Automatización de operaciones en la Nube 2h3s1a

Hola, bienvenidos a TechFlow, el programa de video podcast de
Evolution.
Hoy vamos a hablar de automatización de operaciones
en la nube.
Para ello, contamos con David Navarro, que ya le conocéis.
A principios, en otras ediciones de TechFlow,
hablando de monitorización avanzada en la nube.
Y vamos a hablar de conceptos, aparte de la automatización,
conceptos como IOPS, incluso hablaremos de NOPS,
que es un tema, bueno, yo creo que bastante interesante, ¿no?
Y que, bueno, en muchas mesas de conversación con los clientes
va apareciendo, ¿no?
Por centrar un poco el tiro, David, ¿qué sería IOPS para ti,
¿no?
Y por qué es, bueno, cada vez más importante, ¿no?
A la hora de abordar las operaciones de servicios en la
nube.
Pues, claro, IOPS ahora es un concepto que está muy en boca
de todos los operadores de IT y de los tíos.
Consiste básicamente en aprovechar las capacidades que
tiene el Machine Learning y la inteligencia artificial,
pues, para poder ser más ágiles y utilizarlas en las operaciones
de la infraestructura IT, incluso en el desarrollo y el
mantenimiento de todo lo que es la operación de la
infraestructura y de los servicios IT.
Entonces, en ese contexto, claro,
el Machine Learning ha supuesto, pues,
un espaldarazo tremendo dentro de lo que son las operaciones en
la nube.
Porque la complejidad es mucho mayor que en la arquitectura
tradicional en el on-premise y, claro,
se genera muchísima más cantidad de datos y la agilidad de las
operaciones es muchísimo mayor.
Con lo cual, pues, es imprescindible que este tipo de
herramientas, que afortunadamente ya están bastante
desarrolladas, pues, ayudan a recoger esa cantidad de
información, hacer correlaciones complejas y poder
dar, pues, bueno, pues, una operación automatizada que
facilita mucho, mucho la vida de lo que son los operadores de
sistemas de vida.
Bueno, siempre que lees sobre IOPS,
al final es un ecosistema bastante complejo, ¿no?
Porque tienes, ataca, bueno, pues,
la autoremediación, el autodiagnóstico, ¿no?
Al final, cuando estás automatizando,
siempre tienes que tener cierto cuidado, ¿no?
Para evitar automatizar el error, ¿no?
Porque puedes cometer un error muchas más veces, ¿no?
Y con mucho más volumen, ¿no?
Sí, ¿qué consideraciones serían un poco en tu opinión, ¿no?
O bajo tu perspectiva, ¿no?
Las que deberíamos tener en cuenta a la hora de implementar
con garantías, pues, una estrategia de IOPS.
Claro, pues, ahí el fundamental es,
como nos vamos a basar en herramientas de machine
learning, la calidad del dato es primordial.
O sea, el tener muy claro cuál es la fuente de datos que vamos
a obtener, el poder hacer una buena depuración de esos datos
para proporcionárselos al LLM o la herramienta de correlación
que corresponda, es básica para luego, pues,
poder tener una mejor calidad dentro del diagnóstico y no
tener falsos positivos o falsos negativos, ¿no?
Luego, por otro lado, pues, bueno,
pues, tener también una buena arquitectura de monitorización
de eventos acoplada a esos sistemas de aprendizaje,
pues, bueno, pues, ya te dan una gran calidad para poder hacer
una operación con IOPS en condiciones.
Hablando un poco de herramientas, ¿cuál sería un poco el
ecosistema o el framework así de manera abierta que tendríamos
que considerar a la hora de empezar a plantearnos una
implementación de este estilo?
Dentro de lo que es la automatización de las
operaciones en las infraestructuras en la nube,
pues, las herramientas que hoy día están en boca de todo el
mundo y son las que más se utilizan son las herramientas
derivadas de lo que es una operación GitOps o CICD, pues,
como pueden ser, pues, para lo que es la construcción de
infraestructura Terraform, básicamente,
lo que es el despliegue de la construcción de infraestructura,
para luego lo que sería probablemente la configuración y
el finetuning de esa infraestructura y luego lo que
es el acoplamiento con aplicaciones y con
configuración avanzada, utilizaríamos herramientas como
Ansible, pero, bueno, también estarían dentro de ese
ecosistema, pues, herramientas de monitoring como pueda ser
Prometheus, Grafana, herramientas de despliegue como
pueda ser ArgoCD, ¿vale?, para todo el tema de poder una
implementación que esté dentro del flujo de