Ficheros y bases de datos

1. Introducción

• Se manejan grandes cantidades de datos desde hace mucho tiempo
  • Censos romanos
  • Bancos medievales
  • Información fiscal de cada país
  • Empresas de todo tipo
• Tradicionalmente, se han usado
  • Fichas, informes, expedientes archivadores, carpetas…

1.1. Antes de la informática

• Tradicionalmente
  • Manejados por personas
  • De forma manual
  • Gran componente subjetivo
• Algunos sistemas intentan eliminar el componente subjetivo
  • Sistemas burocráticos

1.2. Informática

• Tratamiento automatizado de la información
• Se elimina el componente subjetivo
• Las operaciones con los datos se vuelven
  • Precisas
  • Rápidas
• Permite un mayor volumen de datos

2. Discos de datos

• Originalmente, los programas de ordenador utilizaban directamente los soportes de memoria (cinta, disco)
  • Ventaja: No se depende de otros sistemas
  • Pero…
• Un programa \(\Leftrightarrow\) Un disco de datos
  • Un cambio de datos hacía inútil el programa
  • Un cambio de programa hacía inútiles los datos anteriores
• Cada programa debe aprender a manejar los discos

3. Ficheros (archivos)

• El sistema operativo crea archivos
• Los programas se simplifican
• Los programas pueden compartir los discos
• Más de un programa puede usar los mismos ficheros de datos
  • Es necesaria una coordinación para acceder y modificar ficheros

3.1. ¿Qué es un archivo?

• Un archivo se compone de registros
  • Un registro son los datos agrupados de alguna entidad
• Un registro contiene campos de datos
• Cada campo tiene un nombre y un valor
  • Por simplicidad, supondremos que todos los registros tienen los mismos campos

3.2. Ejemplo de archivo

3.3. Nombres de los campos

3.4. Un registro

3.5. Una columna

4. Tipos de archivos

• Según su uso
• Según formato
• Según su organización

4.1. Tipos según su uso

• Permanentes
  • Datos que deben ser guardados
  • Ejemplo: Empleados contratados, nóminas pagadas, declaraciones de impuestos,…
• De movimiento
  • Cambios que deben ser incluidos en archivos permanentes
  • Ejemplo: un puesto de peaje debe guardar todos los pagos con tarjeta, y enviarlos juntos
• De maniobra
  • Se utilizan como extensión a la RAM de un ordenador, se borran cuando el proceso termina
  • Ejemplo: caché de disco de los navegadores

4.2. Según formato

• De texto (o planos, o ASCII, o UNICODE)
  • Pueden editarse con el bloc de notas
  • Son teóricamente legibles directamente por las personas
• Binarios
  • La información se guarda en un formato numérico (binario), no legible directamente

4.2.1. Ficheros binarios

• exe, dll : Ficheros ejecutables
• png, jpg, gif : Ficheros de imagen
• zip, rar : Ficheros comprimidos
• docx, pptx, xlsx, pdf : Documentos ofimáticos

4.2.2. Ficheros de texto

• txt: Texto
• html, rtf, ps: Texto con formato
• ini, inf, conf, xml: configuración de programas
• sql, java, php, c, bat, sh: instrucciones de programas informáticos

Variantes:

• Encodig: ASCII, UNICODE (utf-8, utf-16, utf-32), ISO-8859,…
• Fin de línea: Unix, Windows

4.2.3. Texto ¿plano?

• No es fácil/posible deducir en qué variante está guardado un fichero con texto plano
• Los programas utilizan
  • Heurísticas: pruebas en las primeras líneas del fichero
  • BOM

4.2.4. Ficheros de texto como binarios

• Al final, todos los ficheros son solo números almacenados en disco
  • Los programas o personas interpretan los números
• Un fichero de texto es en el fondo un fichero binario
• La traducción a “humano” es el estándar ASCII (o UNICODE), que asigna a cada byte una letra

4.3. Tipos de ficheros según organización

• Organización secuencial
  • Los registros se colocan unos detrás de otros
  • Pueden estar ordenados por algún criterio
    • Orden de llegada
    • Alfabético por algún campo

• Organización indexada
  • Cada fichero secuencial puede tener otros ficheros de índice
  • El índice está ordenado por algún criterio
  • En el índice aparece
    • Identificador de cada registro
    • En qué línea (posición) está ese registro

Crédito: www.dlsweb.rmit.edu.au

4.3.1. Ficheros indexados

• El fichero secuencial con datos es el fichero principal
• Cada fichero principal puede tener otros ficheros de índice
  • Uno por cada criterio que se desee buscar rápidamente
• Cada fichero de índice es a su vez un fichero secuencial
  • Podría indexarse, con un índice de segundo nivel

Créditos: www.tutorialspoint.com

4.3.2. Área de desbordamiento (overflow)

• Los criterios de un índice pueden no ser únicos
  • Por ejemplo, código postal en un fichero de alumnos
• Si hay un conflicto, los datos se almacenan en un área de overflow

Créditos: kpvxy.blogspot.com.es

4.4. Secuencial vs Indexado (escritura)

• Organización secuencial:
  • Si no se ordena, basta con añadir: rápido
  • Si se ordena, se puede necesitar cambiar todo el fichero: muy lento
• Organización indexada:
  • Si no hay colisiones, dos escrituras (índice y fichero principal)
  • Si hay colisiones (la clave ya está usada)
    • Usar un fichero de overflow (y reorganizar con el fichero principal en un futuro)
    • Reorganizar el fichero principal muy lento
• Para lectura, ver acceso vs organización

5. Acceso a ficheros

• Acceso secuencial
  • Para llegar a un registro, es necesario pasar por todos los anteriores
  • Obligatorio en
    • cintas
    • ficheros sin indexar con campos de longitud variable (csv, xml,…)
• Acceso directo (aleatorio)
  • Se puede leer directamente un registro sin tener que pasar por los anteriores
  • Se necesita saber su posición (por un índice)

5.1. Acceso vs organización (lectura)

6. Bases de datos

• En una empresa, los datos pueden estar dispersos y duplicados
• Hay que actualizar todas las copias a la vez
  • centralización de los datos
• Puede haber datos confidenciales
  • permisos por fichero
• Se puede necesitar más de un programa accediendo a los mismos registros
• Pero no a los mismos campos
  • permisos por campo,
• Diferentes departamentos pueden tener nombres distintos para los ficheros, o los campos
  • diferentes formas de ver los registros

6.1. Definición (I)

Una colección de datos que están lógicamente relacionados entre sí, que tiene una definición y una descripción comunes y que están estructurados de una forma particular

6.2. Definición (II)

Una base de datos es una colección de datos estructurados según un modelo que refleje las relaciones y restricciones existentes en el mundo real. Los datos, que han de ser compartidos por diferentes usuarios y aplicaciones, deben mantenerse independientes de ésta, y su definición y descripción han de ser únicas estando almacenados junto a los mismos. Por último, los tratamientos que sufran estos datos tendrán que conservar la integridad y seguridad de éstos

6.3. Ventajas de las bases de datos

• Independencia de los datos y los programas y procesos. Esto permite modificar los datos sin modificar el código de las aplicaciones.
• Menor redundancia. Aunque, sólo los buenos diseños de datos tienen poca redundancia.
• Integridad. Mayor dificultad de perder los datos o de realizar incoherencias con ellos.
• Mayor seguridad. Al limitar el acceso a ciertos usuarios.
• Datos más documentados. Gracias a los metadatos que permiten describir la información de la base de datos.
• Acceso a los datos más eficiente. La organización de los datos produce un resultado más óptimo en rendimiento.

6.4. Inconvenientes

• Instalación costosa
  • El control y administración de bases de datos requiere de un software y hardware poderoso
• Requiere personal cualificado
  • Debido a la dificultad de manejo de este tipo de sistemas.
• De todas formas, las ventajas superan ampliamente los inconvenientes

7. Estándar ANSI/SPARC

• Define tres niveles, para ayudar a conseguir los objetivos de un SGBD
  • Interno: es como se almacena la información realmente. Por lo general, en ficheros en disco
  • Conceptual: incluye la estructura de la base de datos total
    • Entidades
    • Campos de las entidades
    • Relaciones entre entidades
  • Externo: Cada tipo de usuario/aplicación puede operar con una parte del nivel conceptual, a veces con una transformación intermedia

8. Diseño de bases de datos

• No es evidente abstraer, a partir de datos en bruto, la estructura de una base de datos
• Las bases de datos se diseñan en tres pasos
  • Nivel conceptual
  • Nivel lógico
  • Nivel físico

Nota: estos niveles son del diseño, no confundir con los niveles de la implementación Ansi/SPARC

8.1. Nivel conceptual

• Un usuario no informático debe poder entenderlo
• Trata sobre
  • entidades
  • relaciones entre ellas
  • datos a almacenar por cada entidad y relación

8.2. Nivel lógico

• El modelo conceptual debe ser sistematizado y simplificado, para que un ordenador pueda manejarlo
• No se decide cómo se guardarán los datos, pero sí qué forma tendrán
  • Generalmente, en forma de tabla

8.3. Nivel físico

• Se describe de qué forma el nivel lógico será almacenado en ficheros
  • CSV
  • Excel
  • XML
  • Utilizando un Sistema Gestor de Bases de Datos

9. SGBD

9.1. SGBD: Componentes

• Hardware: Servidores, discos, componentes de red,…
• Software: Incluye un software de base de datos y las aplicaciones que los manejan
• Datos: Tanto los datos originales como los metadatos

9.2. SGBD: Funciones

• Almacenar datos en la base de datos, acceder a ellos y actualizarlos
• Mantener descripciones de los datos accesibles por los usuarios (metadatos)
• Integridad: una transacción debe realizarse en su totalidad o no realizarse
• Integridad: los cambios deben poder ser realizados por varios usuarios a la vez
• Integridad: Se deben poder recuperar los datos si se pierden (backup)
• Integridad y confidencialidad: sólo usuarios autorizados pueden ver/modificar datos
• Integridad: sólo los datos que sigan el diseño lógico pueden ser almacenados
• Comunicación: Datos y operaciones están disponibles para usuarios y aplicaciones

9.3. SGBD: Objetivos

• Independencia física de datos
  • Un programa debería poder seguir funcionando aunque el diseño físico (cómo se almacenan los datos en disco) cambie
  • Basta con que el SGBD ofrezca sólo un nivel conceptual que pueda usar diferentes niveles físicos
• Independencia lógica de datos
  • Un programa debería poder seguir funcionando aunque el diseño lógico (cómo se relacionan los datos) cambie
  • Es más difícil, pero teóricamente son suficientes las vistas (niveles externos)
• Estos objetivos se ven facilitados por los niveles definidos en la arquitectura ANSI-SPARC

10. Referencias

• Formatos:
  • Transparencias
  • PDF
  • Página web
  • EPUB
• Creado con:
  • Emacs
  • org-re-reveal
  • Latex
• Alojado en Github