ORGANIZACION DE DATOS: junio 2010

*Archivo informático
Un archivo o fichero informático es una entidad lógica compuesta por una secuencia finita de bytes, almacenada en un sistema de archivos ubicada en la memoria secundaria de un ordenador. Los archivos son agrupados en directorios dentro del sistema de archivos y son identificados por un nombre de archivo. El nombre forma la identificación única en relación a los otros archivos en el mismo directorio.
Los archivos se utilizan cuando se desea almacenar datos de manera persistente, o para guardarlos en memoria secundaria con el fin de no utilizar memoria primaria, dado que esta última es normalmente más escasa que la anterior.
Dependiendo de cada sistema de archivos, los ficheros pueden tener atributos particulares como, por ejemplo, fecha de creación, fecha de última modificación, dueño y permisos de acceso.
Esta organización de datos en archivos y directorios es original
el sistema operativo Unix y es ampliamente seguido por los sistemas operativos modernos. En algunos de estos sistemas operativos los nombres de los archivos son case sensitive (hay distinción entre mayúsculas y minúsculas) como en Unix, sin embargo en DOS y Windows las mayúsculas y las minúsculas no tienen importancia a la hora de elegir el nombre para un archivo.
El tamaño de un archivo está limitado por una serie de factores, como la capacidad disponible en la memoria secundaria del ordenador y los límites impuestos por el sistema operativo o el sistema de archivos.
El tipo de un archivo es caracterizado por la organización de los datos contenidos y la interpretación que realiza el software que los escribe o los lee.
En algunos sistemas operativos —como DOS y Windows— una extensión es necesaria para el reconocimiento del tipo de archivo por los programas y el sistema. En otros sistemas operativos, el tipo de archivo puede ser identificado por otros mecanismos.

*En computación existen básicamente dos tipos de archivos, los archivos ascii y los archivos binarios. El vocablo ascii es un acrónimo para American Standard Code for Information Interchange. Es un estándar que asigna un valor numérico a cada carácter, con lo que se pueden representar los documentos llamados de Texto Plano, es decir, los que son legibles por seres humanos. Los archivos binarios son todos los demás. Como ejemplos tenemos:
Archivos binarios:
• De imagen: .jpg, .gif, .tiff, .bmp (Portable bitmap), .wmf (Windows Meta File), .png (Portable Network Graphics), .pcx (Paintbrush); entre muchos otros
•De video: .mpg, .mov, .avi, .gif •Comprimidos o empaquetados: .zip, .Z, .gz, .tar, .lhz •Ejecutables o compilados: .exe, .com, .cgi, .o, .a •Procesadores de palabras: .doc
Archivos ascii
• •Archivos fuente: .f, .c, .p
•Formatos de texto: .tex, .txt, .html •Formatos de intercambio: .rtf, .ps, .uu
Dentro de los archivos ASCII de uso común por los programas de bioinformática están los siguientes:
• De secuencias: .seq • De secuencias múltiples: .aln, .msf (Multiple Sequence Format, secuencias alineadas), .rsf (Rich Sequence Format, estos archivos pueden incluir una o más secuencias relacionadas o no).
Los archivos también se pueden separar por grupos como son:
Nomenclatura: Todos los formatos de archivo o extensiones están escritos en mayúscula en la columna de la izquierda. A su derecha y en la misma línea todos ellos poseen una explicación adjunta o bien los programas recomendados para su uso. Todas las extensiones más importantes y que requieren una explicación más completa están marcados con un asterisco (*) y ampliadas en la parte final de su categoría correspondiente.
Listado:Aquí tenemos la lista completa de tipos de archivos ordenados, tal y como se indicó anteriormente.
Sistema: Estos son los archivos necesarios para el funcionamiento interno del Sistema Operativo así como de los diferentes programas que trabajan en él. No esta recomendado moverlos, editarlos o variarlos de ningún modo porque pueden afectar al buen funcionamiento del sistema.
Audio: Los archivos de audio son todos los que contienen sonidos (no solo música). Las diferentes extensiones atienden al formato de compresión utilizado para convertir el sonido real en digital.
Video: Los formatos de video no sólo continen imágenes sino también el sonido que las acompaña. Es bastante habitual que al intentar visualizar un vídeo no podamos ver la imagen aunque sí oigamos el sonido. Esto es debido al formato de compresión utilizado en ellos que puede no ser reconocido por nuestro ordenador, por ello siempre se ha de tener actualizados los codecs de cada uno de los formatos.
Comprimidos: Los formatos de compresión son de gran utilidad a la hora del almacenamiento de información ya que hacen que esta ocupe el menor espacio posible y que se puedan reunir muchos ficheros en uno sólo.
Images: Poco hay que decir de las imágenes y de sus formatos salvo que cada uno de ellos utiliza un método de representación y que algunos ofrecen mayor calidad que otros. También cabe destacar que muchos programas de edición gráfica utilizan sus propios formatos de trabajo con imágenes.
Texto: Dentro de los documentos de texto hemos de diferenciar entre el texto plano y el enriquecido. Es decir, entre los formatos que sencillamente guardan las letras (txt, log…) y los que podemos asignarles un tamaño, fuente, color, etc. (doc)
Programas La mayoría de los programas tienen formatos de archivo propios para utilizarlos en distintas funciones. Al ser bastante habituales algunos de ellos, detallamos los más importantes aquí.

*Organización de archivos
Los archivos y carpetas se organizan jerárquicamente En los sistemas informáticos modernos, los archivos siempre tienen nombres. Los archivos se ubican en directorios. El nombre de un archivo debe ser único en ese directorio. En otras palabras, no puede haber dos archivos con el mismo nombre en el mismo directorio. El nombre de un archivo y la ruta al directorio del archivo lo identifica de manera exacta entre todos los demás archivos del sistema informático-no puede haber dos archivos con el mismo nombre y ruta. La mayoría de las computadoras organizan los archivos en jerarquías llamadas carpetas, directorios o catálogos. (El concepto es el mismo independientemente de la terminología usada.) Cuando una computadora permite el uso de carpetas, cada archivo y carpeta no sólo tiene un nombre propio, sino también una ruta, que identifica la carpeta o carpetas en las que reside un archivo o carpeta. En la ruta, se emplea algún tipo de carácter especial -como un barra- para separar los nombres de los archivos y carpetas. Muchos (pero no todos) sistemas informáticos usan extensiones en los nombres de archivo para ayudar a identificar que contienen.

*Las operaciones generales que se realizan son:
Creación. Escritura de todos sus registros.
Es la primera operación que sufrirá el archivo de datos. Implica la elección de un entorno descriptivo que permita un ágil, rápido y eficaz tratamiento del archivo.
Para utilizar un archivo, éste tiene que existir, es decir, las informaciones de este archivo tienen que haber sido almacenadas sobre un soporte y ser utilizables. La crea¬ción exige organización, estructura, localización o reserva de espacio en el soporte de almacenamiento, transferencia del archivo del soporte antiguo al nuevo.
Un archivo puede ser creado por primera vez en un soporte, proceder de otro previamente existente en el mismo o diferente soporte, ser el resultado de un cálculo o ambas cosas a la vez.
Consulta. Lectura de todos sus registros.
Es la operación que permite al usuario acceder al archivo de datos para conocer el contenido de uno, varios o todos los registros.
Actualización. Inserción supresión o modificación de algunos de sus registros.
Es la operación que permite tener actualizado (puesto al día) el archivo, de tal modo que sea posible realizar las siguientes operaciones con sus registros: •Consulta del contenido de un registro. •Inserción de un registro nuevo en el archivo. •Supresión de un registro existente. •Modificación de un registro.
Un ejemplo de actualización es el de un archivo de un almacén, cuyos registros con¬I tienen las existencias de cada artículo, precios, proveedores, etc. Las existencias, pre¬cios, etc., varían continuamente y exigen una actualización simultánea del archivo con cada operación de consulta.
Clasificación. Reubicación de los registros de tal forma que queden ordenados según determinados criterios.
Una operación muy importante en un archivo es la clasificación u ordenación (sort, en inglés). Esta clasificación se realizará de acuerdo con el valor de un campo específico, pudiendo ser ascendente (creciente) o descendente (decreciente): alfabética o numérica.
Borrado. Eliminando total del archivo, dejando libre el espacio del soporte que ocupaba.
Es la operación inversa a la creación de un archivo (kill, en inglés). Cuando se destruye (anula o borra) un archivo, éste ya no se puede utilizar y, por consiguiente, no se podrá acceder a ninguno de sus registros.
Reorganización de un archivo. Las operaciones sobre archivos modifican la estructura inicial o la óptima de un archivo. Los índices, enlaces (punteros), zonas de sinónimos, zonas de desbordamiento, etc., se modifican con el paso del tiempo, lo que hace a la operación de acceso al registro cada vez más lenta. La reorganización suele consistir en la copia de un nuevo archivo a partir del archivo modificado, a fin de obtener una nueva estructura lo más óptima posible.

*
Archivo secuencial es la forma más simple de almacenar y recuperar registros en un archivo. En un archivo secuencial, se almacenan los registros uno tras otro. El primer registro almacenado se coloca al principio del archivo. El segundo se almacena inmediatamente después (no existen posiciones sin uso), el tercero después del segundo, etc. Este orden nunca cambia en la organización secuencial. Una característica de los archivos secuenciales es que todos los registros se almacenan por posición: de primer registro, segundo registro, etc.

*ARCHIVOS SECUENCIALES.
Se refiere al procesamiento de los registros, no importa el orden en que se haga, para eso los registros están organizados en forma de una lista y recuperarlos y procesarlos uno por uno de principio a fin.
Rudimentos de los archivos Secuenciales; dependiendo del dispositivo de almacenamiento utilizado el archivo se puede mostrar el usuario como si fuera un sistema secuencial.
Al finalizar un archivo secuencial se denota con una marca de fin de archivo. (End end-of-file)
usuario de un archivo secuancial puede ver los registros en un orden secuancial simple.
La única forma de recuperar registros es comenzar al principio y extraerlos en el orden contemplado.
Cuestiones de programación; la manipulación de los archivos se hace en el contexto de la programación en un lenguaje por procedimientos de alto nivel. Estos lenguajes tienden a expresar la manipulación de archivos mediante subrutinas que se definen como parte del lenguaje formal o se incluyen como extensiones del lenguaje en una biblioteca estándar.
La mayor parte de los lenguajes por procedimiento de alto nivel cuenta con características que ayudan a detectar la marca de fin de archivo.
Archivos Secuenciales indexados
Un método popular para superar las desventajas de los archivos secuenciales es el del archivo secuencias indexado.
El archivo secuencial indexado mantiene las caracteristicas básicas de los archivos secuenciales: los registros están organizados en una secuencia basada en un campo. Dos características se añaden: un índice del archivo para soportar los accesos aleatorios y un archivo de desbordamiento ( overflow ).
El indice provee una capacidad de búsqueda para llegar rapidamente a las proximidades de un registro deseado. El archivo de desbordamiento (overflow) es similar al archivo de registro usado en un archivo secuencial, pero esta intregrado de forma que los registros del archivo de desbordamiento se ubican en la dirección de un puntero desde si registro precedente.
En la estructura secuencial indexada mas simple, se usa un solo nivel de indexacion. El indice, en este caso, es un archivo secuencial simple. Cada registro del archivo indice tiene dos campos: un campo clave, que es el mismo que el campo clave del archivo principal y un puntero al archivo principal.
Para encontrar un campo especifico se busca en el indice hasta encontrar el valor mayor de la clave que es igual o precede al valor deseado de la clave. La busqueda continua en el archivo principal a partir de la posición indicada por el puntero.
Archivos Secuenciales
La forma mas común de estructura de archivo es el archivo secuencial. En este tipo de archivo, un formato fijo es usado para los registros. Todos los registros tienen el mismo tamaño, constan del mismo numero de campos de tamaño fijo en un orden particular. Como se conocen la longitud y la posición de cada campo, solamente los valores de los campos se necesitan almacenarse; el nombre del campo y longitud de cada campo son atributos de la estructura de archivos.
Un campo particular, generalmente el primero de cada registro se conoce como el campo clave. El campo clave identifica unívocamente al registro. así, los valores de la clave para registros diferentes son siempre diferentes.
Los archivos secuenciales son típicamente utilizados en aplicaciones de proceso de lotes Y son óptimos para dichas aplicaciones si se procesan todos los registros. La organización secuencias de archivos es la única que es fácil de usar tanto en disco como en cinta.
Para las aplicaciones interactivas que incluyen peticione s o actualizaciones de registros individuales, los archivos secuenciales ofrecen un rendimiento pobre.
Normalmente un archivo secuencial se almacena en bloques, en un orden secuencial simple de los registros. La organización física del archivo en una cinta o disco se corresponde exactamente con la ubicación lógica del archivo. En este caso, el procedimiento para ubicar los nuevos registros en un archivo de pila separado, llamado archivo de registro (log file) o archivo de transacciones. Periódicamente, se realiza una actualización por lotes que mezcla el archivo de registro con el archivo maestro para producir un nuevo archivo en secuencia correcta de claves.
Organización de Archivos Secuenciales.
La manera básica de organizar un conjunto de registros, que forman un archivo, es utilizando una organización secuencial. En un archivo organizado secuencialmente, los registros quedan grabados consecutivamente cuando el archivo se usa como entrada.
Un archivo organizado secuencialmente es un conjunto de registros lógicamente relacionados cuya secuencia de acceso está determinada por su ordenamiento. Los registros deben ser grabados consecutivamente cuando el archivo es creado, y deben ser leídos de la misma manera cuando es usado posteriormente como entrada.
Los requerimientos de proceso determinan el orden adecuado para la orden de los registros de un archivo secuencial. Por ejemplo para generar un directorio telefónico el archivo que contenga tal información deberá ordenarse con base al apellido y nombre de la persona, porque así se necesita el reporte de los datos.
Sin embargo, si se requiere tener un directorio telefónico ordenado de acuerdo a la zona postal o por su dirección, deberá de existir dos archivos, que podrán contener la misma información pero ordenada de forma diferente, por lo que los sistemas de información que se construyen utilizando esta organización, tienden a duplicar registros. Esto se podría decir que es una desventaja de la organización de archivos secuenciales.
Los sistemas de información que se construyen utilizando archivos secuenciales tienden a duplicar registros por los archivos que estén en orden diferente. Por lo regular no todos los archivos se conservan; muchos se consideran como temporales y se borran después de que se han utilizado como entrada al programa de aplicación y la información contendida se ha explotado para un propósito particular.
Debido a que los registros de un archivo secuencialmente deben de accesarse constantemente se utilizan con mayor frecuencia en procesamiento por lotes (que pueden tomar varios registros a la ves) que en procesamiento interactivo.
El desempeño de los archivos secuenciales depende de…
Factor de bloqueo
Longitud del archivo
Selección de la llave.
Actualización de archivos secuenciales.
Un archivo maestro representa un panorama estático de algún aspecto de una empresa. Sin embargo muchos de los aspectos de dicha organización no son estáticos, sino que continuamente ocurren cambios internos y/o externos que afectan directa o indirectamente a la empresa, como puede ser la contratación de personal, despidos, los ajustes de precios, etc. Para que un archivo pueda reflejar un estado actual lo más confiable posible, nuestro archivo debe ser actualizado.
Ventajas y Desventajas
La ventaja más importante de la técnica de organización secuencial de archivos es la capacidad de acceso al “siguiente” registro rápidamente: Mientras que el patrón de acceso a un archivo secuencial se conforme al ordenamiento de registros en el archivo, los tiempos de acceso serán muy buenos. Sin embargo, si el patrón de acceso al programa no se conforma al patrón de ordenamiento de los registros, entonces la eficiencia del programa puede ser terrible.
Otra ventaja de los archivos de organización secuencial es que son muy sencillos de usar y aplicar.
Almacenamiento De Archivos Secuenciales.
Los archivos secuenciales pueden almacenarse en dispositivos de acceso serial o directo. Con frecuencia los dispositivos de acceso serial son considerablemente menos caros que los dispositivos de acceso directo en un sistema de cómputo, pero de hecho, los dispositivos de almacenamiento de acceso directo en una computadora siempre proporcionan mayor capacidad de almacenamiento y acceso más rápido que los dispositivos de acceso serial.
Declaración De Archivos Secuenciales.
Casi todos los lenguajes proporcionan facilidades para declarar archivos secuenciales a continuación te presentamos un ejemplo en Pascal que bien puede ser aplicado a Delphi.
Program actualiza – maestro (reporte, movimientos, maestro – ent, maestro - salida);
Type registro – maestro = Record
Número – empleado: 1…9999

Nombre – empleado: packed array [1..25] of char;

Departamento: packed array [1..5] of char;

…

end;
registro – movimiento = record
tipo – movimiento: A,D;

detalle: packed array [1..81] of char;

end;
var reporte:text;
movimiento: file of registro – movimiento;

maestro – ent, maestro-sal: file of registro – maestro;
Creación de un archivo secuencial.
La creación de un archivo secuencial incluye la escritura de registros en una secuencia deseada dentro del medio de almacenamiento. La creación de un archivo secuencial de transacciones incluye la tarea de recolectar datos, convertir los datos a una forma legible para la máquina, editar los datos, convertir los movimientos rechazados y ordenar los datos editados.
Archivos de Reporte.
La creación de un archivo de reporte sigue el siguiente algoritmo:
Recuperación De Información De Archivos Secuenciales.
Los registros deben ser recuperados de un archivo secuencial en orden consecutivo. El orden en el cual los registros fueron grabados en el archivo, determina el orden en el cual los registros pueden recuperarse. De hecho, en realidad se hace todo lo contrario: el orden deseado para recuperar los registros debe dictar el orden en el cual deben grabarse.
La recuperación de información de un archivo secuencial puede clasificarse, ya sea en generadora de reportes o para hacer consultas, dependiendo del volumen de información producida. Los archivos secuenciales son frecuentemente accesados en el modo de generación de reportes. Debido a que los registros deben ser accesados consecutivamente, es bastante eficiente accesar cada registro del archivo.
¿Con que frecuencia es necesaria la actualización?
La frecuencia con la que debe ser actualizado el archivo depende de los siguientes factores.
• Velocidad de cambio de los datos.
• Tamaños del archivo
• Urgencia de tener datos actualizados
• Razón de actividad del archivo
La razón de actividad del archivo es el número de registros del archivo maestro afectados por un lote de transacciones, dividido por el número total de registros en el archivo maestro. Mientras menor sea el tiempo entre dos actualizaciones de un archivo maestro, mayor será la razón de actividad del archivo.
Entre menos actualizaciones haya, la edad promedio de los datos existentes en el archivo maestro aumentan.
Mientras mas grande sea la necesidad de tener datos actuales en el archivo maestro, mayor deberá ser la frecuencia de actualizaciones.
Mientras mas frecuenté deba ser actualizado el archivo maestro, mayor será el costo de procesamiento.
Generación de archivos.
Una desventaja de los archivos secuenciales es que en el proceso de actualización, la mayoría de los archivos secuenciales no pueden ser actualizados, más bien habrá que reescribirlos totalmente. Para llevar a cabo este proceso existirá un archivo maestro anterior y otro actual. Estas versiones sucesivas del archivo son normalmente conocidas como generaciones de archivo. Si el archivo maestro viejo perteneció a la generación 1, entonces el archivo nuevo del día pertenecerá a la generación 2, y así sucesivamente.
El tener varias generaciones del archivo se hace con el objetivo de obtener reportes históricos que podrían ayudar en un momento dado para la toma de decisiones de una empresa.
Tipos de actualización
Existen 3 tipos de actualización básicos que pueden ser aplicados a loa archivos maestros:
1.- Inserción de un nuevo registro
2.- supresión de un registro existente
3.- Modificación de un registro existente
Manipulación de errores
Existen muchos tipos de errores que pueden ser encontrados en la actualización de archivos, como los siguientes:
1.- Inserción de un archivo
2.- Supresión de un registro que no existe
3.- Modificación de un registro que no existe
La acción adecuada que deba realizarse cuando estos errores ocurran depende de la aplicación pero no se debe permitir que los errores infecten al archivo. Generalmente un programa de aplicación produce un reporte de errores, que identifica cada transacción que no fue procesada y la razón por la cual no fue procesada.
Desempeño De Archivos Secuenciales.
El desempeño de los archivos secuenciales está determinado por tres factores principales: El factor de bloqueo, la longitud del archivo y la selección de la llave.
Factor de Bloqueo
Los datos leídos o grabados en una cinta magnética, en grupos de caracteres, son llamados bloques. Un bloque es el grupo más pequeño de datos que se pueden transferir entre la memoria secundaria y la memoria principal en un solo acceso. Un bloque puede contener uno o más registros. Un bloque es algunas veces mencionado como un registro físico. El factor de bloqueo se refiere al número de registros por bloque. Mientras mayor sea el factor de bloqueo se mejora más el uso del dispositivo de almacenamiento debido a que entre cada bloque existe un espacio.
Los factores limitantes para determinar la amplitud del bloque son la disponibilidad de espacio de buffer en la memoria principal, los parámetros del sistema operativo (los cuales pueden limitar el tamaño del bloque) y los algoritmos locales de carga (los cuales negocian la utilización de memoria principal contra el acceso a los dispositivos de almacenamiento secundarios).
Si el archivo secuencial se almacena en un dispositivo de acceso directo, es recomendable que el tamaño del bloque coincida con el tamaño del sector ( si se utiliza un direccionamiento por sector) o con el tamaño de la pista.
Longitud Del Archivo Secuencial.
La longitud del archivo se determina por el volumen de los datos y por el diseño del registro, es decir el problema de determinar qué campos están en qué registros y en que archivos. Una norma es separar los campos de los registros de acuerdo con la frecuencia en que son accesados, de esta manera, separamos los datos de un registro completo entre un archivo activo y otro relativamente inactivo para reducir el tiempo de procesamiento sobre ese archivo.
Selección de la llave.
La llave de un archivo determina el orden en el cual son accesados los registros. Los campos para formar la llave del archivo secuencial son determinados por los requisitos de la información.
Resumen de Archivos Secuenciales.
Un archivo organizado secuencialmente es un conjunto de registros lógicamente relacionados cuya secuencia de acceso está determinada por su ordenamiento. Los registros deben ser grabados consecutivamente cuando el archivo es creado, y deben ser leídos consecutivamente cuando el archivo es usado posteriormente como entrada. Un archivo secuencial opera de la misma manera de cómo lo hace una cola larga: el primer registro físico es el primer registro escrito. Debido a que los registros deben ser accesados consecutivamente, los archivos de organización secuencial son usados más frecuentemente en procesamientos por lotes que en procesamientos interactivos. La principal ventaja de la organización secuencial es la capacidad para accesar rápidamente al “siguiente” registro.
El proceso de actualización de un archivo maestro secuencial es importante. La frecuencia con la cual el archivo maestro debe ser actualizado, depende de algunos factores, incluyendo volatilidad de los datos, tamaño del archivo, urgencia de la necesidad de tener datos actualizados y a razón de actividad del archivo. El concepto de generación de archivos fue introducido y se discutieron el número de generación absoluta y relativa. Los tipos básicos de actualización del archivo maestro son la inserción de nuevos registros, la supresión de registros viejos y la modificación de registros existentes. La lógica necesaria para aplicar estas actualizaciones fue explicada.
Los elementos fundamentales para el buen desempeño de archivos secuenciales son: el factor de bloqueo, la longitud del archivo (afectado por el diseño del registro) y la elección de la llave. Los archivos de organización secuencial son sencillos y pueden ser almacenados en un medio económico. Son muy adecuados para las aplicaciones que requieren sólo acceso secuencial a los datos contenidos. No son adecuados para aplicaciones que requieren acceso directo a algunos registros particulares de la colección. No proporcionan apoyo para aplicaciones interactivas. No obstante, continuarán siendo importantes.

*

ORGANIZACION DE DATOS

domingo, 13 de junio de 2010

Seguidores

Archivo del blog

Datos personales