Amazon S3 cambió la configuración de las infraestructuras modernas. Al separar el almacenamiento de objetos de la computación, S3 proporcionó a los equipos de aplicaciones una capacidad duradera y asequible mediante una API sencilla y, no menos importante, un punto neutral para los datos creados en un lugar y consumidos en otro. Este modelo se ha convertido en un pilar de los flujos de trabajo de IA: los conjuntos de entrenamiento se almacenan en buckets, los conjuntos de datos de ajuste fino pasan por prefijos versionados y los indexadores extraen continuamente corpus de conocimiento para la generación aumentada por recuperación (RAG).
A medida que las infraestructuras de IA crecen, ya no basta con conectar la aplicación a almacenes de objetos compatibles con S3; las empresas necesitan una capa de entrega que permita mover los datos de forma predecible, rápida y segura. Este es precisamente el problema que resuelve la entrega de datos para IA： garantizar que los datos adecuados lleguen de forma segura a los almacenes de objetos y se entreguen de manera fiable a los flujos de trabajo de las fábricas de modelos de IA, con las políticas subyacentes apropiadas y resiliencia entre distintas ubicaciones. Esto permite que los flujos de trabajo de entrenamiento, ajuste fino y RAG se mantengan dentro de los plazos previstos. Disponer de un controlador de entrega de aplicaciones (ADC) delante del almacenamiento es una necesidad tanto empresarial como técnica; constituye un punto de control que protege los almacenes de objetos frente a picos de demanda, estabiliza el rendimiento para garantizar la fiabilidad del clúster y centraliza la gobernanza en implementaciones S3 híbridas y multinube.
¿Por qué deberíamos colocar F5 BIG-IP delante de los almacenes de datos?
El almacenamiento de IA actual se parece al tráfico web de ayer, pero llevado al extremo. La ingesta se produce en ráfagas (por ejemplo, escrituras en paralelo y cargas multiparte), las lecturas son aleatorias y el mantenimiento es constante (por ejemplo, reconstrucciones de nodos, compactaciones y organización por niveles). Estos patrones impredecibles exigen una arquitectura que desacople las aplicaciones del almacenamiento subyacente y proteja las cargas de trabajo frente a interrupciones y a la volatilidad de los endpoints. Sin esta capa de entrega específica, las empresas se enfrentan a ocho problemas habituales:
- Retos de resiliencia local: Un solo nodo lento o en proceso de reconstrucción puede afectar al rendimiento de los trabajos. F5 BIG-IP mitiga este problema mediante monitores de estado específicos, como comprobaciones S3 HEAD/GET en claves de prueba, balanceo de carga basado en políticas y drenaje de conexiones para garantizar que las transferencias prolongadas no se interrumpan durante las tareas de mantenimiento.
- Resiliencia global manual: F5 BIG-IP DNS dirige automáticamente a los clientes al sitio más adecuado en función del estado, la proximidad y las políticas empresariales. Gestiona sin interrupciones las conmutaciones por error de clústeres o regiones sin necesidad de modificar los endpoints de las aplicaciones.
- Calidad de servicio y limitación de velocidad a nivel de objeto y metadatos: BIG-IP inspecciona y clasifica el tráfico en función del bucket, el tipo de objeto, el tamaño y las etiquetas. La velocidad de las solicitudes de baja prioridad se limita en favor de las de alta prioridad, lo que evita tiempos de espera agotados y reintentos en redes congestionadas o sobresaturadas.
- Actualizaciones arriesgadas: Las actualizaciones del software de almacenamiento pueden interrumpir los flujos de trabajo. BIG-IP permite realizar actualizaciones azul/verde o graduales de forma segura desviando el tráfico de los grupos afectados y dirigiéndolo temporalmente a versiones estables del sistema hasta que se superen las comprobaciones de estado.
- Flujos de replicación congestionados: La sincronización entre regiones y la replicación de clústeres pueden sufrir cuellos de botella durante los periodos de alta demanda. BIG-IP prioriza y regula el tráfico para garantizar que los procesos de replicación no perjudiquen el rendimiento de las cargas de trabajo de modelos de IA.
- Configuración de TLS incoherente: BIG-IP centraliza la gestión de TLS mediante la descarga, el recifrado o el paso directo. Aplica políticas de cifrado coherentes, Perfect Forward Secrecy (PFS) y mTLS cuando es necesario, lo que simplifica las configuraciones de almacenamiento y permite un escalado transparente con aceleración SSL en F5 rSeries y F5 VELOS.
- Defensa mediante criptografía poscuántica (PQC): Con BIG-IP, las organizaciones pueden cumplir las recomendaciones del Instituto Nacional de Estándares y Tecnología (NIST) de EE. UU. y de la Ley de Resiliencia Operativa Digital (DORA) de la UE al admitir PQC para los datos en tránsito y protegerlos frente a ataques de futuros ordenadores cuánticos, como los de «recopilar ahora y descifrar después».
- Defensa del protocolo S3: BIG-IP detecta y bloquea los ataques al protocolo S3, como las inyecciones, la escalada de privilegios, la apropiación de buckets, la reutilización de credenciales o URL prefirmadas y la apropiación de cuentas, antes de que lleguen al backend.
Los perfiles de entrega de datos de S3 llegan a BIG-IP v21.0
La versión 21.0 de BIG-IP incorpora perfiles TCP/TLS para S3 diseñados para convertir fácilmente un servidor virtual en un punto de acceso frontal a S3 listo para producción. Estos perfiles proporcionan ajustes de TCP para rutas de gran ancho de banda, optimizan el comportamiento de HTTP/S3 para admitir cargas multiparte y reintentos, e implementan medidas de seguridad como listas estrictas de métodos permitidos y mTLS opcional. Esto agiliza la transición desde la configuración del clúster hasta la puesta en marcha completa de canalizaciones de IA, reduciendo el tiempo de configuración de días a minutos.
La entrega de datos para IA en acción
Las siguientes demostraciones ilustran cómo BIG-IP va más allá de una configuración más rápida para ofrecer un valor operativo duradero. Muestran cómo la entrega de datos de S3 puede desvincularse de los cambios en la infraestructura, adaptarse dinámicamente mediante políticas programables y protegerse frente a la sobrecarga del clúster. En conjunto, estos ejemplos muestran cómo una capa de entrega específica garantiza que los flujos de procesamiento de IA sigan siendo predecibles, escalables y seguros.
Demostración 1: Abstracción del ciclo de vida
Esta demostración muestra cómo las aplicaciones pueden mantener la conexión y funcionar sin interrupciones incluso cuando evolucionan los entornos de almacenamiento. Al abstraer los endpoints, las cargas de trabajo mantienen su resiliencia ante los cambios en el ciclo de vida del clúster, los cambios de proveedor, las actualizaciones de versión o el crecimiento del clúster, sin necesidad de reconfigurar las aplicaciones y con una observabilidad que proporciona información sobre el rendimiento y el cumplimiento normativo.
Demostración 2: Programabilidad del plano de datos
Aquí mostramos cómo se pueden ajustar dinámicamente las políticas y el enrutamiento en el plano de datos. Esta flexibilidad permite a las empresas aplicar controles granulares, adaptar los patrones de tráfico a las necesidades del negocio y facilitar transiciones entre entornos con una gestión adecuada de los riesgos.
Demostración 3: Prevención de puntos calientes
La demostración final muestra cómo la supervisión avanzada y el balanceo inteligente de carga reducen los puntos calientes y protegen los clústeres sometidos a estrés. Al detectar fallos y evitar los nodos sobrecargados antes de que interrumpan los flujos de trabajo, las empresas pueden mantener un rendimiento constante y proteger las canalizaciones críticas de IA.
Notas de diseño para profesionales
Los clústeres de almacenamiento compatibles con S3 sustentan aplicaciones escalables de IA, aprendizaje automático y basadas en datos, pero plantean desafíos inherentes, como la formación de puntos calientes, el mantenimiento de los nodos, los cambios en los patrones de tráfico y la necesidad de garantizar la resiliencia durante cargas de trabajo de alta demanda. BIG-IP ofrece una gestión del tráfico flexible y programable para abordar estos desafíos de forma eficiente. A continuación, se presentan siete prácticas recomendadas esenciales para optimizar BIG-IP en entornos S3 y lograr escalabilidad, rendimiento y aislamiento durante las tareas de mantenimiento:
- Aproveche los algoritmos inteligentes de equilibrio de carga: Evite el equilibrio de carga round-robin, ya que puede generar puntos calientes en los clústeres S3 debido a la distribución uniforme del tráfico. Utilice algoritmos adaptativos, como la proporción dinámica o el menor número de conexiones, para equilibrar el tráfico de forma inteligente en función del estado de los nodos y su capacidad de carga de trabajo, garantizando así un rendimiento predecible.
- Implemente arquitecturas de alta disponibilidad flexibles: Esta configuración aísla las actividades de mantenimiento de las cargas de trabajo de los clientes, lo que evita tiempos de inactividad y ofrece la máxima tolerancia a fallos. Las implementaciones activo-activo permiten que varios dispositivos BIG-IP gestionen el tráfico simultáneamente, lo que garantiza una disponibilidad continua y aumenta el rendimiento para cargas de trabajo intensivas.
- Utilice la automatización de la configuración: La automatización agiliza la implementación, simplifica el escalado y reduce la complejidad de mantener configuraciones coherentes en distintos entornos. Utilice BIG-IP Application Services 3 Extension (BIG-IP AS3) y BIG-IP Declarative Onboarding para automatizar el aprovisionamiento y la configuración de BIG-IP.
- Utilice monitores de estado avanzados para los endpoints de S3: Habilite monitores de estado personalizados para comprobar la disponibilidad y el rendimiento de cada endpoint de S3, incluidos los tiempos de respuesta, las tasas de error y el uso de la capacidad de los nodos. BIG-IP puede desviar automáticamente el tráfico de los nodos degradados o sin conexión, lo que garantiza la resiliencia y la continuidad de las cargas de trabajo incluso durante las tareas de mantenimiento.
- Mejore el rendimiento de los datos con optimizaciones de TCP/TLS: Optimice las configuraciones de TCP, como el escalado de ventanas y el control de congestión, para mejorar el rendimiento de las transferencias de grandes volúmenes de datos de IA/ML. El perfil TCP de BIG-IP optimizado para S3 minimiza la latencia, lo que garantiza una entrega de datos cifrados segura y rápida.
- Aproveche la programabilidad del plano de datos para personalizar el tráfico: La programabilidad personalizada permite controlar el tráfico de forma granular, lo que garantiza el rendimiento y la flexibilidad necesarios para los requisitos específicos de las cargas de trabajo de S3. Utilice las iRules basadas en eventos de BIG-IP para enrutar dinámicamente el tráfico en función de los encabezados, los metadatos o el estado de mantenimiento de cada nodo.
- Habilite el enrutamiento de solicitudes basado en la ubicación: Utilice políticas de enrutamiento basadas en la ubicación para priorizar el tráfico hacia los nodos de almacenamiento en función de la proximidad geográfica o la latencia. Esto reduce la sobrecarga de la red y mejora los tiempos de respuesta de las cargas de trabajo distribuidas globalmente que dependen de clústeres S3.
Un nivel de entrega dedicado para canalizaciones de datos de IA
S3 ofrece un almacenamiento universal y duradero; F5 BIG-IP versión 21.0 proporciona al almacenamiento una capa de entrega de primer nivel adaptada a la IA. El resultado son canalizaciones de datos de alto rendimiento que permiten seguir entrenando y ajustando modelos, así como ejecutando flujos de trabajo RAG, sin depender de una lógica de cliente frágil ni de scripts personalizados. BIG-IP v21.0 ya está disponible. Para obtener más información, lea el blog del anuncio de BIG-IP versión 21.0. No olvide consultar también el comunicado de prensa de hoy.
La apuesta de F5 por la IA no termina aquí: descubre cómo F5 protege y distribuye aplicaciones de IA en cualquier entorno.
Sobre los autores
Hunter Smit es director sénior de marketing de producto para soluciones y estrategia en F5. Lidera el marketing de soluciones de toda la cartera de F5, incluidas la infraestructura de IA y la seguridad de aplicaciones, e impulsa la entrada de F5 en el mercado emergente de la entrega de datos para IA. Hunter es miembro del Consejo Asesor de la Escuela de Negocios de la Universidad Whitworth y ha ejercido como profesor adjunto de marketing de producto. Obtuvo un MBA y un grado en Administración y Dirección de Empresas, con especialización en gestión, por la Universidad Whitworth.
Más artículos de Hunter SmitMark Menger es arquitecto de soluciones en F5 y está especializado en alianzas tecnológicas en los ámbitos de la IA y la seguridad. Lidera el desarrollo de la arquitectura de referencia de IA de F5, impulsando soluciones de IA seguras y escalables. Gracias a su experiencia como arquitecto de soluciones globales e ingeniero de soluciones, Mark contribuyó a la arquitectura de nube segura de F5 y participó en el desarrollo de su arquitectura distribuida de cuatro niveles. Como coautor de Solving IT Complexity, aporta su experiencia en la resolución de retos de TI. Anteriormente, trabajó como desarrollador de aplicaciones y arquitecto empresarial, centrándose en las aplicaciones modernas, la automatización y la aceleración del valor obtenido de las inversiones en IA.
Más artículos de Mark MengerArtículos relacionados del blog
El imperativo empresarial de la IA en un mundo de nube híbrida y multinube
Cómo la IA redefine los patrones de tráfico, el riesgo de las API y el cumplimiento normativo, y por qué el paquete Distributed Cloud Services Enterprise ofrece la profundidad necesaria en entornos híbridos multicloud.
STIG de F5 NGINX: un plan de seguridad para el sector público y los entornos regulados
Descubra cómo las STIG de F5 NGINX proporcionan un modelo de seguridad para el Departamento de Defensa de EE. UU. y los entornos regulados, ayudándole a cumplir la normativa mientras crea una infraestructura sólida de confianza cero con mayor visibilidad y resiliencia.
Cómo el marco AEGIS de Forrester valida un enfoque centrado en la inferencia
El auge de la IA agéntica está transformando el panorama de la seguridad empresarial. Estos agentes de IA autodirigidos funcionan de forma autónoma, toman decisiones en tiempo real y pueden interactuar entre distintos sistemas de maneras para las que las arquitecturas tradicionales de ciberseguridad no fueron diseñadas. Aunque esto abre nuevas posibilidades, también introduce riesgos sistémicos: fallos en cascada, secuestro de objetivos y superficies de ataque hasta ahora invisibles. El reciente […] de Forrester
La nueva superficie de riesgo de la IA: invisible, autónoma y ya está dentro
James White, vicepresidente de Ingeniería de F5 A mediados de 2025, es un buen momento para hacer balance de la adopción de la IA en las empresas y del estado de la seguridad de la IA. El uso de la IA generativa ya es habitual en las empresas En general, las empresas cuentan al menos con unos conocimientos básicos sobre la IA generativa. Entienden qué es y dónde puede […]
Protegiendo el futuro: cómo CalypsoAI se alinea con el Top 10 de OWASP para los LLM
Cuando OWASP publicó su Top 10 de 2025 para grandes modelos de lenguaje (LLM), proporcionó al sector un referente de seguridad muy necesario. Pero los referentes no sirven de nada si no se actúa. CalypsoAI aborda el 80 % del Top 10 de OWASP, dando prioridad a los riesgos reales más urgentes. La plataforma combina protección en tiempo real durante la ejecución y pruebas adversariales exhaustivas, ofreciendo una cobertura inigualable frente a las […]
Implementación de LLM en la empresa: mediante una API local
Por sí solos, sin medidas de protección ni protocolos adicionales de seguridad para la IA, el despliegue de modelos de IA generativa —en particular, modelos de lenguaje de gran tamaño (LLM)— en toda la empresa supone una oportunidad de alto riesgo y grandes beneficios para cualquier organización. Sin embargo, determinar exactamente cómo debe dar su organización este gran paso hacia el ámbito de la IA generativa requiere una planificación minuciosa. Quizá […]