Cloud y plataforma
Kubernetes y recursos especializados: más allá de CPU y memoria
Qué aporta Dynamic Resource Allocation para GPUs, aceleradores y dispositivos en plataformas cloud-native.
Las cargas de IA y procesamiento especializado necesitan seleccionar, compartir y configurar dispositivos que no encajan bien en el modelo tradicional de recursos extendidos. Dynamic Resource Allocation introduce una API más expresiva para describir esa relación.
En Kubernetes 1.34 el núcleo de DRA llegó a estable. Esto permite separar la solicitud del recurso, las capacidades del dispositivo y la lógica del driver, con mejor soporte para GPUs, TPUs, NICs y otros aceleradores.
Visual editorial
Asignación dinámica de un dispositivo
La mejora no elimina la planeación de capacidad. Los equipos necesitan clases de recursos, cuotas, observabilidad, aislamiento y políticas de prioridad que reflejen el costo y la criticidad de cada carga.
Para una plataforma interna, DRA puede convertirse en una capacidad de autoservicio: el desarrollador solicita un perfil aprobado y la plataforma resuelve proveedor, nodo y configuración. El detalle de infraestructura deja de filtrarse a cada aplicación.
Superar el contador de recursos extendidos
CPU y memoria son fungibles; los dispositivos tienen modelos, capacidades, topología y modos de compartir. DRA separa la intención de la carga de los detalles del inventario. Esto permite expresar requisitos más ricos sin codificar nombres de nodos o proveedores dentro de cada manifiesto.
Entender Claim, Class y driver
El ResourceClaim representa la solicitud y puede vivir junto al Pod o reutilizarse según el caso. Las clases ofrecen perfiles aprobados. El driver publica dispositivos y prepara su acceso. La separación ayuda a que plataforma defina opciones y el equipo de aplicación elija una capacidad estable.
Planear capacidad y scheduling
DRA mejora la expresión, pero no crea GPUs. Quotas, prioridad, topology awareness y observabilidad siguen siendo esenciales. Las métricas deben mostrar inventario, asignaciones pendientes, utilización, fallos del driver y costo. Una solicitud imposible necesita un error que permita corregir clase, región o tamaño.
Ofrecer perfiles como producto de plataforma
Un equipo puede pedir “inferencia estándar” o “entrenamiento intensivo” mientras la plataforma mapea esa intención a proveedor y dispositivo. Los perfiles incorporan límites, seguridad y costo. El contrato desacopla aplicaciones de cambios de hardware y facilita mover cargas entre clusters con capacidades equivalentes.
Abstraer sin ocultar la capacidad
DRA permite una interfaz más limpia para recursos especializados. La abstracción funciona cuando plataforma hace visibles disponibilidad, costo y límites; esconderlos por completo solo traslada la sorpresa al scheduler.