Glosario y referencias

Cómo usar esta nota

El glosario es de búsqueda rápida: cuando un término en una nota te resulte confuso, vuelve aquí. La bibliografía es para profundizar: si un capítulo te interesa más, aquí tienes por dónde seguir.

Glosario

A

• ACID: Atomicity, Consistency, Isolation, Durability. Propiedades de las transacciones.
• Aggregation: operación que combina varios registros (SUM, AVG, COUNT).
• Anti-entropy: proceso en background que sincroniza réplicas.
• API: Application Programming Interface.
• Append-only: estructura que solo permite añadir al final.

B

• Backpressure: mecanismo para que un productor lento no sature a un consumidor.
• B-tree: estructura de datos de almacenamiento, base de la mayoría de RDBMS.
• Batch processing: procesar grandes volúmenes de datos en grupos.
• Bloom filter: estructura de datos probabilística para membership testing.

C

• CDC: Change Data Capture. Captura cambios de una BD y los emite como eventos.
• Ceph: sistema de archivos distribuido.
• Checkpoint: snapshot del estado de un sistema en un momento.
• Chubby: servicio de lock distribuido de Google.
• Compaction: proceso de combinar archivos de log en LSM-trees.
• Consensus: acuerdo entre nodos sobre un valor.
• Consistency level: garantía de lectura/escritura en Cassandra.
• CRDT: Conflict-free Replicated Data Type. Estructura sin conflictos.
• Cursor: mecanismo de paginación en queries.

D

• Data lake: almacenamiento masivo de datos crudos.
• Data pipeline: flujo de datos de origen a destino.
• Data warehouse: base de datos optimizada para análisis.
• DDIA: Designing Data-Intensive Applications. Este libro.
• Deadlock: dos procesos bloquean mutuamente.
• Derived data: datos calculados a partir de otros.
• Distributed lock: lock que funciona entre procesos en nodos distintos.
• DTDL: Digital Twin Definition Language.

E

• ETL: Extract, Transform, Load.
• ELT: Extract, Load, Transform.
• Event sourcing: patrón donde el estado se deriva de eventos.
• Exactly-once: garantía de que un mensaje se procesa exactamente una vez.

F

• Failover: cambio automático a un sistema de respaldo.
• Fault tolerance: capacidad de operar con fallos.
• Flink: motor de stream processing.
• FQDN: Fully Qualified Domain Name.

G

• Garbage Collection
  automático de memoria.
• GDPR: General Data Protection Regulation. Regulación europea de privacidad.
• Gossip: protocolo de comunicación epidemics-style.

H

• HDFS: Hadoop Distributed File System.
• HNSW: Hierarchical Navigable Small World. Algoritmo de ANN.
• Holt-Winters: método de forecasting.

I

• Idempotency: propiedad que permite aplicar una operación varias veces con el mismo resultado.
• Inverted index: estructura que mapea términos a documentos.
• Isolation level: nivel de garantía de aislamiento en transacciones.

J

• JDBC: Java Database Connectivity.
• JSON: JavaScript Object Notation. Formato de datos.

K

• Kafka: message broker / log distribuido.
• Kafka Streams: API para procesar streams en Kafka.

L

• Lambda architecture: combinar batch + stream para datos.
• Leader: nodo principal en una replicación.
• Linearizability: consistencia más fuerte: lecturas ven la última escritura.
• Log-structured: almacenamiento append-only.
• LSM-tree: Log-Structured Merge Tree. Estructura de almacenamiento.

M

• MapReduce: modelo de programación para batch processing.
• Materialized view: vista computada y almacenada.
• Monotonic clock: reloj que nunca va hacia atrás.
• MVCC: Multiversion Concurrency Control.

N

• NTP: Network Time Protocol. Sincronización de relojes.
• NoSQL: “Not only SQL”. Bases de datos no relacionales.

O

• OLTP: Online Transaction Processing.
• OLAP: Online Analytical Processing.
• ORM: Object-Relational Mapping.
• OSDI: Symposium on Operating Systems Design and Implementation.

P

• Paxos: algoritmo de consenso.
• Pipeline: secuencia de operaciones de datos.
• Postgres: PostgreSQL. RDBMS open-source.
• Protobuf: Protocol Buffers. Formato de serialización binario.

Q

• QoS: Quality of Service.
• Quorum: mayoría de nodos en sistemas distribuidos.

R

• Raft: algoritmo de共识.
• RDBMS: Relational Database Management System.
• Read repair: reparar réplicas tras una lectura.
• Replication: copia de datos entre nodos.
• REST: Representational State Transfer.
• RHS: Right Hand Side.

S

• S3: Simple Storage Service (AWS).
• Saga: secuencia de transacciones con compensaciones.
• ScyllaDB: base NoSQL compatible con Cassandra.
• Shard: partición de datos.
• SI: Snapshot Isolation.
• Single-leader: replicación con un líder.
• Snapshot: copia del estado en un momento.
• SST: Sorted String Table.
• SSI: Serializable Snapshot Isolation.
• Stream processing: procesar datos en continuo.

T

• TLA+: especificación formal para sistemas concurrentes.
• TCP: Transmission Control Protocol.
• Throughput: cantidad de datos procesados por unidad de tiempo.
• TTL: Time To Live.
• Two-phase commit (2PC): protocolo de transacciones distribuidas.

U

• UUID: Universal Unique Identifier.
• UPSERT: INSERT OR UPDATE.

V

• Vector clock: estructura para tracking causalidad.
• Vertex: nodo en un grafo.
• VPC: Virtual Private Cloud.

W

• WAL: Write-Ahead Log.
• WASM: WebAssembly.
• Window: rango temporal en stream processing.

X

• XA: eXtended Architecture. Estándar de transacciones distribuidas.

Y

• YAML: YAML Ain’t Markup Language. Formato de serialización.

Z

• Zab: ZooKeeper Atomic Broadcast.
• ZooKeeper: servicio de coordinación.

Bibliografía ampliada

Para profundizar en cada capítulo:

Fundamentos y requisitos

• CAP Theorem: Gilbert, Lynch. Brewer’s Conjecture and the Feasibility of Consistent, Available, Partition-Tolerant Web Services.
• Designing Data-Intensive Applications: este libro. (Kleppmann, O’Reilly 2017/2026).
• System Design Interview (vol 1, 2): Alex Xu. Práctico, con casos.

Modelos de datos

• Graph Databases (Ian Robinson, O’Reilly). Neo4j y grafos de propiedades.
• Foundations of databases (Abiteboul, Hull, Vianu). El libro clásico.
• SQL and Relational Theory (C.J. Date). Pensamiento relacional puro.

Storage

• Database Internals (Alex Petrov). B-trees, LSM-trees, distribuidos.
• The Log-Structured Merge-Tree (LSM-Tree) (O’Neil). Paper original.
• Modern B-Tree Techniques (Graefe. IEEE 2011).

Codificación y replicación

• Protocol Buffers documentation. Google.
• Apache Avro specification. Avro project.
• Kafka: The Definitive Guide (Narkhede, Shapira, Palino). O’Reilly.

Sharding

• Cassandra: The Definitive Guide (Carpenter, Hewitt). O’Reilly.
• Pinterest: Manas’ presentation on sharding. En YouTube.

Transactions

• Concurrency Control and Recovery (Bernstein, Hadzilacos, Goodman). El libro clásico.
• A Critique of ANSI SQL Isolation Levels (Berenson et al.).

Sistemas distribuidos

• Time, Clocks, and the Ordering of Events (Lamport). Paper seminal.
• Designing Data-Intensive Applications (este libro, cap 8-9).
• Distributed Systems (Maarten van Steen, Andrew Tanenbaum). El libro introductorio.

Consistency y consensus

• Paxos Made Simple (Lamport). El paper accesible.
• Raft: In Search of an Understandable Consensus Algorithm (Ongaro, Ousterhout).
• Impossibility of Distributed Consensus with One Faulty Process (Fischer, Lynch, Paterson). FLP.

Batch y stream

• MapReduce: Simplified Data Processing on Large Clusters (Dean, Ghemawat). Paper original.
• Learning Spark (Karau, Warren, Zaharia). O’Reilly.
• Kafka: The Definitive Guide (Narkhede et al.).

Filosofía y ética

• The Age of Surveillance Capitalism (Shoshana Zuboff). El libro definitivo.
• Weapons of Math Destruction (Cathy O’Neil). Sobre algoritmos y bias.
• Privacy is Power (Carissa Véliz). Una introducción accesible.

Recursos online

Blogs

• Martin Kleppmann’s blog: https://martin.kleppmann.com/
• High Scalability: http://highscalability.com/
• The Morning Paper: papers relevantes comentados.

Conferencias

• Strange Loop: anual, St. Louis. Sistemas distribuidos.
• QCon: múltiples ciudades. Engineering.
• Ricon: eventos pasados sobre NoSQL.

Newsletters

• DB Weekly: https://dbweekly.com/
• Data Engineering Weekly: https://dataengineeringweekly.com/
• Pragmatic Engineer: https://newsletter.pragmaticengineer.com/

Próximos pasos

• Epílogo y claves: cierre de la wiki. Las ideas recurrentes, las claves y cómo seguir profundizando.