Almacenamiento de datos

Qué es

El almacenamiento de datos, normalmente abreviado como
almacenamiento, es la capa de un sistema donde los datos permanecen
entre usos, en medios que los conservan tras un reinicio o un corte
de corriente. El glosario del NIST da al término dos sentidos, ambos
tomados de SP 800-88r2: la conservación de datos de forma que puedan
recuperarse y el hardware en el que se pueden introducir datos y del
que se pueden recuperar.

Toda modalidad se apoya en un medio físico: un disco duro giratorio,
una unidad de estado sólido, una tarjeta SD o una cinta. El software
ve una de estas tres capas por encima:

  * Almacenamiento en bloques: presenta un dispositivo como una
secuencia de bloques de tamaño fijo identificados por un número. Una
partición de disco, un conjunto RAID y un disco virtual en la nube
tienen ese aspecto para el núcleo; un sistema de archivos o un motor
de base de datos decide qué significan los bloques.

  * Almacenamiento de archivos: coloca un sistema de archivos sobre
esos bloques, con nombres, directorios, tamaños, propietarios y
permisos, y permite modificar un archivo unos pocos bytes cada vez.
Compartido mediante NFS o SMB, un árbol sirve a muchas máquinas.

  * Almacenamiento de objetos: conserva objetos completos, cada uno
una secuencia de bytes más metadatos, con un nombre dentro de un
contenedor, y se accede a él mediante una API HTTP en lugar de un
montaje. Google Cloud Storage guarda datos como objetos en
contenedores llamados buckets; cada bucket pertenece a un proyecto y
cada objeto contiene un archivo de cualquier formato como datos que
no se pueden modificar una vez escritos.

Las tres modalidades se distinguen por el coste de un cambio. Un
dispositivo de bloques reescribe un bloque en su ubicación. Un
sistema de archivos modifica parte de un archivo y lo mueve mediante
un cambio de nombre. Un almacén de objetos sustituye el objeto
entero: la página de Google sobre objetos indica que no se pueden
añadir datos al final de un objeto ni truncarlo, y una sustitución
es atómica, por lo que los lectores reciben la versión antigua hasta
que termina la nueva subida. Según la herramienta, cambiar un nombre
puede significar copiar con el nombre nuevo y borrar el original;
Cloud Storage también admite cambios de nombre atómicos de objetos
dentro de un bucket. En un bucket con espacio de nombres plano, las
carpetas son una representación que las herramientas construyen a
partir de las barras de los nombres de objeto; la cadena `folder1/`
forma parte del nombre y el bucket no almacena ninguna carpeta.

El mismo archivo tiene este aspecto en cada capa:

```sh
i# block: the kernel's view of a disk as numbered blocks		engineer.company	70
lsblk /dev/sda

i# file: a filesystem mounted over those blocks, with names and directories		engineer.company	70
df -h /srv

i# object: a whole object sent to a bucket over an API		engineer.company	70
gcloud storage cp readings.csv.gz gs://example-bucket/2024/01/
```

Por qué importa

El medio determina cómo se pierden los datos. Un disco duro, un SSD
y una tarjeta SD fallan de formas distintas, y un método de
recuperación adecuado para uno es una herramienta equivocada para
otro. La redundancia dentro de una caja, como un par de discos en
espejo o un conjunto RAID, mantiene los datos legibles cuando falla
un disco, pero reproduce cada borrado en todos los discos con la
misma fidelidad con la que escribe los datos.

Durabilidad y disponibilidad son promesas distintas. La durabilidad
es la probabilidad de que los datos almacenados sobrevivan; la
disponibilidad, la de poder leerlos en un momento determinado. Cloud
Storage indica una durabilidad anual del 99,999999999 % para todas
las clases de almacenamiento, mientras que su disponibilidad mensual
típica va del 99,9 % a más del 99,99 %, según la clase y la
ubicación. Una clase de almacenamiento es un metadato de cada objeto
que establece su disponibilidad y su modelo de precios, y los
objetos nuevos heredan la clase predeterminada del bucket. Las
clases más frías reducen el precio de conservar datos a cambio de
una disponibilidad algo menor, un periodo mínimo de almacenamiento
de 30, 90 o 365 días y un cargo por volver a leer los datos; Google
las orienta a datos que se leen una vez al mes o menos, como máximo
una vez por trimestre y menos de una vez al año.

La ubicación forma parte de los datos. Una copia en el mismo disco,
la misma máquina o la misma cuenta en la nube comparte su suerte;
una copia en otro lugar no. La ubicación también determina velocidad
y coste: Google señala que mantener los datos en la misma región que
los recursos de cómputo que los utilizan maximiza el rendimiento del
trabajo intensivo en datos y puede reducir los cargos de red.

La forma en que el software accede al almacenamiento condiciona lo
demás. Restic, un programa de copias de seguridad, define su
repositorio simplemente como un directorio con un conjunto de
subdirectorios y archivos; ese mismo directorio puede estar en un
disco local, en un servidor al que se accede mediante SFTP o en un
almacén de objetos como Google Cloud Storage o Amazon S3. Los bytes
son los mismos, pero cambian la latencia, las formas de fallo y
quién controla la cuenta.

Cómo se aplica en la práctica

El trabajo anterior de la fundadora abarcó distintas capas de la
pila: desde el medio físico que falla hasta el almacén de objetos
que mueve archivos completos. La implementación de copias de
seguridad de la propia empresa define la automatización para
conservar una copia en otro proveedor como protección ante la
pérdida de un servidor; activar ese almacenamiento y verificar una
restauración real son pasos distintos.

El medio: la recuperación de datos abarcó prácticamente todos los
tipos habituales de almacenamiento, desde tarjetas SD y discos duros
giratorios hasta SSD, conjuntos RAID, unidades externas y sistemas
Mac. Las personas llevaban medios averiados o dañados que contenían
fotografías, archivos de negocio o la única copia de algo
importante. Cada medio falla y permite recuperar sus datos de forma
distinta: un SSD plantea un problema diferente al de una unidad de
platos, un conjunto RAID plantea otro y un sistema de archivos Mac
tiene sus propias particularidades. Conocer el enfoque adecuado para
el medio concreto importaba tanto como cualquier técnica individual,
y los clientes recuperaron datos críticos de dispositivos que ya
daban por perdidos.

El almacén de objetos: en seis procesos ETL/ELT que alimentaban
Google BigQuery, un bucket de Google Cloud Storage estaba entre el
origen y el almacén de datos. Los conjuntos de datos y las tablas
seleccionados y preparados se exportaban a formatos intermedios, se
comprimían con gzip y se transferían al bucket; desde allí, la
herramienta bq CLI y scripts de Python los cargaban en BigQuery.
Entraban archivos comprimidos completos y salían archivos completos:
el patrón para el que está diseñado el almacenamiento de objetos.

La copia en otro lugar forma parte de la implementación de copias de
seguridad y pruebas de restauración de la empresa. Un rol de Ansible
instala scripts de restic y unidades de systemd para un volcado de
base de datos cuando está configurado, una instantánea cifrada y
deduplicada enviada por SFTP al almacenamiento de otro proveedor, la
eliminación de copias según la política de retención y una
comprobación de integridad. Un flujo mensual independiente restaura
un archivo conocido en una ubicación temporal y compara sus bytes,
comprobando la ruta de lectura de los datos almacenados, no solo la
de escritura. La copia y la restauración tienen señales de éxito
separadas, y los temporizadores requieren un repositorio
configurado. El registro de implementación de fecha 2026-10-27
indica que esos temporizadores estaban desactivados sin un
repositorio y no documenta ninguna restauración real completada.
Documenta la automatización y lo que debe activarse; no demuestra
que la empresa ya pueda perder el servidor y recuperar sus datos.

Dónde surgen los problemas

La mayoría de los problemas de almacenamiento proceden de una copia,
una comprobación o un coste que parecían adecuados hasta el día en
que hicieron falta.

La copia comparte el destino del original. Una instantánea en la
misma cuenta, una copia de seguridad en el mismo disco o una réplica
en el mismo edificio resisten los fallos pequeños, pero sucumben
ante uno de gran alcance. Enumere los sucesos individuales que
podrían destruir ambas copias y traslade una hasta que la lista sea
corta.

La redundancia se cuenta como copia de seguridad. Un espejo
reproduce cada escritura en todos los discos, incluidos los borrados
y la corrupción. Resuelve la avería de un disco; una copia
independiente con historial propio resuelve una equivocación.

Se trata un almacén de objetos como un sistema de archivos. El
código escrito para archivos espera cambios de nombre y listados de
directorios poco costosos. Algunas herramientas implementan los
cambios de nombre de objetos como una copia seguida de un borrado,
aunque Cloud Storage también admite cambios de nombre atómicos
dentro de un bucket. Google señala que las estructuras profundamente
anidadas y semejantes a directorios en un espacio de nombres plano
no ofrecen el rendimiento de listado de un sistema de archivos
nativo. Organice los nombres de objeto según cómo se vayan a leer y
mantenga en almacenamiento de archivos o de bloques el trabajo que
modifica archivos en su ubicación.

La comprobación lee el índice y omite los datos. Por defecto, la
orden `check` de restic verifica la estructura del repositorio y
deja sin leer los archivos de paquetes que contienen los datos
respaldados, porque leerlos exige descargarlos todos. `--read-data`
los lee todos, y desde `--read-data-subset=1/5` hasta `5/5` se
recorre el repositorio en cinco ejecuciones. Una comprobación que
solo enumera archivos demuestra que los nombres existen y poco sobre
los bytes que hay detrás.

Una clase fría contiene datos calientes. Un archivo que se lee a
diario desde una clase cuyo precio está pensado para lecturas
mensuales genera un cargo en cada lectura; adapte la clase al patrón
real de lectura de los datos.

Lecturas adicionales

  * NIST glossary: storage — los dos sentidos del término según los
define NIST SP 800-88r2.

  * About Cloud Storage objects — datos y metadatos de objetos,
reglas de nombres, inmutabilidad y espacio de nombres plano tras las
carpetas simuladas.

  * Cloud Storage: Storage classes — durabilidad, disponibilidad,
periodos mínimos de almacenamiento y cargos por lectura de cada
clase.

  * restic: Preparing a new repository — qué es un repositorio y los
backends locales, SFTP y de objetos donde puede residir.

  * restic: Working with repositories — comprobar la estructura de
un repositorio y volver a leer los datos que contiene.

  * Cloud Storage: traslado de objetos — la operación de cambio de
nombre atómico dentro de un bucket, distinta de las herramientas que
simulan un traslado mediante copia y borrado.

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