{"id":5733,"date":"2020-05-04T19:09:23","date_gmt":"2020-05-05T01:09:23","guid":{"rendered":"https:\/\/revista925taxco.fad.unam.mx?p=5733"},"modified":"2020-05-04T19:09:23","modified_gmt":"2020-05-05T01:09:23","slug":"data-lake-orientado-a-la-preservacion-de-acervos","status":"publish","type":"post","link":"https:\/\/revista925taxco.fad.unam.mx\/index.php\/2020\/05\/04\/data-lake-orientado-a-la-preservacion-de-acervos\/","title":{"rendered":"Data Lake orientado a la preservaci\u00f3n de acervos"},"content":{"rendered":"

Por Jos\u00e9 Pedro Arag\u00f3n Hern\u00e1ndez[1]<\/a>, Francisco Javier Cartujano Escobar[2]<\/a> y Leticia Santa Olalla Ocampo[3]<\/a>.<\/strong><\/span><\/p>\n

La conectividad a servicios de internet es un servicio de confort com\u00fan en M\u00e9xico, estos servicios de conectividad permiten a los usuarios acceder a recursos de diferentes tipos, la mayor\u00eda de ellos almacenados f\u00edsicamente en ubicaciones remotas. Las empresas u organizaciones que brindan recursos computacionales de manera p\u00fablica han sufrido cambios radicales en su esquema de trabajo desde la creaci\u00f3n de los servicios en la nube, dicho t\u00e9rmino que no se refiere exclusivamente a almacenar las im\u00e1genes o conversaciones provenientes de un tel\u00e9fono m\u00f3vil para asegurar un medio de respaldo. El termino \u201cnube\u201d se refiere a la utilizaci\u00f3n de recursos e infraestructura computacional rentada por empresas para garantizar el acceso a datos y sistemas de informaci\u00f3n de una organizaci\u00f3n sin la necesidad de realizar un gasto enorme en infraestructura computacional adecuada para mantener su conectividad. Esos servicios \u201cnube\u201d van desde el simple respaldo de informaci\u00f3n hasta el uso de poder s\u00faper computacional para la realizaci\u00f3n de c\u00e1lculos y an\u00e1lisis de datos crudos (datos sin ordenar, ni analizar), entre ellos las tecnolog\u00edas Big Data y Data Lake a las cuales nos referiremos adelante, todo ello con un costo inferior al que representar\u00eda la adquisici\u00f3n, funcionamiento y mantenimiento de equipos computacionales y conectividad a internet.<\/span><\/p>\n

Introducci\u00f3n<\/strong><\/span><\/p>\n

Los contextos sociales, culturales y educativos han sufrido cambios radicales en M\u00e9xico y en el mundo, estos cambios no han sido cambios generacionales, m\u00e1s bien se pueden sentir como la adaptaci\u00f3n humana a entornos que han cambiado en algunas ocasiones en cuesti\u00f3n de horas.<\/p>\n

En el entorno nacional, M\u00e9xico ha sufrido de cambios constantes, los m\u00e1s remarcables han sido el sismo del 19 de septiembre del a\u00f1o 2017, que inhabilit\u00f3 poblaciones completas, escuelas de nivel b\u00e1sico, nivel medio y universidades. El segundo es la pandemia actual de COVID-19 que ha afectado no s\u00f3lo a M\u00e9xico. La pandemia actual ha detenido las actividades educativas, sociales, empresariales del mundo entero.<\/p>\n

En el caso de M\u00e9xico, muchas escuelas y universidades se encontraban parcialmente listas para enfrentar el reto de la educaci\u00f3n en l\u00ednea, pero no todas.<\/p>\n

El presente art\u00edculo tiene como objetivo principal describir una propuesta computacional que permite transformar de manera transparente la forma en la que se mantienen y alimentan los acervos Bibliogr\u00e1ficos y Pictogr\u00e1ficos, entre otros posibles, mediante el uso de Tecnolog\u00edas de la Informaci\u00f3n basadas en la nube y el uso de tecnolog\u00edas de almacenamiento m\u00e1s all\u00e1 de las bases de datos relacionales.<\/p>\n

Antecedentes<\/strong><\/span><\/p>\n

En Critical analysis of Big Data challenges and analytical methods[4]<\/strong><\/a><\/em> se define el siguiente concepto: \u201cEl problema de la digitalizaci\u00f3n global produce enormes cantidades de datos. Una estimaci\u00f3n muestra que globalmente se producen y consumen alrededor de 2.5 quintillones de datos\u201d. Cabe mencionar que en esta estimaci\u00f3n no menciona un intervalo de tiempo.<\/p>\n

En Managing data lakes in big data era: What\u2019s a data lake and why has it became popular in data management ecosystem[5]<\/strong><\/a><\/em>, Huang Ling Fang describe: \u201cTal disponibilidad de datos trae consigo los retos de la ingesti\u00f3n de datos, monitoreo de datos y an\u00e1lisis de datos. Hoy en d\u00eda, el concepto Data Lake<\/em> se utiliza de forma popular para definir la acumulaci\u00f3n de datos desde fuentes heterog\u00e9neas. Los Data Lake se usan para almacenar grandes cantidades de datos crudos en un repositorio basado en Big Data, brindando las funcionalidades de ingesti\u00f3n, exploraci\u00f3n y monitoreo de datos.\u201d<\/p>\n

M\u00e9todos<\/strong><\/span><\/p>\n

Una de las tecnolog\u00edas m\u00e1s importantes en el \u00e1rea de los sistemas de informaci\u00f3n, es la tecnolog\u00eda referente a los Data Warehouses, tambi\u00e9n conocidos como almacenes de datos o bodegas de datos. Como es sabido, un Data Warehouse es una enorme base de datos con datos hist\u00f3ricos, generalmente de lectura, cuyo prop\u00f3sito principal es apoyar en el proceso de toma de decisiones de las organizaciones.<\/p>\n

Los Data Warehouses tienen como caracter\u00edstica el uso de modelo de bases de datos relacional, ello genera almacenamientos restringidos al marco de este paradigma. Dichos Data Warehouses tradicionales enfrentan problemas para satisfacer la capacidad y velocidad de procesamiento que demandan esa ola masiva de datos, debido a que no fueron dise\u00f1ados para escalarse horizontalmente.<\/p>\n

Con el mismo avance de las tecnolog\u00edas de la informaci\u00f3n, en los \u00faltimos a\u00f1os surgieron herramientas de almacenamiento y tecnolog\u00edas que rompen el paradigma relacional de las bases de datos tradicionales y por ende generan nuevos conceptos que van m\u00e1s all\u00e1.<\/p>\n

Los Data Lakes, a diferencia de los Data Warehouses, son bases de datos que almacenan datos crudos de distintas fuentes, estos datos pueden tener formato estructurado, sin estructura y semiestructurados[6]<\/a>. Al ser basados en Big Data, no presentan problemas para escalar horizontalmente (puede crecer su tama\u00f1o tanto como se tengan recursos de almacenamiento). En donde podemos definir el concepto \u201cdatos crudos\u201d como los datos sin ning\u00fan tipo de an\u00e1lisis estad\u00edstico u organizaci\u00f3n y representaci\u00f3n visual, estos datos son los resultantes del proceso de \u201cingesti\u00f3n de datos\u201d.<\/p>\n

La \u201cingesti\u00f3n de datos\u201d se define como el acto de ingresar bytes<\/em> sin clasificar en un Data Lake, para su posterior an\u00e1lisis (estad\u00edstico) y clasificaci\u00f3n (sin importar su formato).<\/p>\n

Desarrollo<\/strong><\/span><\/p>\n

La problem\u00e1tica descrita en la introducci\u00f3n tiene como fondo real los problemas que presentan diversas universidades provocados por la pandemia COVID-19.<\/p>\n

Todo el sector educativo se vio obligado a dejar el modelo presencial y cerrar sus instalaciones, varios organismos educativos, principalmente los privados, ya contaban con mecanismos digitales, a muchos otros los tom\u00f3 por sorpresa y gener\u00f3 una ola de problemas entre los que podemos mencionar el acceso a los trabajos actuales, como: tesis, fotograf\u00edas, proyectos pictogr\u00e1ficos o proyectos en video generados dentro de los organismos educativos locales, qued\u00f3 cerrado, ya que no se tiene medio de acceso digital en todos los casos.<\/p>\n

Con los conceptos anteriores es posible proponer una herramienta computacional aun sin denominar, que est\u00e9 fuera de la infraestructura local de una organizaci\u00f3n (incluidas empresas, escuelas de diferentes niveles y gobierno), por lo tanto, eventos naturales como sismos o lluvias que provoquen da\u00f1os materiales, eventos sociales como huelgas o paros, que impidan el ingreso a las instalaciones, eventos humanos como cortes en el suministro el\u00e9ctrico, eventos computacionales, como fallas en equipo de computo y eventos mundiales como pandemias, no ser\u00edan un impedimento para la consulta de los acervos en los que se desee trabajar.<\/p>\n

As\u00ed mismo, en caso de un desastre que provoque la perdida de dichos acervos, se tendr\u00eda un respaldo digital completo para garantizar la continuidad de la informaci\u00f3n.<\/p>\n

\u00bfC\u00f3mo es esto posible?<\/strong><\/span><\/p>\n

En t\u00e9rminos coloquiales: si se almacenan estos acervos en la nube, la misma nube por sus propiedades se encargar\u00e1 de respaldar, garantizando su disponibilidad y que no sean alterados. Desde la nube se podr\u00e1n consultar los acervos en cualquier dispositivo en todo momento, s\u00f3lo contando con conexi\u00f3n a internet.<\/p>\n

En t\u00e9rminos t\u00e9cnicos: empresas como Amazon\u00ae, Google\u00ae, Microsoft\u00ae y Oracle\u00ae por mencionar las m\u00e1s conocidas por su popularidad, ofrecen servicios basados en Cloud (traducido como Nube), entre estos servicios esta la posibilidad de trabajo con Data Lakes.<\/p>\n

Todos los servicios est\u00e1n almacenados en sus centros de datos donde se tienen protocolos de respaldo de datos, as\u00ed como diversos protocolos de seguridad que garantizan el acceso a los datos s\u00f3lo por las personas autorizadas.<\/p>\n

\"\u00a9<\/a>
\u00a9 Jos\u00e9 Luis Acevedo Heredia. 2020<\/figcaption><\/figure>\n

Entre sus posibilidades aplicables se mencionan:<\/p>\n