Dispensa - Programmazione e basi di dati - Assistente informatico INPS

La programmazione consiste nel tradurre un algoritmo, cioe' una sequenza logica di operazioni, in un linguaggio comprensibile al calcolatore. I linguaggi di programmazione si distinguono in due macro-famiglie: linguaggi compilati, in cui il codice sorgente viene trasformato da un compilatore in un file eseguibile prima dell'esecuzione, e linguaggi interpretati, dove un interprete legge e esegue direttamente le istruzioni. Tra i compilati troviamo C, Pascal o Java (che, pur essendo compilato in bytecode, necessita di una JVM per l'esecuzione), mentre Python, Visual Basic e JavaScript rientrano nella categoria degli interpretati. La scelta del tipo di linguaggio influisce sul ciclo di sviluppo: i compilati offrono generalmente prestazioni migliori ma richiedono una fase di build, gli interpretati consentono una rapida sperimentazione e debugging.

Qualunque linguaggio prevede tre concetti fondamentali per la gestione dei dati: costanti, variabili e tipi di dato. Una costante e' un valore che non varia durante l'intera esecuzione del programma; in Python si dichiara semplicemente assegnandolo a un nome convenzionalmente scritto in maiuscolo (es. PI = 3.14), in Java si usa la parola chiave final (es. final int MAX = 100), mentre in Visual Basic si utilizza Const. Il concetto di costante risponde direttamente a una delle domande d'esame: "identificazione ... valore che non cambia mai" e' una costante.

Le variabili, al contrario, rappresentano contenitori il cui contenuto puo' cambiare nel tempo. Prima di usarle, occorre dichiararne il nome e il tipo (int, float, string, boolean, ecc.). Il tipo di dato definisce l'insieme di valori ammissibili e le operazioni consentite. In Python il tipo e' determinato dinamicamente al momento dell'assegnazione (es. x = 10, x = "test"), mentre in Java e Visual Basic il tipo deve essere specificato esplicitamente (es. int contatore; Dim nome As String). La distinzione tra tipologie di linguaggi (staticamente tipati vs dinamicamente tipati) influisce sulla capacita' del compilatore o dell'interprete di rilevare errori di tipo prima dell'esecuzione.

Le strutture di controllo costituiscono il "cervello" del programma, permettendo di dirigere il flusso di esecuzione in base a condizioni o di ripetere blocchi di istruzioni. Le principali categorie sono:

• Strutture di selezione: consentono di scegliere tra percorsi alternativi. In tutti i linguaggi principali la forma base e' l'istruzione if (es. if (condizione) { ... } else { ... }). Python utilizza la sintassi if condizione: con rientro, Java e Visual Basic usano parentesi graffe o la parola chiave ElseIf. La presenza di elif in Python permette di gestire piu' condizioni senza annidare piu' if.
• Strutture di iterazione: permettono di ripetere un blocco finche' una condizione resta vera o per un numero prefissato di volte. Le forme piu' comuni sono while (es. while (contatore < 10) { ... }) e for. In Python for elemento in sequenza: itera su collezioni, mentre in Java for (int i=0; i<10; i++) e in Visual Basic For i = 1 To 10. L'uso corretto di break (interruzione anticipata) e continue (salta all'iterazione successiva) e' fondamentale per evitare loop infiniti, un errore frequente nei quiz.
• Strutture di salto: includono return per uscire da una funzione, goto (presente solo in alcuni linguaggi come C) e le eccezioni. In Python le eccezioni si generano con raise Exception("messaggio"), in Java con throw new Exception("messaggio") e in Visual Basic con Err.Raise. La capacita' di gestire le eccezioni e' testata spesso: "In Python, come si genera un'eccezione?" e' rispondibile con raise.

Un aspetto cruciale per la scrittura di codice corretto e leggibile e' la distinzione tra identificatori (nomi di costanti, variabili, funzioni, classi) e parole chiave. Le parole chiave sono riservate dal linguaggio e non possono essere usate come identificatori; ad esempio, class e' la parola chiave per definire una classe in Python, mentre class in Java e Visual Basic e' riservata per lo stesso scopo. Conoscere l'elenco delle parole chiave di ciascun linguaggio evita errori di sintassi, tipici nei quesiti a risposta multipla.

Le strutture di controllo sono strettamente legate al concetto di blocco, cioe' un insieme di istruzioni racchiuse da delimitatori (graffe in Java e Visual Basic, rientro in Python). Il blocco definisce l'ambito (scope) delle variabili: una variabile dichiarata all'interno di un blocco non e' visibile al di fuori di esso. Questo principio e' alla base della gestione della memoria e della prevenzione di conflitti di nome, argomento spesso richiesto nei test di programmazione.

Un altro elemento fondamentale e' la logica booleana. Le condizioni di controllo si basano su espressioni che restituiscono vero (true) o falso (false). Operatori logici (and, or, not in Python; &&, ||, ! in Java e Visual Basic) permettono di combinare piu' predicati. La corretta valutazione delle espressioni booleane e' alla base di strutture di selezione e iterazione; errori di precedenza operatoria sono una trappola frequente nei quiz.

Infine, la programmazione prevede la documentazione del codice mediante commenti. In Python il commento in linea si scrive con #, in Java e Visual Basic con // per commenti brevi o /* ... */ per blocchi piu' lunghi. I commenti non influiscono sull'esecuzione ma migliorano la manutenibilita' del software, un requisito ricercato nelle prove pratiche.

Riassumendo, per affrontare con sicurezza le domande dei quiz occorre: conoscere la differenza tra linguaggi compilati e interpretati, saper distinguere costanti da variabili, riconoscere le parole chiave (ad es. class in Python), comprendere le tre famiglie di strutture di controllo (selezione, iterazione, salto) e saper gestire scope e operatori logici. Con queste basi il candidato e' in grado di rispondere correttamente a quesiti quali "Quale parola chiave viene usata per definire una classe in Python?" o "Nella programmazione informatica di che tipo e' l'identificazione ... valore che non cambia mai?" e di affrontare problemi pratici di scrittura di codice senza incorrere in errori di sintassi o di logica.

Il capitolo si propone di fornire una visione operativa dei tre linguaggi piu' diffusi nelle prove di concorso e di introdurre i concetti fondamentali della programmazione orientata agli oggetti (OOP). L'obiettivo e' che lo studente, leggendo questo testo, sia in grado di rispondere direttamente alle domande tipiche dei quiz, senza dover ricorrere a ulteriori manuali.

Python e' un linguaggio interpretato, dinamico e fortemente tipizzato. La sua sintassi e' pensata per la leggibilita' e per ridurre al minimo la verbosita' del codice. Per definire una classe si utilizza la parola chiave class, seguita dal nome della classe e da due punti. All'interno del blocco di classe si dichiarano attributi (variabili di classe) e metodi (funzioni). Un metodo che rappresenta il costruttore si chiama __init__ e riceve sempre il parametro self, che e' il riferimento all'istanza corrente. Per generare un'eccezione si usa la parola chiave raise, ad esempio raise Exception("Messaggio"). La funzione built-in dir(obj) restituisce una lista ordinata di tutti gli attributi e i metodi disponibili per l'oggetto obj, mentre id(obj) fornisce l'identificatore unico dell'oggetto in memoria. Python gestisce la memoria con un garbage collector automatico, percio' lo studente non deve preoccuparsi di liberare esplicitamente le risorse.

Java, al contrario, e' un linguaggio compilato in bytecode e poi eseguito da una Java Virtual Machine (JVM). La dichiarazione di una classe avviene con la parola chiave class seguita dal nome della classe e da parentesi graffe. Tutti i metodi devono essere dichiarati all'interno della classe e, per default, hanno visibilita' di package; per renderli accessibili all'esterno si usa il modificatore public. La classe radice della gerarchia e' Object, da cui derivano tutte le altre classi. Per creare un'eccezione si utilizza throw new Exception("Messaggio") oppure si dichiara throws nella firma del metodo. Java prevede un sistema di gestione delle eccezioni basato su try/catch/finally. La JVM fornisce un garbage collector simile a quello di Python, ma il programmatore ha la possibilita' di controllare il ciclo di vita degli oggetti tramite la definizione di metodi finalize() (deprecato nelle versioni recenti).

Visual Basic (VB) e' un linguaggio di tipo event-driven, strettamente integrato con l'ambiente di sviluppo di Microsoft. La sintassi prevede l'uso di parole chiave come Sub per le procedure, Function per le funzioni che restituiscono un valore, e Class per la definizione di classi. Gli eventi sono gestiti mediante procedure con nome NomeControllo_Evento; ad esempio, quando l'evento KeyDown si scatena, il parametro KeyCode contiene il codice del tasto premuto. Per provocare un errore di run-time si utilizza l'oggetto Err con il metodo Raise, ad esempio Err.Raise 6, , "Overflow". VB supporta la programmazione orientata agli oggetti a partire da VB.NET, ma anche nella versione classica e' possibile definire classi con attributi privati (Private) e metodi pubblici (Public).

Passiamo ora ai concetti di OOP, che costituiscono il filo conduttore tra i tre linguaggi. L'orientamento agli oggetti si basa su quattro pilastri fondamentali:

• Incapsulamento: raggruppare dati e comportamenti in una singola entita' (classe) e nascondere l'implementazione interna mediante modificatori di accesso (private, protected, public). In Python l'incapsulamento e' convenzionale (attributi con prefisso _), in Java e VB e' rigorosamente controllato.
• Ereditarieta': una classe (sottoclasse) puo' ereditare attributi e metodi da un'altra classe (superclasse). In Java si usa la parola chiave extends, in Python si indica la superclasse tra parentesi nella definizione della classe (class Figlio(Superclasse):), mentre in VB si usa Inherits.
• Polimorfismo: la stessa operazione (metodo) puo' comportarsi in modo diverso a seconda del tipo dell'oggetto su cui e' invocata. In Java e VB il polimorfismo si ottiene tramite l'override di metodi virtuali (override in VB, @Override in Java). In Python il polimorfismo e' intrinseco, poiche' il binding avviene a runtime.
• Astrazione: definire interfacce o classi astratte che descrivono il comportamento senza fornire un'implementazione completa. In Java si usa interface o abstract class, in VB Interface o MustInherit, mentre in Python si possono definire classi base con metodi che sollevano NotImplementedError.

Questi concetti sono alla base delle domande sui termini OOP presenti nei quiz: ad esempio, la definizione di "metodo" e' l'azione che si puo' compiere su un'istanza di un oggetto; la "classe" e' il modello da cui nasce l'oggetto; la "superclasse alla radice della gerarchia in Java e' Object. Il concetto di "polimorfismo" risponde alla domanda che chiede quale termine indica la capacita' di gestire gli oggetti in modo diverso in base al loro tipo.

Un aspetto pratico importante riguarda la gestione delle costanti. In Python una costante e' convenzionalmente definita in maiuscolo (es. PI = 3.14) ma il linguaggio non impedisce la sua modifica; in Java si usa la combinazione static final, mentre in VB si dichiara con Const. La distinzione tra costante e variabile e' spesso oggetto di domande sui quiz.

Infine, per collegare le nozioni di programmazione con l'ambito dei database, occorre ricordare che le classi possono rappresentare tabelle (ORM) e che le operazioni CRUD (Create, Read, Update, Delete) sono tipicamente implementate mediante metodi di classe. In Python, ad esempio, il modulo sqlite3 permette di eseguire query SQL all'interno di metodi; in Java si utilizza JDBC con le classi Connection, Statement e PreparedStatement; in VB si ricorre a OleDbConnection o SqlConnection. Conoscere questi accoppiamenti facilita la risposta a quesiti che chiedono di identificare l'operazione che collega due o piu' tabelle (JOIN) o di distinguere tra DDL e DML.

In sintesi, la padronanza di Python, Java e Visual Basic, unitamente alla comprensione dei quattro pilastri dell'OOP, consente di affrontare con sicurezza le domande di programmazione presenti nei quiz, di scrivere codice corretto e di interpretare correttamente le richieste di manipolazione dati nei contesti di sviluppo di sistemi informativi.

Il modello relazionale, proposto da E.F. Codd nel 1970, rappresenta i dati mediante tabelle (dette anche relazioni). Ogni tabella e' composta da un insieme di righe (tupla) e da un insieme di colonne (attributi). L’insieme delle colonne definisce lo schema della tabella, cioè la struttura logica dei dati. Una riga contiene i valori di tutti gli attributi per un singolo elemento del dominio di interesse; il valore di ciascun attributo deve appartenere al dominio specificato per quella colonna (ad esempio INT, VARCHAR, DATE). Il modello si basa sulla teoria degli insiemi: una tabella può essere vista come un sottoinsieme del prodotto cartesiano dei domini degli attributi.

Le chiavi sono il meccanismo con cui il modello garantisce l’identificazione univoca delle tuple. Una chiave primaria è un insieme minimo di attributi che identifica in modo univoco ogni riga della tabella; il DBMS impone che i valori della chiave primaria siano non null e non duplicati. Una chiave candidata è qualsiasi insieme di attributi che soddisfa le stesse proprietà della chiave primaria; se una tabella possiede più chiavi candidate, una di esse viene scelta come chiave primaria. Una superchiave è qualsiasi insieme di attributi che contiene almeno una chiave candidata, quindi può essere ridondante. La chiave esterna (foreign key) è un attributo o insieme di attributi in una tabella che fa riferimento alla chiave primaria di un’altra tabella, stabilendo un collegamento logico fra i record delle due tabelle; questo vincolo garantisce l’integrità referenziale e permette di modellare le relazioni tra entità.

Il grado della relazione indica il numero di attributi che compongono la tabella. Una relazione di grado 2 è detta binaria, di grado 3 ternaria, e così via; il grado può essere anche considerato come il numero di colonne della tabella. Il grado è una caratteristica strutturale importante quando si analizzano le dipendenze funzionali e le forme normali, poiché influisce sulla complessità delle possibili combinazioni di attributi.

La normalizzazione è il processo metodico di riorganizzazione delle tabelle al fine di eliminare le anomalie di inserimento, cancellazione e modifica. Il punto di partenza è la definizione di dipendenza funzionale: un insieme di attributi X determina un altro insieme Y (scritta X → Y) se, per ogni coppia di tuple, l’uguaglianza dei valori di X implica l’uguaglianza dei valori di Y. Partendo da queste dipendenze, si definiscono le forme normali:

Prima forma normale (1NF) richiede che tutti gli attributi siano atomici, cioè che ogni campo contenga un solo valore indivisibile; le tabelle con valori multivalore o strutture ripetitive violano la 1NF. Seconda forma normale (2NF) richiede che la tabella sia in 1NF e che ogni attributo non chiave dipenda interamente dalla chiave primaria, non solo da una sua parte; le dipendenze parziali sono eliminate spostando gli attributi dipendenti in tabelle separate. Terza forma normale (3NF) aggiunge la condizione che nessun attributo non chiave dipenda transitivamente dalla chiave primaria; le dipendenze transitive vengono rimosse creando tabelle intermedie. Forma normale di Boyce-Codd (BCNF) è una versione piu' rigorosa della 3NF: ogni determinante deve essere una chiave candidata. Quando una tabella soddisfa BCNF, le anomalie sono praticamente eliminate, ma in alcuni casi pratici si preferisce mantenere una forma leggermente meno restrittiva per ragioni di performance.

Il processo di normalizzazione si svolge tipicamente in piu' fasi: si parte dall’analisi dei requisiti e dalla definizione delle entità e delle loro relazioni; si traduce il modello concettuale in uno schema logico, identificando le chiavi primarie e le chiavi esterne; si verifica la presenza di dipendenze funzionali e si applicano le regole delle forme normali, creando nuove tabelle quando necessario. Il risultato è uno schema in cui ogni informazione è memorizzata una sola volta, riducendo al minimo la ridondanza e migliorando la coerenza dei dati. Tuttavia, la normalizzazione completa può aumentare il numero di join necessari per rispondere a query complesse, perciò nella pratica si bilancia la purezza teorica con le esigenze di performance, talvolta denormalizzando in modo controllato.

Per rispondere alle domande tipiche dei quiz, occorre ricordare che il grado della relazione corrisponde al numero di colonne, che la chiave esterna è l’elemento che collega due tabelle, e che la normalizzazione mira a eliminare le anomalie di inserimento, cancellazione e modifica mediante le forme normali (1NF, 2NF, 3NF, BCNF). Conoscere questi concetti permette di progettare schemi coerenti, di interpretare correttamente le istruzioni DDL (CREATE TABLE, ALTER TABLE) e di valutare l’adeguatezza di un modello rispetto ai requisiti di integrità e di efficienza.

Il linguaggio SQL (Structured Query Language) e' il mezzo standard per definire, manipolare e controllare i dati all'interno di un database relazionale. Si suddivide in tre macroinsiemi di istruzioni: DDL (Data Definition Language), DML (Data Manipulation Language) e DCL (Data Control Language). Le istruzioni DDL descrivono la struttura logica del database: CREATE TABLE crea una nuova tabella, definendo nome, tipo di dato, vincoli di chiave primaria (PRIMARY KEY) e di chiave esterna (FOREIGN KEY), quest'ultima e' l'attributo che collega i record di una tabella a quelli di un'altra. ALTER TABLE permette di aggiungere, modificare o rimuovere colonne o vincoli, mentre DROP TABLE elimina definitivamente la tabella. Un esempio tipico di DDL e' la sequenza mostrata nella domanda d'esame: due istruzioni CREATE e ALTER sono entrambe DDL.

Le istruzioni DML operano sui dati contenuti nelle tabelle. SELECT consente di interrogare il database e restituire un insieme di righe (result set); INSERT aggiunge nuove tuple; UPDATE modifica i valori di una o piu' colonne di righe esistenti, specificando la clausola SET per indicare la colonna da cambiare e l'espressione del nuovo valore; DELETE rimuove le tuple che soddisfano la condizione indicata. Queste operazioni possono essere combinate con funzioni di aggregazione (COUNT, SUM, AVG, MIN, MAX) e con funzioni di manipolazione di stringhe (SUBSTRING, TRIM, UPPER, LOWER) o di data (GETDATE, DATEADD, DATEDIFF). L'uso corretto di queste funzioni e' fondamentale per rispondere alle domande sui meccanismi di ricerca e filtraggio dei dati nei quiz.

Il DCL regola l'accesso al database. GRANT assegna privilegi (SELECT, INSERT, UPDATE, DELETE, EXECUTE) a utenti o ruoli, mentre REVOKE li revoca. In Oracle, per proteggere un ruolo amministrativo con password, si usa ALTER ROLE ADMINS IDENTIFIED BY password, come richiesto da una delle domande d'esame. Il DCL, insieme al concetto di role, permette di implementare il principio del minimo privilegio, indispensabile per la sicurezza informatica.

Le transazioni rappresentano l'unita' logica di lavoro che deve rispettare le proprieta' ACID: Atomicita', Consistency, Isolation e Durability. In SQL le transazioni sono delimitate dalle istruzioni BEGIN TRANSACTION (o semplicemente dall'inizio di un batch), COMMIT per rendere permanenti le modifiche, e ROLLBACK per annullarle in caso di errore. Il livello di isolamento (READ UNCOMMITTED, READ COMMITTED, REPEATABLE READ, SERIALIZABLE) determina il tipo di lock applicato: un lock in scrittura impedisce ad altre transazioni di leggere o scrivere le righe interessate, garantendo la correttezza dei dati anche in presenza di concorrenza.

Il meccanismo di JOIN consente di combinare righe provenienti da due o piu' tabelle sulla base di una condizione di corrispondenza, tipicamente una chiave esterna. Esistono quattro tipologie principali: INNER JOIN restituisce solo le righe con corrispondenza in entrambe le tabelle; LEFT (OUTER) JOIN restituisce tutte le righe della tabella di sinistra e, dove non esiste corrispondenza, valori NULL per le colonne della tabella di destra; RIGHT (OUTER) JOIN opera analogamente ma mantenendo tutte le righe della tabella di destra; FULL (OUTER) JOIN restituisce l'unione di LEFT e RIGHT, includendo tutte le righe di entrambe le tabelle. La capacita' di scrivere correttamente una JOIN e' direttamente testata nelle domande che chiedono di definire l'operazione che collega due o piu' tabelle.

Oltre alle funzioni di aggregazione, SQL mette a disposizione numerose funzioni di manipolazione dei dati che facilitano la trasformazione e l'analisi. Le funzioni di conversione (CAST, CONVERT) permettono di cambiare il tipo di dato di una colonna o di un'espressione; le funzioni di ricerca (LIKE, INSTR, PATINDEX) consentono di individuare pattern all'interno di stringhe; le funzioni di data e ora (YEAR, MONTH, DAY) estraggono componenti temporali, utili per raggruppare i dati per periodi. Quando una query contiene un'altra query, si parla di subquery o di query annidata, concetto che compare frequentemente nei quesiti di esame.

Il modello relazionale, pur essendo la base della maggior parte dei sistemi informativi tradizionali, presenta limiti quando si tratta di gestire volumi di dati estremamente elevati, schemi poco definiti o requisiti di scalabilita' orizzontale rapida. Per questi motivi sono nati i database NoSQL, ovvero sistemi di gestione di dati che, come suggerisce il nome, non si basano esclusivamente sul linguaggio SQL e sul modello a tabelle. L'acronimo NoSQL non indica l'assenza di linguaggi di interrogazione, ma piuttosto la diversita' di modelli di memorizzazione e di accesso, ognuno ottimizzato per specifici scenari di utilizzo.

Le tipologie principali di database NoSQL si distinguono in quattro categorie fondamentali. La prima, Key‑Value, memorizza ogni elemento come una coppia chiave/valore; l'accesso avviene tramite la chiave, garantendo tempi di risposta costanti anche con milioni di record. La seconda, Column‑Family, organizza i dati in famiglie di colonne raggruppate per chiave, consentendo una compressione efficiente e query analitiche su grandi insiemi di colonne. La terza, Document, utilizza documenti semi‑strutturati (tipicamente in formato JSON o BSON) che possono contenere strutture annidate; questa tipologia e' particolarmente adatta a dati con schema flessibile e a operazioni di aggregazione complesse. Infine, la quarta categoria, Graph, rappresenta i dati come nodi e relazioni, risultando ideale per applicazioni di social network, raccomandazioni e percorsi.

MongoDB appartiene alla categoria Document. Ogni record, chiamato documento, e' memorizzato in una collezione e viene rappresentato internamente in BSON, una variante binaria di JSON che consente di indicizzare e di eseguire operazioni di ricerca molto efficienti. La flessibilita' dello schema permette di aggiungere nuovi campi a un documento senza dover modificare l'intera collezione, riducendo i tempi di sviluppo e facilitando l'integrazione con applicazioni web e mobile.

Una delle caratteristiche distintive di MongoDB e' la capacità' di scalare orizzontalmente mediante sharding. Lo sharding consiste nella suddivisione logica di una collezione in piu' partizioni, dette shard, che vengono distribuite su diversi nodi del cluster. Il meccanismo si basa su una shard key, ovvero un campo (o insieme di campi) presente in tutti i documenti e utilizzato per determinare la posizione di ciascun record. MongoDB utilizza un router, il mongos, che riceve le richieste dei client, calcola il valore della shard key e indirizza la query al nodo contenente lo shard appropriato. Questo approccio garantisce che il carico computazionale e lo spazio di archiviazione siano bilanciati tra i nodi, consentendo di aggiungere nuove macchine al cluster senza interruzioni di servizio. Il bilanciamento avviene in modo automatico: un processo di balancer monitora la distribuzione dei chunk (sottoinsiemi di dati) e, se necessario, sposta i chunk da uno shard all'altro per mantenere una distribuzione equa.

Per garantire la disponibilita' e la resilienza, MongoDB implementa il concetto di replica set. Un replica set e' un gruppo di processi mongod che mantengono copie identiche dei dati. Uno dei nodi assume il ruolo di primary, responsabile delle operazioni di scrittura, mentre gli altri fungono da secondary, replicando in modo asincrono le modifiche. In caso di guasto del primary, uno dei secondary viene promosso automaticamente a nuovo primary, assicurando continuita' operativa senza perdita di dati.

Nel contesto di un esame, e' importante saper riconoscere che lo strumento di MongoDB piu' simile all'utility Unix top e' mongotop. Mongotop fornisce una visualizzazione in tempo reale dell'attivita' di lettura e scrittura per ciascun database, consentendo di individuare rapidamente colli di bottiglia o operazioni anomale. Un altro strumento complementare e' mongostat, che mostra metriche aggregate (operazioni per secondo, connessioni attive, utilizzo della memoria, ecc.) analoghe a quelle offerte da vmstat o iostat. Entrambi gli utility sono indispensabili per il monitoraggio continuo di un cluster MongoDB in produzione.

Oltre a mongotop e mongostat, MongoDB offre un ecosistema di monitoraggio piu' avanzato tramite MongoDB Atlas (servizio gestito in cloud) e MongoDB Cloud Manager. Queste piattaforme forniscono dashboard grafiche, avvisi configurabili, analisi delle performance a livello di query e suggerimenti per l'ottimizzazione degli indici. Per chi preferisce soluzioni on‑premise, il pacchetto Ops Manager permette di raccogliere metriche tramite collectors e di visualizzarle con Grafana o Prometheus, integrando il monitoraggio con sistemi di alerting aziendali.

Un aspetto cruciale per l'ottimizzazione delle query in MongoDB riguarda la gestione degli indici. Per default, MongoDB crea un indice unico sul campo _id, ma per le operazioni di ricerca piu' frequenti e' consigliabile definire indici composti o indici su campi annidati. L'analisi delle query avviene tramite il comando explain(), che restituisce il piano di esecuzione, il numero di documenti esaminati e il tipo di indice utilizzato. Un uso consapevole degli indici riduce drasticamente il tempo di risposta, soprattutto in presenza di sharding, poiche' il router deve poter indirizzare la query al singolo shard senza dover eseguire scansioni complete.

Infine, la sicurezza di un cluster MongoDB si basa su tre pilastri: autenticazione, autorizzazione e cifratura. L'autenticazione puo' avvenire tramite utenti definiti nel database admin o tramite integrazione con LDAP. L'autorizzazione, gestita tramite ruoli (ad esempio read, readWrite, dbAdmin), controlla le operazioni consentite a ciascun utente. La cifratura dei dati a riposo si realizza con il Encrypted Storage Engine, mentre la cifratura in transito utilizza TLS/SSL. Queste misure sono fondamentali per garantire la conformita' a normative quali il d.lgs. 82/2005 (Codice della privacy).

In sintesi, MongoDB rappresenta una soluzione document-oriented altamente scalabile grazie allo sharding, al bilanciamento automatico dei chunk e al supporto nativo per i replica set. Gli strumenti di monitoraggio come mongotop, mongostat, Atlas e Ops Manager consentono di tenere sotto controllo le performance e la salute del cluster, mentre una corretta progettazione di indici e di ruoli di sicurezza garantisce efficienza e protezione dei dati. Con queste conoscenze il candidato e' in grado di rispondere con sicurezza alle domande tipiche dei quiz, identificare la tipologia di database di MongoDB, spiegare il meccanismo di sharding e riconoscere lo strumento equivalente a top.

Il linguaggio XML (eXtensible Markup Language) nasce con l'obiettivo di rappresentare dati strutturati in modo leggibile sia da esseri umani sia da macchine. Un documento XML e' costituito da una gerarchia di nodi: l'elemento radice, gli elementi figli, gli attributi, i nodi di testo e, opzionalmente, i commenti o le sezioni CDATA. Ogni elemento pu' contenere altri elementi (contenuto "eltOnly") oppure una combinazione di testo e sottoelementi (contenuto "mixed"). La flessibilita' di XML deriva dal fatto che i tag non sono predefiniti: lo sviluppatore definisce il proprio vocabolario (schema) in base alle esigenze dell'applicazione.

Per poter verificare che un file XML rispetti le regole del proprio vocabolario si ricorre a una forma di validazione. Il metodo XDR (XML-Data Reduced) e' stato introdotto da Microsoft come alternativa piu' leggera rispetto a DTD o XML Schema. Un documento XDR contiene dichiarazioni di tipo per elementi e attributi, specificando se un elemento puo' contenere solo altri elementi (eltOnly) o anche testo (mixed), il numero di occorrenze ammesse (minOccurs, maxOccurs) e i tipi di dato (string, integer, date, ecc.). Quando il parser legge un XML con riferimento a un file .xdr, controlla che ogni nodo rispetti le restrizioni: ad esempio l'istruzione <ElementType name="NOME" content="eltOnly"> impone che l'elemento <NOME> possa contenere esclusivamente altri elementi, senza testo libero. Se la struttura viola lo schema, il parser genera un errore di validazione, consentendo al programmatore di intercettare il problema prima che i dati vengano elaborati.

Una volta caricato in memoria, il documento XML puo' essere manipolato tramite l'API DOM (Document Object Model). Il DOM rappresenta l'intero albero XML come una collezione di oggetti interconnessi: Document, Element, Attr, Text, ecc. Ogni nodo espone una proprieta' "nodeType" che identifica la sua natura; per esempio il nodo di tipo attributo (Attr) restituisce il valore numerico 2. Attraverso metodi come getElementsByTagName, createElement, setAttribute e removeChild, il programmatore puo' leggere, modificare, aggiungere o cancellare parti del documento in modo dinamico. Il DOM e' particolarmente utile quando si devono trasformare dati XML in altri formati o quando si vuole costruire risposte personalizzate in un servizio web.

JSON (JavaScript Object Notation) e' un formato di scambio dati piu' compatto rispetto a XML, basato su coppie chiave/valore e su strutture di tipo array e oggetto. La sintassi e' estremamente semplice: gli oggetti sono delimitati da graffe {}, gli array da parentesi quadre [], le stringhe da doppi apici e i valori possono essere numeri, stringhe, booleani, null, oggetti o array. Grazie alla sua leggerezza, JSON e' diventato lo standard de facto per le API RESTful, ma anche per la persistenza di documenti in database NoSQL come MongoDB. La conversione tra XML e JSON e' possibile mediante librerie che mappano gli elementi XML in chiavi JSON, tenendo conto di eventuali attributi (spesso prefissati con "@") e di contenuti testuali (spesso associati a una chiave "#text").

SOAP (Simple Object Access Protocol) e' un protocollo di messaggistica basato su XML, pensato per lo scambio di informazioni strutturate tra applicazioni distribuite. Un messaggio SOAP e' composto da un envelope, un header opzionale e un body che contiene la richiesta o la risposta. Poiche' il messaggio e' puramente XML, puo' viaggiare all'interno di diversi trasporti: HTTP e HTTPS sono i piu' comuni, ma e' altrettanto corretto incapsularlo in un messaggio SMTP, consentendo l'invio di dati SOAP via e-mail. Questo aspetto e' spesso oggetto di domande nei quiz, poiche' dimostra la flessibilita' del protocollo rispetto ai canali di comunicazione.

L'integrazione di XML/JSON con i database relazionali avviene tipicamente mediante tre strategie. La prima consiste nell'utilizzare funzioni native del DBMS per importare o esportare documenti: ad esempio SQL Server offre la tipologia xml e le funzioni .query(), .value() per estrarre dati da un campo XML; Oracle dispone di XMLTYPE con metodi di XPath e XQuery. La seconda strategia prevede la memorizzazione di documenti JSON in colonne di tipo JSON (MySQL, PostgreSQL, SQL Server) e l'uso di operatori di ricerca (->, ->>) per interrogare i valori interni senza doverli deserializzare a livello applicativo. La terza consiste nell'uso di middleware o servizi web che, tramite DOM o librerie JSON, trasformano i dati ricevuti in istruzioni SQL (INSERT, UPDATE) o, al contrario, serializzano i risultati di query in XML/JSON da restituire al client. In tutti i casi, la validazione XDR o l'uso di schemi JSON (JSON Schema) garantiscono che i dati scambiati siano conformi alle regole di business, riducendo il rischio di errori di integrita' nei processi di persistenza.

Per riassumere, la conoscenza di XML, DOM, JSON, XDR e SOAP e' fondamentale per chi deve gestire scambi di dati tra sistemi eterogenei. Il DOM fornisce gli strumenti per manipolare in memoria la struttura gerarchica di un documento XML, mentre la validazione XDR assicura che la struttura sia corretta prima dell'elaborazione. JSON, piu' leggero, e' ideale per le API moderne, ma quando e' necessario un protocollo piu' formale e con supporto per header estesi, si ricorre a SOAP, che puo' essere trasportato anche su SMTP. Infine, le moderne funzionalita' dei DBMS permettono di archiviare e interrogare direttamente documenti XML e JSON, rendendo possibile una integrazione fluida tra il livello di persistenza e le componenti di scambio dati dell'applicazione.

Nel contesto di un sistema informativo, la sicurezza non e' un concetto monolitico ma un insieme di pratiche, procedure e tecnologie che mirano a garantire la confidenzialita', l'integrita' e la disponibilita' dei dati. Il primo passo per realizzare un ambiente sicuro consiste nella definizione chiara dei ruoli all'interno dell'organizzazione. Un ruolo rappresenta un insieme di responsabilita' funzionali (ad esempio amministratore di sistema, DBA, sviluppatore, utente finale) e, associato al ruolo, si specificano i privilegi di accesso alle risorse. In Oracle, SQL Server o MySQL, la sintassi tipica per creare un ruolo e assegnargli una password e' ad esempio CREATE ROLE ADMINS IDENTIFIED BY password; successivamente si concedono i privilegi con GRANT SELECT, INSERT, UPDATE ON schema.table TO ADMINS. L'approccio basato su ruoli (RBAC) permette di gestire centralmente chi puo' eseguire quali operazioni, riducendo il rischio di privilegi eccessivi e facilitando la tracciabilita' delle azioni.

Il concetto di privilegio si declina in due categorie fondamentali: privilegi di sistema (ad esempio CREATE USER, ALTER DATABASE) e privilegi di oggetto (SELECT, INSERT, EXECUTE su una tabella, vista o procedura). La separazione tra privilegi di lettura, scrittura e amministrazione e' cruciale per applicare il principio del minimo privilegio (least privilege). Nei quiz, una domanda tipica riguarda la sintassi Oracle per abilitare un ruolo protetto da password; la risposta corretta e' ALTER ROLE ADMINS IDENTIFIED BY password. Oltre alla definizione dei privilegi, e' necessario implementare meccanismi di audit (ad esempio tramite AUDIT SELECT ON schema.table) per registrare chi ha effettuato quali operazioni, requisito previsto dal d.lgs. 196/2003 (Codice in materia di protezione dei dati personali) e dal d.lgs. 82/2005 (Codice dell'amministrazione digitale).

Il firewall rappresenta la prima linea di difesa contro le minacce provenienti dalla rete. Esistono diverse architetture: il firewall a filtro di pacchetti analizza header IP/TCP/UDP e applica regole basate su indirizzi, porte e protocolli; il firewall stateful mantiene lo stato delle connessioni, consentendo o bloccando pacchetti in base al contesto della sessione; il proxy applicativo (o firewall di livello 7) ispeziona il contenuto dei messaggi (HTTP, SMTP, FTP) e puo' applicare policy di filtraggio piu' granulari; infine i firewall di nuova generazione (NGFW) combinano le funzioni precedenti con sistemi di intrusion detection/prevention (IDS/IPS) e con l'integrazione di threat intelligence. Un tipico esempio di regola in un firewall Linux (iptables) e': iptables -A INPUT -p tcp --dport 22 -s 192.168.1.0/24 -j ACCEPT, che permette l'accesso SSH solo dalla rete interna.

La crittografia costituisce il meccanismo principale per proteggere la confidenzialita' dei dati sia in transito che a riposo. Per la protezione dei dati in transito si utilizzano protocolli TLS/SSL (ad esempio HTTPS, FTPS, SMTPS) che garantiscono l'autenticazione reciproca e la cifratura simmetrica dei flussi, basandosi su certificati X.509. Per la cifratura a riposo, le soluzioni piu' diffuse includono la crittografia a chiave simmetrica (AES con chiavi di 128, 192 o 256 bit) e la crittografia a chiave pubblica (RSA, ECC) per la gestione delle chiavi. In Java, il supporto standard e' fornito dal Java Cryptography Extension (JCE), mentre in ambiente .NET si utilizza la classe System.Security.Cryptography. Nei quiz, una domanda frequente riguarda il tipo di algoritmo consigliato per la protezione dei dati sensibili: la risposta corretta e' AES a 256 bit, per la sua robustezza e per la conformita' alle linee guida del NIST SP 800-57.

La gestione delle vulnerabilita' e' un processo continuo che parte dall'identificazione (scansioni periodiche con tool come Nessus, OpenVAS o Qualys) e prosegue con la valutazione del rischio (assegnazione di CVSS score), la prioritizzazione delle patch e la loro applicazione. Il ciclo PDCA (Plan-Do-Check-Act) e' il modello di riferimento per la governance della sicurezza: si pianifica la strategia di patch management, si esegue l'installazione delle correzioni, si verifica l'efficacia mediante test di regressione e si agisce per migliorare il processo. Il rispetto delle normative, ad esempio il d.lgs. 82/2005, impone la tenuta di un registro delle vulnerabilita' e delle relative azioni correttive, nonche' la dimostrazione di audit periodici. Una tipica domanda d'esame chiede quale comando Unix permette di visualizzare le patch installate su un sistema basato su Red Hat: la risposta corretta e' rpm -qa --last.

Infine, la sicurezza non si limita alla tecnologia ma richiede anche una corretta cultura aziendale. Formazione periodica degli utenti, politiche di password robuste (lunghezza minima, complessita', cambio periodico) e l'adozione di meccanismi di autenticazione a due fattori (2FA) sono elementi indispensabili per ridurre il rischio di attacchi di tipo phishing o credential stuffing. La combinazione di ruoli ben definiti, privilegi limitati, firewall adeguati, crittografia conforme agli standard e una gestione proattiva delle vulnerabilita' costituisce il fondamento di una difesa difensiva efficace, capace di rispondere alle richieste dei quiz e di garantire la protezione dei dati in ogni fase del ciclo di vita del sistema informativo.

Le viste sono oggetti logici che non contengono dati propri, ma rappresentano il risultato di una query salvata nel catalogo del DBMS. Quando un utente interroga una vista, il motore esegue la query sottostante e restituisce le righe richieste. Questo meccanismo consente di fornire representazioni diverse degli stessi dati, di nascondere colonne sensibili e di semplificare l'accesso a strutture complesse. Esistono due tipologie principali: le viste standard, che vengono ricalcolate ad ogni chiamata, e le materializzate (o snapshot), che memorizzano fisicamente il risultato e vengono aggiornate periodicamente. Una vista standard e' updatable solo se rispetta restrizioni precise (ad esempio, non contiene join, aggregazioni o DISTINCT). Nei quiz, la definizione corretta di una vista e' “Permette di mettere a disposizione dell'utente rappresentazioni diverse di dati”.

Gli indici sono strutture ausiliarie che accelerano le operazioni di ricerca, ordinamento e join. Il modello piu' diffuso e' il B‑tree, adatto a ricerche di tipo range e a ordinamenti. In ambienti di data warehouse si preferiscono gli bitmap, ottimizzati per colonne a bassa cardinalita', mentre gli indici hash sono indicati per ricerche di uguaglianza su chiavi primarie. Un indice puo' essere clustered, quando l'ordine fisico della tabella segue quello dell'indice, o non‑clustered, quando l'indice e' separato dalla tabella. La presenza di un indice riduce il costo di I/O ma comporta un overhead in fase di INSERT, UPDATE e DELETE, poiche' il DBMS deve mantenere la struttura coerente. Per mantenere le prestazioni e' necessario aggiornare le statistiche (ANALYZE, DBMS_STATS) e, se necessario, ricostruire o riorganizzare gli indici per eliminare la frammentazione.

Il data warehousing rappresenta un approccio di archiviazione dedicato all'analisi decisionale (OLAP), distinto dal tradizionale sistema transazionale (OLTP). Un data warehouse raccoglie dati provenienti da fonti eterogenee mediante processi ETL (Extract‑Transform‑Load), li uniforma e li organizza secondo modelli dimensionali, tipicamente star schema o snowflake schema. Le tabelle di fatto contengono le misure quantitative (vendite, costi) e le chiavi verso le tabelle di dimensione (cliente, prodotto, tempo). La granularita' dei dati influisce sulla capacita' di dettaglio delle analisi: una granularita' piu' fine richiede piu' spazio ma consente drill‑down piu' approfonditi. Per migliorare le performance di query aggregate, si creano tabelle di riepilogo (aggregate tables) o si sfruttano le materialized view con refresh periodico. Nei quiz, la definizione corretta di data warehouse e' “un insieme centralizzato di dati estratti da fonti diverse”.

Il data scrubbing, o data cleansing, e' l'insieme delle attivita' volte a correggere, completare o eliminare dati errati, incompleti o duplicati. Il processo tipico prevede: (1) validazione dei formati (es. data in formato AAAA‑MM‑GG); (2) standardizzazione dei valori (es. trasformare “NY”, “New York”, “N.Y.” in una sola forma); (3) deduplicazione mediante algoritmi di matching fuzzy; (4) arricchimento con dati di riferimento (codici postali, tassi di cambio). Un data warehouse di qualita' dipende da un efficace data scrubbing, poiche' errori propagati compromettono le analisi e le decisioni aziendali. Nei quiz, la procedura che corregge o elimina dati errati e' chiamata “Data Scrubbing”.

Il performance tuning e' l'insieme delle tecniche per ottimizzare l'esecuzione delle query e l'utilizzo delle risorse di sistema. Il punto di partenza e' l'analisi del piano di esecuzione (EXPLAIN PLAN), che mostra l'ordine degli operatori, i costi stimati e l'uso degli indici. Se il piano non utilizza un indice disponibile, e' opportuno verificare le statistiche, la cardinalita' delle colonne e la presenza di predicati sargable (es. colonna = valore, non funzioni su colonna). Altre leve di ottimizzazione includono: (i) partizionamento delle tabelle per ridurre il volume di dati letto; (ii) uso di query rewrite o di hint per forzare l'uso di un indice; (iii) riduzione del locking mediante isolamento piu' permissivo (READ COMMITTED) o tramite versioning (MVCC). Il monitoraggio continuo con strumenti integrati (SQL Server Profiler, Oracle AWR, MySQL Performance Schema) permette di individuare colli di bottiglia, query lente e problemi di I/O. Un approccio sistematico combina la revisione del codice SQL, la gestione degli indici e la configurazione hardware (memoria, dischi SSD) per garantire tempi di risposta adeguati anche sotto carico elevato.

In sintesi, la progettazione avanzata richiede la capacita' di sfruttare le viste per astrazione e sicurezza, di progettare indici adeguati al tipo di interrogazione, di costruire un data warehouse ben modellato per supportare analisi complesse, di applicare rigorosi processi di data scrubbing per garantire l'integrita' dei dati, e di mettere in atto pratiche di performance tuning per mantenere il sistema reattivo. La padronanza di questi concetti consente di rispondere con sicurezza alle domande tipiche dei quiz, dove vengono richieste definizioni precise, esempi di sintassi e la capacita' di individuare la soluzione ottimale a problemi di performance.

Quando si affronta la prova scritta, la maggior parte degli errori non nasce da una scarsa conoscenza della materia, ma da una lettura superficiale della domanda o da un fraintendimento di termini che sembrano simili. Per questo capitolo si propongono tre filoni di lavoro: individuare le trappole piu' ricorrenti, capire dove gli studenti tendono a sbagliare e adottare una strategia di risposta veloce ma sicura.

Una delle insidie piu' frequenti riguarda la distinzione tra chiave primaria e chiave esterna. Nei quiz spesso si legge "un attributo che collega i record di una tabella a quelli di un'altra" e la risposta corretta e' Foreign Key. Molti, tuttavia, confondono la chiave esterna con la chiave primaria, pensando che "chiave primaria" sia l'unico vincolo di collegamento. Per evitare l'errore, occorre ricordare che la chiave primaria identifica in modo univoco una tupla all'interno della propria tabella, mentre la chiave esterna e' un riferimento a una chiave primaria di un'altra tabella.

Un altro tranello comune si presenta nella classificazione delle istruzioni SQL. Domande come "il seguente codice contiene due istruzioni del DDL" richiedono di riconoscere che CREATE TABLE e ALTER TABLE appartengono al Data Definition Language, mentre INSERT, UPDATE e DELETE sono DML. Spesso gli esaminandi leggono solo la parola "ALTER" e la associano a DML per via della presenza di ADD, ma la presenza di una definizione di vincolo (ad esempio PRIMARY KEY) conferma la natura DDL.

Nel contesto dei linguaggi di programmazione, le domande su Python, Java o Visual Basic possono nascondere una trappola di case sensitivity. Per esempio, la parola chiave per definire una classe in Python e' class (tutto minuscolo). Se una risposta propone Class o CLASS, anche se semanticamente corretta, viene considerata errata. Allo stesso modo, in Java il metodo per impostare il carattere di echo in un campo password richiede setEchoChar con la 'C' maiuscola; una variante tutta minuscola non compila.

Le domande su NoSQL e MongoDB spesso sfruttano la confusione tra gli strumenti di monitoraggio. L'affermazione "quale strumento e' simile a top di Unix/Linux?" ha come risposta mongotop. Alcuni candidati, tuttavia, scelgono mongostat, pensando che entrambi forniscano statistiche di sistema. La differenza chiave e' che mongotop mostra l'utilizzo del disco per collezione, mentre mongostat riporta metriche di operazioni per secondo. Ricordare la funzione specifica di ciascuno elimina l'indecisione.

Un ulteriore punto di attenzione riguarda le domande di tipo vero/falso o affermazioni multiple. Spesso il testo contiene una doppia negazione o un'affermazione parzialmente corretta. Per esempio, l'affermazione "i cookies vengono rispediti solo al server che li ha inviati" e' falsa, poiche' i cookie sono inviati a tutti i server del dominio indicato. Leggere con attenzione le parole "solo" e "tutti" permette di individuare l'errore logico.

Le trappole lessicali sono frequenti anche nelle domande su XML e DOM. La proprieta' nodeType per un nodo di tipo "Attr" restituisce il valore 2. Se la risposta proposta e' 1 (che corrisponde a un nodo di tipo "Element") l'esaminando ha commesso l'errore di confondere i codici di tipo. Un trucco rapido consiste nel memorizzare la sequenza: 1=Element, 2=Attr, 3=Text, 4=CDATA, 5=EntityReference, 6=Entity, 7=ProcessingInstruction, 8=Comment, 9=Document, 10=DocumentType, 11=DocumentFragment, 12=Notation.

Per quanto riguarda le transazioni SQL, la domanda "con quale istruzione termina una transazione?" ha due risposte corrette: COMMIT o ROLLBACK. Alcuni candidati selezionano solo COMMIT, dimenticando che il rollback e' altrettanto valido. La strategia migliore e' riconoscere che la domanda chiede "con quale istruzione" (singolare) ma non specifica il risultato desiderato; quindi entrambe le opzioni sono ammissibili e vanno contrassegnate se il formato del test lo consente.

Un errore ricorrente nei quiz di programmazione riguarda la generazione di eccezioni in Python. La risposta corretta e' raise Exception("Messaggio"). Alcuni rispondono con throw, che e' sintassi di Java, o con error, che non e' una keyword Python. Per evitare la confusione, ricordare che Python utilizza raise per sollevare qualsiasi tipo di eccezione.

Le domande su Visual Basic spesso includono il parametro KeyCode dell'evento KeyDown. Se la risposta indica KeyChar o KeyData, l'esaminando cade nella trappola di confondere i tre parametri disponibili (KeyCode, KeyAscii, KeyData). Un metodo rapido consiste nel visualizzare mentalmente la firma dell'evento: Sub Control_KeyDown(KeyCode As Integer, Shift As Integer).

Per affrontare i quiz con efficacia, si consiglia di adottare la seguente procedura di risposta rapida:

• Leggere la domanda due volte, sottolineando parole chiave come "solo", "sempre", "mai", "non".
• Identificare il tipo di concetto richiesto (definizione, sintassi, classificazione, comportamento).
• Eliminare immediatamente le risposte che violano regole fondamentali (ad esempio, una chiave primaria non pu' contenere valori nulli).
• Se rimangono due opzioni, cercare un dettaglio distintivo (case sensitivity, ordine delle clausole, presenza di vincoli).
• Se il tempo lo permette, verificare mentalmente la risposta con un esempio concreto.

Infine, la gestione del tempo e della pressione psicologica e' fondamentale. Si suggerisce di dedicare al massimo 45 secondi per ogni domanda a risposta multipla, segnare quelle dubbie e tornare su di esse solo se il tempo lo consente. Con questa combinazione di consapevolezza delle trappole, revisione dei concetti chiave e strategia di risposta, la probabilita' di evitare gli errori piu' comuni aumenta notevolmente, permettendo di trasformare la preparazione teorica in un risultato pratico nei quiz.