Las bases de datos son las grandes protagonistas de la historia de la informática. Se utilizan para recopilar datos y correlacionarlos entre sí de forma estructurada, formalizando su inserción, actualización, búsqueda y cancelación. Representan la forma abreviada de la economía basada en los datos. Pero, ¿qué es una base de datos y para qué sirve? ¿Dónde está ubicada y dónde está instalada? ¿Cuál es su coste?
Las bases de datos se utilizan para recopilar, almacenar y comparar datos. Cada base de datos reside en un hardware, al que se puede interrogar (es decir, se puede acceder a él para solicitar información específica) mediante un terminal. Estas pueden residir en hardware físico o en una estructura de nube. Las bases de datos se pueden comprar a través de los servicios de alojamiento, a un costo que varía según las características y el tamaño máximo disponible.
Veamos cada uno de estos puntos en detalle a continuación.
Índice de temas
Definición de base de datos y para qué sirve
La base de datos es un conjunto de datos de diferentes fuentes: sitios web, CRM, etc. La definición de base de datos en informática se refiere a un archivo de datos estructurado (es decir, homogéneo en contenido y formato) almacenado en un ordenador. Su propósito es racionalizar, actualizar y gestionar la información y permitir la realización de investigaciones complejas.
Mediante un lenguaje de programación y un software de gestión adecuados, estos datos se pueden organizar y poner a disposición de los usuarios. Este es el caso de los contenidos de un sitio web que se guardan en una base de datos y luego se pueden extraer y visualizar en el propio sitio.
De esta forma, la información de un sistema informático se hace más organizada y funcional. Una base de datos puede organizar los datos en tablas, columnas o filas y buscar o ver toda la información de forma rápida y sencilla. ¡Como lo haría con una hoja de cálculo (Excel, por ejemplo)!
Diferencias entre bases de datos y hojas de cálculo
La principal diferencia entre una base de datos y una hoja de cálculo como Excel es que las dos herramientas, a pesar de ser ambos métodos para almacenar información, tienen funcionalidades diferentes.
Por ejemplo, en las hojas de cálculo, los datos están diseñados para ser manipulados principalmente por un usuario a la vez. Además, no siempre es posible almacenar grandes cantidades de datos. En las bases de datos, la organización de los datos permite un mayor grado de complejidad, un mayor espacio de almacenamiento y muchos más usuarios al mismo tiempo.
De hecho, en particular, las bases de datos en comparación con las hojas de cálculo permiten correlacionar los datos entre sí, lo que facilita su manipulación y visualización.
SQL: el lenguaje de bases de datos y cómo usarlo para administrar una base de datos
SQL, o lenguaje de consulta estructurado, es el lenguaje de programación utilizado por la mayoría de las bases de datos relacionales. Tiene la función de dar acceso a los datos, manipularlos y definirlos.
Originalmente, el nombre del lenguaje era SEQUEL, que significaba lenguaje de consulta en inglés estructurado. SQL es un estándar oficial reconocido por el ANSI (Instituto Nacional Estadounidense de Normalización) y la ISO (Organización Internacional de Normalización).
Aunque fue definido por el profesor E.F. Codd entre los años 60 y 70, se ha hecho tan popular que todavía se utiliza, gracias a su sencillez y eficacia.
Su impacto en el mundo es tal que las bases de datos no relacionales como MongoDB también reciben el nombre de NoSQL, lo que indica precisamente la falta de este lenguaje de programación.
Cómo funciona una base de datos
Una base de datos en informática recopila datos y los conecta en una unidad lógica. Los datos individuales se proporcionan en forma de metadescripciones y se acompañan de toda la información para su procesamiento.
Si una base de datos se diseña de forma racional y eficiente, es posible dar sentido a todos los datos registrados. Cuanto más optimizado esté un almacén de datos, mayor será la posibilidad de integrar herramientas adicionales de extracción y análisis, elaboración de informes, inteligencia y ETL (Extract Transform Load). Se trata de organizar el proceso de extracción, transformación y carga de datos. Esto incluye su organización y centralización en un único repositorio.
El proceso ETL hace que estos datos estén disponibles al extraerlos de un número ilimitado de fuentes. También los limpia para transformarlos y finalizarlos para la empresa, integrando los datos a través de sistemas heterogéneos.
Lo ideal es que el funcionamiento sea similar al de un archivador digital avanzado. Una base de datos crea una estructura que le permite introducir y modificar rápidamente la información que desee. Una vez almacenados en un ordenador electrónico, este conjunto de datos puede ser interrogado por cualquier terminal, utilizando las claves de acceso adecuadas.
Así es como, gracias a las bases de datos, no se pierde información. Una vez almacenados, se pueden gestionar y procesar para utilizarlos en las más diversas áreas de aplicación.
Desde el punto de vista de la arquitectura, una base de datos está integrada en el hardware (físico o en la nube) y se alimenta e interroga con el software.
Gestión de bases de datos: cómo gestionarla con un DBMS (Database management system)
A nivel físico (hardware), el almacenamiento de datos se basa en un sistema que consta de lo siguiente:
- Medios de almacenamiento (ayer en cinta, hoy en disco duro), que garantizan la persistencia de los datos;
- Un procesador para administrar los procesos, llamado servidor de base de datos.
Un cliente de base de datos interactúa con el servidor DBMS y, por lo tanto, también con la base de datos en un sentido físico. A nivel lógico (software), los datos estructurados se gestionan mediante un sistema de gestión de bases de datos (DBMS).
Un software de base de datos (DBMS) tiene la delicada función de archivar los datos de forma estructurada y, por lo tanto, de facilitar, luego, el acceso a los datos mediante consultas eficientes.
Se trata de sistemas que permiten implementar políticas de seguridad para combatir el acceso no autorizado y que, obviamente, están diseñados para garantizar la integridad de la información que contienen. Cada vez más sofisticado, el software de bases de datos también favorece las actividades de análisis y correlación en profundidad.
El sistema de gestión de bases de datos (DBMS) incluye toda la gama de aplicaciones que permiten la creación, la manipulación (gestión) y la consulta de datos de forma eficiente. Además de definir los usuarios y administradores de una base de datos, el DBMS proporciona mecanismos de seguridad y control de datos. También permite a los usuarios finales o a los programadores de aplicaciones compartir datos y preservarlos.
Cualquier operación en la base de datos por parte del usuario/administrador se lleva a cabo utilizando un lenguaje de programación determinado. Esto se realiza a través de un administrador de DBMS con una interfaz gráfica o línea de comandos. El servidor es la parte del DBMS que se encarga de proporcionar servicios de base de datos a otros programas y ordenadores en modo cliente/servidor.
El servidor almacena datos, recibe las solicitudes de los clientes y procesa las respuestas adecuadas.
Ejemplos de programas o software de DBMS para administrar bases de datos
Los siguientes son algunos ejemplos de sistemas de administración de bases de datos personales y profesionales. Las diferencias entre ellos radican en el tipo de sintaxis utilizada por el programador para compilar el código.
- Teradata: es un RDBMS (un sistema de administración de bases de datos relacionales) que funciona con los sistemas operativos Windows, Linux y Unix. Este sistema admite aplicaciones de almacenamiento de datos y varios usuarios de múltiples plataformas.
- Postgresql: es un sistema avanzado de base de datos de relaciones de código abierto. Soporta consultas SQL (relacionales) y JSON (no relacionales). Se utiliza como base de datos para muchas aplicaciones web y de análisis.
- Oracle Mysql: es un sistema de gestión de bases de datos relacional y de código abierto. Es una base de datos muy rápida, escalable y fácil de usar que funciona con sistemas cliente/servidor o embebidos.
- Servidor Microsoft SQL: es una base de datos relacional RDBMS creada por Microsoft. Está basado en SQL, el lenguaje de programación de bases de datos estándar. Desde octubre de 2016, está disponible para Windows y Linux.
El almacén de datos, diferencias con la base de datos
Vale la pena señalar la diferencia entre una base de datos y un almacén de datos (Datawarehouse): una base de datos contiene una colección de datos almacenados de acuerdo con diferentes lógicas (transaccionales, objetos, etc.). El almacén de datos almacena datos consolidados de múltiples bases de datos y es el componente principal de la inteligencia empresarial, ya que proporciona un alto rendimiento para las consultas analíticas.
De hecho, el almacén de datos es un sistema de gestión de datos que admite actividades de análisis e inteligencia empresarial que permiten realizar consultas y análisis en grandes cantidades de datos. El almacén de datos también puede estar en la nube, y uno de los ejemplos más conocidos es Google Big Query Cloud Data Warehouse.
¿Cómo diseñar una base de datos
Las bases de datos se utilizan para modelar conceptos del mundo real. La metodología para diseñar y desarrollar una base de datos separa las decisiones sobre qué representar y cómo hacerlo. Para introducir, actualizar, eliminar o buscar datos en una base de datos, el diseñador organiza la información y la conecta. Esta operación se lleva a cabo de acuerdo con un modelo lógico particular, estos son, en resumen, los pasos a seguir.
- Identificar el propósito de la base de datos
- Reúna toda la información necesaria
- Organice la información en tablas y columnas
- Configure relaciones
- Especifique las claves que se van a utilizar y las reglas de normalización (para evitar redundancias)
Tipos y ejemplos de bases de datos
Los modelos o tipos de bases de datos utilizados a lo largo de los años son diferentes, estos son algunos de ellos.
Base de datos en nube
Por base de datos en la nube se entiende el software ofrecido como servicio por un proveedor. Al elegir esta opción, será posible aprovechar la alta disponibilidad de espacio y la escalabilidad, típicas de la computación en nube.
Bases de datos distribuidas
Una base de datos puede ser local, es decir, utilizable en un equipo por uno o más usuarios, o distribuida. En este caso, se puede acceder a la información almacenada en ella a través de una red informática.
Base de datos Json (documental)
Se trata de una base de datos no relacional diseñada para la gestión (desde el almacenamiento hasta la búsqueda) de documentos JSON (notación de objetos de JavaScript). Esta base de datos permite una indexación flexible y puede evolucionar de acuerdo con las necesidades de las aplicaciones. Su uso ideal es archivar contenido para blogs, catálogos, etc.
Base de datos NoSQL
Se caracterizan por no utilizar el modelo relacional, que se suele utilizar para las bases de datos RDBMS. Esto significa que estos tipos de almacenes de datos no requieren esquemas fijos. Su éxito se debe a su facilidad de desarrollo y a la escalabilidad del rendimiento.
Base de datos jerárquica
Es decir, visualizable como un sistema de árboles, caracterizado por estructuras similares a los sistemas de archivos organizados de forma jerárquica. Ventajas: acceso de lectura extremadamente rápido, estructura clara y simple a nivel técnico. Desventajas: estructura de eje rígida que no permite conexiones entre árboles.
Base de datos reticular
Se puede ver a través de un gráfico. Ventajas: tiene más rutas para acceder al registro y no hay una jerarquía estricta. Desventajas: Permite una visión general deficiente para bases de datos grandes.
Base de datos relacional
Se puede ver como una serie de tablas y relaciones entre ellas y es la más extendida en la actualidad.
Base de datos basada en objetos
Con extensión a las bases de datos del paradigma orientado a objetos, típico de la programación de objetos. Ventajas (de lo puramente relacional): creación y procesamiento fáciles y flexibles, fácil expansión, fácil implementación. Desventajas (de lo puramente relacional): es difícil de gestionar con grandes cantidades de datos.Permite una segmentación deficiente con una construcción de claves artificiales. La interfaz de programación es externa y tiene una mala representación de las propiedades y el comportamiento de los objetos.
Base de datos orientada a documentos (NoSQL)
No almacena los datos en tablas con campos uniformes para cada registro como en las bases de datos relacionales. Cada registro se almacena como un documento que tiene determinadas características. Ventajas: almacenamiento centralizado de datos relacionados en documentos individuales, estructura libre, orientación multimedia. Desventajas: requieren grandes esfuerzos organizativos y, a menudo, habilidades de programación.
Base de datos Key-Value Store (NoSQL)
Es una base de datos que almacena los datos como un conjunto de pares clave-valor donde una clave representa un identificador único. Las claves y los valores pueden ser cualquier cosa, desde un objeto simple hasta objetos compuestos.
Base de datos basada en gráficos (NoSQL)
En las bases de datos de gráficos, las entidades se representan mediante nodos de un grafo, conectados entre sí a través de relaciones. Son ideales cuando los datos importantes están representados por la relación entre entidades. Un ejemplo de aplicación típico es el análisis semántico.
Base de datos columnar (NoSQL)
A diferencia de las bases de datos relacionales clásicas, en este tipo de bases de datos la información se guarda por columnas. Dado que el número de columnas puede cambiar sin problemas con el tiempo. Estas bases de datos permiten modelar de forma trivial nuevas especificaciones no previstas en el proyecto inicial. De hecho, se utilizan ampliamente en los sistemas OLAP, donde se utilizan ampliamente subconjuntos de columnas.
Evolución e historia del DB desde 1960 hasta la actualidad
La llegada de los ordenadores a las empresas ha sido una bendición, pero la informatización 1.0 ha creado muchos sistemas aislados (silos). El resultado fue que los datos permanecieron compartimentados y bloqueados entre las distintas áreas de negocio.
La llegada de las bases de datos a la TI ha cambiado el clima empresarial, inaugurando una gestión de datos capaz de iluminar a las organizaciones con información. De hecho, las bases de datos son extremadamente útiles tanto para administrar datos como para simplificar la búsqueda de información específica.
1. Base de datos Flat File (1960)
Antes de la llegada del modelo relacional, en la década de 1960, el mundo de las computadoras centrales utilizaba el modelo de datos jerárquicos o de red. En la base de datos relacional, los datos se dividen en tablas especiales por tema y, a continuación, estos temas se dividen por categorías (campos). Esta división hace que las bases de datos sean mucho más eficientes en comparación con un almacén de datos creado, por ejemplo, mediante el sistema de archivos planos de un sistema operativo.
2. Base de datos de navegación (1970)
Algunos dicen que el modelo de datos de red modular de la década de 1970 es similar al modelo gráfico actual, pero no es así. Esto se debe a que en la década de 1970 no existía un lenguaje de consulta declarativo para el modelo de red. En ese momento, de hecho, los desarrolladores necesitaban saber cómo se almacenaban físicamente los datos y crear programas para acceder a la información.
3. Base de datos relacional (1980)
Recién en 1980 se afirmó el modelo relacional que permitía alcanzar un nivel de independencia de los datos. Permitió a los usuarios acceder a la información sin conocer la estructura física de una base de datos. Varios años después, Edgar F. Codd (investigador de IBM) comenzó a proponer un nuevo enfoque para crear bases de datos. Así llegamos al modelo relacional para bases de datos compartidas. Luego, de los laboratorios de IBM, surge el SQL (Structured Query Language), que se afirma como el lenguaje de consulta estándar para las bases de datos relacionales. Los DBMS relacionales se centran en un modelo típicamente transaccional (proceso de transacciones en línea (OLTP).
4. Base de datos distribuida (1990)
Con la explosión de la economía web, el W3C, una organización no gubernamental internacional para el desarrollo del potencial de la Web, promueve propuestas para el estándar de datos web. En esta década, para compensar el bajo rendimiento que ofrecen las bases de datos relacionales en los procesos de análisis (OLAP), han surgido bases de datos multidimensionales. Estas últimas permiten realizar análisis más eficaces sobre enormes cantidades de datos. De hecho, a finales de los 90, todas las bases de datos relacionales comerciales contenían un motor multidimensional. Fue este capítulo de desarrollo el que inauguró la programación de bases de datos orientada a objetos. El final de los 90 también fue la era de NoSQL (acrónimo de Not Only SQL).
El término, acuñado por Carlo Strozzi en 1998, inició un movimiento que promueve el desarrollo de una base de datos relacional de código abierto que no utilice una interfaz SQL. El autor explica: “NoSQL se aparta radicalmente del modelo relacional y, por lo tanto, debería llamarse más apropiadamente NoRel o algo así”.
El significado de NoSQL era una apertura a diferentes casos de uso para los que el modelo relacional es exagerado. Las bases de datos NoSQL están diseñadas específicamente para modelos de datos específicos. Tienen esquemas flexibles para crear aplicaciones modernas, utilizando múltiples modelos de datos, incluidos documentos, gráficos, clave-valor, etc.
5. DBMS posrelacional (2000)
El comienzo del segundo milenio se caracterizó por la programación orientada a objetos del DBMS. El ODBMS (Object DBMS) permite a los usuarios almacenar directamente una serie de objetos dentro de las bases de datos, cada uno de los cuales puede contener otros. Hoy en día, en realidad, muchos DBMS hibridan el modelo relacional y el modelo de objetos. Hablamos, por tanto, de ORDBMS (Object Relational DBMS). En 2000 también se fundó Neo Technologies, una empresa que comenzó a desarrollar su propia base de datos de gráficos, Neo4j.
Los programadores también crearon el lenguaje de consulta declarativo para el modelo gráfico Cypher. Esto se basa en algunos conceptos de desarrollo de SPARQL (protocolo SPARQL y lenguaje de consultas RDF), como la coincidencia de modelos de gráficos. La era de la web semántica se está abriendo paso al universo de las bases de datos.
La posibilidad de extraer información de las bases de conocimiento distribuidas en la web, de hecho, abre un horizonte de aplicación casi infinito. El marco de descripción del RDF (Resource Description Framework) ha sido estandarizado por el Grupo de Trabajo sobre Acceso a los Datos (grupo de trabajo del consorcio del W3C). El mismo grupo de trabajo lo convirtió en una recomendación oficial el 15 de enero de 2008. Este marco describe los conceptos y sus relaciones mediante la introducción de triples (sujeto-predicado-objeto). Permite construir consultas basadas en patrones triples, conjunciones lógicas, disyunciones lógicas y patrones opcionales.
6. Base de datos en memoria (2010)
Para respaldar el análisis de datos en tiempo real, en los últimos años se han desarrollado las denominadas bases de datos en memoria. Estas permiten superar algunas de las limitaciones de las bases de datos tradicionales en el análisis en tiempo real de grandes cantidades de datos. Una IMDB (base de datos en memoria) almacena las colecciones de datos directamente en la memoria central de las computadoras y proporciona resultados de análisis.
La principal ventaja de las bases de datos en memoria es su velocidad de acceso significativamente más rápida (gracias al uso de la memoria central). La segunda es el fácil procesamiento de datos estructurados y no estructurados de cualquier fuente.
La principal desventaja es que este tipo de base de datos solo permite el almacenamiento de datos a corto plazo. En caso de caída, se pierden todos los datos volátiles. Se han ideado varios sistemas para superar este problema. Estos incluyen instantáneas de bases de datos, copias de seguridad del registro de transacciones, replicación y RAM no volátil. La segunda desventaja está relacionada con el alto compromiso de la RAM, lo que reduce su disponibilidad. Por esta razón, a menudo se utilizan en varios ordenadores conectados entre sí con un enfoque de computación en red.
Ingenieros de sistemas y administradores de bases de datos: las habilidades de los profesionales de bases de datos
Si bien los usuarios finales de la base de datos utilizan las aplicaciones que les permiten consultar la base de datos, hay una serie de figuras clave que permiten el funcionamiento de la base de datos.
El DBA (administrador de bases de datos) es la figura de referencia que:
- Administra los accesos.
- Prepara tablas, índices y vistas.
- Optimiza el espacio en disco.
- Realiza copias de seguridad y restaura.
Entre bastidores de una base de datos, trabaja un equipo de analistas programadores que se encarga de escribir aplicaciones que utilizan datos de la base de datos.
El grupo cuenta con el apoyo de un equipo de ingenieros de sistemas. Estos últimos son responsables de verificar el correcto funcionamiento de los sistemas de hardware y software en los que se ejecuta el sistema de gestión de bases de datos.
Servicios de alojamiento y costos promedio de bases de datos
Los servicios de alojamiento, en la práctica, consisten en suscripciones que permiten la asignación de datos (representados por las páginas de un sitio y por las aplicaciones) en un servidor web. Esto permite poner los recursos a disposición de más usuarios. Específicamente, los servicios de base de datos están incluidos en las ofertas de alojamiento.
Es bastante complicado informar sobre los costos de dichos servicios. De hecho, hay servicios de alojamiento gratuitos, en su mayoría son elementales y a menudo son promocionales para fomentar la transición a soluciones más avanzadas. Entre otras cosas, tienen inconvenientes. Estos incluyen la falta de garantía de servicio, el ancho de banda controvertido entre varios usuarios y el bajo rendimiento técnico.
Luego hay una gama muy amplia de ofertas de pago. Los costes de estas últimas se calculan mediante una gran serie de variables. Van desde la amplitud del espacio de almacenamiento hasta los SLA, es decir, acuerdos de nivel de servicio relacionados con el rendimiento. Se refieren a la facilidad de uso y a las capacidades de integración. Y, de nuevo, todas las funcionalidades que incluye.
Base de datos en la nube: soluciones disponibles en la actualidad
Las últimas tendencias en programación de bases de datos utilizan la nube para permitir un proceso de abstracción de bases de datos que va del producto al servicio.
La base de datos como servicio, al no tener restricciones de recursos, garantiza la escalabilidad y la alta disponibilidad de la base de datos.
La base de datos como servicio pasa por las API. De hecho, el componente de administración controla las capas subyacentes a las distintas instancias mediante un servicio de API, expuesto al usuario. Y es tal que le permite realizar operaciones de mantenimiento y escalabilidad en sus instancias de base de datos.
Base de datos con imagen de máquina virtual. Las empresas pueden comprar máquinas virtuales (incluso por un tiempo limitado) y gestionar así una o más bases de datos. Los usuarios también pueden cargar las imágenes de sus máquinas con la base de datos ya instalada en su interior. O utilice una máquina lista para usar que contenga una versión optimizada de una base de datos.
Base de datos como servicio (DBaaS): soluciones disponibles
Una base de datos como servicio permite a quienes la utilizan no tener que instalar y mantener el sistema. La DBaaS se ofrece como un servicio puro, con un alto nivel de disponibilidad (entre el 99,9 % o el 99,99 %). La instalación y el mantenimiento son responsabilidad del proveedor, de acuerdo con una tarifa de consumo. Estas son algunas de las soluciones de DBaaS disponibles.
El Registro Nacional de Bases de Datos en Colombia
El RNBD o Registro Nacional de Bases de Datos es un directorio público de las bases de datos con información personal sujetas a tratamiento que operan en el país, acorde con lo establecido en la Ley 1581 de 2012.
Según la Superintendencia de Industria y Comercio (SIC) esto no quiere decir que allí esté depositada ninguna base de datos, en su lugar lo que está es la información de cuántas bases de datos hay en el país.
Este registro funciona no solamente en Colombia, también existe en otros países como España, Perú, Argentina y Uruguay, entre otros y sirve para conocer la realidad de las bases de datos personales, la cantidad de titulares y tipos de datos tratados, quién o quiénes adelantan su tratamiento, la finalidad y las políticas de tratamiento y los canales o mecanismos dispuestos para recibir consultas, peticiones y reclamos, entre otros.
Lo deben implementar en forma obligatoria, las sociedades y entidades sin ánimo de lucro que tengan activos totales superiores a 100.000 Unidades de Valor Tributario (UVT) (aproximadamente COP$4.706. 500.000 para el 2024) y las personas jurídicas de naturaleza pública
