Cómo se hacen las copias de seguridad por dentro
Publicado el 2026-09-12 por frfrand
Qué es un backup en caliente, por qué un volcado y una copia física resuelven problemas distintos, cómo funciona la deduplicación y para qué sirve verificar con hash.
"Hacer backup" suena a una sola operación y en realidad son varias decisiones encadenadas. Vale conocerlas porque explican por qué a veces una copia sirve y otra no.
Volcado lógico y copia física
El volcado lógico (pg_dump, mysqldump) genera las instrucciones necesarias para reconstruir los datos: crear tablas, insertar filas. Es texto, o un formato propio comprimido.
Ventajas: es portable entre versiones del motor y hasta entre sistemas operativos, se puede restaurar parcialmente (una sola tabla), y se puede inspeccionar.
Desventaja: es lento en bases grandes, tanto al generarlo como al restaurarlo, porque restaurar significa volver a ejecutar todas esas inserciones y reconstruir todos los índices.
La copia física copia los archivos de datos tal cual. Mucho más rápida en bases grandes y es la base de la recuperación a un punto en el tiempo.
Desventaja: está atada a la versión del motor y a la arquitectura. No podés restaurar una copia física de Postgres 15 en un Postgres 17.
La estrategia habitual usa las dos: física para la recuperación rápida, lógica periódica como red de seguridad portable.
Qué significa "en caliente"
Una copia en caliente se toma sin detener la base. El desafío es obvio: mientras copiás archivos, la base sigue escribiendo. Algunas páginas se copian a mitad de una modificación.
El truco no es pausar, es marcar:
- La base anota la posición exacta en su registro de escrituras (el WAL en Postgres).
- Se copian los archivos, con tráfico normal ocurriendo.
- Se copia también el registro de escrituras desde esa marca.
Al restaurar, el motor reproduce ese registro sobre los archivos y repara toda página que haya quedado a medias. El resultado es consistente.
Por eso una copia ingenua de los archivos de una base en funcionamiento puede ser inservible: le falta la segunda mitad.
Y es también lo que permite la recuperación a un punto en el tiempo: si guardás el registro continuo, podés restaurar la copia y reproducir hasta las 14:37, justo antes del borrado accidental.
Incrementales y deduplicación
Una copia incremental guarda sólo lo que cambió. La pregunta interesante es cómo se sabe qué cambió.
Las herramientas modernas parten los archivos en bloques y calculan el hash de cada bloque. Si el hash ya existe en el repositorio, no se guarda de nuevo: se guarda una referencia.
Eso da un efecto muy útil: podés tener treinta copias diarias de una base de 100 GB ocupando mucho menos que 3 TB, porque la mayoría de los bloques se repiten. Y cada copia se comporta como una completa al restaurar, aunque físicamente sea incremental.
Por qué el hash importa
Guardar el hash de cada copia sirve para detectar corrupción silenciosa.
Los discos fallan de formas sutiles: un bit que cambia sin que nadie avise. Si eso pasa en un backup, te enterás el día que lo necesitás.
Con el hash guardado al lado, se puede verificar periódicamente sin restaurar nada. Es barato y responde una pregunta importante: ¿este archivo sigue siendo el que guardé?
Eso sí: el hash confirma que el archivo está íntegro, no que sea útil. Para eso hay que restaurarlo.
Cifrado y ubicación
Dos cosas que se olvidan seguido:
- Cifrar antes de que salga. Un volcado no tiene adentro ninguno de los permisos de la base. Es texto con todos tus datos.
- Guardar en otra máquina. Idealmente con otro proveedor, y con credenciales distintas de las de producción. Si quien compromete tu servidor también puede borrar tus backups, no tenés backups.
En ArduMaker cada VPS tiene copia completa periódica en caliente, en un host distinto al que corre el VPS, verificada con su hash y con instrucciones de restauración al lado.
