PDF de programación - Tema 1B - Ficheros

El objetivo de este tema es dar unas nociones básicas del fichero
electrónico.

02/02/2012

1

02/02/2012

2

La idea central es que la "forma" del archivo la determina el estado
tecnológico del momento.



A partir de ahora hablaremos de lo que se conoce como almacenamiento
secundario. Existe, en computación, lo que se conoce como
almacenamiento primario y terciario, además.

02/02/2012

3

La cinta fue un gran avance respecto de la tarjeta perforada. No deja de
ser un soporte analógico que necesita convertir la señal a un formato
discreto que represente la información binaria.



La cinta, básicamente, va hacia adelante y hacia atras. De otra forma,
encontrar un dato implica empezar desde el principio e ir leyendo hasta
llegar a lo buscado. Todo lo más, se puede ir hacia atrás y hacer lo
mismo, todo depende de lo sofisticado que sea el controlador del
cacharro.

02/02/2012

4

El bloque determina la cantidad mínima de información que se transfiere
del disco duro a la RAM. Esto implica que cuando solicitamos un dato
concreto no recuperamos solo eso sino todo el bloque y, ya en RAM, es
cuando lo localizamos y usamos. Es más eficiente que hacerlo byte a
byte (¿por qué?)

02/02/2012

5

02/02/2012

6

El tipo de fichero y organización más básico. De hecho, se puede decir
que no hay estructura

02/02/2012

7

Ahora el fichero tiene una estructura, el registro, que a su vez se define
por sus campos.

02/02/2012

8

02/02/2012

9

El primer ejemplo, simple: al ser todos los registros y campos del mismo
tamaño es fácil recuperar la información (¿por qué?). El problema es el
espacio malgastado y que, seguramente, ciertos datos no nos cabrán.
Tiene más sentido incluso en un disco duro puesto que podemos pedir al
sistema operativo que se posicione en un punto concreto del fichero. En
cinta, es posible que también, siempre que las bobinas se muevan con
cierta precisión.



En el segundo ejemplo (cuidado, se supone que el espacio de cada dato
está asociado a su tipo, los ejemplos usan intencionadamente cadenas de
caracteres todo el tiempo para que se vea más claro): aquí hemos
redefinido el campo de la ciudad, hemos sido más generosos con el tipo
de datos para que nos cupiera San Vicente del Raspeig, asumiendo que
lo que gastamos de más con una definición de string más largo lo
ahorraremos en otros registros.



Hay más formas de montar la estructura del registro, la más obvia es la
mezcla de campos de longitud fija y variable.

02/02/2012

10

Nuestro programa solicita una operación sobre un fichero al SO, éste
busca en el disco y localiza, devolviendo los datos a la RAM del
ordenador, donde el programa los manipula. Las operaciones posibles
son leer y escribir (borrar, puede hacerse de varias formas y no
necesariamente de forma física, marcando para reorganización
posterior...) El detalle importante es que el SO recupera bloques (es
habitual leer datos cercanos al primero, el disco duro es el dispositivo más
lento que el procesador y la RAM y se necesita dejar al mínimo los
accesos a disco duro...) y no registros individuales. Es en RAM donde se
accede a un registro concreto.



El proceso por bloques tiene un efecto importante en el espacio
"malgastado", otro factor a tener en cuenta cuando se organiza un
fichero.

La organización de un fichero, dentro de las posibilidades que nos da el
SO, es decisión nuestra, cómo queremos mantener la información en
función de si queremos optimizar la generación de listados o las altas y
bajas, por ejemplo.

02/02/2012

11

Se inserta, simplemente, al final del fichero.

02/02/2012

12

En un fichero secuencial ordenado, cuando quiero insertar un dato, debo
"hacerle sitio" en el punto correcto del fichero. Los borrados pueden
seguir siendo marcas lógicas, no borrados físicos.

02/02/2012

13

La organización aleatoria o directa asume que hay una cantidad máxima
de registros y que cada registro tiene un "sitio reservado" dependiendo de
su clave de identificación.

02/02/2012

14

El hashing es más flexible que el directo puro (que no deja de ser un
hashing básico) porque permite almacenar más valores clave. El
problema son las colisiones, para lo que hay varias técnicas que lo
solucionan, aunque suponen una degradación del rendimiento del acceso
y mantenimiento del fichero.

02/02/2012

15

La organización indexada es más flexible. Se basa en que, aparte del
fichero de datos, existe un fichero de índice que se utiliza para localizar
con rapidez el registro buscado.



Hay distintos tipos de índices que favorecen las inserciones o las
consultas y que determinan si el fichero de datos ha de estar ordenado o
no. Téngase en cuenta, nuevamente, que desde el disco duro no
recuperamos un único registro sino una página que contiene un número
más o menos elevado de ellos, con la esperanza de que nuestras
siguientes peticiones ya estén cargadas en RAM o en un buffer y no
tengamos que "mover" nuevamente el disco.

02/02/2012

16

Los índices no densos obligan a que el fichero de datos esté ordenado
por una clave.

02/02/2012

17

El índice es más pequeño y la búsqueda en él más rápida.

02/02/2012

18

Se busca ayudar al algoritmo de búsqueda binaria restringiéndola
sucesivamente a menos datos.

02/02/2012

19

Con algoritmos bastante más complicados de mantenimiento de esta
estructura, la consulta, inserción y borrado son mucho más rápidas. Hay
que situarse en un contexto de ficheros que estén almacenando miles de
registros para entender que está nueva organización de índices sea
realmente rentable frente a las anteriormente vistas. En ficheros con
muchas actualizaciones es necesario hacer una reorganización periódica
de los índices.

02/02/2012

20

Esta página pretende ser una miniguía, minipista, de por donde van a ir
las preguntas del cuestionario



02/02/2012

21

Esta página pretende ser una miniguía, minipista, de por donde van a ir
las preguntas del cuestionario

02/02/2012

22

02/02/2012

23