¿Qué es el almacenamiento persistente para contenedores?

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

Los contenedores son efímeros por naturaleza. Están pensados para ser temporales, y se activan y desactivan según sea necesario. Si bien esta flexibilidad los hace altamente flexibles y escalables, cualquier dato de contenedor generado se pierde cuando el contenedor deja de ejecutarse. El almacenamiento persistente resuelve este problema al mantener los datos disponibles independientemente de cualquier contenedor concreto.

Sin almacenamiento persistente, los sistemas críticos fallarían. Por ejemplo, la base de datos de transacciones de un banco que se ejecuta en contenedores podría perder los saldos de las cuentas de los clientes durante las actualizaciones rutinarias, o una plataforma de comercio electrónico podría perder los carritos de la compra cada vez que se reinicia.

A medida que las organizaciones continúan cambiando hacia arquitecturas nativas de la nube y de microservicios, los contenedores se han convertido en un elemento central para el despliegue y la gestión de aplicaciones, lo que hace que el almacenamiento persistente para contenedores sea esencial para ejecutar aplicaciones con estado a escala. Según un informe reciente de Strategic Market Research, el mercado global de contenedores de aplicación se valoró en aproximadamente 2.1 mil millones de dólares en 2024. Se proyecta que alcance los 6.9 mil millones de dólares para 2030, a una tasa de crecimiento anual compuesta (CAGR) del 21.1 %.¹

En entornos empresariales, el almacenamiento persistente se presenta en forma de almacenamiento de archivos, bloques y objetos, cada uno adecuado para diferentes cargas de trabajo. Por lo general, las organizaciones ofrecen estas soluciones de almacenamiento mediante una combinación de sistemas de hardware y plataformas de almacenamiento definido por software (SDS) diseñadas para dar soporte a entornos de nube híbrida y nube distribuida.

La contenerización consiste en empaquetar código de software con solo las bibliotecas y dependencias del sistema operativo (OS), 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 pasaron de las máquinas virtuales (VM) a los contenedores, creció la necesidad de gestionar 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 manejar la complejidad. Por ello, Kubernetes se desarrolló para automatizar el despliegue, escalado y gestión de aplicaciones contenedorizadas.

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

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

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

Además, los contenedores y pods en Kubernetes son efímeros, y se pueden detener, reiniciar o reprogramar en cualquier momento. En el caso de las aplicaciones sin estado, este comportamiento no supone ningún problema. Sin embargo, en las aplicaciones con estado, cuando un contenedor se detiene, se pierden todos los datos almacenados en su interior. Aquí es donde el almacenamiento persistente desempeña un papel esencial en entornos contenedores, separando los datos del ciclo de vida del contenedor.

Además de que las aplicaciones tradicionales se están migrando a contenedores, las cargas de trabajo con un uso intensivo en datos, como las bases de datos, la inteligencia artificial (IA) y el machine learning (ML), se están trasladando cada vez más a la nube. Estas cargas de trabajo requieren almacenamiento persistente para garantizar que los datos se mantengan tras la finalización del contenedor, conserven su estado dentro de los sistemas distribuidos y ofrezcan el alto rendimiento y la 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 montajes bind
• PersistentVolume (PV)
• PersistentVolumeClaim (PVC)
• Clases de almacenamiento
• Interfaz de almacenamiento de contenedores (CSI)

Hay dos formas principales de conectar almacenamiento a los contenedores: montajes bind y volúmenes con nombre (por ejemplo, volúmenes de Docker).

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

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

Un volumen es una ubicación de almacenamiento a la que pueden acceder los contenedores de un pod. A diferencia del almacenamiento efímero dentro de un contenedor, que desaparece cuando el contenedor se detiene, un volumen persiste durante la vida útil del pod. Esto significa que si un contenedor falla y se reinicia dentro del mismo pod, los datos del volumen permanecen disponibles.

Los volúmenes pueden conectarse a diferentes tipos de dispositivos de almacenamiento, incluidos discos locales, almacenamiento conectado a la red a través de protocolos como el Network File System (NFS) o servicios de almacenamiento basado en la nube.

Un PersistentVolume proporciona almacenamiento dentro del clúster de Kubernetes y se crea de forma manual o automática.

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 pods que los utilizan. Los administradores pueden configurarlos con capacidad de almacenamiento específica, permisos de acceso de lectura/escritura (por ejemplo, ReadWriteOnce para acceso de un solo pod o ReadWriteMany para acceso compartido).

Un PersistentVolumeClaim es una solicitud de almacenamiento realizada por una aplicación o usuario. En lugar de conectarse directamente a un PersistentVolume, un pod utiliza un PersistentVolumeClaim como capa intermedia. La especificación indica la capacidad de almacenamiento necesaria y el modo de acceso requerido. Luego, Kubernetes lo compara con un PersistentVolume disponible. Esta separación significa que los desarrolladores pueden solicitar almacenamiento sin tener que comprender la infraestructura de almacenamiento subyacente.

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

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

Cuando una aplicación solicita almacenamiento y hace referencia a 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 independiente del proveedor que permite a Kubernetes interactuar con varios sistemas de almacenamiento.

La 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 complementos gestionan todo el ciclo de vida del almacenamiento: crean, conectan, aprovisionan y eliminan volúmenes según sea necesario.

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

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

• Operaciones simplificadas: el aprovisionamiento dinámico y la gestión automatizada del almacenamiento reducen la carga de trabajo manual. Los equipos de la plataforma definen las políticas de almacenamiento una sola vez, lo que permite a las aplicaciones utilizar 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 requeridos para cargas de trabajo intensivas en datos, como entrenamiento de IA y ML y análisis en tiempo real.

• Flexibilidad y portabilidad: los volúmenes persistentes de Kubernetes y los controladores CSI almacenan abstractamente, permitiendo a las organizaciones ejecutar aplicaciones en infraestructuras on premises, y entornos de nube privada y nube pública, apoyando estrategias de nube híbrida.

• Seguridad y cumplimiento de normas: los volúmenes persistentes respaldados por sistemas de almacenamiento empresariales proporcionan características de protección de datos, incluyendo capacidades de cifrado, replicación y copia de seguridad necesarias para cumplir con los requisitos y normas.

• Eficiencia de costos: el aprovisionamiento dinámico adapta la capacidad de almacenamiento de manera ascendente o descendente según la demanda, mientras que la clasificación automática de datos traslada los datos que se utilizan con poca frecuencia a niveles de almacenamiento más económicos, lo que ayuda a las organizaciones a optimizar sus costos.

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

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

• Plataformas de orquestación de contenedores
• Soluciones de almacenamiento empresarial
• Proveedores de la nube pública 

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

Estas plataformas simplifican el despliegue 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 a través de controladores CSI, proporcionando seguridad, capacidades de cumplimiento y controles de acceso compartidos para aplicaciones con estado.

Los proveedores de la nube pública, incluidos AWS, Microsoft Azure, Google Cloud e IBM Cloud, ofrecen servicios gestionados de Kubernetes con opciones de almacenamiento persistente nativo, 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)