Hispanopedia WikiEn informática, el arranque en frío se refiere a un problema que ocurre cuando un sistema, o parte de él, se crea o se reinicia y no funciona correctamente. Este problema puede estar relacionado con la inicialización de objetos internos , el llenado de la caché o el arranque de subsistemas.
En un sistema de servicio web típico , el problema surge tras reiniciar el servidor y también al borrar la caché (por ejemplo, tras el lanzamiento de una nueva versión). Las primeras solicitudes al servicio web generarán una carga significativamente mayor debido a que la caché del servidor se está llenando, la caché del navegador se está borrando y se están solicitando nuevos recursos. Otros servicios, como un proxy de caché o un acelerador web, también necesitarán tiempo para recopilar nuevos recursos y funcionar con normalidad.
Un problema similar ocurre al crear instancias en un entorno alojado y en servicios de computación en la nube . [ 1 ]
El arranque en frío (o arranque en frío) también puede referirse al proceso de arranque de un solo ordenador (o máquina virtual ). [ 2 ] En este caso, los servicios y otras aplicaciones de inicio se ejecutan después del reinicio. El sistema suele estar disponible para el usuario aunque las operaciones de inicio se sigan realizando y ralenticen otras operaciones.
Otro tipo de problema surge cuando el modelo de datos de un sistema particular requiere conexiones entre objetos. En ese caso, los nuevos objetos no funcionarán con normalidad hasta que se establezcan dichas conexiones. Este es un problema bien conocido en los sistemas de recomendación . [ 3 ] [ 4 ]
En algunos escenarios de aprendizaje automático , con modelos donde el conjunto de datos de entrenamiento se amplía incrementalmente con el tiempo (por ejemplo, en el aprendizaje activo ), el arranque en frío se refiere a entrenar el modelo con el conjunto de datos etiquetados obtenido hasta el momento, añadiendo nuevos datos de novo, en lugar de entrenar el modelo con nuevos datos con todo su conocimiento de entrenamientos anteriores (arranque en caliente). [ 5 ] A diferencia de los casos mencionados anteriormente, el arranque en frío en estos escenarios puede generar mejores resultados para el modelo.
Véase también
Referencias
- ↑ "Arranques en frío en AWS Lambda" . mikhail.io . Consultado el 31 de enero de 2020 .
- ↑ "¿Qué es el arranque en frío? - Definición de Techopedia" . Techopedia.com . 16 de marzo de 2016. Consultado el 31 de enero de 2020 .
- ↑ Bobadilla, Jesús; Ortega, Fernando; Hernando, Antonio; Bernal, Jesús (febrero de 2012). "Un enfoque de filtrado colaborativo para mitigar el problema de arranque en frío del nuevo usuario" . Sistemas basados en el conocimiento . 26 : 225– 238. doi : 10.1016/j.knosys.2011.07.021 .
- ↑ Lika, Blerina; Kolomvatsos, Kostas; Hadjiefthymiades, Stathes (marzo de 2014). "Afrontando el problema del arranque en frío en los sistemas de recomendación". Expert Systems with Applications . 41 (4): 2065– 2073. doi : 10.1016/j.eswa.2013.09.005 .
- ↑ Ash, Jordan; Adams, Ryan (2019). "Sobre el inicio en caliente del entrenamiento de redes neuronales". arXiv : 1910.08475 [ cs.LG ].
- Sistemas de información
