UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA

DEPARTAMENTO DE INFORMÁTICA

ALMACENAMIENTO Y RECUPERACIÓN DE INFORMACIÓN

CERTAMEN 2: Estructuras Básicas de Archivos

Profesor: José Luis Martí L.

Ayudantes: Francisco Coca - Claudio Corvalán

Pregunta 1: (Criterios para escoger la Estructura de un Archivo)

Responder verdadero o falso, justificando sólo éstas últimas; cada respuesta mala vale -1 punto.
a) Si el número de registros de un archivo es alto, conviene que éste no sea secuencial.
R.: Verdadero.

b) Un archivo secuencial ordenado es lo mejor para manejar una volatilidad de inserción alta.
R.: Falso, pues las inserciones son lentas al ubicar cada nuevo dato en el lugar que le
corresponde, según su valor. Si el archivo no está ordenado, las inserciones son siempre al final.

c) Lo fundamental para determinar si un archivo secuencial debe estar ordenado o no, es si el

atributo de mayor acceso es clave única o no.
R.: Falso, lo fundamental se refiere a si los accesos más frecuentes requieren salidas ordenadas
por algún atributo, y/o si hay salidas basadas en condiciones de desigualdad sobre algún atributo
(ej.: ...where clave < constante...) y/o si la tasa volatidad de inserción es alta o baja. En cualquier
caso, da lo mismo si la clave es única o no.

d) La principal ventaja del archivo relativo es que su tamaño físico va aumentando

dinámicamente a medida que el volumen de registros contenidos crece.
R.: Falso, pues un archivo relativo tiene un tamaño fijo, que depende del número de entradas
habilitadas desde un comienzo. El cambio en su tamaño no se hace dinámicamente; debe hacerse
off-line, para reorganizar su contenido al nuevo espacio de almacenamiento.

e) Un archivo hashing estático no puede tener registros en overflow.

R.: Falso, si los puede tener; por ende existen las técnicas de resolución de colisiones como el
encadenamiento, que tiene buckets de overflow.

f) La técnica de hashing lineal genera un mal rendimiento en aplicaciones distribuidas.

R.: Falso, pues al no tener algún componente centralizado (nodo raíz, directorio o similar), cada
nodo de una red puede tener un bucket y trabajar con una mínima interferencia del resto del sistema.

g) En general, un archivo con baja actividad es mejor estructurarlo de tipo hashing.

R.: Verdadero.

h) El árbol B también es adecuado para organizar un archivo en base a claves secundarias.

R.: Falso, no es adecuado porque las claves no necesariamente pueden quedar cercanas (por
ejemplo, algunas en las hojas, y otras en la raíz o cerca de ésta), haciendo costosa su recuperación.

i) Si un conjunto de registros tiene, mayoritariamente, accesos de tipo directo, el archivo que los
almacene debe ser de tipo hashing o árbol.
R.: Verdadero.

j) Si la recuperación de los datos de un archivo es por procesos batch, sólo conviene que sea
organizado como secuencial, no importando si está ordenado o no.
R.: Falso, puede ser cualquier estructura de archivo, pues el tiempo de respuesta no es crítico.
(30 puntos)
Pregunta 2: (Estructuras Básicas de Archivos)
a) Considerar un archivo secuencial desordenado, con 120.000 registros, cada uno de 200 bytes.
El tamaño del bloque es de 2 KB, el tiempo de seek de 16 mseg, la latencia rotacional media igual a
8.3 mseg y el tiempo de transferencia de un bloque de 0.8 mseg. Si de ahora en adelante, por cada 2
registros que se añaden hay uno que se borra, hasta que el total de registros activos sea 240.000:

¿Cuántas transferencias de bloques se necesitan para reorganizar el archivo?.

R.: Por ser un archivo secuencial desordenado, las inserciones son al final del archivo, mientras
que las eliminaciones son aleatoriamente realizadas dentro del archivo de tipo lógico, lo que se
desprende de la necesidad de la reorganización, cuyo objetivo es eliminar las entradas libres que
se van generando entre medio de los datos, las que generan un costo mayor en espacio en disco
y de transferencias de datos, preciso de eliminar.

Para alcanzar los 240.000 registros activos, a partir de los 120.000 iniciales, es preciso que
se ingresen 240.000 registros nuevos, a los que se asocian 120.000 registros eliminados, dada la
condición de que por cada 2 registros añadido hay uno que se borra. Así, al momento de la
reorganización se tendrán 360.000 entradas asignadas al archivo, 240.000 con registros activos
y 120.000 vacías debido a registros eliminados. A partir del factor de bloqueo del archivo:

2.048 bytes / bloque

fb = ---------------------------- = 10 registros / bloque
200 bytes/ registro

se sabe que el archivo tiene:

360.000 registros
b = ---------------------------- = 36.000 bloques
10 registros / bloque

Para la reorganización se necesita leer una sola vez cada bloque desde el disco, eliminando sus
entradas inactivas al llenarlas con registros del siguiente bloque de datos. Luego, se tienen 36.000
bloques leidos. Al reorganizar, se tendrán 240.000 registros, los que ocuparán un total de 24.000
bloques, los que serán escritos al disco una sola vez.

Finalmente, el número de bloques transferidos para la reorganización es de 60.000 bloques.

¿Cuánto tarda encontrar un registro justo antes de la reorganización?.

R.: Para hallar un registro específico, en promedio, se debe recorrer la mitad del archivo, por lo
que el costo de encontrarlo es de:

(36.000 / 2) * (16 + 8.3 + 0.8) = 451.800 mseg ≈ 7.5 minutos

¿Cuánto tarda encontrar un registro justo después de la reorganización?.

R.: Para hallar un registro específico, en promedio, también se debe recorrer la mitad del archivo,
por lo que el costo de encontrarlo es de:

(24.000 / 2) * (16 + 8.3 + 0.8) = 301.200 mseg ≈ 5 minutos

(35 puntos)
 b) Un archivo de productos tiene registros cuya clave primaria es el código del producto. Si este
archivo se organiza usando hashing lineal, donde cada bucket puede guardar hasta dos registros:
Mostrar cómo quedan guardados los registros, si éstos son:

#Producto Nombre Valor #Producto Nombre Valor

Producto Producto
29 Fideos 380 16 Queso 1.800
30 Cereal 1.200 23 Jugo 700
42 Leche en Polvo 1.800 18 Pan Integral 900
7 Azúcar 400 25 Café en Polvo 3.000
59 Pack de Yoghurt 1.000 37 Mantequilla 250

R.:
Inserción de los registros con claves 29 y 30:
0
29
30

Inserción del registro con clave 42:

0 1
30 29
42

Inserción del registro con clave 7:

0 1
30 29
42 7

Inserción del registro con clave 59:

0 1 2
29 30
7 42

59

Inserción del registro con clave 16:

0 1 2
16 29 30
7 42

59
 Inserción de los registros con claves 23:
0 1 2 3
16 29 30 7
42 59

23

Inserción del registro con clave 18:

0 1 2 3 4
16 29 30 7
42 59

18 23

Inserción del registro con clave 25:

0 1 2 3 4
16 29 30 7
25 42 59

18 23

Inserción del registro con clave 37:

0 1 2 3 4 5
16 25 30 7 29
42 59 37

18 23

quedando finalmente como:

0 1 2 3 4 5
16 25 30 7 29
Queso Café en Cereal Azúcar Fideos
1.800 Polvo 1.200 400 380
3.000
42 59 37
Leche en Pack de Mantequilla
Polvo Yoghurt 250
1.800 1.000

18 23
Pan Integral Jugo
800 700
 A partir de la respuesta anterior, ¿cuánto cuesta responder las siguientes consultas:
o select * from archivo;
R.: Dado que se requiere recorrer linealmente todo el archivo, el costo es de 8 bloques.

o select count(*) from archivo;

R.: Ídem que el caso anterior, por lo que el costo es de 8 bloques.

o select * from archivo where clave = …;

R.: Existen 8 registros que se recuperan con la lectura de un único bloque, mientras que hay
dos registros que se recuperan con la lectura de dos bloques. Luego, el costo promedio de la
consulta es de:
(8 * 1 + 2 * 2) / 10 = 1.2 bloques

o select * from archivo where clave between 16 and 18;

R.: Se debe evaluar la presencia de cada uno de los valores presentes en el intervalo dado,
incurriendo en un bloque para la clave 16, uno para la clave 17 (y saber que no se
encuentra), y dos bloques para encontrar el registro de clave 18. Luego, el costo de las tres
búsquedas directas suma 4 bloques.
(35 puntos)

JLML/jlml.
040604.