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
¿Quién puede explicarme qué es un índice en una base de datos?
¿Qué significa que una base esté normalizada?
¿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 gana
Qué cuesta
Normalizado
Nada se contradice. Se corrige en un solo sitio
Para 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:
Nivel
Qué hace
Para qué sirve
Normalizado
Cada dato en un lugar
Escribir sin contradicciones
Desnormalizado
Datos repetidos, ya juntos
Leer sin tener que juntar
Pre-calculado
La respuesta ya sumada
Leer 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 pedido
Leer el informe del mes
Cuántas filas toca
3 o 4
2,4 millones
Qué necesita
Que no se duplique
Que responda rápido
Forma óptima
Normalizada
Pre-calculada
Índices
Pocos · cada uno frena
Muchos · cada uno ayuda
Cuándo debe ser exacto
Ahora mismo
Con 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
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 consulta
Lo que muestra
Qué lo arregla
Sumar el arroz
Pide tres UNION ALL. El producto es una columna, no un dato. Una cuarta columna obliga a alterar la tabla
1FN
Agrupar por cédula
Una cédula, dos nombres. «Carlos Ramirez» y «Carlos Ramírez» son dos vendedores para la base
2FN y 3FN
sum(precio_1::numeric)
Falla. Un solo 4.350,00 tumba la carga completa
tipos 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
Tabla
Qué guarda
Filas
v0_excel
las filas del Excel, como llegaron
5
v1_lineas · 1FN
una fila por producto vendido
11
v2_facturas · 2FN
lo que depende de la factura
5
d_vendedores · 3FN
el nombre, escrito una sola vez
2
d_clientes · d_ciudades
un cliente por NIT; la ciudad con su departamento
4 · 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 índices
299 ms
Con los tres índices
304 ms
Mejora
9% · 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_pedidosigue 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 líneas
Tiempo
Con los tres índices
944 ms
Sin ellos
355 ms
Diferencia
2,7 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
Leer
9% más rápido. Dentro del margen de error
Escribir
2,7 veces más lento
Además
Los 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 lee
Tiempo
Contra las tablas normalizadas
2.400.000
299 ms
Contra el modelo de lectura
120
0,23 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 es
Ejemplo
Comando
Una orden. Cambia el estado
crear pedido
Consulta
Una pregunta. No cambia nada
ventas 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 error
La 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 mirando
Tolera
Por qué
Tablero de ventas del gerente
24 horas
Nadie decide distinto por un día
Saldo disponible de una tarjeta
Cero
Un 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
Negocio
La tabla que crece sin parar
La pantalla que hay que resolver
Gimnasio
ingresos al torniquete
ocupación por hora y por sede
App de domicilios
pedidos y sus ítems
tiempo de entrega por zona y hora
Parqueadero
entradas y salidas
rotación y recaudo por sede y día
Biblioteca
préstamos de ejemplares
los 20 más prestados por programa
Veterinaria
servicios por consulta
ingresos por servicio y por mes
Plataforma de cursos
vistas de lección
avance promedio por curso y cohorte
Qué tiene que quedar corriendo
Lo que entrega cada grupo
Bloque
Lo mínimo que se acepta
1 · El modelo en 3FN
4 tablas, con PK, FK, tipos escogidos y un CHECK
2 · Volumen
500.000 filas en la tabla de hechos, con generate_series
3 · La consulta lenta
la pantalla del negocio, con sus JOIN y su GROUP BY
4 · El plan
qué tabla recorre completa y cuántas filas lee
5 · El modelo de lectura
con llave primaria compuesta y marca de agua
6 · La misma pantalla
contra 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 califica
Puntos
Cuándo
La predicción del paso 3, firmada antes del paso 4
10
minuto 24
Los tiempos medidos y las tres divisiones
20
al final
El SQL del taller corriendo en su máquina
40
paso por los puestos
El ADR-001 con sus ocho secciones
30
al 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:
Archivo
Qué es
G#_Clase10_Taller.sql
su archivo del taller, corrido y guardado
G#_Clase10_Hoja.pdf
la 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 responda
Qué 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
Un índice es una apuesta: se paga en cada escritura para cobrar en cada lectura. Y a veces se paga y no se cobra.
Leer y escribir compiten por el mismo recurso. Optimizar para los dos a la vez es optimizar para ninguno.
Lo que se paga por separar es que los dos lados no digan lo mismo durante un rato. Cuánto rato lo decide el negocio, no el arquitecto.
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?