Tras dos años de investigación y desarrollo, nos complace anunciar que KubilAI, un proyecto de I+D coordinado por Frizbit, se ha completado con éxito.
El problema que nos propusimos resolver
La computación en la nube y en el edge representan hoy una parte significativa y de rápido crecimiento del consumo eléctrico y las emisiones de CO₂ a nivel mundial. Buena parte de esa huella es evitable. Para proteger el rendimiento y cumplir con los acuerdos de nivel de servicio, los equipos tienden a sobreaprovisionar: ejecutan más capacidad de cómputo de la que realmente necesitan, la mayor parte del tiempo. El resultado es capacidad ociosa, energía desperdiciada y emisiones innecesarias.
Qué hace KubilAI
KubilAI es un sistema de autoescalado energéticamente eficiente para Kubernetes, impulsado por IA. En lugar de basarse únicamente en reglas estáticas o umbrales simples, utiliza aprendizaje por refuerzo profundo para aprender cómo se comporta una carga de trabajo y decidir cuántos recursos necesita realmente en cada momento. El objetivo es fácil de enunciar y difícil de lograr: mantener las aplicaciones rápidas y fiables mientras se elimina el exceso de capacidad que consume energía silenciosamente. En el proyecto nos propusimos como meta una reducción de al menos el 10% en el exceso de recursos computacionales, con el correspondiente ahorro en energía y carbono.
Cómo funciona, en resumen
El sistema combina tres elementos. Primero, un controlador que observa en tiempo real el estado de un clúster de Kubernetes y puede actuar sobre él a través de una API limpia. Segundo, un agente inteligente que aprende una política de escalado consciente del consumo energético, equilibrando rendimiento, utilización de recursos y energía. Tercero, previsión y detección de anomalías con conciencia energética, que anticipan la demanda y señalan comportamientos anómalos. Juntos permiten que la plataforma escale de forma proactiva, en lugar de limitarse a reaccionar después de los hechos.
Validado en la nube y en el edge
KubilAI fue diseñado y probado en dos entornos complementarios: un clúster de Kubernetes en la nube y un banco de pruebas físico en el edge. Evaluar ambos entornos es importante, porque el consumo energético se comporta de manera muy distinta en un gran proveedor de nube que en pequeños nodos edge con recursos energéticos limitados, y una solución que solo funcione en uno de los dos tendría una utilidad limitada.
Un esfuerzo de equipo
KubilAI fue llevado a cabo por un consorcio liderado por Frizbit Technology como coordinador, junto con el Centre Tecnològic de Telecomunicacions de Catalunya (CTTC), que aportó su experiencia en previsión, detección de anomalías y computación edge, y con el apoyo de un consultor externo especializado en aprendizaje por refuerzo.
Qué viene después
El proyecto sienta las bases para poner el autoescalado energéticamente eficiente al alcance de cualquier organización que utilice Kubernetes, de modo que sostenibilidad y rendimiento dejen de ser una disyuntiva. Iremos compartiendo más novedades a medida que la tecnología madure.
Agradecimiento
El proyecto KubilAI «Kubernetes de alta eficiencia energética potenciado por IA» (ACE100-23-000053) se ha desarrollado con el apoyo de ACCIÓ a través del programa Nuclis R+D Green 2023 (EMT/2447/2023), financiado por el Fons Climàtic de la Generalitat de Catalunya.
