Casos de uso en la nube
- 12 minutos
Con la rápida evolución de las tecnologías en la nube, surgen nuevos casos de uso cada día. En esta sección se describen algunos de los casos de uso comunes y más atractivos para la nube y se presentan algunos ejemplos del mundo real.
Aplicaciones web y móviles
Uno de los principales impulsores de la informática en la nube es el hospedaje web. Los sitios web y las aplicaciones web normalmente se hospedan en un servidor con una conexión a Internet dedicada. Los servicios de hospedaje web más antiguos proporcionaban servidores dedicados a los clientes o asignaban una fracción de un sistema UNIX mayor a varios clientes. Ahora, con la llegada de la informática en la nube, se pueden compilar aplicaciones web y móviles sobre servicios IaaS, PaaS e incluso SaaS existentes.
Basado en SaaS: Con el modelo SaaS, las organizaciones pueden implementar aplicaciones de un solo tamaño en la Web. Entre los ejemplos comunes se incluyen correo electrónico, sitios de redes sociales y sitios web de utilidad, como organizadores personales, calendarios y planeadores.
Basado en PaaS: Los desarrolladores de aplicaciones pueden usar una serie de plataformas y herramientas en línea para crear aplicaciones PaaS y móviles. Plataformas como Google App Engine, Parse y AppScale son plataformas populares en las que se pueden compilar aplicaciones web y móviles.
Basado en IaaS: Las aplicaciones que necesitan más personalización y flexibilidad pueden adoptar el modelo IaaS al alquilar máquinas virtuales de proveedores como EC2 y Rackspace e implementar una pila de software totalmente personalizada para ejecutar la aplicación web.
Considere los siguientes escenarios:
Animoto, un creador de presentaciones en vídeo en línea, decidió implementar una aplicación de Facebook. El tráfico hacia el servicio aumentó, lo que se tradujo en que Animoto escalara verticalmente de 50 a 3500 servidores en 3 días. Esta escalabilidad elástica se hace posible a través de la informática en la nube.
Las tiendas en línea que usan la informática en la nube, como Amazon y Target.com, han sido capaces de aumentar la infraestructura durante la actividad máxima (como el día después de Navidad). Salesforce.com hospeda a clientes que van desde aquellos con 2 puestos hasta más de 20 000 puestos, todo ello con la misma plataforma web.
La pizza de Domino se basa en una combinación de servicios proporcionada por AWS y Azure para potenciar su negocio. Por ejemplo, usa Azure App Service y Azure Cosmos DB (ambos servicios PaaS) para el seguimiento de pedidos y entregas en línea, lo que le permite escalar y reducir verticalmente según sea necesario para satisfacer la demanda. Domino's también usa Microsoft Dynamics ERP basado en SaaS para satisfacer sus necesidades de planeamiento de recursos empresariales1.
Análisis de macrodatos
Muchas organizaciones tienen que hacer frente a grandes cantidades de datos. Estos datos pueden emanar de áreas tales como sensores, experimentos, datos transaccionales y actividad de página web. El procesamiento de macrodatos normalmente necesita una gran cantidad de recursos de cálculo y almacenamiento, pero, en función de las necesidades de una organización, puede ser periódico o estacional. Por ejemplo, Amazon puede tener tareas de inteligencia empresarial y análisis programadas para el final del día, lo que podría requerir unas pocas horas de tiempo de varios cientos de servidores. En estos escenarios, la informática en la nube tiene sentido, ya que estos recursos se pueden adquirir a petición. Muchas empresas tienen incluso canalizaciones de análisis totalmente automatizadas que recopilan, analizan y almacenan datos automáticamente, en donde los recursos se aprovisionan a petición. Entre los ejemplos de escenarios de macrodatos se incluyen los siguientes:
La compañía de ferrocarriles Union Pacific monta termómetros infrarrojos, micrófonos y escáneres de ultrasonido a lo largo de sus vías. Estos sensores exploran todos los trenes a su paso y envían lecturas a los centros de datos del ferrocarril, en donde el software de coincidencia de patrones identifica el equipo en riesgo de error.
Los distribuidores tradicionales, como Walmart, siguen los pasos de los distribuidores en línea, como Amazon, analizando los hábitos de gasto del consumidor para ofrecer campañas de marketing personalizadas y ofertas a clientes individuales.
Empresas como Time Warner y Comcast usan macrodatos para realizar un seguimiento de los hábitos de consumo de medios de sus suscriptores y proporcionar información de valor añadido a los anunciantes y clientes. El sector de videojuegos realiza un seguimiento de los hábitos de juego de millones de propietarios de consola. Empresas como Riot Games examinan 500 GB de datos estructurados y más de 4 TB de registros operativos todos los días.
La nube también desempeña un papel en el análisis, ya que ofrece implementaciones administradas de herramientas populares como Apache Hadoop y Apache Spark que pueden estar listas para usarse en minutos y que posteriormente se eliminarán cuando ya no se necesiten. La adquisición, implementación y configuración de un clúster de Spark pueden llevar meses y requieren gran experiencia. Con la nube y con servicios tales como Azure Databricks y Databricks en AWS, los clústeres aprovisionados con la versión más reciente de Spark se pueden implementar con unos cuantos clics de botón.
Informática de alto rendimiento a petición
La ciencia moderna no es posible sin la informática de alto rendimiento (HPC). Además de la experimentación física, la simulación asistida por PC se ha hecho popular en campos que van desde la astrofísica y la mecánica cuántica hasta la oceanografía y la bioquímica. Estas cargas de trabajo son exigentes desde el punto de vista del cálculo y normalmente se ejecutan en clústeres dedicados o en instalaciones superinformáticas.
Los científicos buscan cada vez más la nube para satisfacer la necesidad de recursos de HPC. Para el uso de HPC, AWS, Azure y GCP ofrecen máquinas virtuales muy eficaces con CPU más rápidas y GPU de vanguardia. Los científicos encuentran atractiva la disponibilidad de enormes cantidades de recursos de potencia de cálculo, especialmente en el caso de proyectos pequeños o análisis por ráfagas sujeto a limitación temporal, tales como ejecuciones experimentales antes de presentar fechas límite para los documentos de investigación. Entre los ejemplos de HPC en la nube se incluyen los siguientes:
Cycle Computing, Inc. configuró un clúster EC2 de 3809 instancias para que una empresa farmacéutica llevara a cabo trabajos de modelado molecular. El clúster tiene un total de 30 472 núcleos, 26,7 TB de RAM y 2 PB de almacenamiento en disco.
Empresas como Pfizer, Unilever, Spiral Genetics, Integrated Proteomics Applications y Bioproximity realizan cargas de trabajo de bioinformática y genómica en instancias de Amazon EC2.
NASA JPL usa instancias de Amazon EC2 de alto rendimiento para procesar imágenes por satélite de alta resolución.
En 2015, la empresa de administración de riesgos y servicios financieros Willis Tower Watson se asoció con Microsoft para implementar un clúster de HPC que contenía 100 000 núcleos y lo utilizó para calcular el costo de proporcionar seguro a todas las personas del mundo2. El proceso completo, desde el aprovisionamiento hasta la descarga de los resultados, tardó menos de 12 horas. En una CPU de un solo núcleo, el mismo trabajo habría requerido casi 20 años para ejecutarse.
Almacenamiento y archivado en línea
Uno de los recursos importantes que está disponible a través de la informática en la nube es el almacenamiento. Desde soluciones de almacenamiento personal, como Dropbox, a sistemas de almacenamiento de Internet a gran escala, como Amazon S3, el almacenamiento en línea es un caso de uso importante de la informática en la nube. Las opciones de almacenamiento en línea incluyen:
Almacenamiento de objetos basado en web: Servicios tales como Amazon S3 y Azure Storage permiten a los usuarios almacenar terabytes de datos como objetos simples a los que se puede acceder a través de HTTP. Muchos sitios web usan Amazon S3 y Azure Storage para almacenar contenido estático, como imágenes.
Copia de seguridad y recuperación: Servicios tales como CrashPlan y Carbonite proporcionan una copia de seguridad en línea de los datos del cliente, que es una opción excelente como solución de copia de seguridad externa y segura.
Distribución de contenido y streaming multimedia: Servicios tales como Amazon CloudFront y Azure CDN no solo almacenan grandes cantidades de datos, sino que ayudan en la entrega de contenido. Las solicitudes de extracción de datos de CloudFront se enrutan automáticamente al servidor más cercano, con lo que se reduce la latencia de los elementos multimedia sujetos a limitación temporal, como el vídeo.
Almacenamiento personal: Servicios tales como Dropbox y Google Drive son populares entre los usuarios para almacenar documentos personales en línea para el acceso en cualquier momento y desde cualquier lugar.
Desarrollo rápido de aplicaciones y pruebas
Una de las principales ventajas de la nube es la capacidad de implementar y probar aplicaciones rápidamente. Se puede implementar un entorno informático completo en minutos y luego destruirlo y descartarlo una vez finalizada la prueba. Para muchas empresas, el valor radica en permitir a los desarrolladores crear rápidamente mejoras y características y probarlas sin ningún riesgo. No es necesario realizar el pedido e instalar hardware ni servidores especializados. En cuestión de minutos, puede iniciarse un servidor virtual en Amazon EC2, Azure Virtual Machines o Google Compute Engine. Las aplicaciones también se pueden probar fácilmente con esfuerzo/carga. Los servidores existentes se pueden clonar también para realizar estudios de escalabilidad.
La nube también impulsa inversiones en DevOps, que aumenta la capacidad de una organización de proporcionar software en menos tiempo a la vez que se obtiene una mayor calidad. Las organizaciones crean canalizaciones de DevOps que incluyen servidores de compilación virtuales acoplados a repositorios de código fuente basados en la nube. Los desarrolladores comprueban los cambios de código en el repositorio, que desencadena una compilación automática en un proceso conocido como integración continua (CI). Otra característica de DevOps es la entrega continua (CD), en la que las compilaciones actualizadas se prueban e implementan automáticamente en un entorno de producción o ensayo. Productos como AWS CodePipeline, AWS CodeBuild y Azure DevOps habilitan estos tipos de escenarios y pasan a ser rápidamente la red troncal del proceso de desarrollo de software en empresas grandes y pequeñas.
Machine Learning e inteligencia artificial
Machine Learning (ML) y el subconjunto de aprendizaje automático (ML) conocido como inteligencia artificial (IA) marcan una diferencia en las vidas de unas personas todos los días. Las compañías de tarjetas de crédito usan modelos de ML/IA para detectar fraudes en tiempo real; los minoristas los usan para incitar a los clientes a comprar artículos adicionales y para prever la demanda; los lingüistas, para traducir la voz en tiempo real; los restaurantes, para mejorar la calidad de la comida3 y, los investigadores, para analizar el genoma humano en busca de indicadores de cáncer4.
El aprendizaje de modelos de ML/IA suele requerir grandes cantidades de potencia de proceso. Un ejemplo es la red neuronal convolucional (CNN), que sobresale en tareas que implican Computer Vision (por ejemplo, determinar si una foto contiene una imagen de un perro o un gato). Estos modelos se suelen entrenar con lotes de imágenes con miles de millones de píxeles y habitualmente contienen 100 capas o más. Entrenar una CNN de este tamaño no es práctico en un solo equipo, pero se realiza de forma relativamente eficaz en un clúster de HPC equipado con GPU para facilitar el procesamiento paralelo.
Una tendencia reciente en la informática en la nube tiene proveedores que hacen que ML e IA estén disponibles como servicios SaaS. Con el servicio Custom Vision de Azure, por ejemplo, puede entrenar una red neuronal para discriminar entre imágenes de gatos y de perros en cuestión de minutos y prácticamente de forma gratuita. A continuación se muestran ejemplos específicos de compañías que usan servicios de ML e IA basados en la nube para mejorar sus procesos empresariales:
Expedia usa servicios de aprendizaje automático con tecnología del motor de recomendaciones de AWS para optimizar el proceso de reservas de hoteles5.
British Petroleum (BP) usa Azure Machine Learning para mejorar su capacidad de predecir factores de recuperación -- el porcentaje de hidrocarburos que se pueden extraer de un depósito subterráneo- para posibles depósitos de petróleo y gas6.
iGenius combinó las API de aprendizaje automático de inteligencia artificial en la nube de Google con Google App Engine para crear el primer asesor de marketing digital del mundo[7][^7].
La explosión en la investigación de ML e IA, la inversión, los avances y las aplicaciones en los últimos años se atribuye principalmente a la informática en la nube, que hace que las grandes cantidades de potencia de computación necesaria para entrenar nuevos modelos y mejorar los existentes estén disponibles para los investigadores en instituciones grandes y pequeñas.
Referencias
Microsoft (2017). La plataforma como servicio de Azure es el pepperoni de la pizza de Domino’s. https://news.microsoft.com/en-au/features/azures-platform-service-pepperoni-pizza-dominos/
Microsoft (2016). ¿Qué haría con 100 000 núcleos? - Big Compute a escala global. https://azure.microsoft.com/blog/what-would-you-do-with-100000-cores-big-compute-at-global-scale/
Guía de Tom (2019). Domino's usa ahora IA y cámaras para hacer pizzas "perfectas"
Revista de biotecnología computacional y estructural (2015). Aplicaciones de aprendizaje automático en pronóstico de cáncer. https://www.sciencedirect.com/science/article/pii/S2001037014000464
PhocusWire (2019). Cómo usa Expedia el aprendizaje profundo para mejorar el proceso de reservas de hoteles. https://www.phocuswire.com/Expedia-Partner-Solutions-machine-learning
Google. iGenius: creación de Crystal, el primer asesor de marketing digital virtual. https://cloud.google.com/customers/igenius/
Comprobación de conocimientos
Comentarios
¿Le ha resultado útil esta página?
No
¿Necesita ayuda con este tema?
¿Desea intentar usar Ask Learn para aclarar o guiarle a través de este tema?