Principios de representación de datos: codificación, almacenamiento y transmisión
Prologo
Cuando envias una foto a un amigo, un mensaje por WeChat, o descargas un juego de varios GB, como llega esa informacion a traves de medio mundo intacta a tu pantalla? Este capitulo se centra en una pregunta que suele confundir a los principiantes: por que el archivo que recibi se convirtio en caracteres ilegibles? A partir de esta pregunta, descubriremos los tres pilares fundamentales de la computacion: codificacion, almacenamiento y transmision.
Que aprenderas en este articulo?
Despues de completar este capitulo, obtendras:
- Capacidad de diagnostico de caracteres ilegibles: al enfrentar "archivo con caracteres raros", poder analizar la causa desde la perspectiva de la codificacion
- Conciencia multiplataforma: saber por que hay que prestar atencion al formato de codificacion y al endianness al intercambiar datos
- Vision global de la codificacion: entender como la computadora representa todo con 0 y 1 -- desde texto hasta imagenes y objetos complejos
- Base para aprendizaje futuro: sentar las bases para protocolos de red, formatos de archivo y serializacion
| Capitulo | Contenido | Concepto clave |
|---|---|---|
| Capitulo 1 | Codificacion de caracteres | ASCII, UTF-8, GBK |
| Capitulo 2 | Almacenamiento de datos | Binario, endianness |
| Capitulo 3 | Transmision de datos | Serializacion, compresion |
0. Problemática de la descodificación incorrecta y codificación de datos
Imagina que recibes un archivo importante de un colega, lo abres con doble clic y esta lleno de caracteres extranos como "浣犲ソ" o "ä½ å¥½".
La verdad es que la gran mayoria de los supuestos "archivos danados" tienen una unica explicacion -- tu computadora "no encontro el diccionario correcto".
Comprendimiento central: Diccionarios desalineados
Los bytes (secuencias de 0 y 1) no tienen significado absoluto por si mismos. Son las reglas de codificacion creadas por humanos las que les dan significado.
Si el remitente uso el diccionario UTF-8 para traducir caracteres chinos a numeros y tu intentas leer esos numeros con el diccionario GBK, el resultado sera caracteres ilegibles.
1. Visión general de la codificación de datos
La codificacion de datos (Encoding) es crear un "diccionario bidireccional" que mapee informacion del mundo real (texto, color, sonido) a 0 y 1 que la computadora puede entender.
1.1 De texto a numeros: De ASCII a Unicode
Primera etapa: El pequeno mundo de ASCII
Cuando se invento la computadora, los estadounidenses pensaron que solo existian 26 letras, numeros y simbolos de puntuacion, asi que crearon un diccionario muy delgado llamado ASCII. Solo definio 128 simbolos.
Segunda etapa: La era de los reinos divididos
Cuando la computadora llego al mundo, todos descubrieron que los caracteres chinos son decenas de miles, y un solo byte no era suficiente. China creo GBK, Japon creo Shift_JIS... El mundo cayo en el caos.
Tercera etapa: Unicode unifica todo
Los expertos en computacion se sentaron juntos y crearon Unicode, que asigna un numero unico a cada caracter, emoji incluido. UTF-8 es la regla de almacenamiento mas popular de Unicode: ingles usa 1 byte, chino usa 3 bytes.
1.2 Principios de codificación multimedia (imagen y audio)
- Codificacion de imagenes: Una foto se compone de millones de pixeles. Asignamos un numero a cada color (como
#FF0000para rojo).
- Codificacion de audio: El sonido es una onda. Si medimos la altura de esta onda 44,100 veces por segundo (muestreo) y registramos los valores, el sonido continuo se convierte en una serie de numeros discretos.
2. Puente de almacenamiento: Antes de enviar, hay que guardarlo en algun lugar
Despues de codificar los datos, antes de enviarlos, debemos almacenarlos. Hay una ley de hierro del hardware: cuanto mas rapido es el almacenamiento, mas caro es y menor es la capacidad.
El sistema operativo actua como un administrador de almacen extremadamente inteligente:
- Guarda peliculas y juegos en almacenamiento lento pero grande (SSD o disco duro)
- Cuando juegas, mueve los datos necesarios a la memoria rapida (RAM)
- Cuando cierras el juego, limpia la memoria para otros usos
3. Visión general de la transmisión de datos
3.1 Transmision en hardware y LAN
Dentro del chasis o entre computadoras cercanas, enfrentamos un desafio puramente fisico. Hoy en dia, USB Type-C, PCIe y otros interfaces usan transmision serial (un solo canal principal).
表面上是的——但现代串行接口（USB 4、PCIe）传输频率高达每秒 数百亿次，而并行线路之间会产生 信号串扰（Crosstalk），反而限制了速度。所以高速接口全面转向了串行。
3.2 Transmision WAN e Internet
Cuando tus datos deben llegar a un servidor en otro pais, atraviesan cables submarinos, estaciones base y enrutadores. El desafio aqui es la tolerancia a fallos.
- Segmentacion en paquetes: La red corta el video en miles de "paquetes de datos" (~1500 bytes cada uno)
- Suma de verificacion (Checksum): Se calcula un codigo de verificacion antes de enviar
- Retransmision TCP: Si un paquete se pierde o se dana, el receptor solicita su reenvio
Gracias a este mecanismo TCP (Protocolo de Control de Transmision), incluso en WiFi inestable, los archivos descargados siempre estan 100% intactos.
4. Caso práctico: flujo completo de codificación, almacenamiento y transmisión
5. Tabla de terminologia
| Termino | Explicacion |
|---|---|
| Bit (b) | La unidad mas pequena, solo puede ser 0 o 1 |
| Byte (B) | 8 Bits juntos. Unidad basica de tamano de archivo |
| Character Set | El "indice del diccionario", define que caracteres existen |
| Encoding | La "regla de almacenamiento", determina que bytes corresponden a cada caracter |
| RAM | Memoria de trabajo rapida pero volatil |
| SSD | Disco de estado solido, almacenamiento permanente rapido |
| Serial / Parallel | Serial = un canal en cola; Paralelo = multiples canales juntos |
| Checksum | Codigo de verificacion adjunto a los datos transmitidos |
| TCP | Protocolo de Control de Transmision, garantiza entrega 100% intacta |
Resumen
- Por que el mismo archivo se ve ilegible cuando lo recibes? Los datos no estan danados, solo tu software uso el diccionario equivocado (problema de codificacion).
- Por que los cables Type-C son mas delgados pero mas rapidos? Porque antes eran multiples carruajes en paralelo (paralelo), ahora es un tren de alta velocidad en via dedicada (serial).
- Por que los juegos grandes tardan en cargar? Porque necesitan mover decenas de GB del disco lento a la memoria rapida.
La esencia de la computacion es simple: convertir (codificar), almacenar (guardar), y enviar (transmitir) toda la informacion como impulsos electricos.