Archivo informático

Qué es

Un archivo informático es lo que un programa pide al sistema
operativo cuando quiere recuperar mañana los mismos bytes: abre el
archivo por su nombre, lee o escribe, lo cierra y confía en que el
siguiente programa que abra ese nombre vea lo que se dejó allí.
Documentos, fotos, programas, ajustes y registros son archivos. En
los sistemas de tipo Unix también lo son varias cosas que no están
almacenadas en ninguna parte.

POSIX, el estándar que sirve de base a Linux, macOS y otros sistemas
de tipo Unix, define un archivo como un objeto en el que se puede
escribir, del que se puede leer o ambas cosas, con atributos que
incluyen permisos de acceso y tipo. Después enumera los tipos:
archivos normales, directorios, enlaces simbólicos, FIFO, sockets y
archivos especiales de caracteres y bloques, que representan
dispositivos como un terminal o un disco. Al decir archivo casi
siempre se alude al primer tipo, que el estándar describe como una
secuencia de bytes de acceso aleatorio sobre la que el sistema no
impone estructura propia. Al sistema no le importa ni sabe si esos
bytes son una hoja de cálculo, una foto o una página de una base de
datos: la estructura pertenece al programa que los lee. POSIX
incluso rehúsa separar archivos de texto y binarios, aunque advierte
de que muchas utilidades solo producen resultados con sentido al
trabajar con texto.

El nombre se guarda fuera del archivo. Un directorio es una lista de
entradas y cada una vincula un nombre con un archivo. Un nombre de
archivo es un único componente que puede contener cualquier byte
salvo la barra y el byte nulo, hasta el límite que fije el sistema.
Una ruta como `/srv/site/index.html` es la cadena de nombres que
recorre el sistema para llegar a él. Como los nombres viven en
directorios, un archivo puede tener varios y el sistema lleva la
cuenta. Cuando se elimina el último y ningún proceso mantiene
abierto el archivo, se libera el espacio.

Todo lo demás que el sistema sabe de un archivo son metadatos, y un
listado detallado muestra la mayor parte:

```text
$ ls -li notes.txt
1048577 -rw-r----- 2 ana staff 4096 Oct 16 09:14 notes.txt
```

El primer número es el número de serie del archivo, único en su
sistema de archivos: ese número es el archivo y los nombres solo
apuntan a él. Después aparecen los bits de permiso del propietario,
del grupo y de los demás, el número de nombres del archivo, el
propietario y grupo, el tamaño en bytes y la marca de tiempo de la
última modificación de datos. POSIX conserva otras dos marcas de
tiempo: el último acceso a los datos y el último cambio de estado
del archivo. Un programa que ha abierto un archivo tiene un
descriptor, un entero pequeño de ámbito local al proceso. Los
descriptores 0, 1 y 2 corresponden, respectivamente, a la entrada
estándar, la salida estándar y el error estándar, por lo que un
shell puede dirigir la salida de un programa a un archivo sin que
este lo sepa.

Por qué importa

Los archivos son la interfaz más antigua entre programas que nunca
se conocieron. Una herramienta escrita hace décadas puede pasar
datos a otra de ayer mediante un archivo, sin más acuerdo que los
bytes y el nombre. Configuración, registros, exportaciones, copias
de seguridad y el contenido de la mayoría de los sitios viajan así.
Mantener fiables los archivos es, por tanto, gran parte de mantener
fiable un sistema.

Los problemas sutiles están en los metadatos. La marca de tiempo de
modificación indica cuándo se escribieron por última vez los bytes,
algo distinto de cuándo cambió por última vez lo que dicen. Ambas
cosas se separan en cuanto una herramienta reescribe un archivo con
contenido idéntico. La propiedad se almacena como un número, de modo
que el mismo archivo puede pertenecer a otra persona en otra
máquina.

También está la durabilidad. Una escritura que termina ha entregado
los bytes al sistema operativo, que puede conservarlos en caché.
POSIX dice que los datos en caché llegan al almacenamiento cuando un
programa lo pide con una llamada como `fsync` y que pueden llegar
antes por su cuenta. También advierte de que, tras una caída, puede
haber operaciones posteriores en disco mientras faltan operaciones
anteriores. Pone el ejemplo de un cambio de nombre que deja creado
el nuevo y mantiene también el antiguo.

Por último, un archivo es una copia en un dispositivo hasta que
alguien dispone otra cosa. El almacenamiento falla de maneras
distintas según el medio. La única protección que sirve frente a
todas es otra copia en otro lugar que se haya vuelto a leer.

Cómo se aplica en la práctica

La marca de tiempo de modificación de un archivo registra cuándo se
escribieron sus bytes por última vez, un momento distinto de cuándo
cambió su contenido. El sitemap del sitio mostró una vez esa
diferencia: sus fechas situaban 172 de las 176 páginas en un mismo
instante de cambio. La corrección rastreó la fecha hasta el propio
archivo: la exportación de contenido reescribe todos los archivos en
cada ejecución, así que una sincronización daba al sitio entero una
marca temporal única, dijera lo que dijera cada página. La fecha
procede ahora del historial de versiones, con una cadena de
alternativas que prueba primero un campo explícito, después el
historial de commits y finalmente el archivo. La página documenta la
trampa: el nombre literal del campo debe estar en la lista o el
generador nunca lo lee. Si falta una fecha, el campo queda vacío en
lugar de contener una suposición. En la etapa de implementación
documentada, volver a sincronizar tras un mes de ediciones solo
modificaba ocho archivos de 186.

La implementación de pruebas de restauración de la empresa termina
leyendo de nuevo un archivo. Sus unidades systemd admiten un volcado
de base de datos donde esté configurado, una instantánea restic
cifrada y deduplicada enviada por SFTP a almacenamiento de otro
proveedor, depuración según la política de retención y una
comprobación de integridad. Un flujo mensual separado está diseñado
para restaurar un archivo conocido en una ubicación temporal y
comparar sus bytes, de modo que la prueba prevista es una
restauración, no una subida. El registro de implementación del
2026-10-27 dice que los temporizadores estaban desactivados sin un
repositorio configurado y no documenta ninguna restauración real
completada. Incluso la frase de paso se guarda deliberadamente en un
archivo: las unidades la leen de un archivo protegido en lugar de un
valor de entorno interpretado por systemd, cuyo tratamiento de
secuencias de escape podría, si la frase contiene una barra inversa,
producir una frase de paso distinta de la usada para crear el
repositorio.

Años antes, el trabajo consistía en rescatar archivos, a menudo la
única copia, de hardware averiado: recuperación de datos de tarjetas
SD, discos duros mecánicos, SSD, matrices RAID, unidades externas y
sistemas Mac. Cada medio falla y entrega sus datos de forma
distinta, y un sistema de archivos de Mac tiene sus peculiaridades.
El trabajo dependía tanto de elegir el enfoque adecuado al medio
como de una técnica concreta. La medida era sencilla: archivos
devueltos intactos.

Dónde surgen los problemas

Todas las páginas parecen haber cambiado a la vez. Una copia, un
checkout, una restauración o una exportación reescribe el archivo y
reinicia su marca de tiempo de modificación. Cada sistema posterior
que confía en ella ve un cambio inexistente. Una copia que conserva
las marcas de tiempo hace lo contrario y oculta un cambio real.
Obtenga las fechas del contenido a partir del propio contenido o del
historial de versiones y deje que la marca de tiempo del archivo
signifique lo que significa.

Un lector encuentra medio archivo. Un programa que reescribe un
archivo sobre sí mismo deja un intervalo en el que otro proceso, o
el siguiente arranque, ve parte de la versión antigua y parte de la
nueva. Escriba un archivo temporal en el mismo directorio, llame a
`fsync` sobre él y después renómbrelo sustituyendo al original.
POSIX exige que el nombre sustituido siga visible durante todo el
cambio de nombre y apunte al archivo antiguo o al nuevo.

Un script tropieza con un nombre válido. Un nombre de archivo puede
contener espacios, saltos de línea y un guion inicial. Un script que
divide nombres por espacios en blanco o los pasa sin comillas a una
orden actuará sobre archivos equivocados. POSIX aconseja evitar el
guion inicial y limitarse a letras, dígitos, punto, guion bajo y
guion para nombres que deban ser portables. Ponga entre comillas
cada expansión y termine el análisis de opciones con `--` antes de
una lista de nombres.

Un archivo secreto es legible por todos. Los bits de permiso de un
archivo nuevo proceden de los valores predeterminados del proceso
que lo creó, que suelen permitir leer al grupo y a los demás. Una
clave o frase de paso escrita así se comparte con todas las cuentas
del host. Cree desde el principio los archivos secretos con permisos
solo para el propietario, en lugar de restringirlos después.

Lecturas adicionales

  * Glosario NIST CSRC: archivo — Las definiciones usadas en
publicaciones de seguridad del NIST, cada una con su documento de
origen.

  * Definiciones básicas de POSIX.1-2024: definiciones — El
significado formal de archivo, archivo normal, nombre de archivo,
ruta, entrada de directorio y descriptor de archivo.

  * Definiciones básicas de POSIX.1-2024: conceptos generales —
Permisos, las tres marcas de tiempo del archivo, portabilidad de
nombres y lo que una caída puede dejar en la caché.

  * POSIX.1-2024: rename() — La garantía de que el nombre sustituido
apunta en todo momento al archivo antiguo o al nuevo, de la que
depende guardar con seguridad.

hEsta página en la web	URL:https://engineer.company/es/glossary/file/	engineer.company	70
