e
m
e
n
t
e
e
n
l
a
b
ú
s
q
u
e
d
a
y
o
r
d
e
n
a
m
i
e
n
t
o
d
e
d
a
t
o
s
.
Con
respecto,
a
los
índices
no
agrupados,
se
han
asignado
a
las
claves
primarias
de
las
siguientes
tablas:
Categoría,
Cliente,
Cuota,
CuotaPago,
DetalleVenta,
Modelo,
Pago,
Producto,
Trabajador.
Adicionalmente
se
han
creado
más
de
un
í
n
d
i
c
e
n
o
a
g
r
u
p
a
d
o
e
n
u
n
a
m
i
s
m
a
t
a
b
l
a
e
n
:
D
e
t
a
l
l
e
V
e
n
t
a
,
M
o
d
e
l
o
,
P
a
g
o
,
P
r
o
d
u
c
t
o
y
V
e
n
t
a
.
La
tabla
Venta
por
tener
campos
que
se
consultan
frecuentemente,
tiene
una
configuración
diferente
a
las
demás
t
a
b
l
a
s
,
a
s
i
g
n
á
n
d
o
s
e
l
e
í
n
d
i
c
e
a
g
r
u
p
a
d
o
a
l
a
c
l
a
v
e
p
r
i
m
a
r
i
a
(
c
ó
d
i
g
o
)
y
a
s
i
g
n
á
n
d
o
s
e
d
o
s
í
n
d
i
c
e
s
n
o
a
g
r
u
p
a
d
o
s
a
l
a
s
c
l
a
v
e
s
foráneas
(Codigo
de
Cliente
y
Codigo
de
Trabajador).
Columnas
calculadas
S
e
h
a
c
r
e
a
d
o
u
n
a
c
o
l
u
m
n
a
d
e
n
o
m
i
n
a
d
a
T
o
t
a
l
e
n
l
a
t
a
b
l
a
V
e
n
t
a
.
E
s
t
a
c
o
l
u
m
n
a
c
o
n
t
i
e
n
e
e
l
p
a
g
o
t
o
t
a
l
d
e
l
d
o
c
u
m
e
n
t
o
d
e
v
e
n
t
a
;
e
s
d
e
c
i
r
l
a
s
u
m
a
t
o
r
i
a
d
e
l
a
m
u
l
t
i
p
l
i
c
a
c
i
ó
n
d
e
l
p
r
e
c
i
o
d
e
v
e
n
t
a
y
l
a
c
a
n
t
i
d
a
d
v
e
n
d
i
d
a
d
e
c
a
d
a
p
r
o
d
u
c
t
o
.
O
p
e
r
a
d
o
r
e
s
a
d
e
c
u
a
d
o
s
y
l
i
s
t
a
d
o
d
e
c
o
l
u
m
n
a
s
e
n
c
o
n
s
u
l
t
a
s
r
e
a
l
i
z
a
d
a
s
Con
el
objetivo
de
mejorar
el
rendimiento
de
las
consultas
a
la
base
de
datos
se
ha
utilizado
el
operador
EXISTS/NOT
E
X
I
S
T
S
e
n
v
e
z
d
e
l
o
p
e
r
a
d
o
r
I
N
/
N
O
T
I
N
.
E
n
l
a
c
l
á
u
s
u
l
a
O
R
D
E
R
B
Y
s
e
h
a
o
p
t
a
d
o
p
o
r
u
t
i
l
i
z
a
r
c
o
l
u
m
n
a
s
e
n
l
u
g
a
r
d
e
operaciones
(concatenaciones).
Este
cambio
favorece
la
utilización
de
los
índices.
En
la
cláusula
SELECT
se
ha
listado
las
columnas
de
una
determinada
tabla
en
reemplazo
del
operador
*.
Posteriormente
se
han
medido
los
tiempos
de
respuesta
de
la
ejecución
de
cada
una
de
las
diez
consultas
a
la
BD
c
o
n
t
r
o
l
y
a
l
a
B
D
e
x
p
e
r
i
m
e
n
t
a
l
,
c
o
n
f
o
r
m
e
s
e
h
a
d
e
t
a
l
l
a
d
o
e
n
l
a
m
e
t
o
d
o
l
o
g
í
a
.
Para
poder
hacer
las
comparaciones
respectivas
se
ha
creado
una
tabla
donde
se
agrupan
las
consultas
en:
Categoría
1
(Consultas
con
mejores
tiempos
en
BD
Optimizada)
y
Categoría
2
(Consultas
con
mejores
tiempos
en
BD
por
defecto).
35
Tabla
2.
Promedios
de
tiempos
de
ejecución
en
milisegundos
de
las
diez
consultas
agrupados
en
dos
categorías,
en
la
BD
con
configuración
por
defecto
(control)
y
la
BD
optimizada
(experimental)
Nota:
En
la
Categoría
I
se
ubican
las
consultas
que
tuvieron
menor
tiempo
de
respuesta
en
la
base
de
datos
experimental
y
en
la
categoría
II
se
ubican
las
consultas
que
tuvieron
mejor
tiempo
de
respuesta
en
la
base
de
datos
control.
Maquen et al.
Buenas prácticas para la optimización de base de datos relacionales usando Microsoft SQ
L
E
n
l
a
t
a
b
l
a
a
n
t
e
r
i
o
r
s
e
p
u
e
d
e
a
p
r
e
c
i
a
r
q
u
e
e
n
l
a
C
a
t
e
g
o
r
í
a
I
I
,
s
e
h
a
o
b
t
e
n
i
d
o
u
n
a
s
i
t
u
a
c
i
ó
n
d
e
s
f
a
v
o
r
a
b
l
e
p
a
r
a
l
a
i
n
v
e
s
t
i
g
a
c
i
ó
n
y
a
q
u
e
l
a
b
a
s
e
d
e
d
a
t
o
s
c
o
n
c
o
n
f
i
g
u
r
a
c
i
ó
n
p
o
r
d
e
f
e
c
t
o
e
s
l
a
q
u
e
h
a
o
b
t
e
n
i
d
o
m
e
j
o
r
p
r
o
m
e
d
i
o
q
u
e
l
a
versión
optimizada
y
esto
se
debe
a
qué
en
las
consultas
de
la
Categoría
II
(consultas
03,
07
y
08)
se
realiza
p
r
o
c
e
s
a
m
i
e
n
t
o
p
r
e
v
i
o
e
n
l
a
s
c
o
l
u
m
n
a
s
d
e
t
i
p
o
f
e
c
h
a
,
p
o
r
e
j
e
m
p
l
o
,
o
b
t
e
n
e
r
e
l
t
r
i
m
e
s
t
r
e
e
n
u
n
a
ñ
o
e
s
p
e
c
í
f
i
c
o
,
y
l
a
s
c
o
l
u
m
n
a
s
d
e
f
e
c
h
a
s
n
o
c
o
n
t
i
e
n
e
n
n
i
n
g
ú
n
í
n
d
i
c
e
.
Posteriormente,
se
realizó
el
cálculo
de
las
medidas
de
dispersión
(x),
la
desviación
estándar
(s)
y
del
coeficiente
de
v
a
r
i
a
c
i
ó
n
(
C
V
)
d
e
l
a
s
d
o
s
b
a
s
e
s
e
n
c
a
d
a
u
n
a
d
e
l
a
s
c
a
t
e
g
o
r
í
a
s
.
Tabla
3.
Medidas
de
dispersión
de
tiempos
de
ejecución
de
las
diez
consultas
agrupados
en
dos
categorías,
en
la
BD
c
o
n
c
o
n
f
i
g
u
r
a
c
i
ó
n
p
o
r
d
e
f
e
c
t
o
(
c
o
n
t
r
o
l
)
y
l
a
B
D
o
p
t
i
m
i
z
a
d
a
(
e
x
p
e
r
i
m
e
n
t
a
l
)
36
Nota:
Medidas
estadísticas
promedio,
desviación
estándar
y
coeficiente
de
variación
de
los
t
i
e
m
p
o
s
o
b
t
e
n
i
d
o
s
e
n
l
a
b
a
s
e
d
e
d
a
t
o
s
c
o
n
t
r
o
l
y
e
n
l
a
e
x
p
e
r
i
m
e
n
t
a
l
.
El
coeficiente
de
variación
es
menor
en
la
base
de
datos
optimizada
que
en
la
base
de
datos
con
configuración
por
defecto,
en
tal
sentido
podemos
establecer
que
los
tiempos
de
ejecución
en
la
base
de
datos
optimizada
tuvieron
valores
más
homogéneos
que
los
de
la
base
de
datos
con
la
configuración
por
defecto.
Conclusiones
La
creación
de
la
base
de
datos
debe
implicar
no
sólo
la
satisfacción
de
los
requerimientos
funcionales
que
darán
soporte
al
sistema
sino
también
la
utilización
de
buenas
prácticas
que
permitan
afrontar
los
desafíos
de
tiempo
de
respuesta
cuando
la
base
de
datos
crezca
y
llegue
a
tener
millones
de
registros.
Se
llega
a
la
conclusión
que
las
buenas
prácticas
para
optimizar
una
base
de
datos
basados
en
software
se
centran
en:
crear
índices
agrupados
en
columnas
que
se
utilicen
con
mayor
frecuencia
para
realizar
ordenamientos,
búsquedas
o
muchas
comparaciones;
crear
índices
no
agrupados
en
columnas
que
se
utilicen
para
hacer
comparaciones
y
que
no
se
les
haya
asignado
anteriormente
índices
agrupados,
en
tal
sentido;
en
tablas
que
tengan
claves
foráneas
a
las
que
alguna
de
ellas
se
les
ha
asignado
índice
agrupado,
la
clave
primaria
será
asignada
como
índice
no
agrupado;
en
la
tabla
que
tenga
claves
foráneas
pero
que
alguna
otra
columna
haya
sido
asignado
como
índice
agrupado,
tanto
clave
foránea
como
clave
primaria
serán
índices
no
agrupados;
en
las
tablas
que
no
tengan
clave
foránea
la
clave
primaria
será
asignada
como
índice
agrupado;
utilizar
columnas
calculadas
que
tengan
registros
resultantes
de
operaciones
de
otros
campos
y
que
son
frecuentemente
buscados
y
utilizar
operadores
y
listado
de
columnas
adecuadas
en
una
consulta,
todo
ello,
ayuda
a
disminuir
los
tiempos
de
respuestas
de
las
consultas,
sin
embargo,
también
se
debe
hacer
uso
restringido
de
la
creación
de
índices
porque
afectan
a
las
operaciones
de
inserción,
actualización
y
eliminación
en
la
base
de
datos,
ya
que
de
las
10
consultas
ejecutadas
tanto,
en
la
base
de
datos
experimental
optimizada
con
las
buenas
prácticas
antes
mencionadas,
como
en
la
base
de
datos
con
configuración
por
defecto,
se
obtuvo
que
siete
Maquen et al.
Buenas prácticas para la optimización de base de datos relacionales usando Microsoft SQ
L
c
o
n
s
u
l
t
a
s
d
e
m
o
s
t
r
a
r
o
n
r
e
s
u
l
t
a
d
o
s
f
a
v
o
r
a
b
l
e
s
e
n
c
u
a
n
t
o
a
m
e
n
o
r
t
i
e
m
p
o
d
e
r
e
s
p
u
e
s
t
a
y
t
r
e
s
c
o
n
s
u
l
t
a
s
m
o
s
t
r
a
r
o
n
r
e
s
u
l
t
a
d
o
s
d
e
s
f
a
v
o
r
a
b
l
e
s
p
o
r
q
u
e
o
b
t
u
v
i
e
r
o
n
m
a
y
o
r
t
i
e
m
p
o
d
e
r
e
s
p
u
e
s
t
a
,
e
s
t
o
s
e
p
u
e
d
e
a
t
r
i
b
u
i
r
a
q
u
e
l
a
s
c
o
n
s
u
l
t
a
s
q
u
e
o
b
t
u
v
i
e
r
o
n
r
e
s
u
l
t
a
d
o
s
d
e
s
f
a
v
o
r
a
b
l
e
s
r
e
a
l
i
z
a
n
p
r
o
c
e
s
a
m
i
e
n
t
o
p
r
e
v
i
o
e
n
l
a
s
c
o
l
u
m
n
a
s
,
p
o
r
e
j
e
m
p
l
o
u
n
t
r
i
m
e
s
t
r
e
e
n
un
año
específico,
y
las
columnas
de
fechas
no
contienen
ningún
índice.
Por
último,
se
debe
realizar
uso
restringido
en
la
creación
de
índices
tanto
agrupados
como
no
agrupados,
ya
que
afectan
el
rendimiento
de
las
operaciones
de
i
n
s
e
r
c
i
ó
n
,
a
c
t
u
a
l
i
z
a
c
i
ó
n
y
e
l
i
m
i
n
a
c
i
ó
n
d
e
n
t
r
o
d
e
u
n
a
t
a
b
l
a
d
e
l
a
b
a
s
e
d
e
d
a
t
o
s
.
A
g
r
a
d
e
c
i
m
i
e
n
t
o
s
E
l
p
r
e
s
e
n
t
e
p
r
o
y
e
c
t
o
f
u
e
r
e
a
l
i
z
a
d
o
c
o
n
e
l
a
p
o
y
o
d
e
l
B
a
c
h
.
W
a
l
t
e
r
V
e
n
t
u
r
a
C
h
o
z
o
,
R
e
s
p
o
n
s
a
b
l
e
d
e
l
L
a
b
o
r
a
t
o
r
i
o
d
e
Cómputo
de
la
Escuela
Profesional
de
Ingeniería
en
Computación
e
Informática;
quién
nos
facilitó
el
acceso
a
los
laboratorios
para
ejecutar
las
pruebas
diseñadas
a
las
bases
de
datos
utilizadas.
Limitaciones
S
e
h
a
r
e
a
l
i
z
a
d
o
l
a
e
j
e
c
u
c
i
ó
n
d
e
c
o
n
s
u
l
t
a
s
e
n
t
r
e
s
c
o
m
p
u
t
a
d
o
r
a
s
c
o
n
d
i
f
e
r
e
n
t
e
s
c
a
r
a
c
t
e
r
í
s
t
i
c
a
s
l
o
c
u
a
l
p
u
e
d
e
s
e
s
g
a
r
e
l
r
e
s
u
l
t
a
d
o
f
i
n
a
l
,
a
t
e
n
u
a
n
d
o
e
s
t
e
s
e
s
g
o
c
o
n
l
a
e
j
e
c
u
c
i
ó
n
c
o
n
s
e
c
u
t
i
v
a
d
e
h
a
s
t
a
e
n
0
4
(
c
u
a
t
r
o
)
o
p
o
r
t
u
n
i
d
a
d
e
s
,
o
b
t
e
n
i
e
n
d
o
un
promedio
de
los
tiempos
de
respuesta
por
cada
consulta.
R
e
f
e
r
e
n
c
i
a
s
[
1
]
C
.
M
.
R
i
c
a
r
d
o
,
B
a
s
e
s
d
e
d
a
t
o
s
,
S
e
g
u
n
d
a
e
d
.
,
M
e
x
i
c
o
:
M
c
G
r
a
w
-
H
i
l
l
,
2
0
0
9
.
[2]
R.
Elmasri
y
S.
B.
Navathe,
Sistemas
de
Bases
de
Datos:
Conceptos
Fundamentales,
Segunda
ed.,
España:
Addison-
W
e
s
l
e
y
I
b
e
r
o
a
m
e
r
i
c
a
n
a
,
1
9
9
7
.
[
3
]
M
i
c
r
o
s
o
f
t
,
"
S
Q
L
S
e
r
v
e
r
D
a
t
a
b
a
s
e
E
n
g
i
n
e
,
"
2
0
1
2
.
[
O
n
l
i
n
e
]
.
A
v
a
i
l
a
b
l
e
:
h
t
t
p
s
:
/
/
m
s
d
n
.
m
i
c
r
o
s
o
f
t
.
c
o
m
/
e
s
-
es/library/ms187875(v=sql.110).aspx.
[Accessed
Agosto
2015].
[
4
]
A
.
Z
u
l
f
i
k
a
r
,
H
.
S
p
i
t
s
W
a
r
n
a
s
,
F
.
G
a
o
l
,
E
.
A
b
d
u
r
a
c
h
m
a
n
y
B
.
S
o
e
w
i
t
o
,
«
L
a
o
p
t
i
m
i
z
a
c
i
ó
n
d
e
c
o
n
s
u
l
t
a
s
p
a
r
a
b
a
s
e
s
d
e
d
a
t
o
s
distribuidas
utiliza
un
enfoque
basado
en
semiuniones
(SBA)
con
el
algoritmo
SDD-1,»
Conferencia
internacional
sobre
información
de
2019
and
Communications
Technology
(ICOIACT),
pp.
619-623,
2019.
[5]
A.
Samson
y
A.
Aponso,
«An
Analysis
on
Automatic
Performance
Optimization
in
Database
Management
Systems,»
2020
World
Conference
on
Computing
and
Communication
Technologies
(WCCCT),
pp.
6-9,
2020.
[6]
J.
Murlewski,
T.
Kowalski,
R.
Adamus,
B.
Sakowicz
y
A.
Napieralski,
«Optimización
de
consultas
en
bases
de
datos
de
cuadrícula,»
14th
International
Conference
on
Mixed
Design
of
Integrated
Circuits
and
Systems,
pp.
707-710,
2007.
[7]
J.
Xu,
«Análisis
de
optimización
dinámica
de
los
resultados
de
consultas
de
palabras
clave
en
bases
de
datos
relacionales
basadas
en
el
algoritmo
de
optimización
de
colonias
de
hormigas,»
Conferencia
internacional
sobre
tecnología
informática,
electrónica
y
comunicación
(ICCTEC),
pp.
721-724,
2017.
[8]
X.
Mingyao
y
l.
Xiongfei,
«Algoritmo
de
optimización
de
consultas
de
bases
de
datos
integradas
basado
en
optimización
de
enjambre
de
partículas,»
Séptima
Conferencia
internacional
sobre
tecnología
de
medición
y
automatización
mecatrónica,
pp.
429-432,
2015.
[9]
J.
L.
Jorden
y
D.
Weyn,
MCTS
Microsoft
SQL
Server
2005
Implementation
and
Maintenance
Study
Guide,
EEUU:
Wiley
Publishing,
2006.
[10]
P.
De
Betta,
Introducing
SQL
Server
2008,
EEUU:
Microsoft
Press,
2008.
[11]
R.
Mistry
y
S.
Misner,
Introducing
Microsoft
SQL
Server
2012,
EEUU:
Microsoft
Press,
2012.
[12]
O.
Thomas
y
I.
McLean,
Training
Kit
Optimización
y
Mantenimiento
de
una
Solución
de
Administración
de
Base
de
Datos
Microsoft
SQL
Server
2005,
Madrid:
Anaya
Multimedia,
2006.
[13]
M.
G.
Varas
Beltrán,
«Creación
de
un
modelo
de
optimización
para
los
Query
utilizando
la
sentencia
SELECT
de
SQL,»
Quevedo,
2014.
[14]
S.
Deepak,
S.
Kumar,
M.
Durgesh
y
PBK,
«Procesamiento
de
consultas
y
optimización
del
sistema
de
bases
de
datos
paralelas
en
entornos
de
múltiples
procesadores,»
Sexto
Simposio
de
Modelado
de
Asia
de
2012,
pp.
191-194,
2012.
37
Maquen et al.
Buenas prácticas para la optimización de base de datos relacionales usando Microsoft SQ
L
[
1
5
]
X
.
S
u
n
,
B
.
J
i
a
n
g
y
X
.
H
e
,
«
O
p
t
i
m
i
z
a
c
i
ó
n
d
e
c
o
n
s
u
l
t
a
d
e
b
a
s
e
d
e
d
a
t
o
s
b
a
s
a
d
a
e
n
g
e
n
e
r
a
c
i
ó
n
d
e
e
n
e
r
g
í
a
f
o
t
o
v
o
l
t
a
i
c
a
d
i
s
t
r
i
b
u
i
d
a
,
»
2
n
d
I
E
E
E
A
d
v
a
n
c
e
d
I
n
f
o
r
m
a
t
i
o
n
M
a
n
a
g
e
m
e
n
t
,
C
o
m
m
u
n
i
c
a
t
i
o
n
s
,
E
l
e
c
t
r
o
n
i
c
a
n
d
A
u
t
o
m
a
t
i
o
n
C
o
n
t
r
o
l
C
o
n
f
e
r
e
n
c
e
(
I
M
C
E
C
)
,
p
p
.
2
3
8
2
-
2
3
8
6
,
2
0
1
8
.
[16]
J.
Ruiz
Rangel,
«Procesamiento
y
optimización
de
consultas,»
Journal
of
Engineering
and
Technology,
vol.
3,
nº
2,
pp.
36-43,
2014.
[
1
7
]
R
.
G
a
r
c
í
a
F
r
u
t
o
s
,
«
O
p
t
i
m
i
z
a
c
i
ó
n
d
e
c
o
n
s
u
l
t
a
s
e
n
b
a
s
e
s
d
e
d
a
t
o
s
r
e
l
a
c
i
o
n
a
l
e
s
,
»
M
a
d
r
i
d
,
2
0
1
6
.
[18]
E.
Ramas
Ferrández,
«Optimización
de
consultas
a
bases
de
datos
relacionales,»
Zaragoza,
2017.
[
1
9
]
P
.
Q
u
i
ñ
o
n
e
z
V
i
l
l
a
,
«
I
m
p
l
e
m
e
n
t
a
c
i
o
n
d
e
u
n
a
b
a
s
e
d
e
d
a
t
o
s
S
Q
L
S
e
r
v
e
r
,
»
2
0
1
3
.
[
E
n
l
í
n
e
a
]
.
A
v
a
i
l
a
b
l
e
:
h
t
t
p
:
/
/
e
s
.
s
l
i
d
e
s
h
a
r
e
.
n
e
t
/
p
a
u
l
q
u
i
n
o
n
e
z
3
/
i
m
p
l
e
m
e
n
t
a
c
i
o
n
-
d
e
-
u
n
a
-
b
a
s
e
-
d
e
-
d
a
t
o
s
.
[
Ú
l
t
i
m
o
a
c
c
e
s
o
:
A
g
o
s
t
o
2
0
1
6
]
.
38
L
o
s
A
u
t
o
r
e
s
G
i
s
e
l
l
a
L
u
i
s
a
E
l
e
n
a
M
a
q
u
e
n
N
i
ñ
o
D
o
c
t
o
r
a
e
n
C
i
e
n
c
i
a
s
d
e
l
a
E
d
u
c
a
c
i
ó
n
c
o
n
m
e
n
c
i
ó
n
e
n
A
d
m
i
n
i
s
t
r
a
c
i
ó
n
d
e
l
a
E
d
u
c
a
c
i
ó
n
.
E
s
t
u
d
i
o
s
d
e
d
o
c
t
o
r
a
d
o
e
n
C
i
e
n
c
i
a
s
d
e
l
a
C
o
m
p
u
t
a
c
i
ó
n
y
S
i
s
t
e
m
a
s
,
U
n
i
v
e
r
s
i
d
a
d
S
e
ñ
o
r
d
e
Sipán.
Ingeniero
en
Computación
e
Informática,
Universidad
Pedro
Ruiz
Gallo.
Filiación:
Universidad
Pedro
Ruiz
Gallo
–
Perú.
E-mail:
gmaquenn@unprg.du.pe,
ORCID:
https://orcid.org/0000-0002-9224-5456
.
F
r
a
n
k
l
i
n
E
d
i
n
s
o
n
T
e
r
á
n
S
a
n
t
a
C
r
u
z
M
a
e
s
t
r
o
e
n
I
n
g
e
n
i
e
r
í
a
d
e
S
i
s
t
e
m
a
s
c
o
n
m
e
n
c
i
ó
n
e
n
G
e
r
e
n
c
i
a
d
e
t
e
c
n
o
l
o
g
í
a
s
d
e
l
a
i
n
f
o
r
m
a
c
i
ó
n
y
g
e
s
t
i
ó
n
d
e
l
s
o
f
t
w
a
r
e
.
I
n
g
e
n
i
e
r
o
e
n
C
o
m
p
u
t
a
c
i
ó
n
e
I
n
f
o
r
m
á
t
i
c
a
,
U
n
i
v
e
r
s
i
d
a
d
N
a
c
i
o
n
a
l
P
e
d
r
o
R
u
i
z
G
a
l
l
o
d
e
L
a
m
b
a
y
e
q
u
e
–
P
e
r
ú
.
F
i
l
i
a
c
i
ó
n
:
U
n
i
v
e
r
s
i
d
a
d
Nacional
Pedro
Ruiz
Gallo
de
Lambayeque
–
Perú.
E-mail:
fteran@unprg.edu.pe
,
ORCID:
https://orcid.org/0000-0002-3197-7979.
Consuelo
Ivonne
Del
Castillo
Castro
Doctora
en
Educación,
Magister
en
Ingeniería
de
Sistemas
con
mención
en
Gerencia
de
Tecnologías
de
la
Información,
Ingeniera
en
Computación
e
Informática.
Microsoft
Certified
Professional.
Docente
adscrito
al
Departamento
Académico
de
Computación
y
Electrónica
de
la
Universidad
Nacional
Pedro
Ruiz
Gallo
de
Lambayeque
-
Perú..
E-mail:
cdelcastilloc@unprg.edu.pe,
ORCID:
https://orcid.org/0000-0002-1512-006X
Rafael
Damián
Villón
Prieto
Ingeniero
de
Sistemas,
Licenciada
en
Educación
Secundaria:
Matemática,
Computación
E
Informática,
Maestro
en
Gestión
Pública,
Doctor
en
Gestión
Pública
y
Gobernabilidad.
Docente
contratado
en
la
Universidad
Cesar
Vallejo
SAC
en
la
escuela
de
Posgrado
de
Lambayeque
–
Perú.
E-mail:
villonpr@ucvvirtual.edu.pe,
ORCID:
https://orcid.org/0000-
0002-5248-4858
Maquen et al.
Buenas prácticas para la optimización de base de datos relacionales usando Microsoft SQ
L