Reto de ingeniería
Finanzas de NexoRetail 360 pregunta por qué la nube cuesta lo que cuesta, y por qué no simplemente eligieron "la más barata". Tu trabajo es dimensionar el autoescalado para una campaña de 24 horas y recomendar un proveedor con una decisión multicriterio, no solo por precio: algunos datos son regulados y exigen un cumplimiento mínimo que ninguna diferencia de costo puede compensar.
Objetivos de la sesión
- Aplicar una política de autoescalado con mínimos, máximos y margen de seguridad.
- Detectar violaciones de SLA causadas por límites de capacidad, no solo por demanda.
- Comparar proveedores en costo, latencia, cumplimiento y soporte de forma ponderada.
- Reconocer cuándo una restricción obligatoria (cumplimiento regulatorio) debe primar sobre el costo.
1 · Hipótesis
Completa las dos preguntas y pulsa «Registrar hipótesis y comenzar» para desbloquear la simulación de 24 horas.
2 · Laboratorio de datos: demanda real (DuckDB-Wasm)
DuckDB-Wasm agrega REALMENTE una serie de demanda por hora con SQL. La política de autoescalado (mínimos, máximos, margen, SLA) la sigue calculando el modelo JS de la sección 5 — DuckDB no simula autoescalado, solo agrega la demanda que ese modelo usa como entrada.
Los datos que selecciones o generes aquí se procesan en este navegador y no se envían al servidor del curso ni a ninguna API externa.
Inicializando motor local de datos…
Genera un dataset reproducible: la misma semilla produce siempre el mismo dataset (sección 17 del encargo).
Fuente: —
Filas (consulta real): —
Esquema
Agregación real (SQL)
Consulta ejecutada localmente mediante DuckDB-Wasm — datos reales, no inventados por JavaScript.
4 · Demanda de NexoRetail 360
Cada barra representa solicitudes por minuto durante una hora del día (modelo didáctico, salvo que hayas importado demanda real en la sección 2).
5 · Resultado del autoescalado
6 · Comparador multicloud
7 · Detalle horario
8 · Decisión de ingeniería
9 · Evidencia de aprendizaje
Continuidad curricular
Antes: en la Semana 6 configuramos seguridad sobre una arquitectura cloud.
Después: ya sabemos escalar capacidad y elegir proveedor. En la Semana 8 usaremos analítica predictiva para anticipar la demanda futura y convertirla en una decisión de capacidad, cerrando el ciclo del laboratorio.