Joe Zhou, “developer advocate” de la empresa china Juicedata.
Las tribulaciones de dos empresas chinas en el mundo del 'soberanismo' del dato
Vinchin presume de ofrecer a "muchos gobiernos" su sistema de 'backup' y recuperación de desastres, pero admite que a veces ha de ofrecer su producto 'enmascarado'.
Los grandes clientes de JuiceFS están en China y aspira a expandir globalmente su solución sobre S3.
Más información: El CTO de Dell detalla cómo integrar agentes IA en un flujo de trabajo: "Con identidad propia y autorización controlada".
Vinchin es una empresa china, fundada en 2015 y con sede en Chengdu, que expande su actividad, backup de datos y recuperación rápida de desastres, a 170 países.
Sin embargo, sus portavoces, se atragantan y titubean como si no escuchasen bien o no entendieran la pregunta de este periodista (la reunión es en Boston, pero vía Zoom) sobre cómo se las arreglan con sus productos frente al ‘soberanismo’ del dato en las actuales circunstancias, cuando la Unión Europea (y no digamos Estados Unidos) no recomiendan para nada trabajar con tecnológicas chinas.
“Como Vinchin procede de China, si queremos desarrollar profundamente los mercados globales necesitamos trabajar con partners y distribuidores locales. Si los clientes gubernamentales no pueden aceptar al ciento por ciento un producto chino, nosotros podemos trabajar con los partners locales en cooperación OEM”, argumenta finalmente Emily Chou, directora de ventas globales.
Chou confiesa al fin que sí padecen a veces algunos “problemas regulatorios”, para trabajar con entidades administrativas y que, llegado el caso, pueden utilizar a esos mismos partners que cita para enmascarar el origen de su software como un “producto sin marca, ejecutando ellos el proyecto directamente”.
“Nuestra segunda estrategia es tratar de mostrar a los clientes que, ciertamente somos de China, pero nuestro producto está siendo usado por un montón de clientes en todo el mundo, especialmente algunas conocidas universidades y gobiernos” añade Chou. “Por tanto, no tiene problema alguno, sino un montón de certificaciones, del gobierno chino y de instituciones oficiales como ISO. Así que tratamos de decirles que nuestra solución es segura y fiable. Pero si todavía no pueden aceptarlo, consideramos otras maneras de colaborar. Como la de los OEM”.
Joe Zhou en otra imagen durante el evento.
Por otra parte, Joe Zhou, que se presenta como “developer advocate” (‘defensor de desarrollo’) de Juicedata y, él mismo lo dice así, “de algún modo, el primer chico de marketing en Estados Unidos” de su empresa, plantea dos estrategias para operar en el [geopolíticamente] difícil y competitivo mercado estadounidense: contar con distribuidores locales y ofrecer una versión de su producto que se puede instalar on prem, sin depender de los servidores de Juicedata, pero conviene manejar recursos propios. La versión “gestionada” sí que requiere conectarse a su servicio GCFS (Global Cloud File System).
Con Zhou, un muchacho flaco y con aire de empollón de la clase, la reunión sí es presencial, en un coworking de Boston, durante una ronda de visitas a diversas empresas y startups innovadoras organizada por el IT Press Group. La compañía a la que representa tiene su sede en Hangzhou, fue fundada en abril de 2017 y en octubre de ese mismo año lanzó su primer producto, JuiceFS Cloud Service.
JuiceFS es un sistema de ficheros distribuido para almacenamiento de objetos y apropiado para el uso con inteligencia artificial. Casi lo presenta como el santo grial que todas las compañías buscan para gestionar sus archivos desparramados por las nubes. Toma como punto de partida el servicio S3 de AWS y la necesidad de una interfaz mejorada para utilizarlo.
Ambas empresas chinas proponen soluciones para la gestión de algo tan delicado como los datos (empresariales o de gobierno), cuando proliferan suspicacias y desconfianza sobre los desarrollos tecnológicos surgidos del gigante oriental. El hecho es que las compañías chinas ofrecen ya ingeniería avanzada e innovación propia que hacen apetecibles sus propuestas. Pero el origen y las connotaciones políticas de China tienen mucho peso…
Simplificar la protección del dato
El ambicioso objetivo de Vinchin es convertirse en “número uno” mundial. Su nombre alude fonéticamente a una combinación del verbo ‘ganar’ (en inglés, win), “las oportunidades y proyectos”, aclara Chou, y el propio nombre de China. Presume de una magnífica clasificación en el cuadro ‘Gartner Peer Insights’ y del buen feedback de sus clientes. “Nuestra misión es simplificar la protección de grado empresarial del dato, fiable y accesible, para organizaciones de todas partes”, dice la directora de ventas. Asegura que su compañía pertenece al primer grupo de vendedores chinos de software globalizados y es el primero en la actividad de backup, poniendo mucho énfasis en su trabajo con organismos gubernamentales.
Declara partners de proximidad en 60 países y más de 30.000 proyectos alrededor del mundo, que se centran en grandes empresas y entes de gobierno, especialmente en el ámbito de finanzas y salud; y también en pymes dedicadas a educación, manufactura, comercio y energía. Afirma que son capaces de responder a las necesidades particularizadas que pueda plantear cualquier gran empresa.
"Nuestra misión es simplificar la protección de grado empresarial del dato, fiable y accesible, para organizaciones de todas partes"
Directora de ventas de Vinchin
Vinchin ofrece dos modelos de licencia. Una es la compra mediante un solo pago y derecho de uso para siempre, sin suscripción. La otra, que denomina “Venture”, funciona mediante suscripciones que pueden variar de uno a tres años “para todo tipo de cargas de trabajo”.
Al propietario de una licencia “perpetua” se le ofrece también la opción de pagar una tarifa año a año si desea soporte y actualizaciones. El precio es el 20% de una suscripción. La diferencia está en que la licencia por suscripción se basa en la cantidad de máquinas virtuales en uso, mientras que la de propiedad se basa en el número de CPUs físicas registradas.
Además, ofrece dos versiones: “La estándar, para presupuestos limitados, con recuperación básica del backend; y la enterprise, que incluye todas nuestras funciones y es la recomendada para grandes empresas y entes gubernamentales”, detalla Chou.
La directora de ventas presume de “atención con respuesta rápida 24/7 para cualquier problema. No como otros vendedores que quizás responden más despacio”. Y concluye, basándose “en el auténtico feedback” de sus clientes, que “el coste total de la experiencia Vinchin es el mejor”, definiéndolo con tres palabras: “simplicidad, compatibilidad y valor”.
Entornos (aún) no compatibles
De explicar los detalles técnicos se encarga Neil Zhuo, responsable de diseño del producto. Empezando por asegurar que la solución cubre virtualización, nube pública, nube híbrida, servidores físicos, ficheros, aplicaciones, bases de datos y contenedores desde una consola común.
Pero no todos los entornos son compatibles, reconoce Zhuo: “Para Google Cloud Platform y Oracle Cloud Infrastructure, actualmente no tenemos soporte”. Aunque sí lo tienen “para el almacenamiento de objetos, si es compatible con la interfaz S3”.
Asume como “primer reto” garantizar la protección de los datos en copia de seguridad frente al ransomware. La propuesta combina backup, replicación, verificación automática, copias externas, almacenamiento inmutable WORM (Write Once, Read Many) y control de acceso al dato en backup, todo en uno.
“Necesitamos verificar automáticamente que los datos son recuperables y que pueden usarse en una recuperación de emergencia”, dice. A cambio, “sólo los servicios de Vinchin pueden modificar o eliminar los datos. Y otros servicios no podrán modificarlos ni desde el propio servidor de Vinchin”. Es un tipo de protección establecida a nivel de I/O del kernel, con sus propios desarrollos para verificar la identificación.
“Necesitamos verificar automáticamente que los datos son recuperables y pueden usarse en una recuperación de emergencia; sólo los servicios de Vinchin pueden modificar o eliminar los datos"
Neil Zhuo, responsable de diseño del producto en Vinchin
La propuesta maneja dos tipos de medios, “la tradicional cinta y el almacenamiento en la nube o, simplemente, en disco duro”. Lo relevante es poder tener una copia en lugar diferente de la sede de los datos, asegura. “Por si acaso se produce un desastre [físico], una copia extra en almacenamiento inmutable, cálido o fuera de línea” a la que recurrir ante una pérdida de datos.
Aparte de las tareas de backup, Zhuo menciona la capacidad de “hacer migración de la virtualización a la nube pública, o de la nube pública a la virtualización”. O la opción de implicar en el juego servidores físicos para migrar “como máquina virtual”. Manejan virtualizaciones de VMware y Zstack y en su hoja de ruta se impone, como tarea urgente para este año, añadir Nutanix HV. También reconoce que le corre prisa habilitar un “asistente de IA, principalmente para facilitar al cliente el uso de Vinchin, identificar problemas o guiar la restauración”.
JuiceFS, construir sobre 'object storage'
Para el ‘abogado de desarrollo’ de JuiceFS, el planteamiento geopolítico tropieza en que apenas está empezando a desplegar marketing en Estados Unidos y su presencia internacional es limitada. Los grandes referentes de Joe Zhou (no confundir con el Neil Zhuo, de Vinchin; bailan la ‘o’ y la ‘u’) son los gigantes chinos MiniMax y Xiaomi. Reconoce que, de sus clientes importantes, “la mayoría está en China”. Y también el equipo de desarrollo de su empresa.
A su favor apunta que esos grandes clientes “quieren mantener el coste bajo, por eso despliegan cargas importantes con GPUs en su propio centro de datos y arquitecturas híbridas. Son empresas que, como Xiaomi, tienen recursos DevOps muy potentes. Nosotros podemos ayudarles a instalar toda la edición comunitaria on prem”. Esto se explica mejor luego.
Para el despliegue internacional, asume que los clientes con restricciones internas pueden limitar la recopilación de métricas o exigir despliegues propios: “Dependiendo de las restricciones, a veces podemos recopilar más métricas y a veces menos”, precisa Zhou.
Todo ello tiene que ver con un sistema de ficheros distribuido para “almacenamiento de objetos” (object storage), tecnología que Zhou considera “el nuevo backend”, recordando que hasta Amazon lanzó el pasado abril su propio sistema de ficheros para S3.
Proyección de Vinchin durante el evento.
El object storage “está construyendo envolturas sofisticadas alrededor de bases de datos y sistemas de almacenamiento” prosigue Zhou. “Nosotros ponemos los metadatos en una base de datos, y cada vez que necesitamos generar un archivo, como una imagen o un PDF, un informe de sentencia MOSI [protocolo de coherencia de caché] va al SV [store valid] o al servicio de almacenamiento de objetos de cualquier robot y ya no pensamos más en ello. SV fue, de hecho, uno de los primeros cinco servicios lanzados por AWS”.
El almacenamiento S3 de AWS es la piedra angular sobre la que Juice construye su producto y del que Zhou detalla todo tipo de ventajas, como durabilidad, inmutabilidad de los objetos, accesibilidad, baja latencia y coste, incluso con datos no estructurados.
“A menudo pensamos que el object store es como un lugar gigantesco para volcar archivos, datos no estructurados. Es como si la capacidad fuera ilimitada: metadatos, base de datos unitaria y datos no estructurados reales en S3. Y tiene ventajas muy importantes, ¿verdad? Para empezar, la API es sencilla pero potente para cosas básicas como poner objeto, leer objeto…”.
Eso explica el interés de Juicedata y otros desarrolladores que trabajan sobre la base de S3: “Debido a esas ventajas, como infraestructura, bases de datos y sistemas de archivos, estamos construyendo sobre el object store. Algunos ejemplos son LensDB, que es una base de datos vectorial [de metadatos para consultas rápidas]; Turbo Buffer [capa para acelerar la lectura-escritura], que es muy popular ahora mismo; y Flowpik [selector inteligente de rutas de flujo], que lo usa Notion [interfaz de usuario], una empresa con sede en Canadá, cuyos fundadores son de Shopify”.
“TurboCover [capa de protección, verificación y consistencia] es una de las razones por las que Notion puede batir el precio del sistema de IA para los particulares. Es muy rentable”, sigue explicando Zhou. “PiDBX es una base de datos compatible con MySQL sobre almacenamiento 4G [cuarta generación S3]. Neon, adquirido por Database, es una base de datos compatible con Postgres. Realverse, Chroma, también son bases de datos…”.
En ese catálogo de opciones externas añadidas al sistema básico de AWS, que Zhou describe prolijamente, el interés de JuiceFS busca su oportunidad: las jerarquías de carpetas son, en realidad prefijos dentro de un espacio plano, por lo que se vuelven muy complejas algunas operaciones habituales en un sistema de archivos, como renombrar directorios, modificar unos pocos bytes o ejecutar directamente un fichero.
La arquitectura de JuiceFS separa el plano de metadatos del plano de datos. Un motor de metadatos alberga la estructura del sistema de archivos, mientras que los datos residen en el object store. Entre ambos, el cliente de JuiceFS se ejecuta en sus servidores de aplicación y expone una interfaz de archivos a las cargas de trabajo. Para Zhou, esa separación es fundamental. Y puede conectarse desde una consola en cualquier tipo de ordenador, Linux, Mac o Windows. “Linux es el mejor”, precisa.
Xiaomi prefiere la edición comunitaria
Añade que su solución no intermedia el movimiento de los datos. Los clientes acceden directamente a su almacenamiento de objetos. “Sólo pagas la transferencia de datos al almacenamiento de objetos. Nosotros no reenviamos ese tráfico”, aclara.
Hay dos versiones de su producto. La Community Edition no aporta una base de metadatos propia, pero permite usar otros motores disponibles en el mercado como Redis, TiKV o PostgresSQL. Zhou concreta que Xiaomi, pese a su tamaño, utiliza esta versión más ligera, apoyándose en la capacidad de sus propios recursos de DevOps, “para intentar unificar su base de datos para muchas de sus cargas de trabajo. Damos la bienvenida a un uso creativo”.
La edición Enterprise sí pone a disposición de las empresas una base de datos especializada, diseñada para árboles de directorios y alta disponibilidad mediante consenso Raft. Añade una caché distribuida entre servidores, lo cual es relevante cuando cientos o miles de nodos acceden a los mismos datos.
Una de las ventajas que atribuye Zhou a su sistema de ficheros es que permite a las empresas utilizar almacenamiento barato y escalable en la nube, sin tener que reescribir sus aplicaciones ni verse en la necesidad de lidiar con las APIs del sistema de objetos.
El responsable de Juicedata en otro momento de su alocución.
Y la otra ventaja clave que subraya reiteradamente es la económica, porque el coste del almacenamiento al escalar en volumen puede dispararse. JuiceFS ofrece la capacidad de mapear directorios o archivos en diferentes tipos de almacenamiento, desde tiers calientes hasta opciones frías como Glacier, “para aprovechar plenamente las distintas clases de almacenamiento del object store y ahorrar”.
Curiosamente, el hombre del marketing de JuiceFS en Estados Unidos apenas hace una breve referencia a la inteligencia artificial, pese a asegurar que el proyecto nació con la ambición de reemplazar infraestructuras como HDFS. Reconoce que el crecimiento de la IA realza el valor de su propuesta, porque los frameworks de entrenamiento siguen trabajando con archivos, mientras los paquetes de datos crecen desde decenas de gigabytes hasta petabytes.
Y con la opción mirror file System, JuiceFS puede replicar metadatos y datos, hacia diferentes regiones y nubes, de modo que, para la inteligencia artificial, si las GPUs donde se ejecuta son caras, la cercanía de los datos para evitar retardos también supone dinero. Y, no alberga dudas en que “los frameworks de Python para entrenamiento de machine learning e IA siempre trabajan con muchos archivos” y lo que JuiceFS pretende es, precisamente, facilitar que las cargas de IA distribuidas operen sobre una interfaz familiar. Pero…
“Nuestro CEO, hace ocho años, quería construir una base unificada para el almacenamiento de archivos. Y nos pusimos a ello. Entonces, todas las empresas empezaron a hacer anuncios sobre la IA. Pero ese no es nuestro caso”, deja caer Zhou, sin darle más importancia a la tecnología más de moda del momento.
