Nº09 · Almacenamiento

Ceph

Almacenamiento distribuido a escala de producción: objetos, bloques y archivos.

Almacenamiento—Intermedio—Data Engineer

¿Qué es?

Ceph es una plataforma de almacenamiento distribuido open-source, pensada para escala de producción. Sobre un mismo clúster ofrece tres interfaces: objeto (compatible con S3), bloque (discos para máquinas/contenedores) y sistema de archivos. Replica los datos entre nodos, se auto-recupera ante fallos de disco y escala hasta petabytes.

Es la opción cuando el almacenamiento mismo es el problema serio: una nube privada, infraestructura on-premise grande, almacenamiento persistente para Kubernetes. Esa potencia viene con un costo: operarlo es complejo y normalmente requiere un equipo dedicado.

¿Para qué sirve?

Nube privada de almacenamiento. Una sola plataforma para objeto, bloque y archivos en tu propio datacenter.
Lake on-premise a gran escala. Vía su RADOS Gateway expone la API S3, así que tu lake (Parquet, Iceberg) puede vivir sobre Ceph igual que sobre S3.
Almacenamiento persistente para Kubernetes. Con Rook, Ceph provee volúmenes para cargas containerizadas.

¿Cuándo usarla / cuándo no?

Úsalo cuando el reto es de escala y operación: petabytes, tolerancia a fallos, multi-protocolo, infraestructura propia con gente que lo administre. Es la opción "seria" de almacenamiento on-premise.

Piénsalo dos veces —y casi siempre será así para quien empieza— cuando:

Estás aprendiendo el concepto de object storage: MinIO te lo da en un minuto, compatible con S3, sin complejidad operativa.
Tu escala es modesta o trabajas en local/un solo nodo: el overhead de Ceph no se justifica.
Estás en la nube con S3/GCS/Azure gestionados: ya tienes almacenamiento a escala sin operarlo tú.

Empieza en 1 minuto

Seamos honestos: Ceph no se levanta en un minuto — es un sistema de clúster que se despliega y opera con cuidado. Dos caminos según tu objetivo:

Para entender el concepto de almacenamiento de objetos (buckets, API S3), empieza con MinIO: un contenedor y listo.
Para una prueba real de Ceph, el camino oficial es cephadm sobre un host dedicado (no tu laptop de trabajo):

# En un host de pruebas dedicado (Linux), no en tu equipo principal:
curl -sLO https://download.ceph.com/rpm-18.2.0/el9/noarch/cephadm
sudo python3 cephadm bootstrap --mon-ip <IP-DEL-HOST>
# Levanta un clúster mínimo + el dashboard web; desde ahí agregas discos (OSDs).

La guía completa de despliegue y operación está en la documentación oficial.

Trivia rápida — pon a prueba lo que acabas de leer.