Universidad de Guadalajara

División de Electrónica y Computación

Departamento de Ciencias Computacionales

Estructura de Datos II
I5888

Graciela Lara López

 Introducción: Archivos y Estructuras de Archivos

Archivo:
Una colección de bytes que representa información y que
normalmente se guarda en almacenamiento secundario.
Para su procesamiento, todo el contenido de un archivo, o
parte de él, suele cargarse en memoria RAM.

Graciela Lara López

 Estructuras de Archivo:

Organización impuesta a un archivo para facilitar su

procesamiento. Las estructuras de archivos incluyen
campos, registros, bloques, árboles, índices, secuencias y
otras construcciones conceptuales.

Graciela Lara López

 Archivo de Texto (secuenciales):

Son archivos que contienen texto (caracteres ASCII). Un

archivo de texto consta de una serie de líneas (cada una
contiene caracteres, palabras y frases) separadas por una
marca de fin de línea, que se conoce como retorno de
carro. Los archivos de texto se pueden crear en un editor
del sistema operativo.

Graciela Lara López

 Operaciones fundamentales para el
procesamiento de archivos
Archivo Binario (tipeado):

Son archivos que contienen datos de tipo simple o

estructurado, tales como integer, real, record (struct), etc.
Estos archivos se llaman binarios ya que los valores binarios
almacenados en memoria se copian directamente en el
disco.

Graciela Lara López

 Archivo Físico:

Archivo que en realidad existe en el almacenamiento

secundario. Es el archivo tal como lo conoce el sistema
operativo y que aparece en su directorio de archivo.

Archivo Lógico:

Archivo visto por el programa. El uso de archivos lógicos

permite a un programa describir las operaciones que van a
efectuarse en un archivo sin saber cuál archivo físico real se
usará.
Graciela Lara López
 Operaciones fundamentales para el procesamiento de archivos

Create(). Función o llamada al sistema para crear un archivo en

almacenamiento secundario, que también puede unir a un
nombre lógico al nombre físico del archivo. Esta función también
genera información que se utiliza por el sistema para administrar
el archivo, tal como la fecha de creación, la localización física y los
privilegios de acceso de los usuarios previsto del archivo.

fd = create (nombrearchivo, PMODE);

PMODE. El modo de protección establecido para el archivo, que

indica quién puede leerlo, escribir en él y ejecutarlo.
r w e r w e r w e
PMODE = 0751 => 1 1 1 1 0 1 0 0 1
prop. grupo los demás
Graciela Lara López
 Open(). Función o llamada al sistema para lograr que un
archivo esté listo para usarse. También puede enlazar un
nombre lógico de archivo con un nombre físico. Sus
argumentos incluyen el nombre del archivo lógico y el
nombre del archivo físico, y también puede incluir
información sobre cómo realizar el acceso al archivo .

fd = open (nombrearchivo, MODO);

fd. El descriptor del archivo (file descriptor, fd). Es el número de línea telefónica
empleado para referirse al archivo dentro del programa. Como puede observarse, puede
observarse, es el valor entero devuelto por open(), y no algo establecido mediante una
posición aparte.

nombrearchivo. El nombre del archivo físico.

MODO. El modo de acceso al archivo. Se específica como un entero igual a 0 si el

archivo se abre sólo para lectura; a 1 si es sólo para escritura, y a 2 si se abre para lectura y
escritura.
Graciela Lara López
 Write(). Función o llamada al sistema para proporcionar
capacidades de salida. Considerando los siguientes tres
argumentos: 1) un nombre de archivo_destino
correspondiente a un archivo abierto; 2) la dirección_fuente
de los bytes que serán escritos y 3) el tamaño o cantidad de
datos que se ha de escribir.

write (Archivo_destino, Dir_fuente, Tamaño);

Archivo_destino. El nombre lógico del archivo (línea telefónica) que se usa

para enviar los datos.

Dir_fuente. WRITE() debe saber dónde se localiza la información que enviará.

Esta especificación se proporciona como una dirección de memoria.

Tamaño. Se debe proporcionar el número de bytes por escribir.

Graciela Lara López

 Read(). Función o llamada al sistema que se usa para obtener
datos de un archivo o dispositivo. Requiere tres argumentos:
1) un nombre lógico del archivo archivo_fuente que
corresponda con un archivo abierto; 2) la dirección_destino
de los bytes que se leerán y 3) el tamaño o cantidad de datos
que se van a leer.
read (Archivo_fuente, Dir_fuente, Tamaño);
Archivo_fuente. La llamada READ() debe saber de dónde leerá. Se especifica
la función mediante el nombre lógico de un archivo (línea telefónica), a través
de la cual de recibirán los datos.

Dir_destino. READ() debe saber dónde colocar la información que lee del
archivo de entrada. Esta función especifica el destino proporcionando la
dirección de localidad de memoria donde se desea almacenar los datos.

Tamaño. READ() necesita saber cuánta información debe extraer del archivo
(cantidad de bytes).
Graciela Lara López
 Seek(). Función o llamada al sistema que coloca el apuntador
de lectura y escritura en una posición específica en el archivo.

seek (Archivo_fuente, Distacia);

Archivo_fuente. Es el nombre lógico del archivo donde ocurre la localización.

Distancia. Es el número de posiciones que el apuntador se mueve desde el

inicio del archivo.

Graciela Lara López

 Dispositivos de almacenamiento secundario
y software de sistemas: consideraciones de
desempeño
Memoria RAM (almacenamiento primario)

 Existe un límite en la cantidad de RAM.

 La memoria RAM sigue siendo un dispositivo caro.
 La memoria RAM es volátil.

El término almacenamiento secundario se refiere a los medios

de almacenamiento que están fuera de la RAM. En este
almacenamiento se puede almacenar más información, son
más económicos y no requieren suministro de energía.

Graciela Lara López

 Dispositivos de almacenamiento secundario

Discos. Las unidades de disco pertenecen a una clase de

dispositivos conocido como dispositivos de almacenamiento
de acceso directo (DAAD), los cuales contrastan con los
dispositivos de acceso en serie.

Graciela Lara López

 Organización de los datos (disco)

La información almacenada se guarda sobre la superficie de

uno o más platos. La disposición es tal que la información es
almacenada en pistas sucesivas en la superficie del disco. Por
lo común cada pista se divide en sectores.

Un sector es la porción referenciable más pequeña de un

disco.

Graciela Lara López

 Si una unidad de disco usa varios platos, puede llamársele
paquete de discos (discos duros). Las pistas que están
directamente una sobre otras forman un cilindro.

Graciela Lara López

 La importancia del cilindro es que se puede tener acceso a
toda la información almacenada sin mover el brazo que
sostiene las cabezas de lectura escritura.

El movimiento de este brazo se llama desplazamiento. Este

movimiento del brazo suele ser la parte más lenta de la
lectura escritura en un disco.

Graciela Lara López

 Estimación de capacidades y necesidades de espacio

La cantidad de datos que pueden guardarse en una pista

depende de la densidad con que puedan almacenarse los bits
en la superficie del disco.

Ejercicio. Tenemos un archivo con 20 000 registros. Cada registro requiere

256 bytes. ¿Cuántos cilindros requiere el archivo?
Graciela Lara López
 Organización de los datos (sectores)

Los sectores son segmentos de pistas contiguos o adyacentes

de tamaño fijo (512 bytes), capaces de contener un archivo,
pero está adyacencia puede ser física o lógica.

Graciela Lara López

 Factor de Intercalación
Se refiere al número de sectores físico que hay entre el
siguiente sector lógicamente adyacente y el sector que se
está leyendo o escribiendo

Graciela Lara López

 Cúmulos o Cluster
Unidad mínima de asignación de espacio en un disco
organizado por sectores que consiste en uno o más sectores
contiguos.

ESQUEMA

Para ver un archivo como una serie de cúmulos y aún así

mantener el punto de vista de sectores, el administrador de
archivos une los sectores lógicos con los cúmulos físico a los
que pertenecen; para ellos emplea la FAT (Tabla de
Asignación de Archivos, la cual mantiene una lista ligada de
todos los cúmulos de un archivo ordenados de acuerdo, con
el orden lógico de los sectores que contiene.

Graciela Lara López

 Administrador de Archivos

La parte del sistema operativo responsable de la

administración de archivos, que incluye un conjunto de
programas cuyas responsabilidades van desde seguirle la
pista a los archivos hasta llamar a los proceso de E/S que
transmiten la información entre almacenamientos primario y
secundario.
ESQUEMA

Graciela Lara López

 Extensiones

El término se refiere la contigüidad física de los sectores de

un archivo, y por tanto al desplazamiento del brazo del disco.
Si un disco cuenta con mucho espacio disponible, será posible
que se constituyera un archivo completo de cúmulos
contiguos, cuando esto sucede, se dice que el archivo se
compone de una extensión.Uno o más cúmulos adyacentes
asignados como parte o total de un archivo.

ESQUEMA

Graciela Lara López

 El costo de un acceso a disco
Un acceso a disco se puede dividir en 3 operaciones físicas
distintas, cada una de las cuales tiene un costo propio: Tiempo de
desplazamiento, retraso por rotación, y tiempo de transferencia. La
suma de estas 3 operaciones son el costo total del acceso a un dato
contenido en el disco.

 Tiempo de desplazamiento: Tiempo requerido para mover el

brazo de acceso hasta el cilindro adecuado, el cual depende de
la distancia que tenga que recorrer el brazo.

 Retraso por rotación: Tiempo que transcurre para que el disco

gire al sector que se desea quede bajo la cabeza de
lectura/escritura.

 Tiempo de transferencia: Tiempo para leer el sector que está

bajo la cabeza lectora.
Graciela Lara López
 Framentación
Espacio que se vuelve inútil dentro de un cúmulo, bloque,
pista u otra unidad de almacenamiento físico. Por ejemplo la
fragmentación en pistas ocurre cuando el espacio en una
pista se queda sin uso por ser insuficiente para acomodar un
bloque completo (interna y externa).

ESQUEMA
Otro ejemplo. Si queremos guardar registros de 300 bytes se
puede hacer de la siguiente forma:

a) Almacenar 1 registro por sector.

b) Permitir que los registros se traslapen entre los sectores,
de modo que el principio de un registro se encuentre en
un sector y en fin e otro.
Graciela Lara López ESQUEMA
 Organización de los datos por bloques (Cintas)
Las pistas no están divididas por sectores, sino que un
número entero de bloque que el usuario define y cuyo
tamaño puede variar. Los bloque pueden ser de longitud fija
o variable.

A los bloques de les llama comúnmente REGISTROS.

La organización por bloques no presenta el problema de la

fragmentación y la distribución de sectores. Porque el
tamaño de los bloque puede variar para ajustarse a la
organización lógica de los datos.

Por lo general un bloque está organizado para almacenar un

número entero de registros de registros lógicos. El término
factor de bloque se emplea para indicar lo anterior.
Graciela Lara López
 En general los bloques son superiores a los sectores cuando
se pretende que la asignación física del espacio para cada
registro corresponda con su organización lógica.

Sub-bloque de Sub-bloque de Sub-bloque de

conteo Llave Datos

Puesto que la organización de los datos es secuencial no se

requieren direcciones para ubicar datos.

ESQUEMA
En la pista #9 se almacena el bit de paridad impar. Este bit no
es parte del dato, pero nos permite detectar errores.

Graciela Lara López

Graciela Lara López
 Esquemas operativos de Entrada-Salida.

Graciela Lara López

 Conceptos fundamentales de estructuras
de archivos.
Campo

Un campo es la unidad de información lógicamente

significativa más pequeña en un archivo. Es una idea lógica,
una herramienta conceptual. Un campo no necesariamente
existe en un sentido físico, pero aun así es importante para la
estructura del archivo.

Cuando la información se transcribe como una secuencia de

bytes no diferenciable, se pierde el rastro de los campos que
le dan significado a la información. Es necesario organizar los
archivos de manera que la información se mantenga dividida
en campos.
Graciela Lara López
 Registro

Un registro es un conjunto de campos agrupados bajo la

perspectiva de un archivo de nivel mas alto de organización
en un archivo. Al igual que un campo, un registro es una
herramienta conceptual, es otro nivel de organización que se
impone sobre los datos para preservar su significado.

Graciela Lara López

 Longitud fija

Se otorga al campo o registro una longitud predeterminada

antes de ser insertados los datos, tiene la ventaja de saber
el tamaño exacto del campo o registro con anticipación
mejorando así los tiempos de búsqueda y lectura.

Longitud variable

Se otorga al campo o registro una longitud adecuada al

dato que se va a insertar eliminando huecos en memoria,
tiene la ventaja de ahorrar memoria al no tener espacios
huecos y evitar pérdidas de información al no tener datos
de mayor tamaño que el campo o registro.

Graciela Lara López

 Estructuras interna de campos
Estructuralmente los campos pueden ser de longitud fija o
variable cada caso con sus respectivas ventajas y desventajas
presentadas a continuación.

Campos de longitud Fija

Esto es, otorgar a un campo una longitud predecible. Tiene la
ventaja de un mejor manejo, al poder encontrar fácilmente el
fin del campo con solo contar hasta el final de este (sin validar
el contenido).

Entre sus desventajas esta el desperdicio de memoria ya que si

el contenido no es igual al tamaño del campo queda un
sobrante de memoria que no será utilizado que en archivos
grandes puede llegar a ser considerable. Otra desventaja es
que si los datos son más grandes que el campo, no pueden
almacenarse los datos en su totalidad, causando perdida de la
información.
Graciela Lara López
Graciela Lara López
 Campos de longitud variable

Esto es, otorgar a cada campo la longitud requerida

únicamente. Tiene la ventaja de un mayor ahorro de
memoria, ya que no habrá huecos entre los datos, así como
un ajuste exacto al valor guardado evitando la perdida de
información.

Entre sus desventajas esta el gran costo en cuestión de

tiempo ya que se deben leer y procesar los datos para
determinar donde inicial y donde terminan los campos.

Graciela Lara López

 Una forma de preservar la identidad del campo es
almacenar su longitud delante de ellos.

Graciela Lara López

 Otra forma de preservar la identidad de los campos es insertar un delimitador,
este debe ser un carácter que no se utilice dentro.

Graciela Lara López

 Estructura interna de un registro
Un registro es un conjunto de campos agrupados bajo la perspectiva
de un archivo de nivel mas alto de organización en un archivo.

Algunos de los métodos que se usan con mayor frecuencia para

organizar un archivo en registros son los siguientes:

Registros de longitud fija

Se le da una longitud predeterminada a cada registro, los campos de

este pueden ser de longitud fija o variable.

Hacer un registro de longitud predecible, permite mantener la

cuenta del registro. Cuando el conteo llega a una cantidad
determinada se sabe que el registro se ha leído por completo.

Graciela Lara López

 Registros de longitud variable

Comenzar cada registro con un indicador de longitud. Se puede transmitir

la longitud de los registros al inicio de cada registro iniciando con un
campo que contenga un numero entero con la longitud total del registro,
se ahorra memoria y se evitan perdidas de información por
desbordamiento pero tiene un gran costo de lectura en cuestión de
tiempo y es más difícil de manejar que el método anterior.

Usar un segundo archivo con información sobre las direcciones. Se puede

tener un segundo archivo “índice” para mantener información sobre la
distancia en bytes de cada registro en el archivo original. La distancia en
bytes permite encontrar el comienzo de cada registro y calcular su
longitud.

Colocar un delimitador al final de cada registro. Esto es, introducir un

carácter especial al final de cada registro que indique el fin de este. La
marca de fin de línea se usa frecuentemente como un delimitador de
registro, en la siguiente figura se usa un # como delimitador.
Graciela Lara López
Graciela Lara López
 Extracción de registro por llave

Campos llave

Estos son campos de datos con un contenido resultado de la

expresión derivada de uno o más campos dentro de un
registro que pueden usarse para identificar a ese registro. A
los campos que se utilizan para formar esa llave, se les
denomina “campos de llave”. El acceso por llave proporciona
una forma de recuperar información que se basa en el
contenido de los registros, y no en su posición.

Tipos de llave: primaria y secundaria

Graciela Lara López

 Forma canónica

Forma estándar para una llave que puede derivarse de varios

campos, con la aplicación de reglas bien definidas.

Graciela Lara López

 ACCESO Y ORGANIZACIÓN DE ARCHIVOS

Acceso secuencial y acceso directo

Acceso Secuencial

 Los registros se leen desde el principio hasta el final del

archivo, de tal forma que para leer un registro se leen
todos los que preceden.

 El acceso secuencial funciona mejor cuando se desea

procesar archivos compuestos únicamente de texto,
como los archivos creados con un editor de texto
habitual, y no archivos en los que los datos se dividen en
una serie de registros.

Graciela Lara López

 Cuando se busca en forma secuencial un registro en un
archivo con n registros se tiene:

 A lo sumo n comparaciones y en promedio n/2

comparaciones.
 Se dice que una búsqueda secuencial es del orden O(n)
porque el tiempo que tarda es parcial a n.
 La búsqueda secuencial es demasiado costosa para la
mayoría de las situaciones de extracción de información.
Sin embargo, puede ser razonable para archivos muy
cortos (con pocos registros), buscar en archivos que no se
utilizan comúnmente y la búsqueda de registros con cierto
valor de llave secundaria.

Graciela Lara López

  Existe la posibilidad de mejorar la eficiencia de la
búsqueda secuencia leyendo un bloque de varios
registros a la vez.

ESQUEMA

Este método no cambia el costo de la búsqueda (n). El

manejo por bloques ahorra tiempo, ya que disminuye el
número de desplazamiento del brazo del disco.

Graciela Lara López

 Acceso Directo
Se tiene acceso directo a un registro cuando es posible
colocarse directamente al inicio del registro y leerlo.

ESQUEMA

Mientras que la búsqueda secuencial es una operación O(n) el

acceso directo es O(1); no importa cuan grande sea el archivo,
con un solo desplazamiento es disponible extraer el registro
que se requiere.

La idea de un NRR (Número Relativo de Registro) surge de la

noción de un archivo como un conjunto de registros y no
como un conjunto de bytes.

Graciela Lara López

 Si un archivo es una secuencia de registros entonces el NRR de
un registro proporciona su posición relativa de un registro con
respecto al principio del archivo. El primer registro de un
archivo tiene el NRR0, el siguiente el NRR1 y así
sucesivamente.

ESQUEMA

¿Qué se puede hacer con este NRR? No mucho ya que las

estructuras de archivos que se han usado hasta ahora
consisten en registros de longitud variable.

Para que sea posible el acceso directo por NRR se necesita

trabajar con registros de longitud fija (conocida). Luego se
puede calcular la distancia en bytes desde el inicio del registro.
Graciela Lara López
 d=n*r

Donde

n = NRR
r = Tamaño del Registro

Elección de una estructura y una longitud de registro.

ESQUEMA

Una vez que se decide fijar la longitud fija de los registros

para poder usar el NRR y tener acceso, se debe determinar
su longitud. Esta claro que está decisión está relacionada con
el tamaño de los campos que se desea guardar en los
registros.
Graciela Lara López