Antes de poder hacer nada, debes inicializar un área de almacenamiento de base de datos en el disco. A esto lo llamamos un clúster de bases de datos. (El estándar SQL usa el término clúster de catálogos). Un clúster de bases de datos es una colección de bases de datos que es gestionada por una sola instancia de un servidor de bases de datos en ejecución. Después de la inicialización, un clúster de bases de datos contendrá una base de datos llamada postgres, la cual está pensada como una base de datos predeterminada para el uso por utilidades, usuarios y aplicaciones de terceros. El servidor de bases de datos en sí mismo no requiere que la base de datos postgres exista, pero muchos programas de utilidad externos asumen que existe. Hay dos bases de datos más creadas dentro de cada clúster durante la inicialización, llamadas template1 y template0. Como sugieren los nombres, estas serán utilizadas como plantillas para las bases de datos creadas posteriormente; no deben ser utilizadas para trabajo real. (Ver Chapter 22 para información sobre cómo crear nuevas bases de datos dentro de un clúster).

En términos del sistema de archivos, un clúster de bases de datos es un único directorio bajo el cual se almacenarán todos los datos. Llamamos a esto el directorio de datos o área de datos. Depende completamente de ti dónde decidas almacenar tus datos. No hay un valor por defecto, aunque ubicaciones como /usr/local/pgsql/data o /var/lib/pgsql/data son populares. El directorio de datos debe ser inicializado antes de ser usado, usando el programa initdb que se instala con PostgreSQL.

Si estás usando una versión preempaquetada de PostgreSQL, bien podría tener una convención específica para dónde colocar el directorio de datos, y también puede proporcionar un script para crear el directorio de datos. En ese caso deberías usar ese script con preferencia a ejecutar initdb directamente. Consulta la documentación del paquete para los detalles.

Para inicializar un clúster de bases de datos manualmente, ejecuta initdb y especifica la ubicación deseada en el sistema de archivos del clúster de bases de datos con la opción -D, por ejemplo:

$ initdb -D /usr/local/pgsql/data

Ten en cuenta que debes ejecutar este comando mientras inicias sesión en la cuenta de usuario de PostgreSQL, la cual es descrita en la sección anterior.

Alternativamente, puedes ejecutar initdb vía el programa pg_ctl así:

$ pg_ctl -D /usr/local/pgsql/data initdb

Esto puede ser más intuitivo si estás usando pg_ctl para iniciar y detener el servidor (ver Section 18.3), de modo que pg_ctl sería el único comando que usas para gestionar la instancia del servidor de bases de datos.

initdb intentará crear el directorio que especifiques si no existe ya. Por supuesto, esto fallará si initdb no tiene permisos para escribir en el directorio padre. Es generalmente recomendable que el usuario de PostgreSQL sea propietario no solo del directorio de datos sino también de su directorio padre, para que esto no sea un problema. Si el directorio padre deseado tampoco existe, necesitarás crearlo primero, usando privilegios de root si el directorio abuelo no es escribible. Así que el proceso podría verse así:

root# mkdir /usr/local/pgsql
root# chown postgres /usr/local/pgsql
root# su postgres
postgres$ initdb -D /usr/local/pgsql/data

initdb se negará a correr si el directorio de datos existe y ya contiene archivos; esto es para evitar accidentalmente sobrescribir una instalación existente.

Debido a que el directorio de datos contiene todos los datos almacenados en la base de datos, es esencial que esté asegurado contra el acceso no autorizado. initdb por lo tanto revoca los permisos de acceso a todos menos al usuario de PostgreSQL, y opcionalmente, al grupo. El acceso de grupo, cuando está habilitado, es de solo lectura. Esto permite a un usuario sin privilegios en el mismo grupo que el propietario del clúster tomar una copia de seguridad de los datos del clúster o realizar otras operaciones que solo requieren acceso de lectura.

Ten en cuenta que habilitar o deshabilitar el acceso de grupo en un clúster existente requiere que el clúster sea apagado y el modo apropiado sea establecido en todos los directorios y archivos antes de reiniciar PostgreSQL. De lo contrario, una mezcla de modos podría existir en el directorio de datos. Para los clústeres que permiten acceso solo por el propietario, los modos apropiados son 0700 para directorios y 0600 para archivos. Para los clústeres que también permiten lecturas por el grupo, los modos apropiados son 0750 para directorios y 0640 para archivos.

Sin embargo, aunque los contenidos del directorio son seguros, la configuración predeterminada de autenticación de clientes permite a cualquier usuario local conectarse a la base de datos e incluso convertirse en el superusuario de la base de datos. Si no confías en otros usuarios locales, recomendamos que uses una de las opciones -W, --pwprompt o --pwfile de initdb para asignar una contraseña al superusuario de la base de datos. Además, especifica -A scram-sha-256 para que el modo de autenticación predeterminado trust no sea usado; o modifica el archivo pg_hba.conf generado después de correr initdb, pero antes de que inicies el servidor por primera vez. (Otros enfoques razonables incluyen el uso de autenticación peer o permisos del sistema de archivos para restringir conexiones. Ver Chapter 20 para más información.)

initdb también inicializa la configuración regional predeterminada (locale) para el clúster de la base de datos. Normalmente, solo tomará la configuración regional en el entorno y la aplicará a la base de datos inicializada. Es posible especificar una configuración regional diferente para la base de datos; más información sobre eso se puede encontrar en Section 23.1. El orden de clasificación predeterminado usado dentro del clúster de base de datos particular es establecido por initdb, y aunque puedes crear nuevas bases de datos usando un orden de clasificación diferente, el orden usado en las bases de datos de plantilla que initdb crea no puede ser cambiado sin borrarlas y recrearlas. También hay un impacto en el rendimiento por usar configuraciones regionales distintas a C o POSIX. Por lo tanto, es importante tomar esta decisión correctamente la primera vez.

initdb también establece la codificación de caracteres predeterminada para el clúster de la base de datos. Normalmente esto debería ser elegido para que coincida con la configuración regional. Para detalles ver Section 23.3.

Las configuraciones regionales no C y no POSIX dependen de la biblioteca de ordenación del sistema operativo para el orden de los juegos de caracteres. Esto controla el orden de las claves almacenadas en los índices. Por esta razón, un clúster no puede cambiar a una versión de biblioteca de ordenación incompatible, ya sea a través de restauración de instantánea, replicación binaria por streaming, un sistema operativo diferente, o una actualización del sistema operativo.