| Referencia | Bits (bit) | Petaoctetos (Po) |
|---|---|---|
| A plain text message (160 characters) | 1280 bit | 1.6 × 10-13 Po |
| A three-minute MP3 | 24000000 bit | 0.000000003 Po |
| A smartphone photo | 32000000 bit | 0.000000004 Po |
| A high-definition film | 3.2 × 1010 bit | 0.000004 Po |
| A dual-layer Blu-ray disc | 4 × 1011 bit | 0.00005 Po |
El bit es la unidad fundamental de información. Su símbolo es bit, y su nombre es una contracción del inglés binary digit, dígito binario, acuñada por el estadístico John Tukey y llevada a la imprenta por Claude Shannon en su artículo de 1948 Una teoría matemática de la comunicación, el trabajo que fundó la teoría de la información.
Un bit es la cantidad de información que aporta una sola elección entre dos posibilidades igualmente probables. Una moneda que cae de cara o de cruz, un interruptor abierto o cerrado, una tensión alta o baja: cada una de esas cosas resuelve un bit. Esa definición es lo que hace del bit una unidad y no una mera convención de notación. Mide cuánta incertidumbre elimina una respuesta, y lo hace con independencia de sobre qué versara la pregunta.
La intuición de Shannon fue que aquello podía contarse. Un mensaje tomado de un alfabeto de treinta y dos símbolos igualmente probables lleva cinco bits por símbolo, porque treinta y dos es dos elevado a cinco. Si los símbolos no son igualmente probables —como no lo son las letras de una lengua— la media baja, y esa distancia entre el recuento ingenuo y la media verdadera es justamente lo que aprovecha la compresión. Un archivo bien comprimido es aquel del que se han quitado los bits redundantes.
En el equipo físico el bit es un estado: una carga atrapada en una puerta flotante de la memoria flash, el sentido de imanación de un dominio en el plato de un disco duro, un hoyo o una meseta en un disco óptico, un pulso de luz presente o ausente en una fibra. Todos ellos codifican la misma magnitud abstracta, y por eso los datos pueden pasar de uno a otro sin pérdida.
En el almacenamiento los bits casi nunca se cuentan de uno en uno. Se agrupan en octetos de ocho, y la capacidad se expresa en octetos o en sus múltiplos. La transmisión es otra cosa: las velocidades de red y de interfaz se dan en bits por segundo, de modo que una conexión descrita como de 100 megabits por segundo entrega unos 12,5 megaoctetos por segundo. Confundir ambas cosas es el error aritmético más común de todo el campo.
Donde sí se cuentan bits sueltos es en las especificaciones de precisión y alcance. Un canal de color de 8 bits guarda 256 niveles; uno de 10 bits, 1024. El audio a 16 bits por muestra tiene unos 96 decibelios de margen dinámico, y a 24 bits unos 144. Una dirección de 64 bits puede nombrar unos 18 trillones de posiciones. En todos los casos, cada bit añadido duplica lo que se puede distinguir.
Un bit equivale a 0,125 octetos, a 0,001 kilobits o a unos 0,0009766 kibibits.
El petaocteto es una unidad de información digital igual a mil teraoctetos, o un millón de gigaoctetos. Su símbolo es Po. Es la unidad del almacenamiento institucional: la escala a la que los datos pertenecen a una organización y no a una persona, y a la que conservarlos se convierte en una partida presupuestaria y no en una ocurrencia tardía.
Un petaocteto es aproximadamente el almacenamiento de mil discos duros grandes de consumo, o el texto de todos los libros jamás publicados varias veces. En términos de vídeo son unas veinte mil horas en ultraalta definición, o dos años y medio de visionado continuo. El catálogo entero de un gran servicio de transmisión, guardado una vez en cada nivel de calidad, suma unos pocos petaoctetos.
La ciencia llegó primero a esta escala. El Gran Colisionador de Hadrones del CERN registra decenas de petaoctetos al año después de que sus sistemas de disparo hayan descartado ya más del 99,99 por ciento de lo que ven los detectores, y el archivo completo asciende a varios centenares de petaoctetos. La astronomía, la genómica y la modelización del clima conservan archivos de tamaño comparable, y la disciplina de gestionarlos se convirtió en un campo de investigación propio.
Comercialmente el petaocteto describe el almacenamiento de un solo centro de datos y no el total de una empresa. Una gran organización guarda decenas o centenares de petaoctetos repartidos por muchas sedes, y los mayores proveedores de nube guardan exaoctetos. A este tamaño los problemas prácticos no son la capacidad sino la electricidad para mantener los discos girando, la refrigeración y la certeza de que una fracción del equipo está fallando en cualquier momento.
Ese último punto gobierna el diseño. En una matriz de petaoctetos, los fallos de disco no son sucesos excepcionales sino una tasa de fondo continua, de modo que el sistema se construye para perder aparatos sin cesar y reconstruirse sin interrupción. Los datos se guardan con códigos de borrado repartidos entre muchas máquinas, y no se confía en ninguna copia única de nada.
Leer un petaocteto es en sí mismo un problema. Incluso a diez gigaoctetos por segundo, ritmo que pocos sistemas sostienen, una pasada completa lleva más de un día. Por eso el análisis a esta escala se diseña para llevar el cálculo a los datos y no los datos al cálculo, una inversión que dio forma a todo el campo del procesamiento distribuido.
Un petaocteto equivale a 1000 teraoctetos, a 1 000 000 de gigaoctetos, a 8 petabits o a unos 0,8882 pebioctetos.