Previsión de capacidad de cómputo, almacenamiento, red, energía y refrigeración

Las organizaciones pueden prever la capacidad de cómputo, almacenamiento, red, energía y refrigeración midiendo cada recurso por separado, siguiendo cómo cambia su uso a lo largo del tiempo (incluidas reservas planificadas y crecimiento) y determinando qué recurso necesario alcanzará antes su límite.

El modelo de capacidad de partida vuelve siempre a la misma regla operativa: un despliegue queda limitado por el factor más restrictivo. El cómputo libre no ayuda si la energía se ha agotado, el espacio libre en rack no sirve si la refrigeración está al límite y la capacidad de almacenamiento libre no garantiza suficiente rendimiento de transferencia. Por tanto, prever la capacidad exige cubrir varias dimensiones a la vez.

¿Por qué prever la capacidad por dominios?

Los distintos recursos de infraestructura crecen a ritmos diferentes y tienen plazos de entrega variables. La demanda de cómputo puede subir rápido mientras la capacidad de almacenamiento crece de forma sostenida. Los requisitos de red pueden dispararse al añadir un clúster nuevo, la energía puede convertirse en la limitación física y la refrigeración puede ser el siguiente tope cuando se amplía la energía.

Si estos dominios se prevén de forma independiente y nunca se comparan, la organización puede pasar por alto la limitación que realmente frena el despliegue. El material de referencia incluye explícitamente:

• Previsión de capacidad de cómputo
• Previsión de capacidad de almacenamiento
• Planificación de capacidad de rack y energía
• Limitaciones de refrigeración
• Cuellos de botella en red y almacenamiento
• Estimación de la fecha límite para ampliaciones

La previsión debe unir esas perspectivas de dominio en un único modelo de planificación.

¿Qué conviene prever en cómputo?

La previsión de cómputo debe distinguir entre recursos instalados, disponibles, asignados, en buen estado y reservados. Para infraestructura de IA, los ejemplos de referencia incluyen tarjetas aceleradoras totales, tarjetas disponibles, nivel de asignación, especificaciones de recursos, estado de la cola, fragmentación, alertas de nivel de capacidad y la fecha prevista de ampliación.

Un recuento básico de tarjetas resulta insuficiente. Distintos modelos de aceleradores pueden no ser intercambiables, una tarjeta degradada no debe contar como totalmente disponible y una tarjeta libre tal vez no cumpla los requisitos de memoria o topología de un trabajo en cola. En entornos heterogéneos, la previsión debe operar con clases o especificaciones de recursos.

Para la capa de asignación, cómo funcionan la agrupación y la programación de recursos GPU en Kubernetes y la infraestructura de IA explica por qué el cómputo utilizable depende del estado de salud, la configuración del recurso y la política de programación.

¿Qué conviene prever en almacenamiento?

La previsión de almacenamiento debe incluir tanto capacidad como rendimiento siempre que la carga de trabajo dependa de ambos. El modelo de infraestructura de referencia monitoriza capacidad, rendimiento de transferencia, IOPS y latencia, e incluye predicción de capacidad de almacenamiento.

Esto importa porque un sistema de almacenamiento puede tener abundante capacidad libre y carecer del rendimiento que exige otra carga de trabajo intensiva. Para un almacenamiento de archivo sencillo, la capacidad puede ser lo principal. Para el entrenamiento de IA, el rendimiento de transferencia y el guardado de checkpoints pueden importar igual, por lo que la previsión debe tener en cuenta la carga de trabajo.

Decir que «el almacenamiento está al 60 por ciento libre» no significa que haya sitio para cualquier carga futura. Pregunta si se pueden cumplir tanto la capacidad como el rendimiento que requiere la carga planificada.

¿Qué conviene prever en capacidad de red?

La previsión de red debe considerar la conectividad que necesita la carga de trabajo. El modelo de referencia incluye la red de entrenamiento, la red de gestión, los puntos de entrada para inferencia y aplicaciones empresariales, circuitos dedicados entre centros de datos, pérdida de paquetes, latencia, rendimiento de transferencia y capacidad de puertos.

El ancho de banda total es solo una parte de la capacidad de red. Un despliegue nuevo puede requerir puertos concretos de alta velocidad, una topología determinada, conectividad entre centros de datos, capacidad en la red de almacenamiento o rutas redundantes; el modelo de capacidad debe incluir el perfil de red de la carga o del servidor planificado.

En una ampliación física, un rack con espacio libre y energía disponible puede quedar bloqueado simplemente porque no hay puertos de red disponibles.

¿Qué conviene prever en energía?

La previsión de energía debe basarse en la carga actual, el comportamiento en picos, la capacidad aprobada, las reservas y la política de redundancia del sitio. El modelo de capacidad de rack de referencia incluye acometidas A y B, margen en circuitos, datos de PDU y UPS, mapas térmicos de densidad de potencia e información de energía en horas punta y valle.

La media histórica de potencia por sí sola es una base deficiente para la previsión, porque las nuevas generaciones de servidores pueden comportarse de forma muy distinta. El material de casos advierte específicamente de que las asunciones clásicas de ubicación fallan cuando la infraestructura moderna consume más energía de la esperada. Utiliza el comportamiento medido en producción para ajustar el perfil de los equipos con el tiempo.

¿Qué conviene prever en refrigeración?

La previsión de refrigeración debe reflejar la ruta de refrigeración real que atiende al equipo previsto. El modelo de infraestructura de referencia incluye refrigeración por aire, CDU, derivaciones de distribución, temperatura de ida y retorno, caudal, presión diferencial, detección de fugas y margen de refrigeración.

En infraestructura con refrigeración líquida, la capacidad de la derivación o de la CDU puede marcar el límite. En infraestructura refrigerada por aire, las condiciones locales del rack o de la zona pueden convertirse en limitación antes de que se agote la refrigeración de toda la instalación.

Las relaciones físicas importan en este punto. Un rack puede disponer de margen eléctrico y estar en una derivación de refrigeración a la que apenas le queda capacidad, por lo que la previsión debe vincular rack, equipamiento y circuito de refrigeración.

¿Qué es la regla del eslabón más débil?

La regla del eslabón más débil establece que la capacidad desplegable la determina el primer recurso necesario que alcanza su límite. El material de referencia lo indica explícitamente para energía, refrigeración y margen de circuito, y la documentación más amplia de planificación de capacidad también señala la red y el almacenamiento como posibles causas de capacidad bloqueada. La misma lógica se aplica al perfil completo de despliegue.

Como ejemplo, supongamos que el cómputo admite 20 nodos más, el espacio en rack admite 18, la energía admite 12, la refrigeración admite 14, la red admite 10 y el rendimiento de almacenamiento admite 16. La capacidad desplegable actual es 10, con la red como primer cuello de botella. Si se amplía la red para admitir 20, la energía pasa a ser el siguiente cuello de botella en 12.

Ese dato aporta a un planificador mucha más información que seis porcentajes por separado.

¿Por qué la previsión debe usar un perfil de despliegue?

Los recursos libres en bruto no indican qué se puede desplegar realmente. Un perfil de despliegue define lo que requiere una unidad planificada. Para un nodo GPU, eso puede incluir:

• Altura en U de rack
• Requisito de energía
• Método de refrigeración
• Puertos de red
• Requisito de almacenamiento
• Tipo de acelerador
• Requisito de topología

La previsión responde entonces a cuántas unidades más de este perfil exacto puede admitir el centro de datos, lo cual resulta mucho más práctico que una cifra global de capacidad restante. Distintos perfiles de hardware ofrecen respuestas diferentes para el mismo rack o clúster.

¿Cómo deben incluirse las reservas?

Conviene mantener la capacidad reservada separada de la capacidad disponible para uso general. El modelo de planificación de referencia contempla reservas y ampliaciones futuras, y un proyecto puede reservar espacio en rack, energía, refrigeración, puertos de red, cómputo o almacenamiento. Si la reserva no es visible, se corre el riesgo de prometer la misma capacidad dos veces.

La previsión debe, por tanto, distinguir entre capacidad instalada, asignada, reservada, libre y desplegable. Eso explica también por qué una instalación puede parecer poco utilizada mientras se rechazan nuevas solicitudes: parte de la capacidad ya está comprometida para proyectos futuros.

¿Cómo deben utilizarse las tendencias de crecimiento?

Las tendencias históricas de consumo son una variable para la previsión. El asistente de referencia incluye predicción de capacidad y avisos por umbrales, y el material complementario también aborda la previsión de necesidades y la detección de tendencias que orientan las mejoras de infraestructura.

El modelo no define un algoritmo único universal de previsión, por lo que el cálculo debe ser transparente en cuanto a su método. Una tendencia sencilla puede bastar en un entorno estable, mientras que un entorno más complejo puede requerir planificación basada en escenarios. En cualquier caso, conviene mostrar el nivel actual, la tendencia reciente, el crecimiento reservado, el umbral, la fecha prevista y el nivel de confianza o escenario.

Si una fecha prevista depende de una demanda volátil, conviene evitar presentarla como definitiva.

¿Por qué conviene plantear varios escenarios?

La demanda de infraestructura rara vez sigue una línea fija. Un modelo práctico de planificación puede incluir la demanda base, el crecimiento esperado y un escenario de mayor crecimiento; el material de referencia respalda este enfoque de escenarios sobre crecimiento actual, reservado, previsto y futuro.

Los escenarios facilitan las decisiones sobre calendario. Si la línea base alcanza el límite en 12 meses pero el caso de mayor crecimiento lo alcanza en 6, el equipo puede comparar el plazo de ampliación con ambas posibilidades, lo que resulta mucho más realista que asumir una fecha garantizada.

¿Cómo influyen los plazos de entrega en la previsión?

La planificación de capacidad debe prever la fecha de decisión además de la fecha de agotamiento, porque resolver cada limitación requiere plazos distintos. Añadir puertos de red puede ser bastante rápido. Ampliar potencia puede requerir proyectos de ingeniería, mejorar la refrigeración puede requerir obras y adquirir hardware tiene sus propios plazos de entrega.

La previsión debe indicar cuándo es necesario actuar. Si la energía limitará el despliegue en ocho meses y la ampliación tarda diez meses, el problema operativo ya está presente. La previsión de fecha límite para ampliaciones del modelo de referencia solo resulta útil si está conectada con el tiempo necesario para intervenir.

¿Cómo pueden las operaciones reales mejorar la previsión?

Tras el despliegue, compara las asunciones planificadas con el comportamiento real. El material de planificación de referencia utiliza datos de producción para perfeccionar las futuras decisiones de ubicación y capacidad.

La potencia real del servidor puede diferir de lo estimado. El rendimiento de transferencia del almacenamiento puede caer con cargas simultáneas. La utilización de GPU puede ser menor debido a limitaciones en el suministro de datos, y una derivación de refrigeración puede llegar a su límite práctico antes de lo previsto. El modelo debe actualizar sus perfiles de recursos cuando las mediciones lo justifiquen, creando un ciclo de retroalimentación entre operaciones y planificación.

¿Cómo debe reflejarse la capacidad bloqueada en la previsión?

Notifica la capacidad bloqueada por separado de la capacidad realmente desplegable. El material de referencia identifica expresamente la fragmentación y las restricciones en múltiples dominios como causas de que la capacidad nominal se reduzca. Casos habituales son espacio libre en U sin energía, GPU libres con topología inadecuada, almacenamiento libre con rendimiento insuficiente y energía disponible en rack con refrigeración limitada.

La previsión debe mostrar tanto el recurso libre teórico como la limitación que lo bloquea.

Para un análisis detallado, cómo detectan los centros de datos la capacidad bloqueada por limitaciones de energía, refrigeración, red o almacenamiento explica cómo clasificar la parte no utilizable.

¿Qué debería mostrar un panel de capacidad?

Un panel de capacidad basado en el modelo de referencia puede mostrar:

• Suministro actual
• Asignación actual
• Capacidad disponible
• Capacidad reservada
• Tendencia de utilización
• Advertencia de umbral
• Fecha estimada de umbral
• Limitación principal
• Segunda limitación
• Plazo de entrega para ampliación
• Capacidad bloqueada

En infraestructura de IA, también puede reflejar la fragmentación de recursos y la capacidad por especificación de acelerador. El panel debe permitir desglosar por sitio, rack, clúster, grupo de almacenamiento o clase de recurso.

Un ejemplo de plataforma que combina alertas de nivel de capacidad, predicción de ampliaciones, detección de fragmentación y datos de infraestructura multidominio es Sensaka.

Si tuviera que diseñar el proceso de planificación, dejaría de preguntar «¿Cuándo nos quedaremos sin capacidad?» para preguntar «Con el siguiente perfil de carga previsto, ¿qué recurso limitará antes el despliegue, cuándo ocurrirá según cada escenario de crecimiento y cuánto tardaremos en resolver esa limitación?». Esa es la previsión que el equipo de operaciones puede aprovechar de verdad.