Un estudio reciente realizado por Cast AI, un proveedor de soluciones de optimización de costos de Kubernetes, ha arrojado luz sobre un problema predominante en el ámbito de la computación en la nube.
El análisis, basado en datos recopilados de 4.000 clústeres de Amazon Web Services (AWS), Google Cloud Platform y Microsoft Azure, revela estadísticas sorprendentes sobre la subutilización de los recursos informáticos aprovisionados.
Perspectivas sobre la subutilización de los recursos de la nube
El estudio indica que, en promedio, las empresas utilizan solo una fracción de los recursos informáticos que aprovisionan. En concreto, solo se utiliza el 13 % de las CPU aprovisionadas y el 20 % de la memoria, lo que pone de manifiesto una brecha considerable entre la asignación y el uso real.
Entre los tres principales proveedores de nube, AWS y Azure presentan tasas de utilización similares, con un promedio del 11 % para las CPU, mientras que Google Cloud muestra un rendimiento ligeramente superior, con un 17 % de utilización. De igual forma, las tasas de utilización de memoria se sitúan en el 18 % para Google, el 20 % para AWS y el 22 % para Azure.
Factores que contribuyen al exceso de aprovisionamiento
Varios factores contribuyen a esta discrepancia entre los recursos aprovisionados y utilizados. La reticencia de los clientes a aprovechar las instancias puntuales debido a la inestabilidad percibida, sumada a la falta de uso de tamaños de instancia personalizados, agrava el problema.
Además, la complejidad de gestionar manualmente la infraestructura nativa de la nube, especialmente en entornos Kubernetes, dificulta los esfuerzos de optimización. Laurent Gil, cofundador y director de producto de CAST AI, enfatiza que las empresas aún se encuentran en las primeras etapas de su proceso de optimización, lo que complica aún más la situación.
Implicaciones para los proveedores de nube y las empresas
Desde un punto de vista financiero, la subutilización se traduce en menores ingresos para los proveedores de servicios en la nube, ya que continúan ganando en función del uso hipotético en lugar del consumo real.
Además, el sobreaprovisionamiento exige mayores inversiones en recursos informáticos y de memoria, lo que genera una mayor huella de carbono durante la producción y la implementación. El estudio subraya la necesidad de que las empresas adopten prácticas de gestión de recursos más eficientes para mitigar el impacto ambiental y optimizar la rentabilidad.
Abordar el problema
Para abordar el desafío del sobreaprovisionamiento, Cast AI promueve la adopción de soluciones de optimización automatizadas basadas en inteligencia artificial (IA). Al aprovechar la información generada por la IA, las organizaciones puedendenty corregir ineficiencias en tiempo real, optimizando así la asignación y utilización de recursos.
A través de plataformas de optimización automatizada, las empresas pueden agilizar sus operaciones en la nube, reducir costos y minimizar el impacto ambiental, impulsando en última instancia la sostenibilidad y la eficiencia.
El camino a seguir para la optimización de la nube
Los hallazgos del estudio de Cast AI subrayan el problema generalizado del sobreaprovisionamiento en la computación en la nube, con importantes implicaciones tanto para las empresas como para los proveedores de servicios en la nube. A medida que las empresas continúan lidiando con las complejidades de la gestión de la infraestructura nativa de la nube, la necesidad de soluciones de optimización automatizadas se hace cada vez más evidente.
Al aprovechar la información generada por la IA, las organizaciones pueden lograr una mayor eficiencia, reducir costos y minimizar el impacto ambiental. A medida que evoluciona el panorama de la computación en la nube, las estrategias de optimización proactivas desempeñarán un papel crucial para impulsar la sostenibilidad y maximizar el valor para las partes interesadas.
