Detectar la capacidad varada en el centro de datos: de la energía al almacenamiento

Los centros de datos pueden detectar la capacidad varada si comparan la capacidad libre nominal con la que realmente se puede desplegar para un perfil definido de carga o equipamiento. Si faltan unidades de rack U, energía, refrigeración, red, almacenamiento u otro recurso indispensable, el recurso que parece disponible queda varado.

El modelo de capacidad de referencia formula esta diferencia de manera explícita. El espacio físico disponible, la potencia remanente o la capacidad térmica por sí solos no demuestran que se pueda alojar un nuevo despliegue. La capacidad solo es útil cuando se cumplen todas las restricciones necesarias de forma simultánea.

¿Qué es la capacidad varada?

La capacidad varada es un recurso existente que no puede transformarse en un despliegue operativo porque otra dependencia bloquea su uso.

El ejemplo más evidente es un rack con posiciones U libres pero sin suficiente potencia eléctrica. El espacio existe, pero el rack sigue sin poder recibir el servidor planificado. Esta misma lógica se reproduce en otros ámbitos. Un rack puede contar con energía pero carecer de refrigeración suficiente. Un clúster de cómputo puede tener aceleradores libres pero ninguna topología de red adecuada. El almacenamiento puede ofrecer terabytes libres pero un caudal de transferencia insuficiente para la carga de entrenamiento prevista, y una instalación puede tener sitio para otro clúster sin que le quede margen en los circuitos eléctricos.

Por este motivo, la guía de planificación de capacidad para IA del modelo fuente señala que la capacidad nominal debe mantenerse separada de la capacidad desplegable.

¿Por qué cuesta tanto ver la capacidad varada?

Cuesta detectarla porque los equipos de infraestructura suelen reportar cada recurso por separado. El área de instalaciones informa la capacidad eléctrica remanente, el sistema DCIM reporta el espacio libre en racks, el equipo de red muestra los puertos disponibles, el de almacenamiento indica los gigabytes libres y el de cómputo detalla las GPUs disponibles. Cada panel de control puede mostrar un estado saludable mientras el despliegue real resulta inviable.

Lo que falta es el perfil de despliegue que une todos los requisitos. Un clúster específico de IA exige una combinación concreta de espacio en rack, potencia, refrigeración, infraestructura de red, rendimiento de almacenamiento, modelo de acelerador, topología, redundancia y políticas de gestión, y la capacidad debe contrastarse contra ese perfil. Una afirmación general como que "resta un 20 por ciento de capacidad" resulta demasiado imprecisa para respaldar una decisión real de despliegue.

¿Cómo calcular la capacidad desplegable?

Calcula la capacidad desplegable para un perfil definido de servidor, rack o carga de trabajo. Para cada recurso requerido, determina cuántas unidades puede admitir el margen actual.

Por ejemplo, imagina que el espacio en unidades U permite alojar 12 servidores más, la potencia admite 7, la refrigeración soporta 9, los puertos de red admiten 6 y el rendimiento de almacenamiento permite 8. La capacidad desplegable real es de 6 servidores, porque la red representa la primera limitación.

Esto traslada la regla explícita del eslabón más débil para energía, frío y circuitos del modelo de referencia a la operativa cotidiana. La misma guía de planificación advierte de que las limitaciones en red y almacenamiento generan capacidad varada, por lo que esta comparativa debe extenderse a toda la cadena de despliegue.

¿Qué capacidad varada puede provocar la energía?

La capacidad varada por energía surge cuando existe espacio físico o recursos de cómputo, pero la línea eléctrica no puede asumir mayor carga. Entre las limitaciones posibles figuran:

• Límite de potencia del rack
• Capacidad de la PDU
• Margen del circuito derivado
• Restricción en la acometida A o B
• Capacidad del SAI o UPS
• Margen de redundancia reservado
• Picos de carga elevados

El material de planificación de racks de referencia recalca la importancia de medir el consumo real de los servidores en lugar de basarse en supuestos teóricos antiguos. Esto es clave porque un rack se puede planificar para una generación de servidores y recibir después máquinas con un perfil eléctrico muy distinto. Considera el consumo actual, los picos históricos, la carga proyectada y la reserva requerida, y calcula cuántas unidades adicionales puede soportar la infraestructura eléctrica.

¿Qué capacidad varada puede originar la refrigeración?

La capacidad varada por refrigeración ocurre cuando hay espacio y energía suficientes, pero el circuito térmico no puede evacuar el calor adicional con seguridad. En refrigeración por aire, la limitación puede residir en la capacidad del rack o de la zona. En refrigeración líquida, puede tratarse del margen de la CDU o del ramal de distribución, motivo por el cual el diseño de refrigeración líquida de referencia visibiliza la relación de cada ramal.

Si un ramal se encuentra cerca de su límite planificado, los racks dependientes de esa línea pueden sufrir espacio U varado. El rack parece físicamente vacío, pero la vía térmica impide desplegar equipos, lo que obliga a correlacionar los registros de refrigeración con los de los racks.

En el ámbito de la refrigeración líquida, la guía sobre qué supervisar en una CDU, bucle de refrigeración líquida y ramal de distribución detalla la telemetría necesaria para identificar estos cuellos de botella.

¿Qué capacidad varada generan los límites de red?

La capacidad varada por red ocurre cuando los recursos de cómputo y las instalaciones están disponibles, pero falta la conectividad requerida. La guía de planificación de capacidad incluye de forma explícita los puertos de red como restricción de despliegue, aunque el recuento bruto de bocas solo sea una parte del problema. Una carga puede requerir:

• Conectividad de gestión
• Red de producción
• Red de almacenamiento
• Red de entrenamiento de alta velocidad
• Una topología específica o dominio de fallos

Un centro de datos puede tener 20 puertos Ethernet libres que no cumplen con los requisitos de la infraestructura de red para esa carga, lo que invalida esos puertos como capacidad útil. Por ello, el sistema de capacidad requiere tanto un perfil de red como la cifra de puertos libres.

En entornos de entrenamiento de IA, la vinculación entre red y rendimiento computacional se aborda en el análisis sobre cómo RDMA, RoCE, InfiniBand, la pérdida de paquetes y el almacenamiento influyen en el entrenamiento de IA.

¿Qué capacidad varada puede causar el almacenamiento?

La capacidad varada por almacenamiento se produce cuando el cómputo está libre pero el subsistema de almacenamiento no suministra la capacidad o el rendimiento necesarios. El modelo de infraestructura de IA de referencia trata el almacenamiento como parte integral de la cadena productiva y monitoriza su volumen y rendimiento junto al cómputo y la red.

Un grupo de almacenamiento puede tener espacio libre y carecer de la velocidad necesaria para sostener otra carga, de modo que "20 TB libres" no garantizan soporte para otra tarea de entrenamiento. El perfil de capacidad puede exigir:

• Capacidad de almacenamiento
• Caudal de lectura
• Caudal de escritura
• IOPS
• Requisitos de latencia
• Requisitos de puntos de control o checkpoints
• Disponibilidad de rutas

Los campos exactos dependen de la carga de trabajo. El almacenamiento debe valorarse como una dependencia directa, donde los terabytes libres constituyen solo una de sus variables.

¿Puede la propia capacidad de GPU quedar varada?

Sí. La capacidad de aceleradores puede quedar varada por la topología y la distribución de recursos, incluso cuando el recuento total de tarjetas libres parece elevado.

Imagina que hay ocho GPUs libres repartidas en ocho nodos distintos, pero un proceso necesita ocho GPUs dentro de una topología que esa dispersión no satisface. El clúster refleja ocho tarjetas libres y la tarea no puede arrancar. La memoria ilustra otro caso habitual: puede haber disponibles varias GPUs con menor memoria mientras el modelo requiere una gama con mayor capacidad por tarjeta.

Esto constituye una fragmentación de recursos, que el modelo de operaciones de IA identifica como causa directa de la reducción de capacidad nominal. Por tanto, el planificador debe reflejar tanto los recursos libres totales como los recursos desplegables para cada categoría de carga.

¿Cómo clasificar la capacidad varada?

Clasifica la capacidad varada según la limitación que la bloquea. Entre las categorías útiles destacan la varada por espacio, por energía, por refrigeración, por red, por almacenamiento, por tipología de cómputo, por topología, por reservas y por políticas o cuotas.

Esta clasificación aporta valor a las cifras. Un porcentaje global de capacidad varada advierte del desperdicio, pero el desglose por causas orienta las soluciones. Si el 40 por ciento de la capacidad varada se debe a limitaciones de red, adquirir más racks no solucionará nada. Si la limitación reside en la potencia, añadir puertos de red no servirá. La planificación de capacidad debe dirigir la inversión hacia el cuello de botella real.

¿Cómo detectar el cuello de botella de forma automática?

Diseña un modelo de capacidad que actualice de forma continua cada dimensión de recursos y la contraste con perfiles de despliegue definidos. El modelo necesita información al día sobre registros de racks y unidades U, monitoreo eléctrico, monitoreo térmico, inventario de red, monitoreo de almacenamiento, inventario de cómputo, reservas y requisitos de cargas de trabajo.

Para cada rack, clúster o zona, calcula el margen remanente por dimensión y reporta el valor mínimo. Ese mínimo define la restricción estricta activa para el perfil seleccionado. La guía de capacidad del modelo fuente reclama precisamente este enfoque multidimensional, junto con una validación obligatoria antes de instalar equipamiento en los racks.

¿Qué es un perfil de despliegue?

Un perfil de despliegue detalla todas las necesidades de una unidad proyectada. Para un servidor, puede incluir:

• Altura en unidades U
• Potencia prevista
• Potencia máxima
• Peso
• Tipo de refrigeración
• Puertos de red requeridos
• Conectividad de almacenamiento
• Puerto de gestión
• Requisitos de redundancia

En un clúster de GPUs, puede especificar además el número y modelo de aceleradores, la distribución en racks, la red de entrenamiento, el rendimiento de almacenamiento, las normas de topología y los requerimientos del ramal de refrigeración líquida.

El sistema de capacidad utiliza el perfil para traducir el margen bruto en un número de unidades efectivamente desplegables. Sin este perfil, la plataforma refleja recursos dispersos pero no puede confirmar si el próximo equipo podrá instalarse.

¿Cómo gestionar la capacidad reservada?

La capacidad reservada no debe contabilizarse como disponible de forma general, y la guía de planificación separa explícitamente la capacidad reservada de la desplegable. Un proyecto puede tener asignadas posiciones U, margen eléctrico, capacidad térmica, puertos de red, almacenamiento o recursos de GPU. Si esas reservas no se reflejan, se corre el riesgo de comprometer los mismos recursos dos veces.

A su vez, las reservas que permanecen inactivas durante periodos prolongados pueden parecer capacidad varada. Conviene reportarlas al margen de las limitaciones físicas. Un recurso reservado no está disponible por decisión deliberada, mientras que un recurso varado físicamente no puede utilizarse hasta eliminar un cuello de botella, lo que plantea problemas de gestión diferentes.

¿Cómo visualizar la capacidad varada?

Utiliza una vista que compare la capacidad nominal libre frente a la desplegable. Por ejemplo:

• Posiciones U libres: 120
• Unidades admitidas por energía: 70
• Unidades admitidas por refrigeración: 84
• Unidades admitidas por red: 62
• Unidades admitidas por almacenamiento: 75
• Unidades realmente desplegables: 62

A continuación, muestra el cuello de botella principal (la red), el secundario (la energía) y la capacidad que se liberaría al ampliar la infraestructura de red: 8 unidades antes de que la energía límite el crecimiento.

Esto aporta al operador mucha más claridad que cinco gráficos de uso independientes, ya que la siguiente limitación queda a la vista antes de comprometer inversiones.

¿Cómo pronosticar la futura capacidad varada?

Anticipa en qué momento cada limitación se convertirá en un bloqueo bajo distintos escenarios de demanda. La guía de planificación recomienda trabajar con escenarios base, esperados y de alto crecimiento en lugar de una previsión determinista única. Para cada restricción, registra el margen actual, la tasa de crecimiento, las reservas proyectadas, los planes de expansión, el plazo de entrega de los proyectos, el agotamiento estimado y la fecha límite de decisión.

Imagina que la capacidad de red alcanza su techo en seis meses, pero la ampliación de la infraestructura requiere nueve meses de plazo. La decisión ya llega con retraso. La previsión debe enfocarse tanto en los tiempos de decisión previos como en el momento exacto en que un recurso se agote por completo.

¿Cómo mejoran los datos de producción el modelo?

Tras el despliegue, compara las estimaciones iniciales con la operativa real. Si un servidor se planificó con un perfil de consumo determinado pero opera sistemáticamente por debajo, ajusta el perfil del dispositivo con prudencia. Si el consumo en picos resulta superior al previsto, recalibra las ubicaciones futuras. Si un ramal de refrigeración líquida ofrece menor margen práctico del que preveía la ingeniería, actualiza las reglas de despliegue. Si el rendimiento de almacenamiento decae cuando coincide un número dado de tareas de entrenamiento, incorpora esa restricción al perfil de la carga.

El ciclo de planificación de referencia retroalimenta de forma directa los resultados operativos en los perfiles de equipos, las normas de montaje y la predicción de capacidad, haciendo que el modelo gane precisión con el tiempo.

¿A qué preguntas debe responder este panel?

Debe responder a cuatro preguntas esenciales: cuánta capacidad nominal existe, cuánta es realmente desplegable, qué factor bloquea la diferencia y qué medida concreta liberaría el mayor volumen de capacidad útil.

Un panel bien estructurado desglosa los cuellos de botella por rack, zona, clúster y perfil de carga. También debe mostrar qué proyectos programados consumirán o liberarán capacidad. Un ejemplo de plataforma que interconecta estas dimensiones de capacidad es Sensaka.

Al presentar informes de capacidad ante la dirección, evitaría afirmar que "tenemos un 30 por ciento de capacidad libre". Diría: "para el siguiente modelo de nodo GPU planificado, podemos desplegar 62 unidades más; la red representa el primer cuello de botella y, a partir de ahí, la energía limitará el crecimiento". Esa es la diferencia real entre un inventario básico de infraestructura y una planificación de capacidad sobre la que se pueden tomar decisiones.