Ingeniería de Sistemas · Semestre IV · 2026-2 · Clase 10

La base donde se vende
no es la base donde se reporta

Por qué un sistema termina con dos diseños para los mismos datos, y qué se paga por eso. — Elkin Rodríguez E.

Arranquemos con algo que todos vivieron

La semana de inscripción

¿Qué le pasa al sistema de la universidad esa semana?

Lo que están describiendo tiene nombreMiles de personas escribiendo su inscripción, y al mismo tiempo miles leyendo horarios, cupos y prerrequisitos. Todo contra la misma base de datos. Eso es lo que vamos a estudiar hoy.
El acertijo de hoy

Ocho segundos, cuarenta veces al día

Una consulta de informe tarda 8 segundos. El gerente la corre 40 veces al día y se queja todos los días.

¿Qué harían ustedes?
Guarden su respuestaLa vamos a escribir en el tablero, y al final de la clase volvemos a ver si era la correcta.
Cómo se reparte la clase de hoy

Seis bloques

12
Apertura y diagnóstico de dónde partimos
20
Cómo funciona un índice de verdad al tablero, computadores cerrados
63
A pgAdmin: normalizar y medir del Excel a la 3FN, y de ahí a medir qué cuesta cada decisión
20
El nombre y el precio después del break
40
Taller por grupos su propio caso, de principio a fin
10
Sorteo y cierre de aquí sale la nota
Más 15 de break · y hoy sale notaDe las tres horas, casi dos están ustedes en el teclado.
Antes de empezar · de dónde partimos

Tres preguntas, a mano alzada

  1. ¿Quién puede explicarme qué es un índice en una base de datos?
  2. ¿Qué significa que una base esté normalizada?
  3. ¿Alguien ha usado EXPLAIN para ver cómo resolvió el motor una consulta?
No es un examenEs para saber desde dónde arranco. Si nadie levanta la mano en la tres, perfecto — es la herramienta más útil de la clase y la vamos a usar toda la mañana.
Bloque 1 · 25 min · al tablero

Cómo funciona un índice de verdad

Casi todo el mundo sabe que «un índice acelera las consultas». Muy pocos saben qué es, y casi nadie sabe qué cuesta.

Y sin eso, lo de hoy no se entiendeLas tres cosas que vamos a medir en el computador dependen de entender esto primero. Computadores cerrados veinticinco minutos.
Concepto 1 de 4

Un índice es otra estructura, aparte

Piensen en el índice de un libro. No es el libro: es una lista ordenada alfabéticamente, al final, que dice en qué página está cada palabra.

Sin índice

Para encontrar «entropía» hay que leer el libro entero hasta topársela.

Con índice

Se busca en la lista ordenada, dice «página 312», y se va directo.

En la base de datos es exactamente igualEl índice es una estructura separada que guarda los valores en orden y, al lado de cada uno, dónde está la fila. Ocupa espacio propio en disco.
Concepto 2 de 4 · y acá está lo que nadie cuenta

Si le agregan una página al libro, hay que arreglar el índice

Un índice no se mantiene solo. Cada vez que entra una fila nueva, hay que meter su entrada en el índice — y en el lugar que le corresponde, porque el índice tiene que seguir ordenado.

La cuenta que importaSi una tabla tiene tres índices, insertar una fila no es una escritura: son cuatro. La fila, más una entrada en cada índice.
Un índice es una apuesta: pago en cada escritura, para cobrar en cada lectura.
Concepto 3 de 4

Normalizar: cada dato en un solo lugar

Esto ya lo vieron. El nombre del cliente vive en clientes, y el pedido solo guarda su id.

 Qué ganaQué cuesta
NormalizadoNada se contradice. Se corrige en un solo sitioPara responder algo hay que juntar varias tablas
Y por eso es correcto para escribirCuando entra un pedido, lo único que importa es que quede bien y no se duplique. Normalizar es exactamente la forma de lograrlo.
Concepto 4 de 4 · lo que casi nadie les ha dicho

Desnormalizar a propósito

En la universidad les enseñan a normalizar y les dicen que lo contrario es un error. No siempre lo es. Hay tres niveles, y cada uno sirve para algo distinto:

NivelQué hacePara qué sirve
NormalizadoCada dato en un lugarEscribir sin contradicciones
DesnormalizadoDatos repetidos, ya juntosLeer sin tener que juntar
Pre-calculadoLa respuesta ya sumadaLeer sin tener que sumar
El tercero es el que vamos a construir hoyY es el que va a cambiar un informe de 300 milisegundos a menos de uno.
El conflicto, en una tabla

Dos trabajos que piden lo contrario

 Escribir un pedidoLeer el informe del mes
Cuántas filas toca3 o 42,4 millones
Qué necesitaQue no se dupliqueQue responda rápido
Forma óptimaNormalizadaPre-calculada
ÍndicesPocos · cada uno frenaMuchos · cada uno ayuda
Cuándo debe ser exactoAhora mismoCon lo de anoche basta
Léanla de arriba abajoNo hay una sola fila donde los dos coincidan. Ningún diseño gana los dos lados a la vez — y eso no es opinión, es lo que vamos a medir ahora.
Bloque 2 · 63 min · a pgAdmin, y no lo cerramos más

Primero normalizamos. Después medimos.

Dos partes seguidas. 18 minutos para llevar un Excel a tercera forma normal, y 45 para medir qué cuesta cada decisión sobre el modelo que quede.

Paso A · escrito

La tabla de Excel ya está. Solo la corren y la miran.

Pasos B, C, D · en blanco

1FN, 2FN, 3FN. Los escribo yo, ustedes los replican.

Pasos 0 a 12 · escritos

Los corren, cronometran y llenan la hoja.

Un paso a la vez: selecciónenlo con el mouse y F5Nunca el archivo completo. El tiempo sale en Messages, abajo. Y el paso 3 es una predicción que yo firmo antes del paso 4: el que corra adelantado pierde ese punto.
Paso A · de dónde venimos

Así llega el archivo en la vida real

v0_excel · ya está escrita en su archivo · solo córranla
factura  fecha  vendedor  vendedor_cedula  vendedor_ciudad
cliente  cliente_nit  cliente_ciudad  cliente_depto
producto_1  cantidad_1  precio_1
producto_2  cantidad_2  precio_2
producto_3  cantidad_3  precio_3      -- 18 columnas, todas varchar
Sin llave primaria, sin llaves foráneas, sin un solo tipo de datoUna fila por factura y los productos repartidos en columnas. Así arranca la mayoría de los proyectos de datos de verdad, y conviene verlo tal cual antes de arreglarlo.
Paso A · tres consultas, tres fallas

Lo que está mal

La consultaLo que muestraQué lo arregla
Sumar el arrozPide tres UNION ALL. El producto es una columna, no un dato. Una cuarta columna obliga a alterar la tabla1FN
Agrupar por cédulaUna cédula, dos nombres. «Carlos Ramirez» y «Carlos Ramírez» son dos vendedores para la base2FN y 3FN
sum(precio_1::numeric)Falla. Un solo 4.350,00 tumba la carga completatipos de dato
Y una cuarta, que es pregunta: ¿de qué depende cliente_depto? ¿De la factura, del cliente, o de la ciudad?
Pasos B, C y D · esto lo escribimos juntos

Las tres operaciones

B
Primera forma normal un valor por celda, y nada de grupos repetidos. Las tres parejas producto/cantidad/precio se giran y se vuelven filas → arregla la falla 1
C
Segunda forma normal la llave es (factura, producto), pero el vendedor depende SOLO de la factura. Dependencia parcial → se parte la tabla
D
Tercera forma normal el departamento no depende de la factura ni del cliente: depende de la ciudad. Dependencia transitiva → arregla la falla 2
Esta parte no viene escrita, y es a propósitoLa escribo yo y ustedes la replican debajo, en el mismo archivo. Tecléenla. De ahí en adelante todo vuelve a estar escrito.
Lo que queda después de los pasos B, C y D

El dato ya no se puede contradecir

TablaQué guardaFilas
v0_excellas filas del Excel, como llegaron5
v1_lineas · 1FNuna fila por producto vendido11
v2_facturas · 2FNlo que depende de la factura5
d_vendedores · 3FNel nombre, escrito una sola vez2
d_clientes · d_ciudadesun cliente por NIT; la ciudad con su departamento4 · 4
El nombre del vendedor pasó de once copias a unaNormalizar no es una regla académica: es lo que hace que el dato no se pueda contradecir. Y por eso es la forma correcta de diseñar el lado de escritura.
Paso 0 · preparar · se corre una sola vez

Un script que crea sus propios datos

Lo esencial de lo que hace
CREATE TABLE pedidos (id, cliente_id, sede_id, fecha);
INSERT INTO pedidos
  SELECT g, ... FROM generate_series(1, 800000) g;

CREATE TABLE items_pedido (id, pedido_id, producto_id,
                           cantidad, precio_unitario);
INSERT INTO items_pedido
  SELECT g, ... FROM generate_series(1, 2400000) g;
generate_series es el trucoGenera los números del 1 al 2.400.000 y de ahí salen las filas. No hay nada que descargar ni importar. Tarda entre 20 y 60 segundos.
Lo que quedó montado

Cinco tablas, normalizadas

clientes
50.000
→
pedidos
800.000
→
items_pedido
2.400.000
←
productos
2.000
Esto es el lado de escritura, y está bien hechoCada dato en un solo lugar, llaves primarias, nada repetido. Es exactamente lo que les enseñaron a hacer — y para registrar pedidos es correcto.
La pregunta de hoy es qué pasa cuando a esa misma base le piden un informe.
Pasos 1 y 2 · el informe y su plan

Ventas por mes y categoría

Paso 1 · anoten el tiempo
SELECT date_trunc('month', p.fecha)::date AS mes,
       pr.categoria,
       sum(i.cantidad * i.precio_unitario) AS venta
FROM pedidos p
JOIN items_pedido i ON i.pedido_id = p.id
JOIN productos   pr ON pr.id = i.producto_id
WHERE p.fecha >= timestamp '2026-03-01'
  AND p.fecha <  timestamp '2026-04-01'
GROUP BY 1, 2 ORDER BY 1, 2;
Y en el paso 2, la misma consulta con EXPLAIN ANALYZEEso les muestra qué hizo el motor para responder. Anoten una sola cosa: cuántas filas dice que leyó de items_pedido.
Paso 3 · pare todo el mundo

Escriban su predicción

Vamos a crear tres índices pensados para acelerar ese informe: uno en pedidos(fecha) y dos en items_pedido.

Pregunta a¿Cuánto va a mejorar
el informe?

Escriban un número
o un porcentaje.
Pregunta b¿Qué le va a pasar a la
velocidad de insertar
pedidos?

Más rápido, igual, más lento.
Nadie corre el paso 4 sin haber escrito las dosLa predicción equivocada vale lo mismo que la correcta. Lo que no vale es no comprometerse.
Pasos 4 y 5 · los índices, y el informe otra vez

Tres índices

Paso 4 · anoten cuánto tarda crearlos
CREATE INDEX ix_pedidos_fecha  ON pedidos(fecha);
CREATE INDEX ix_items_pedido   ON items_pedido(pedido_id);
CREATE INDEX ix_items_producto ON items_pedido(producto_id);
ANALYZE;
Y ahora el paso 5Corran exactamente el mismo informe del paso 1, y anoten el tiempo al lado del anterior.
Lo que salió · mis números

El informe no mejoró

 Tiempo del informe
Sin índices299 ms
Con los tres índices304 ms
Mejora9% · es ruido de medición
¿A cuántos les salió parecido?Lo medí cinco veces en cada estado para estar seguro. El índice que todo el mundo propone no arregló nada. Y falta la peor parte.
Paso 6 · y aquí está la respuesta

Miren el plan otra vez

Lo que dice el EXPLAIN, con los índices puestos
Hash Join
  -> Parallel Seq Scan on items_pedido  (rows=2400000)
  -> Bitmap Heap Scan on pedidos
       -> Bitmap Index Scan on ix_pedidos_fecha  ✓
El índice sí se está usando · pero miren arribaSirvió para encontrar los pedidos de marzo. Pero items_pedido sigue leyéndose completa: 2,4 millones de filas.
El problema nunca fue encontrar las filas. Era sumarlas. Y eso ningún índice lo arregla.
Pasos 7 y 8 · ahora la factura

¿Y qué le pasó a escribir?

Insertamos 150.000 líneas de pedido con los índices puestos. Después los botamos e insertamos otras 150.000.

Insertar 150.000 líneasTiempo
Con los tres índices944 ms
Sin ellos355 ms
Diferencia2,7 veces más lento
Es la cuenta del concepto 2Tres índices que hay que mantener ordenados en cada inserción. Una fila se volvió cuatro escrituras.
El balance del bloque

Pagamos todo y no recibimos nada

 Qué pasó
Leer9% más rápido. Dentro del margen de error
Escribir2,7 veces más lento
AdemásLos índices ocupan disco y hay que mantenerlos
Y la respuesta del tablero era «ponerle un índice»Era la respuesta razonable, la que da todo el mundo, y es un mal negocio. Así que el problema no era de ajuste: era de diseño.
Break de 15 min

Al volver,
la solución.

Dejen pgAdmin abierto y su hoja con los tiempos a mano.

Bloque 3 · 20 min · el nombre y el precio

Si el problema es sumar, no sumemos

Pasamos media hora tratando de encontrar las filas más rápido. El plan nos mostró que el costo estaba en sumar 2,4 millones de líneas, cada vez, para dar cinco números.

¿Y si la suma ya estuviera hecha?
Paso 9 · el modelo de lectura

Una tabla con la respuesta ya calculada

Paso 9 · anoten el tiempo y cuántas filas quedaron
CREATE TABLE ventas_mes_categoria AS
SELECT date_trunc('month', p.fecha)::date AS mes,
       pr.categoria,
       sum(i.cantidad * i.precio_unitario) AS venta
FROM pedidos p
JOIN items_pedido i ON i.pedido_id = p.id
JOIN productos   pr ON pr.id = i.producto_id
GROUP BY 1, 2;
Es la misma consulta del paso 1Pero en vez de correrla cada vez que alguien pregunta, la corremos una vez y guardamos el resultado.
Paso 10 · el mismo informe

270 veces más rápido

 Filas que leeTiempo
Contra las tablas normalizadas2.400.000299 ms
Contra el modelo de lectura1200,23 ms
Y fíjense de dónde sale la diferenciaNo es de un motor más rápido ni de una máquina mejor. Es que pasamos de leer 2,4 millones de filas a leer 120. La suma ya estaba hecha.
Los índices nos dieron 9%. Esto nos dio 27.000%.
Y esto que acabamos de hacer tiene nombre

CQRS

Command Query Responsibility Segregation. En español: separar la responsabilidad de escribir de la responsabilidad de leer.

Lado de escritura · commandNormalizado.
Pocos índices.
Exacto en este instante.
Pocas filas a la vez.
Lado de lectura · queryPre-calculado.
Muchos índices si hacen falta.
Puede ir atrasado.
Millones de filas.
Es la decisión de arquitectura de hoyDejar de buscar el diseño que gane los dos lados, y aceptar que hacen falta dos.
El vocabulario · y ya lo vieron en la Clase 7

Comando y consulta

 Qué esEjemplo
ComandoUna orden. Cambia el estadocrear pedido
ConsultaUna pregunta. No cambia nadaventas de marzo
La «C» y la «Q» de CQRS son esas dosY la idea completa es: si hacen cosas tan distintas, ¿por qué los obligamos a compartir el mismo diseño?
En la Clase 7 vieron la diferencia entre comando (infinitivo) y evento (pasado). Es el mismo vocabulario.
Tres cosas que CQRS no es

Para que no lo confundan

El errorLa corrección
«Son dos bases de datos»Pueden ser dos tablas en la misma base — como lo que acabamos de hacer. La separación es de modelo, no de servidor
«Es cosa de microservicios»Un monolito puede hacer CQRS perfectamente. Son decisiones independientes
«Siempre es mejor»No. A escala pequeña, una sola tabla bien hecha es la respuesta correcta
El tercero es el que más importaSi su sistema tiene mil pedidos, nada de esto hace falta — y decirlo en voz alta es de arquitecto, no de perezoso.
Paso 11 · y ahora el precio

Un pedido que no aparece

Paso 11 · inserten un pedido de marzo y vuelvan a consultar el modelo
INSERT INTO pedidos
  VALUES (9999999, 1, 1, '2026-03-15 10:00:00');
INSERT INTO items_pedido
  VALUES (99999999, 9999999, 1, 100, 1000000.00);

SELECT * FROM ventas_mes_categoria
 WHERE mes = '2026-03-01';
El pedido está, pero el informe no lo muestraPorque el modelo de lectura se calculó antes. Y nadie lo volvió a calcular.
Eso que acaba de pasar tiene nombre

Consistencia eventual

Los dos lados eventualmente van a decir lo mismo. Pero no en este segundo. Y ese rato de desacuerdo no es un error: es el precio de haber separado.

Y aquí está la parte que los va a sorprenderEl tamaño de ese desfase no lo decide el arquitecto. Lo decide el negocio — y el arquitecto lo escribe para que nadie lo descubra después.
La pregunta correcta no es «¿cómo lo evitamos?». Es «¿cuánto desfase tolera cada pantalla?»
La pregunta de negocio, con tres respuestas distintas

¿Cuánto desfase tolera cada pantalla?

Qué se está mirandoToleraPor qué
Tablero de ventas del gerente24 horasNadie decide distinto por un día
Saldo disponible de una tarjetaCeroUn segundo de atraso es un sobregiro
Inventario en la tienda en línea¿5 min?Depende de si vender algo agotado cuesta una disculpa o una demanda
La misma arquitectura, tres respuestasY por eso CQRS no es una receta. Es un intercambio que se decide por caso, y que hay que poder defender.
La pregunta que queda abierta

¿Quién actualiza esas 120 filas?

Por lotesUn proceso corre de noche
y vuelve a calcular todo.

Sencillo y barato.
Atrasa un día.
Por eventosCada pedido nuevo
avisa, y el modelo
se actualiza al oírlo.

Más complejo. Atrasa segundos.
Eso es la próxima claseArquitecturas basadas en eventos no es un tema aparte: es el mecanismo que mantiene vivo lo que construimos hoy.
Bloque 4 · 45 min · taller por grupos

Ahora lo hacen ustedes, con su propio caso

Lo que acabamos de hacer conmigo sobre una tienda, lo van a repetir solos sobre un negocio que escojan: modelarlo normalizado, encontrarle la pantalla lenta y construirle su modelo de lectura.

Arrancan de una plantilla, no de ceroEl archivo Clase10_Taller_Plantilla.sql ya trae la estructura de los seis bloques. Lo que falta es el contenido de su caso.
Todo tiene que correr en pgAdmin. Lo que no corre, no se califica.
Escojan uno · no se repite entre grupos

Seis negocios

NegocioLa tabla que crece sin pararLa pantalla que hay que resolver
Gimnasioingresos al torniqueteocupación por hora y por sede
App de domiciliospedidos y sus ítemstiempo de entrega por zona y hora
Parqueaderoentradas y salidasrotación y recaudo por sede y día
Bibliotecapréstamos de ejemplareslos 20 más prestados por programa
Veterinariaservicios por consultaingresos por servicio y por mes
Plataforma de cursosvistas de lecciónavance promedio por curso y cohorte
Qué tiene que quedar corriendo

Lo que entrega cada grupo

BloqueLo mínimo que se acepta
1 · El modelo en 3FN4 tablas, con PK, FK, tipos escogidos y un CHECK
2 · Volumen500.000 filas en la tabla de hechos, con generate_series
3 · La consulta lentala pantalla del negocio, con sus JOIN y su GROUP BY
4 · El planqué tabla recorre completa y cuántas filas lee
5 · El modelo de lecturacon llave primaria compuesta y marca de agua
6 · La misma pantallacontra el modelo de lectura, y la división de los dos tiempos
Más el ADR-001 en la hoja. Esto es la primera pieza del proyecto del corte.
Léanlo antes de empezar

Hoy sale la primera nota del corte

Qué se calificaPuntosCuándo
La predicción del paso 3, firmada antes del paso 410minuto 24
Los tiempos medidos y las tres divisiones20al final
El SQL del taller corriendo en su máquina40paso por los puestos
El ADR-001 con sus ocho secciones30al final
Si la consulta del bloque 6 no corre, el SQL va en cero — por bonito que esté el modelo en el papel.
Y esto es requisito para que algo se califique

Hoy mismo, a AVATA

Antes de las 11:59 p.m. de hoy, en la actividad «Clase 10 · Modelo de lectura». Un solo envío por grupo, con dos archivos:

ArchivoQué es
G#_Clase10_Taller.sqlsu archivo del taller, corrido y guardado
G#_Clase10_Hoja.pdfla hoja de trabajo, escaneada o fotografiada completa
La hoja en papel se entrega acá; a AVATA va el respaldoReemplacen G# por su grupo. Lo que no esté en AVATA hoy antes de las 11:59 p.m. no se califica, y no se reciben correos.
Y hay una cosa más

Al cerrar, saco un nombre por grupo

Al azar. Esa persona tiene 90 segundos para responder una pregunta sobre el trabajo de su propio grupo. El grupo no puede ayudar.

Lo que respondaQué le pasa a la nota del grupo
Completo, y con sus propios números× 1,0 · queda como está
Entiende la idea pero no sabe sus datos× 0,8
No sabe de qué le están hablando× 0,6
Nadie sabe a quién le va a tocarY esa es toda la idea. Aquí no hay pasajeros: al grupo le conviene que los cinco entiendan, no que uno teclee y cuatro miren.
Cierre · 15 min

Volvamos al tablero

Al principio de la clase escribimos ahí su respuesta al acertijo de los 8 segundos. Casi todos dijeron «ponerle un índice».

Era razonable, y era un mal negocioLo medimos: cero por ciento más rápido al leer, casi tres veces más lento al escribir. Y la solución que funcionó no era ajustar nada: era cambiar el diseño.
Eso es lo que distingue a un arquitecto de alguien que optimiza: saber cuándo el problema no es de ajuste.
Cierre

Se llevan tres ideas

Antes de irse: los dos archivos a AVATA, hoy, antes de las 11:59 p.m.
Y la próxima clase: ¿quién mantiene actualizado el lado de lectura?
← Portal
← → o el apuntador para avanzar · F pantalla completa · clic en los términos azules
1 / 44