Embed Size (px)
Citation preview
1
Unidad 5 Sistema de archivos.
2 may
Introducción
Todas las aplicaciones computarizadas necesitan almacenar y recuperar la información:
Superando las limitaciones del almacenamiento real.
Trascendiendo a la duración de los procesos que los utilizan o generan.
Independizando a la información de los procesos permitiendo el acceso a la misma a través de varios
procesos.
Las condiciones esenciales para el almacenamiento de la información a largo plazo son:
Debe ser posible almacenar una cantidad muy grande de información.
La información debe sobrevivir a la conclusión del proceso que la utiliza.
Debe ser posible que varios procesos tengan acceso concurrente a la información.
La solución es el almacenamiento de la información en discos y otros medios externos en unidades llamadas
archivos:
Los archivos deben ser persistentes, es decir que no deben verse afectados por la creación o terminación
de un proceso.
Los archivos son una colección de datos con nombre.
Pueden ser manipulados como una unidad por operaciones como: open, close, create, destroy, copy,
rename, list.
Los elementos de datos individuales dentro del archivo pueden ser manipulados por operaciones como:
read, write, update, insert, delete.
El “Sistema de Archivos” es la parte del sistema de administración del almacenamiento responsable,
principalmente, de la administración de los archivos del almacenamiento secundario.
Es la parte del S. O. que permite “compartir controladamente” la información de los archivos.
5.1 Concepto.
Un “Archivo” es un conjunto de registros relacionados .
El “Sistema de Archivos” es un componente importante de un S. O. y suele contener :
“Métodos de acceso” relacionados con la manera de acceder a los datos almacenados en archivos.
“Administración de archivos” referida a la provisión de mecanismos para que los archivos sean
almacenados, referenciados, compartidos y asegurados.
“Administración del almacenamiento auxiliar” para la asignación de espacio a los archivos en los dispositivos de almacenamiento secundario.
“Integridad del archivo” para garantizar la integridad de la información del archivo.
El sistema de archivos está relacionado especialmente con la administración del espacio de almacenamiento
secundario, fundamentalmente con el almacenamiento de disco.
Una forma de organización de un sistema de archivos puede ser la siguiente:
Se utiliza una “raíz” para indicar en qué parte del disco comienza el “directorio raíz”.
El “directorio raíz” apunta a los “directorios de usuarios”.
Un “directorio de usuario” contiene una entrada para cada uno de los archivos del usuario.
Cada entrada de archivo apunta al lugar del disco donde está almacenado el archivo referenciado.
Los nombres de archivos solo necesitan ser únicos dentro de un directorio de usuario dado.
El nombre del sistema para un archivo dado debe ser único para el sistema de archivos.
En sistemas de archivo “jerárquicos” el nombre del sistema para un archivo suele estar formado como el
“nombre de la trayectoria” del directorio raíz al archivo.
5.2 Noción de archivo real y virtual. La mayoría de usuarios de computadoras comprenderán con mucha facilidad el término archivo
relacionándolo directamente con ejemplos tales como los archivos de texto que se pueden generar con
cualquier procesador de texto. Una característica de este tipo de archivos es que a mayor texto que almacena
el archivo, mayor es el espacio en disco que consume dicho archivo. Por ejemplo, una línea corta de texto
2
ocupa menos espacio en disco que esa misma línea copiada cien veces. Sin embargo al hablar de “archivos virtuales” las cosas son diferentes, pues este tipo de archivos no consumen espacio en el disco duro, sino que
se almacenan en la memoria volátil, es decir aquel tipo de memoria cuya información se pierde al
interrumpirse el flujo de corriente eléctrica, esto es, la memoria RAM.
5.3 Componentes de un sistema de archivos.
Los componentes del sistema de archivos y de programación permiten interactuar con los recursos del sistema
de archivos y de directorio y provocar eventos en intervalos programados. Las instancias del componente File
System Watcher permiten inspeccionar cambios en los directorios y archivos y reaccionar cuando se
producen. El componente Timer permite configurar programaciones simples de producción de eventos y
ejecutar el procesamiento asociado.
5.4 Organización lógica y física.
Un sistema de archivos garantiza la organización lógica de los datos en los discos duros y proporciona al sistema operativo las rutinas necesarias para que puedan ser accedidos, modificados y eliminados.
Cualquier sistema operativo suele tener soporte para varios sistemas de archivos, aunque sólo sea en
modo lectura. Los sistemas de archivos de la familia Microsoft que podemos encontrarnos son: FAT
(FAT16 y FAT32) y NTFS (NTFS4, NTFS5). NTFS (New Technology File System) fue diseñado para NT e incorporaba un sistema de seguridad integrado que nos permitía asignar permisos a archivos y
directorios a nivel de usuarios y grupos. Definiciones relacionadas con un sistema de archivo:
Unidad física: El propio disco duro, sin más.
Unidad lógica: Fragmento que se comporta como una partición y que está dentro de una partición
extendida.
Partición: Puede ser el total del tamaño del disco o una parte.
Partición primaria: Partición que el sistema marca como bootable o arrancable.
Partición extendida: partición que no es de inicio y que a su vez puede contener unidades lógicas. Sólo
puede haber una por disco.
RAID (matriz redundante de discos independientes): Utilizar varias unidades físicas en una matriz para
ofrecer mayor tamaño, tolerancia a fallos y mayor rendimiento. Hay varios niveles, RAID-0, RAID-1, RAID-5, etc. La numeración no indica mejor rendimiento o tolerancia a fallos, tan solo diferencias de
métodos.
En esta parte vamos a usar el término organización de archivos para referirnos a la estructura lógica de los
registros determinada por la manera en que se accede a ellos. La organización física del archivo en
almacenamiento secundario depende de la estrategia de agrupación y de la estrategia de asignación de
archivos. Para seleccionar una organización de archivos hay diversos criterios que son importantes:
Acceso Rápido para recuperar la información
Fácil actualización
Economía de almacenamiento
Mantenimiento simple
Fiabilidad para asegurar la confianza de los datos
La prioridad relativa de estos criterios va a depender de las aplicaciones que va a usar el archivo. La mayor
parte de las estructuras empleadas en los sistemas reales se encuadran en una de estas categorías o puede implementarse como una combinación de estas.
3
3 may
Directorios
Generalmente son utilizados por los S. O. para llevar un registro de los archivos.
En muchos sistemas son a su vez también archivos.
Sistemas Jerárquicos de Directorios
El directorio contiene un conjunto de datos por cada archivo referenciado:
Nombre, atributos, direcciones en disco donde se almacenan los datos.
Otra posibilidad es que cada entrada del directorio contenga:
El nombre del archivo, Un apuntador a otra estructura de datos donde se encuentran los atributos y las
direcciones en disco.
Al abrir un archivo el S. O.:
Busca en su directorio el nombre del archivo.
Extrae los atributos y direcciones en disco.
Graba esta información en una tabla de memoria real.
Todas las referencias subsecuentes al archivo utilizarán la información de la memoria principal.
El número y organización de directorios varía de sistema en sistema:
Directorio único: el sistema tiene un solo directorio con todos los archivos de todos los usuarios:
Un directorio por usuario: el sistema habilita un solo directorio por cada usuario.
Un árbol de directorios por usuario: el sistema permite que cada usuario tenga tantos directorios como
necesite, respetando una jerarquía general.
4
Acceso físico
Discos La Unidad de Disco Duro o Disco Rígido ("Hard Disc Drive" o HDD) es llamada simplemente "disco duro" o "disco rígido", aunque en su interior contenga uno o varios discos magnéticos apilados. Un disco duro es un
dispositivo de almacenamiento no volátil, que conserva la información aun con la pérdida de energía, que
emplea un sistema de grabación magnética digital; es donde en la mayoría de los casos se encuentra
almacenado el sistema operativo de la computadora. Dentro de la carcasa hay una serie de platos metálicos
apilados girando a gran velocidad. Sobre los platos se sitúan los cabezales encargados de leer o escribir los
impulsos magnéticos. Hay distintos estándares para comunicar un disco duro con la computadora; las
interfaces más comunes son Integrated Drive Electronics (IDE, también llamado ATA), SCSI generalmente
usado en servidores, SATA, este último estandarizado en el año 2004 y FC exclusivo para servidores. SAN
(Storage Area Network) red de área de almacenamiento, es una red concebida para conectar servidores,
matrices (arrays) de discos y librerías de soporte. Principalmente, está basada en tecnología fibre channel y
más recientemente en iSCSI. Su función es la de conectar de manera rápida, segura y fiable los distintos elementos que la conforman.
Tal y como sale de fábrica, el disco duro no puede ser utilizado por un sistema operativo. Antes se deben
definir en él un formato de bajo nivel, una o más particiones y luego hemos de darles un formato que pueda
ser entendido por nuestro sistema.
También existe otro tipo de discos denominados de estado sólido que utilizan cierto tipo de memorias
construidas con semiconductores para almacenar la información. El uso de esta clase de discos generalmente
se limitaba a las supercomputadoras, por su elevado precio, aunque hoy en día ya se puede encontrar en el
mercado unidades mucho más económicas de baja capacidad (hasta 128 GB) para el uso en computadoras
personales (sobre todo portátiles).
Las siguientes son las principales ventajas con respecto del uso de la memoria principal como
almacenamiento :
Mucha mayor capacidad de espacio de almacenamiento.
Menor precio por bit.
La información no se pierde al apagar la computadora.
Un uso inapropiado de los discos puede generar ineficiencia, en especial en sistemas con multiprogramación.
5
4 may
5.4.2. Hardware de Discos
Los discos están organizados en cilindros, pistas y sectores.
Pistas = Tracks
Una pista es un anillo circular sobre un lado del disco. Cada pista
tiene un número. El diagrama muestra 3 pistas.
Sectores
Se llama sector de un disco a una parte en forma de cuña del mismo.
Cada sector está numerado.
Un sector de pista es el área de intersección entre una pista
Y un sector. (Área amarilla)
Clusters
Un cluster es un conjunto de sectores de pista, desde 2 a 32 o más, dependiendo
del esquema de formateo que se use. El esquema más común para PC determina
la cantidad de sectores de pista por cada cluster sobre la base de la capacidad del
disco. Un disco rígido de 120 gigabytes tendrá el doble de clusters que un disco
rígido de 50 GB. 1 cluster es el mínimo espacio usado para cualquier lectura o
escritura. Por esta causa es frecuente que quede mucho espacio perdido (slack space), no usado a continuación
del cluster de datos almacenado allí.
La única manera de reducir la cantidad de espacio perdido es reduciendo el tamaño de cada cluster cambiando
el método de formateo. Usted podría tener más pistas en el disco o además más sectores por pista, o podría
reducir el número de pistas y sectores por cluster.
6
Cilindros
Un cilindro es un juego de pistas similares en todos los platos
Sobre un disco rígido, un cilindro está integrado por todas las pistas
del mismo y de todos los discos metálicos que componen al disco
rígido. Si se coloca uno encima de otro obtiene un cuerpo que
semeja la forma de una lata sin tapa ni fondo - un cilindro.
El número típico de sectores por pista varía entre 8 y 32 (o más).
Todos los sectores tienen igual número de bytes.
Los sectores cercanos a la orilla del disco serán mayores
físicamente que los cercanos al centro. Apareció la tecnología ZBR (grabación de bits por zonas) que aumenta
el número de sectores en las pistas exteriores, y usa más eficientemente el disco duro. ZBR es la sigla de Zone
Bit Recording, que es un método de formatear las pistas del disco duro, de tal manera que las pistas exteriores
puedan contener más sectores que las interiores. Antiguamente, las pistas se dividían en un número igual de
sectores, pero considerando que las pistas de un disco duro son circunferencias concéntricas, éstas tienen mayor longitud mientras más nos alejemos del centro y obviamente se desaprovecha el espacio sobre todo en
las pistas exteriores del plato. Así, esta tecnología agrupa las pistas en zonas según su distancia hasta el centro
del disco, asignándole a cada zona un número de sectores por pista. Si nos movemos desde el centro hacia
fuera, cada zona tendrá más sectores por pista que la anterior. Conseguimos así un uso más eficiente de la
superficie del disco duro y además, como ventaja colateral, aumentará la tasa de transferencia mientras más
nos alejemos del centro, ya que el cabezal del disco duro leerá más cantidad de datos por giro del plato.
El primer sistema de direccionamiento que se usó fue el CHS (cilindro-cabeza-sector), ya que con estos tres
valores se puede situar un dato cualquiera del disco. Más adelante se creó otro sistema más sencillo: LBA
(direccionamiento lógico de bloques), que consiste en dividir el disco entero en sectores y asignar a cada uno
un único número. Este es el que actualmente se usa. LBA es un método de direccionamiento particularmente
simple. Los bloques son numerados según un índice, siendo el primer bloque LBA=0, el segundo LBA=1, y así sucesivamente. Este método sucede a otros sistemas anteriores que exponían los detalles físicos de las
unidades de almacenamiento al software directamente, con los riesgos que ello conlleva. El pionero de estos
sistemas fue CHS (cylinder-head-sector), donde se les asignaba una dirección a cada bloque mediante una
tupla que definía el cilindro, el cabezal y el sector en que se encontraba. Este sistema no funcionaba bien en
dispositivos que no fueran discos duros, como las cintas de datos, por lo que no era muy usado en esos casos.
Tipos de Conexión
Si hablamos de disco rígido podemos citar a los distintos tipos de conexión que poseen los mismos con la
tarjeta madre, es decir pueden ser SATA, IDE o SCSI:
IDE: Integrated Device Electronics ("Dispositivo con electrónica integrada") o ATA (Advanced Technology
Attachment), controla los dispositivos de almacenamiento masivo de datos, como los discos duros y ATAPI
(Advanced Technology Attachment Packet Interface) Hasta hace poco, el estándar principal por su versatilidad y relación calidad/precio.
SCSI: Small Computer System Interface. Son discos duros de gran capacidad de almacenamiento (desde 5
GB hasta 23 GB). Se presentan bajo tres especificaciones: SCSI Estándar (Standard SCSI), SCSI Rápido (Fast
SCSI) y SCSI Ancho-Rápido (Fast-Wide SCSI). Su tiempo medio de acceso puede llegar a 7 mseg y su
velocidad de transmisión secuencial de información puede alcanzar teóricamente los 5 Mbps en los discos
SCSI Estándares, los 10 Mbps en los discos SCSI Rápidos y los 20 Mbps en los discos SCSI Anchos-Rápidos
(SCSI-2). Un controlador SCSI puede manejar hasta 7 discos duros SCSI (o 7 periféricos SCSI). A diferencia
de los discos IDE, pueden trabajar asíncronicamente con relación al microprocesador, lo que los vuelve más
rápidos.
SATA (Serial ATA): Nuevo estándar de conexión que utiliza un bus serie para la transmisión de datos. Notablemente más rápido y eficiente que IDE. En la actualidad hay dos versiones, SATA 1 de hasta 1,5
Gigabits por segundo (150 MB/s) y SATA 2 de hasta 3,0 Gb/s (300 MB/s) de velocidad de transferencia.
7
Un disco duro suele tener:
Platos en donde se graban los datos,
Cabezal de lectura/escritura,
Motor que hace girar los platos,
Electroimán que mueve el cabezal,
Circuito electrónico de control, que
incluye: interfaz con la computadora,
memoria caché,
Bolsita desecante (gel de sílice) para
evitar la humedad,
Caja, que ha de proteger de la suciedad.
Tornillos, a menudo tipo Torx.
Un controlador puede realizar búsquedas en una o más unidades al mismo tiempo:
Son las búsquedas traslapadas.
Mientras el controlador y el software esperan el fin de una búsqueda en una unidad, el controlador puede
iniciar una búsqueda en otra.
Muchos controladores pueden:
Leer o escribir en una unidad.
Buscar en otra.
Los controladores no pueden leer o escribir en dos unidades al mismo tiempo.
La capacidad de búsquedas traslapadas puede reducir considerablemente el tiempo promedio de acceso.
Estructura lógica
Dentro del disco se encuentran:
El Master Boot Record (en el sector de arranque), que contiene la tabla de particiones.
Las particiones, necesarias para poder colocar los sistemas de archivos.
8
9 may
5.5 Mecanismos de acceso a los archivos.
Diseño de un sistema de archivos
Se consideran aspectos como:
La forma de almacenamiento de archivos y directorios.
La administración del espacio en disco.
La forma de hacerlo de manera eficiente y confiable.
Se deben tener presentes problemas como la “fragmentación” del espacio en disco:
Ocasiona problemas de desempeño al hacer que los archivos se desperdiguen a través de bloques muy
dispersos.
Una técnica para aliviar este problema consiste en realizar periódicamente:
o “Compactación”: “reorganizar” los archivos expresa o automáticamente.
o “Recolección de basura o residuos”.
Implantación de Archivos
El aspecto clave de la implantación del almacenamiento de archivos es el registro de los bloques asociados a
cada archivo.
Algunos de los métodos utilizados son los siguientes:
Asignación contigua o adyacente:
o Los archivos son asignados a áreas contiguas de almacenamiento secundario.
o Las principales ventajas son:
Facilidad de implantación, ya que sólo se precisa el número del bloque de inicio para
localizar un archivo.
Rendimiento excelente respecto de la e / s.
o Los principales defectos son:
Se debe conocer el tamaño máximo del archivo al crearlo.
Produce una gran fragmentación de los discos.
Asignación no contigua: Son esquemas de almacenamiento más dinámicos:
o Asignación encadenada orientada hacia el sector:
El disco se considera compuesto de sectores individuales.
Los archivos constan de varios sectores que pueden estar dispersos por todo el disco.
Los sectores que pertenecen a un archivo común contienen apuntadores de uno a otro
formando una “lista encadenada”.
Una “lista de espacio libre” contiene entradas para todos los sectores libres del disco.
Las ampliaciones o reducciones en el tamaño de los archivos se resuelven actualizando
la “lista de espacio libre” y no hay necesidad de compactación.
desventajas:
Por la dispersión en el disco, la recuperación de registros lógicamente
contiguos puede significar largas búsquedas.
El mantenimiento de la estructura de “listas encadenadas” significa una
sobrecarga en tiempo de ejecución.
Los apuntadores de la lista consumen espacio en disco.
o Asignación por bloques:
Es más eficiente y reduce la sobrecarga en ejecución.
Es una mezcla de los métodos de asignación contigua y no contigua.
Se asignan bloques de sectores contiguos y no sectores individuales.
El sistema trata de asignar nuevos bloques a un archivo eligiendo bloques libres lo más
próximos a los bloques del archivo existentes.
Las formas más comunes son:
Encadenamiento de bloques.
Encadenamiento de bloques de índice.
o Encadenamiento de bloques o lista ligada:
Las entradas en el directorio de usuarios apuntan al primer bloque de cada archivo.
9
Cada bloque de longitud fija que forman un archivo contiene dos partes: Un bloque de datos y un apuntador al bloque siguiente.
Cada bloque contiene varios sectores.
Localizar un registro determinado requiere:
Buscar en la cadena de bloques hasta encontrar el bloque apropiado.
Buscar en el bloque hasta encontrar el registro.
El examen de la cadena desde el principio puede ser lento ya que debe realizarse de
bloque en bloque, y pueden estar dispersos por todo el disco.
La inserción y el retiro son inmediatos, dado que se deben modificar los apuntadores
del bloque precedente.
Se pueden usar “listas de encadenamiento doble”, hacia adelante y hacia atrás, con lo
que se facilita la búsqueda (ver Figura 4.4).
o Encadenamiento de bloques de índices:
Los apuntadores son colocados en varios bloques de índices separados:
Cada bloque de índices contiene un número fijo de elementos.
Cada entrada contiene un identificador de registros y un apuntador a ese
registro.
Si es necesario utilizar más de un bloque de índices para describir un archivo,
se encadena una serie de bloques de índices.
La gran ventaja es que la búsqueda puede realizarse en los propios bloques de índices.
Los bloques de índices pueden mantenerse juntos en el almacenamiento secundario
para acortar la búsqueda, pero para mejor desempeño podrían mantenerse en el almacenamiento primario.
La principal desventaja es que las inserciones pueden requerir la reconstrucción
completa de los bloques de índices:
Una posibilidad es dejar vacía una parte de los bloques de índices para facilitar
inserciones futuras y retardar las reconstrucciones.
Es suficiente que el dato del directorio contenga el número de bloque inicial para
localizar todos los bloques restantes, sin importar el tamaño del archivo (ver Figura
4.5).
10
11
10 may
Implantación de Directorios
La principal función del sistema de directorios es asociar el nombre del archivo con la información
necesaria para localizar los datos.
La posición de almacenamiento de los atributos puede ser en forma directa dentro del dato del directorio.
Tipos de métodos de acceso: Método de Acceso Secuencial: El acceso secuencial significa que un grupo de elementos es accedido en un
predeterminado orden secuencial. El acceso secuencial es a veces la única forma de acceder a los datos, por
ejemplo en una cinta de casete. También puede ser el método de acceso elegido, para simplemente procesar
una secuencia de datos en orden.
Método de Acceso Secuencial Indexado: Método común de acceso a disco que almacena datos en forma secuencial, al tiempo que mantiene un índice de campos claves para todos los registros en el archivo para
acceso directo. El orden secuencial sería el más comúnmente usado para el procesamiento por lotes y la
impresión (número de cuenta, nombre, etc.).
Método de Acceso Indexado: Pendiente la definición.
Método de Acceso Hashed: Pendiente la definición.
Otras Definiciones.
Archivos Secuenciales La forma más 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 número 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 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 secuencial de archivos es la única que
es fácil de usar tanto en disco como en cinta.
Para las aplicaciones interactivas que incluyen peticiones 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 es 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.
Archivos Secuenciales indexados Un método popular para superar las desventajas de los archivos secuenciales es el del archivo secuencial
indexado. El archivo secuencial indexado mantiene las características 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 índice provee una
capacidad de búsqueda para llegar rápidamente a las proximidades de un registro deseado. El archivo de
desbordamiento (overflow) es similar al archivo de registro usado en un archivo secuencial, pero está
integrado de forma que los registros del archivo de desbordamiento se ubican en la dirección de un puntero
desde su registro precedente. En la estructura secuencial indexada más simple, se usa un solo nivel de indexación. El índice, en este caso, es un archivo secuencial simple. Cada registro del archivo índice 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 específico se busca en el índice hasta encontrar el valor mayor de la clave
que es igual o precede al valor deseado de la clave. La búsqueda continúa en el archivo principal a partir de la
posición indicada por el puntero.
Archivos Indexados Los archivos secuenciales indexados retienen la limitación del archivo secuencial: la eficacia en el
procesamiento se limita al basado en un único campo del archivo. Cuando es necesario buscar un registro
12
basándose en algún otro atributo distinto del campo clave ambas formas de archivo secuencial no son adecuadas. En algunas aplicaciones esta flexibilidad es deseable. Para alcanzar esta flexibilidad, se necesita
una estructura que utilice múltiples índices, uno para cada tipo de campo que pueda ser objeto de la búsqueda.
Se suelen utilizar dos tipos de índices. Un índice exhaustivo contiene una entrada para cada registro del
archivo principal. Otro índice parcial contendrá entradas a los registros donde esté el campo de interés. Con
registros de longitud variable, algunos registros no contendrán todos los campos. Los archivos indexados son
muy utilizados en aplicaciones donde es crítica la oportunidad de la información y donde los datos son rara
vez procesados de forma exhaustiva.
Archivos Directos o de Dispersión (Hashed) Los archivos directos explotan la capacidad de los discos para acceder directamente a cualquier bloque de
dirección conocida. Como en los archivos secuenciales y secuenciales indexados, se requiere un campo clave
en cada registro. Sin embargo, aquí no hay concepto de ordenamiento secuencial.
13
11 may
5.6 Manejo de espacio en memoria secundaria.
Administración del Espacio en Disco
Existen dos estrategias generales para almacenar un archivo de “n” bytes:
Asignar “n” bytes consecutivos de espacio en el disco: o Tiene el problema de que si un archivo crece será muy probable que deba desplazarse en el
disco, lo que puede afectar seriamente al rendimiento.
Dividir el archivo en cierto número de bloques (no necesariamente) adyacentes:
o Generalmente los sistemas de archivos utilizan esta estrategia con bloques de tamaño fijo.
Tamaño del bloque:
Dada la forma en que están organizados los bloques, el sector, la pista y el cilindro son los candidatos obvios
como unidades de asignación.
Si se tiene una unidad de asignación grande, como un cilindro, esto significa que cada archivo, inclusive uno
pequeño, ocupará todo un cilindro; con esto se desperdicia espacio de almacenamiento en disco.
Si se utiliza una unidad de asignación pequeña, como un sector, implica que cada archivo constará de muchos
sectores; con esto su lectura generará muchas operaciones de e / s afectando el desempeño.
Lo anterior indica que la eficiencia en tiempo y espacio tienen un conflicto inherente.
Generalmente se utilizan como solución bloques de 1/2 k, 1k, 2k o 4k. (ver Figura 4.8).
Hay que recordar que el tiempo de lectura de un bloque de disco es la suma de los tiempos de: Búsqueda,
rotacional y Transferencia.
Disk quotas: Para evitar que los usuarios se apropien de un espacio excesivo en disco, los S. O. multiusuario
proporcionan un mecanismo para establecer las cuotas en el disco.
Un administrador del sistema asigna a cada usuario una proporción máxima de archivos y bloques.
El S. O. garantiza que los usuarios no excedan sus cuotas.
Operación de Almacenamiento de Disco de Cabeza Móvil Los datos se graban en una serie de discos magnéticos o platos.
El eje común de los discos gira a una velocidad del orden de las 4,000 o más revoluciones por minuto.
14
Se lee o escribe mediante una serie de cabezas de lectura - escritura (ver Figura 5.4]):
Se dispone de una por cada superficie de disco.
Solo puede acceder a datos inmediatamente adyacentes a ella:
o La parte de la superficie del disco de donde se leerá (o sobre la que se grabará) debe rotar hasta
situarse inmediatamente debajo (o arriba) de la cabeza de lectura - escritura.
o El tiempo de rotación desde la posición actual hasta la adyacente al cabezal se llama tiempo de
latencia.
Todas las cabezas de lectura - escritura están montadas sobre una barra o conjunto de brazo móvil:
Puede moverse hacia adentro o hacia afuera, en lo que se denomina operación de búsqueda.
Para una posición dada, la serie de pistas accesibles forman un cilindro vertical.
A los tiempos de búsqueda y de latencia se debe agregar el tiempo de transmisión propiamente dicha (ver
Figura 5.5).
15
El tiempo total de acceso a un registro particular:
Involucra movimientos mecánicos.
Generalmente es del orden de centésimas de segundo, aunque el tiempo de latencia sea de algunas
milésimas de segundo (7 a 12 aproximadamente).
16
16 may
Por qué es Necesaria la Planificación de Discos
En los sistemas de multiprogramación muchos procesos pueden estar generando peticiones de e / s sobre
discos:
La generación de peticiones puede ser mucho más rápida que la atención de las mismas:
o Se construyen líneas de espera para cada dispositivo.
o Para reducir el tiempo de búsqueda de registros se ordena la lista de peticiones: esto se
denomina planificación de disco.
La planificación de disco implica:
Un examen cuidadoso de las peticiones pendientes para determinar la forma más eficiente de servirlas.
Un análisis de las relaciones posicionales entre las peticiones en espera.
Un reordenamiento de la cola de peticiones para servirlas minimizando los movimientos mecánicos.
Los tipos más comunes de planificación son:
Optimización de la búsqueda.
Optimización rotacional (latencia).
Generalmente los tiempos de búsqueda superan a los de latencia, aunque la diferencia tiende a disminuir.
Bajo condiciones de carga ligera (promedio bajo de longitud de la cola), es aceptable el desempeño del
método FCFS (primero en llegar, primero en ser servido).
Bajo condiciones de carga media o pesada, es recomendable un algoritmo de planificación de las colas de
requerimientos.
Características Deseables de las Políticas de Planificación de Discos
Criterios:
Capacidad de ejecución.
Media del tiempo de respuesta.
Varianza de los tiempos de respuesta (predecibilidad).
Objetivos:
maximizar la capacidad de ejecución
Maximizar el número de peticiones servidas por unidad de tiempo.
Minimizar la media del tiempo de respuesta.
Mejorar el rendimiento global, quizás a costa de las peticiones individuales.
La planificación suele mejorar la imagen total al tiempo que reduce los niveles de servicio de ciertas
peticiones:
Se mide utilizando la varianza de los tiempos de respuesta.
La varianza es un término estadístico que indica hasta qué punto tienden a desviarse del promedio de todos los elementos los elementos individuales.
A menor varianza mayor predecibilidad.
Se desea una política de planificación que minimice la varianza, es decir que maximice la predecibilidad.
No debe haber peticiones que puedan experimentar niveles de servicio erráticos.
Justicia
Estrategias de búsqueda en disco (algoritmos de planificación)
En la mayoría de los discos, el tiempo de búsqueda supera al de retraso rotacional y al de transferencia,
debido a ello, la reducción del tiempo promedio de búsqueda puede mejorar en gran medida el rendimiento
del sistema.
En los sistemas multiprogramados son varios los procesos activos en un momento dado, y pueden producirse
peticiones simultáneas de acceso a disco. Si mientras se hace un acceso llegan más peticiones, el sistema
deberá mantenerlas en una lista de espera. Al terminar la petición que se atendía, el disco estará libre y el
sistema determinará el orden de atención de las peticiones pendientes, minimizando el desplazamiento del
brazo y el tiempo de servicio.
17
FCFS (First come first served)
El criterio más simple, sirve las peticiones según su hora de llegada, de programación sencilla y sin
sobrecarga, pero su eficiencia es relativa:
SSTF (Shortest seek time first)
Se atiende primero la petición más cercana a la última servida, la que quede más cerca.
Reduce a la mitad el número de movimientos del brazo en comparación con FCFS.
No respeta el orden de llegada de las peticiones a la cola.
Tiende a favorecer a las pistas del centro del disco
El desplazamiento total es de 232 cilindros, mucho menor que FCFS. Es más eficaz pero se pueden postergar
indefinidamente algunas peticiones. Supongamos que hay 2 peticiones pendientes, cilindros 25 y 110, si
mientras se atiende la 25 llegan más peticiones cercanas a ella (o menos lejanas a la 110), se atenderán las
nuevas peticiones aplazando la 110.
Problemas:
El ingreso de nuevas solicitudes puede demorar la atención de las más antiguas.
Con un disco muy cargado, el brazo tenderá a permanecer a la mitad del disco la mayoría del tiempo,
como consecuencia de ello las solicitudes lejanas a la mitad del disco tendrán un mal servicio.
Entran en conflicto los objetivos de Tiempo mínimo de respuesta y Justicia.
18
La velocidad de servicio variará según que las peticiones posteriores provoquen postergación o no.
Esta falta de predicción lo hace poco adecuado para sistemas interactivos y útil en batch
19
18 may
Algoritmo del elevador o exploración (scan)
Es la solución a la postergación de SSTF
Se mantiene el movimiento del brazo en la misma dirección, hasta que no tiene más solicitudes
pendientes en esa dirección; entonces cambia de dirección.
Ocasionalmente es mejor que el algoritmo SSTF pero sin sus inconvenientes.
SCAN de N - Pasos
El movimiento del brazo es como en SCAN; pero solo da servicio a las peticiones que se encuentran en espera
cuando comienza un recorrido particular.
Las peticiones que llegan durante un recorrido son agrupadas y ordenadas y serán atendidas durante el
recorrido de regreso.
C-Scan (Exploración circular)
Variante de scan. Atiende peticiones sólo en un sentido, al llegar al último cilindro, regresará al primero sin
atender peticiones.
El brazo se mueve del cilindro exterior al interior, sirviendo a las peticiones sobre una base de búsqueda más
corta.
Finalizado el recorrido hacia el interior, salta a la petición más cercana al cilindro exterior y reanuda su
desplazamiento hacia el interior.
En la práctica, tanto Scan como C-scan no llevarán el brazo hasta los extremos del disco, sino que cambiará
de sentido al servir la última petición. Son los más adecuados para discos con mucha carga.
Conclusiones
Mediante trabajos de simulación y de laboratorio se demostró lo siguiente:
La estrategia SCAN es la mejor con carga baja.
La estrategia C - SCAN es la mejor con cargas medias y pesadas.
La decisión de qué algoritmo aplicar, depende de los objetivos del sistema y la carga del disco.
Generalmente, las mejoras tecnológicas de los discos:
Acortan los tiempos de búsqueda (seek).
No acortan los tiempos de demora rotacional (search).
20
En algunos discos, el tiempo promedio de búsqueda ya es menor que el retraso rotacional.
El factor dominante será el retraso rotacional, por lo tanto, los algoritmos que optimizan los tiempos de
búsqueda (como el algoritmo del elevador) perderán importancia frente a los algoritmos que optimicen el
retraso rotacional.
Una tecnología importante es la que permite el trabajo conjunto de varios discos.
Este diseño se conoce como RAID (Redundant Array of Independent Disks); método de combinación de
varios discos duros para formar una única unidad lógica en la que se almacenan los datos de forma
redundante. Ofrece mayor tolerancia a fallos y más altos niveles de rendimiento que un sólo disco duro o un
grupo de discos duros independientes. Protege los datos contra el fallo de una unidad de disco duro. Si se
produce un fallo, RAID mantiene el servidor activo y en funcionamiento hasta que se sustituya la unidad
defectuosa.
5.7 Modelo jerárquico.
Jerarquía de datos
Son niveles de abstracción de cómo organizamos los datos:
Bit: elemento de información que permite almacenar 0 o 1.
Byte: 8 bits. Representan números en binario (de 0 a 28 - 1) y caracteres de texto usando códigos (ASCII), es
decir, convenios para representar datos alfanuméricos con 8 bits.
Campo: secuencia de datos iguales.
Registro: compuesto por campos (no necesariamente todos iguales).
Fichero o archivo: permite guardar conjuntos de registros.
Bases de datos: conjunto de registros a los que se puede acceder usando ciertas claves.
21
19 may
5.8 Mecanismos de recuperación en caso de falla.
Confiabilidad del Sistema de Archivos
Es necesario proteger la información alojada en el sistema de archivos, efectuando los resguardos
correspondientes.
De esta manera se evitan las consecuencias generalmente catastróficas de la pérdida de los sistemas de
archivos.
Las pérdidas se pueden deber a problemas de hardware, software, hechos externos, etc.
Manejo de un bloque defectuoso:
Se utilizan soluciones por hardware y por software.
La solución en hardware:
Consiste en dedicar un sector del disco a la lista de bloques defectuosos.
Al inicializar el controlador por primera vez:
o Lee la “lista de bloques defectuosos”.
o Elige un bloque (o pista) de reserva para reemplazar los defectuosos.
o Registra la asociación en la lista de bloques defectuosos.
o En lo sucesivo, las solicitudes del bloque defectuoso utilizarán el de repuesto.
La solución en software:
Requiere que el usuario o el sistema de archivos construyan un archivo con todos los bloques
defectuosos.
Se les elimina de la “lista de bloques libres”.
Se crea un “archivo de bloques defectuosos”: o Está constituido por los bloques defectuosos.
o No debe ser leído ni escrito.
o No se debe intentar obtener copias de respaldo de este archivo.
Respaldos (copias de seguridad o de back-up):
Es muy importante respaldar los archivos con frecuencia.
Los respaldos pueden consistir en efectuar copias completas del contenido de los discos (flexibles o rígidos).
Una estrategia de respaldo consiste en dividir los discos en áreas de datos y áreas de respaldo, utilizándolas
de a pares:
Se desperdicia la mitad del almacenamiento de datos en disco para respaldo.
Cada noche (o en el momento que se establezca), la parte de datos de la unidad 0 se copia a la parte de respaldo de la unidad 1 y viceversa.
Otra estrategia es el vaciado por incrementos o respaldo incremental:
Se obtiene una copia de respaldo periódicamente (por ej.: una vez por mes o por semana), llamada copia
total.
Se obtiene una copia diaria solo de aquellos archivos modificados desde la última copia total; en
estrategias mejoradas, se copian solo aquellos archivos modificados desde la última vez que dichos
archivos fueron copiados.
Se debe mantener en el disco información de control como una “lista de los tiempos de copiado” de cada
archivo, la que debe ser actualizada cada vez que se obtienen copias de los archivos y cada vez que los
archivos son modificados.
Puede requerir una gran cantidad de cintas de respaldo dedicadas a los respaldos diarios entre respaldos
completos.
Consistencia del sistema de archivos:
Muchos sistemas de archivos leen bloques, los modifican y escriben en ellos después.
Si el sistema falla antes de escribir en los bloques modificados, el sistema de archivos puede quedar en un
“estado inconsistente”.
La inconsistencia es particularmente crítica si algunos de los bloques afectados son:
Bloques de directorios.
Bloques de la lista de bloques libres.
22
La mayoría de los sistemas dispone de un programa utilitario que verifica la consistencia del sistema de
archivos:
Se pueden ejecutar al arrancar el sistema o por solicitud expresa.
Pueden actuar sobre todos o algunos de los discos.
Pueden efectuar verificaciones a nivel de bloques y a nivel de archivos.
La consistencia del sistema de archivos no asegura la consistencia interna de cada archivo, respecto de su
contenido.
Generalmente pueden verificar también el sistema de directorios y / o de bibliotecas.
Generalmente los utilitarios utilizan dos tablas:
Tabla de bloques en uso.
Tabla de bloques libres.
Cada bloque debe estar referenciado en una de ellas.
Si un bloque no aparece en ninguna de las tablas se trata de una falla llamada bloque faltante:
No produce daños pero desperdicia espacio en disco.
Se soluciona añadiendo el bloque a la tabla de bloques libres.
También podría detectarse la situación de falla debida a un bloque referenciado dos veces en la tabla de
bloques libres:
La solución consiste en depurar la tabla de bloques libres.
Una falla muy grave es que el mismo bloque de datos aparezca referenciado dos o más veces en la tabla de
bloques en uso:
Como parte del mismo o de distintos archivos.
Si uno de los archivos se borra, el bloque aparecería en la tabla de bloques libres y también en la de
bloques en uso.
Una solución es que el verificador del sistema de archivos:
o Asigne un bloque libre.
o Copie en el bloque libre el contenido del bloque conflictivo.
o Actualice las tablas afectando el bloque copia a alguno de los archivos.
o Agregue el bloque conflictivo a la tabla de bloques libres.
o Informe al usuario para que verifique el daño detectado y la solución dada.
Otro error posible es que un bloque esté en la tabla de bloques en uso y en la tabla de bloques libres:
Se soluciona eliminándolo de la tabla de bloques libres.
Una posible falla en los directorios es que el contador de enlaces sea mayor que el número de entradas del
directorio:
No se trata de un error serio pero produce desperdicio de espacio en disco con archivos que no se
encuentran en ningún directorio.
Se soluciona haciendo que el contador de enlaces tome el valor correcto; si el valor correcto es 0, el
archivo debe eliminarse.
También se pueden hacer verificaciones heurísticas, por ej.:
Se debería informar como sospechosos aquellos directorios con excesivas entradas, por ej., más de mil.
Manejo de Errores en Discos
Algunos de los errores más comunes en discos son:
Error de programación: Ej.: Solicitar un sector no existente.
Error temporal en la suma de verificación: Ej.: Provocado por polvo en la cabeza.
Error permanente en la suma de verificación: Ej.: Un bloque del disco dañado físicamente.
Error de búsqueda: Ej.: El brazo se envía al cilindro 6 pero va al 7.
Error del controlador: Ej.: El controlador no acepta los comandos.
El manejador del disco debe controlar los errores de la mejor manera posible.
La mayoría de los controladores:
Verifican los parámetros que se les proporcionan.
Informan si no son válidos.
23
Respecto de los errores temporales en la suma de verificación:
Generalmente se eliminan al repetir la operación.
Si persisten, el bloque debe ser marcado como un bloque defectuoso, para que el software lo evite.
SAN
Una red SAN se distingue de otros modos de almacenamiento en red por el modo de acceso a bajo
nivel. El tipo de tráfico en una SAN es muy similar al de los discos duros como ATA,SATA y SCSI. En
otros métodos de almacenamiento, (como SMB o NFS), el servidor solicita un determinado
fichero, p.ej."/home/usuario/rocks". En una SAN el servidor solicita "el bloque 6000 del disco 4".
La mayoría de las SAN actuales usan el protocolo SCSI para acceder a los datos de la SAN, aunque
no usen interfaces físicas SCSI. Este tipo de redes de datos se han utilizado y se utilizan
tradicionalmente en grandes main frames como en IBM, SUN o HP. Aunque recientemente con la
incorporación de Microsoft se ha empezado a utilizar en máquinas con sistemas operativos
Microsoft.
Una SAN es una red de almacenamiento dedicada que proporciona acceso de nivel de bloque a
LUNs. Un LUN, o número de unidad lógica, es un disco virtual proporcionado por la SAN. El
administrador del sistema tiene el mismo acceso y los derechos a la LUN como si fuera un disco
directamente conectado a la misma. El administrador puede particionar y formatear el disco en
cualquier medio que él elija.
Dos protocolos de red utilizados en una SAN son Fibre Channel e iSCSI. Una red de canal de fibra es
muy rápida y no está agobiada por el tráfico de la red LAN de la empresa. Sin embargo, es muy
cara. Las tarjetas de canal de fibra óptica cuestan alrededor de $ 1000.00 USD cada una. También
requieren conmutadores especiales de canal de fibra. iSCSI es una nueva tecnología que envía
comandos SCSI sobre una red TCP / IP. Este método no es tan rápido como una red Fibre Channel,
pero ahorra costes, ya que utiliza un hardware de red menos costoso.
A partir de desastres como lo fue el "martes negro" en el año 2001 la gente de TI, han tomado
acciones al respecto, con servicios de cómo recuperarse ante un desastre, cómo recuperar miles
de datos y lograr la continuidad del negocio, una de las opciones es contar con la Red de área de
almacenamiento, sin embargo las compañías se pueden enfrentar a cientos de ataques, por lo que
es necesario contar con un plan en caso de contingencia; es de vital importancia que el sitio dónde
se encuentre la Red de almacenamiento, se encuentre en un área geográfica distinta a dónde se
ubican los servidores que contienen la información crítica; además se trata de un modelo
centralizado fácil de administrar, puede tener un bajo costo de expansión y administración, lo que
24
la hace una red fácilmente escalable; fiabilidad, debido a que se hace más sencillo aplicar ciertas
políticas para proteger a la red.
