¿Qué es el almacenamiento persistente para contenedores?

Esenciales para el desarrollo de aplicaciones nativas en la nube, los contenedores son unidades de software ligeras y portátiles que empaquetan una aplicación y sus dependencias, lo que facilita su implementación en la infraestructura de TI moderna.

Los contenedores son inherentemente efímeros. Su propósito es ser temporales, poniéndose en marcha y desactivándose según sea necesario. Aunque esta flexibilidad los hace muy flexibles y escalables, cualquier dato del contenedor generado se pierde cuando el contenedor deja de ejecutarse. El almacenamiento persistente resuelve este problema manteniendo los datos disponibles independientemente de cualquier contenedor individual.

Sin almacenamiento persistente, los sistemas críticos fallarían. Por ejemplo, la base de datos de transacciones de un banco que funcione en contenedores perdería los saldos de las cuentas de los clientes durante las actualizaciones de rutina o una plataforma de comercio electrónico perdería los carritos de la compra con cada reinicio.

A medida que las organizaciones continúan optando por arquitecturas nativas de la nube y de microservicios, los contenedores se han convertido en un elemento fundamental para la implementación y la gestión de las aplicaciones, por lo que el almacenamiento persistente de los contenedores es esencial para ejecutar las aplicaciones con estado a escala. Según un informe reciente de Strategic Market Research, el mercado mundial de contenedores de aplicaciones se valoró en aproximadamente 2100 millones de dólares en 2024. Se prevé que alcance los 6900 millones de USD para 2030, creciendo a una tasa de crecimiento anual compuesta (CAGR) del 21,1 %.¹

En entornos empresariales, el almacenamiento persistente se presenta en forma de archivos, bloques y almacenamiento de objetos, cada uno adecuado para diferentes cargas de trabajo. Las organizaciones suelen ofrecer estas soluciones de almacenamiento a través de una combinación de sistemas de hardware y plataformas de almacenamiento definido por software (SDS) diseñadas para soportar entornos de nube híbrida y nube distribuida.

La contenerización consiste en empaquetar código de software con solo las bibliotecas y dependencias del sistema operativo (SO), normalmente basadas en Linux, necesarias para ejecutarlo. Este proceso crea una única unidad ligera, como un contenedor, que puede ejecutarse de forma coherente en cualquier infraestructura.

A medida que las organizaciones pasaban de las máquinas virtuales (VM) a los contenedores, crecía la necesidad de gestionar las cargas de trabajo en contenedores a escala. Docker, introducido en 2013, hizo que los contenedores fueran ampliamente accesibles al ofrecer a los desarrolladores una forma estandarizada de crearlos y compartirlos. Pero orquestar cientos o miles de contenedores en entornos multinube híbridos requiere una forma de gestionar la complejidad. Por ello, Kubernetes se desarrolló para automatizar la implementación, escalado y gestión de aplicaciones contenerizadas.

Creado por Google en 2014, Kubernetes es una plataforma de código abierto mantenida por la Cloud Native Computing Foundation (CNCF). Los principales proveedores de servicios en la nube, como AWS, Microsoft Azure, Google Cloud e IBM Cloud, son compatibles con la plataforma.

Kubernetes ejecuta contenedores en pods, que se implementan entre los nodos de un clúster Kubernetes. Gestiona la configuración y la comunicación entre componentes a través de interfaces de programación de aplicaciones (API), lo que permite la orquestación automatizada en diversos sistemas. En la actualidad, Kubernetes es el estándar de facto para la orquestación de contenedores.

En relación con el almacenamiento de datos, un aspecto importante del funcionamiento de Kubernetes es comprender la distinción entre aplicaciones sin estado y con estado. Las aplicaciones sin estado (por ejemplo, los servidores web que gestionan solicitudes de API) gestionan cada solicitud de forma independiente. Como resultado, no conservan datos entre sesiones. Por el contrario, las aplicaciones con estado (por ejemplo, las bases de datos) sí conservan datos y dependen de la información de interacciones anteriores para funcionar correctamente.

Además, los contenedores y pods en Kubernetes son efímeros, se pueden detener, reiniciar o reprogramar en cualquier momento. Para las aplicaciones sin estado, este comportamiento no es un problema. Sin embargo, en las aplicaciones con estado, cuando un contenedor se detiene, cualquier dato almacenado en su interior se pierde. Aquí es donde el almacenamiento persistente juega un papel esencial en entornos contenedores, separando los datos del ciclo de vida del contenedor.

Además de las aplicaciones tradicionales que se trasladan a los contenedores, las cargas de trabajo de uso intensivo de datos como las bases de datos, la IA y el machine learning (ML) se basan cada vez más en la nube. Estas cargas de trabajo requieren un almacenamiento persistente para garantizar que los datos sobreviven a la terminación del contenedor, mantienen el estado en los sistemas distribuidos y proporcionan el rendimiento de alto rendimiento y baja latencia que exige el entrenamiento de modelos.

El almacenamiento persistente para contenedores se basa en un conjunto de componentes que funcionan conjuntamente para separar los datos de los contenedores. En Kubernetes, los administradores configuran la infraestructura de almacenamiento, mientras que los desarrolladores y las aplicaciones acceden a ella a través de solicitudes simples.

Estos componentes incluyen:

• Volúmenes y bind mounts
• PersistentVolume (PV)
• PersistentVolumeClaim (PVC)
• Clases de almacenamiento
• Interfaz de almacenamiento de contenedores (CSI)

Existen dos formas principales de adjuntar almacenamiento a los contenedores: los bind mounts y los volúmenes con nombre (por ejemplo, los volúmenes Docker ).

• Los bind mounts conectan un archivo o directorio específico de la máquina host directamente a un contenedor.

• Los volúmenes ganan flexibilidad porque Kubernetes los gestiona a través de diferentes sistemas de almacenamiento.

Un volumen es un lugar de almacenamiento accesible para contenedores en un pod. A diferencia del almacenamiento efímero dentro de un contenedor, que desaparece cuando el contenedor se detiene, un volumen persiste durante toda la vida útil del pod. Esto significa que si un contenedor falla y se reinicia dentro del mismo pod, los datos del volumen siguen estando disponibles.

Los volúmenes pueden conectarse a distintos tipos de dispositivos de almacenamiento, incluidos discos locales, almacenamiento conectado a la red a través de protocolos como el Sistema de archivos de red (NFS) o servicios de almacenamiento basados en la nube.

Un PersistentVolume proporciona almacenamiento dentro del clúster Kubernetes y se crea manualmente o automáticamente.

La diferencia clave entre un volumen regular y un PersistentVolume es la vida útil. Un PersistentVolume existe independientemente de cualquier pod. Esta configuración significa que el almacenamiento persiste incluso si el pod que accede a él se elimina o se mueve a otra máquina.

Los PersistentVolumes tienen su propio ciclo de vida, separado de los módulos que los utilizan. Los administradores pueden configurarlos con una capacidad de almacenamiento específica y permisos de acceso de lectura/escritura (por ejemplo, ReadWriteOnce para el acceso de un solo pod o ReadWriteMany para el acceso compartido).

Una PersistentVolumeClaim es una solicitud de almacenamiento realizada por una aplicación o un usuario. En lugar de conectarse directamente a un PersistentVolume, un pod utiliza un PersistentVolumeClaim como capa intermedia. La demanda especifica la capacidad de almacenamiento necesaria y el modo de acceso requerido. A continuación, Kubernetes lo compara con un PersistentVolume disponible. Esta separación permite a los desarrolladores solicitar almacenamiento sin necesidad de conocer la infraestructura de almacenamiento subyacente.

Cuando una demanda está conectada a un PersistentVolume, el pod puede leer y escribir datos como lo haría con cualquier sistema de archivos. Si el pod se mueve o se reinicia, puede seguir accediendo a la misma demanda y a los mismos datos persistentes.

En los entornos empresariales, crear manualmente volúmenes de almacenamiento para cada aplicación resulta complejo e inmanejable. Kubernetes resuelve este desafío mediante StorageClasses, que definen diferentes tipos de almacenamiento (por ejemplo, unidades de estado sólido de alto rendimiento) y utilizan un provisionador para crear automáticamente volúmenes de datos bajo demanda.

Cuando una aplicación solicita almacenamiento y hace referencia a una StorageClass, Kubernetes aprovisiona el volumen adecuado sin necesidad de configuración manual. Esta característica simplifica la gestión general del almacenamiento.

La interfaz de almacenamiento de contenedores (CSI) es una API estandarizada e independiente del proveedor que permite a Kubernetes interactuar con varios sistemas de almacenamiento.

CSI permite que las plataformas de los proveedores de almacenamiento (por ejemplo, IBM Storage Fusion, NetApp) desarrollen y actualicen sus propios complementos de forma independiente. Estos plug-ins gestionan el ciclo de vida completo del almacenamiento: crear, adjuntar, aprovisionar y eliminar volúmenes según sea necesario.

El almacenamiento persistente para contenedores permite a las organizaciones ejecutar aplicaciones con estado en entornos contenedores, y ofrece los siguientes beneficios:

• Durabilidad y resiliencia de los datos: los datos escritos en cada volumen persistente se conservan tras los fallos, reinicios y reprogramaciones de los contenedores, lo que evita la pérdida de datos y garantiza que las aplicaciones con estado sigan siendo resilientes, incluso cuando cambia la infraestructura subyacente de contenedores.

• Operaciones simplificadas: el aprovisionamiento dinámico y la gestión automatizada del almacenamiento reducen la carga de trabajo manual. Los equipos de plataforma definen las políticas de almacenamiento una sola vez, lo que permite a las aplicaciones consumir el almacenamiento como un recurso de autoservicio dentro de su espacio de nombres.

• Alto rendimiento y escalabilidad: el almacenamiento persistente para contenedores ofrece el rendimiento, la baja latencia y la escalabilidad necesarios para cargas de trabajo con uso intensivo de datos, como el entrenamiento de IA/ML y el análisis en tiempo real.

• Flexibility and portability: los volúmenes persistentes de Kubernetes y los controladores CSI abstraen el almacenamiento, lo que permite a las organizaciones ejecutar aplicaciones en infraestructuras locales, entornos de nube privada y pública, y así apoyar estrategias de nube híbrida.

• Seguridad y cumplimiento: los volúmenes persistentes respaldados por sistemas de almacenamiento empresarial proporcionan características de protección de datos, incluidas las capacidades de cifrado, replicación y copia de seguridad necesarias para cumplir los requisitos normativos y de conformidad.

• Rentabilidad: el aprovisionamiento dinámico amplía o reduce el almacenamiento en función de la demanda, mientras que la organización automatizada de los datos por niveles mueve los datos de uso poco frecuente a niveles de almacenamiento rentables, lo que ayuda a las organizaciones a optimizar los costes.

• Acceso compartido: el almacenamiento persistente para contenedores permite que varios pods lean y escriban simultáneamente los mismos datos, lo que favorece los flujos de trabajo colaborativos sin duplicar los recursos de almacenamiento.

Las organizaciones pueden acceder al almacenamiento persistente para contenedores a través de una serie de herramientas y soluciones:

• Plataformas de orquestación de contenedores
• Soluciones de almacenamiento empresarial
• Proveedor de servicios en la nube pública 

Las plataformas de orquestación de contenedores (por ejemplo, Red Hat OpenShift) proporcionan una gestión integrada del almacenamiento persistente con soporte integrado para controladores CSI y aprovisionamiento dinámico de almacenamiento.

Estas plataformas simplifican la implementación y las operaciones para las organizaciones que ejecutan cargas de trabajo en contenedores a escala.

Las plataformas de almacenamiento empresarial (por ejemplo, IBM Storage Fusion) ofrecen soluciones de almacenamiento nativas de contenedor con servicios de datos avanzados, que incluyen instantáneas, clonación, replicación y recuperación ante desastres.

Estas plataformas se integran directamente con Kubernetes mediante controladores CSI, lo que proporciona seguridad, capacidades de cumplimiento normativo y controles de acceso compartidos para aplicaciones con estado.

Los proveedores de servicios en la nube pública, incluyendo AWS, Microsoft Azure, Google Cloud e IBM Cloud, ofrecen servicios gestionados de Kubernetes con opciones nativas de almacenamiento persistente, como Amazon Elastic Block Store (EBS) e IBM Cloud Block Storage.

El almacenamiento persistente para contenedores admite los siguientes casos de uso empresarial:

• Bases de datos y gestión de datos
• Cargas de trabajo de IA
• DevOps y CI/CD
• Copia de seguridad y recuperación ante desastres (BDR)