computación centrada en los datos

La computación centrada en datos es un concepto emergente relevante en la arquitectura de la información y el diseño de centros de datos . Describe un sistema de información donde los datos se almacenan independientemente de las aplicaciones, lo que permite su actualización sin necesidad de una migración de datos costosa y compleja . Este es un cambio radical en los sistemas de información que será necesario para satisfacer las necesidades organizacionales de almacenamiento, recuperación, transferencia y procesamiento de conjuntos de datos que crecen exponencialmente. ^{[ 1 ]}

Las arquitecturas de sistemas de información tradicionales se basan en una mentalidad centrada en las aplicaciones. Tradicionalmente, las aplicaciones se instalaban, se mantenían relativamente estáticas, se actualizaban con poca frecuencia y utilizaban un conjunto fijo de elementos de computación, almacenamiento y red para gestionar un conjunto relativamente pequeño de datos estructurados. ^{[ 2 ]}

Este enfoque funcionó bien durante décadas, pero en la última década, el crecimiento de los datos, en particular el de los datos no estructurados , ha ejercido nuevas presiones sobre las organizaciones, las arquitecturas de información y la infraestructura de los centros de datos. El 90 % de los nuevos datos no están estructurados y, según un informe de 2018, el 59 % de las organizaciones gestionan más de 10 mil millones de archivos y objetos ^{[ 3 ]} distribuidos en un gran número de servidores y nodos de almacenamiento. Las organizaciones se esfuerzan por hacer frente al crecimiento exponencial de los datos mientras buscan mejores enfoques para extraer información valiosa de ellos mediante servicios como el análisis de Big Data y el aprendizaje automático . Sin embargo, las arquitecturas existentes no están diseñadas para satisfacer los requisitos de servicio a escala de petabytes y más allá sin limitaciones de rendimiento significativas. ^{[ 4 ]}

Las arquitecturas tradicionales no logran almacenar, recuperar, mover y utilizar completamente esos datos debido a las limitaciones de la infraestructura de hardware, así como al diseño, desarrollo y gestión de sistemas centrados en las aplicaciones. ^{[ 5 ]}

Los investigadores del aprendizaje automático eran conscientes de la importancia de la calidad de los datos antes de la concepción formal de la IA centrada en datos (DCAI). La literatura demuestra que el ruido en las etiquetas, el sesgo de muestreo y la falta de cobertura pueden perjudicar la generalización del modelo. Sin embargo, la comunidad de aprendizaje automático en general ha priorizado los nuevos algoritmos sobre el análisis de datos. ^{[ 6 ]}

Cargas de trabajo centradas en datos

La computación centrada en los datos pretende solucionar dos problemas.

1. Las organizaciones necesitan aprovechar todos los datos disponibles, pero las aplicaciones tradicionales no son lo suficientemente ágiles ni flexibles. Los nuevos enfoques hacia la innovación constante en los servicios, respaldados por las nuevas metodologías de prestación de servicios (incluidos los microservicios y los contenedores), abren nuevas posibilidades que se alejan de las mentalidades tradicionales centradas en las aplicaciones.
2. Las limitaciones actuales del hardware de los centros de datos también restringen el movimiento, la gestión y la utilización completos de conjuntos de datos no estructurados. Las CPU convencionales dificultan el rendimiento porque no incluyen las capacidades especializadas necesarias para el almacenamiento, la conexión en red y el análisis. ^{[ 7 ]} El almacenamiento lento, incluidos los discos duros y las unidades de estado sólido SAS/SATA a través de la red, puede reducir el rendimiento y limitar la accesibilidad a los datos. ^{[ 8 ]} Se necesitan nuevas capacidades de hardware.

computación centrada en los datos

La computación centrada en datos es un enfoque que combina hardware y software innovadores para tratar los datos, y no las aplicaciones, como la fuente permanente de valor. ^{[ 9 ]} La computación centrada en datos busca replantear tanto el hardware como el software para extraer el máximo valor posible de las fuentes de datos existentes y nuevas. Aumenta la agilidad al priorizar la transferencia y el procesamiento de datos sobre el rendimiento y la resiliencia de las aplicaciones estáticas.

Hardware y software centrados en los datos

Para cumplir con los objetivos de la computación centrada en los datos, la infraestructura de hardware de los centros de datos evolucionará para abordar la escala masiva, el rápido crecimiento, la necesidad de un movimiento de datos de muy alto rendimiento y los amplios requisitos de cálculo.

• Las infraestructuras de hardware distribuidas se convierten en la norma, con datos y servicios repartidos entre numerosos nodos de computación y almacenamiento, tanto en nubes públicas como en las propias instalaciones.
• Debido al aplanamiento de la ley de Moore , ^{[ 10 ]} están surgiendo nuevos procesadores para aumentar el rendimiento, reduciendo las cargas de la CPU al manejar tareas intensivas que incluyen movimiento de datos, protección de datos y seguridad de datos. ^{[ 11 ]}
• Las nuevas tecnologías como las unidades NVMe y las redes como NVMeoF se convertirán en componentes estándar de las arquitecturas de computación centradas en datos. ^{[ 12 ]}

En lo que respecta al software, la computación centrada en datos acelera la desaparición de las aplicaciones estáticas tradicionales. ^{[ 13 ]} Las aplicaciones se vuelven efímeras, se añaden, actualizan o eliminan constantemente a medida que los algoritmos aparecen y desaparecen. El software se rediseña para realizar análisis sobre todos los datos disponibles en lugar de subconjuntos. Los microservicios acceden a los datos, realizan cálculos y expresan los resultados de su proceso a velocidades superiores a las de los enfoques convencionales.