Zymvol acelera la biotecnología en la nube

El reto

Zymvol se encontraba en un momento clave de su evolución tecnológica. Su infraestructura local presentaba varios cuellos de botella en un momento de expansión:

• Capacidad de hardware finita, que dificultaba la ejecución simultánea de más procesos de simulación.
• Limitada escalabilidad ante grandes picos de demanda, pudiendo provocar tiempos de espera más altos.
• Elevada logística de mantenimiento, que absorbía recursos internos sin aportar valor diferencial.
• Necesidad de autonomía y control sobre su infraestructura en la nube.

Además, antes de comprometerse con una arquitectura en Google Cloud, necesitaban identificar cuál sería la configuración más adecuada para sus cargas de trabajo específicas.

La solución

Desde Incentro diseñamos una hoja de ruta basada en tres pilares: validación técnica, despliegue escalable y adopción con autonomía.

1. Validación técnica a través de una PoC

Realizamos una Prueba de Concepto (PoC) centrada en reproducir escenarios reales con cargas de trabajo de Zymvol. Durante esta fase:

• Probamos la ejecución de scripts de simulación sobre Google Kubernetes Engine (GKE), evaluando tiempos de respuesta y comportamiento del sistema.
• Analizamos distintos tipos de máquinas optimizadas para cómputo intensivo, comparando rendimiento y coste por hora.
• Experimentamos con opciones de almacenamiento como Filestore y Cloud Storage, para optimizar los accesos a datos críticos en tiempo de lectura y escritura.

El análisis concluyó que una arquitectura basada en GKE Autopilot con nodos especializados y almacenamiento híbrido ofrecía en este primer momento el mejor balance entre rendimiento, escalabilidad y coste.

2. Despliegue de arquitectura en GKE

Una vez validada la solución, procedimos al despliegue completo de la infraestructura:

• Utilizamos máquinas con CPU optimizadas para procesamiento científico y tareas intensivas en cálculo.
• Implementamos GKE, permitiendo una gestión automatizada de nodos, actualizaciones y escalado horizontal bajo demanda.
• Configuramos una integración avanzada con sistemas de almacenamiento en red para manejar grandes volúmenes de datos no estructurados y resultados intermedios.
• Establecimos un sistema de autoscaling inteligente, que permite a Zymvol ejecutar miles de simulaciones en paralelo, adaptándose dinámicamente a la carga sin intervención manual.
• El diseño final fue el resultado de un proceso iterativo: una primera fase con GKE Autopilot nos permitió validar el enfoque, para después migrar a GKE Standard, una configuración más acorde a sus necesidades.

3. Adopción, seguridad y gobierno

Para asegurar una adopción real y sostenible:

• Creamos una Landing Zone adaptada a su contexto, estableciendo políticas de seguridad, segmentación de proyectos y trazabilidad desde el inicio.
• Establecimos un modelo de gobierno cloud que permite a los equipos de Zymvol mantener el control de costes, permisos y crecimiento de la infraestructura.
• Impartimos sesiones formativas específicas para sus perfiles técnicos, enfocadas en servicios clave de Google Cloud, buenas prácticas en Kubernetes y herramientas de monitorización y logging.

Resultados

Zymvol ha transformado por completo su manera de trabajar con simulaciones científicas:

• Escalabilidad sin límites físicos: pueden lanzar simulaciones en paralelo según las necesidades del momento.
• Reducción de tiempos de procesamiento: aceleración de ciclos de desarrollo y mayor agilidad en pruebas de nuevos modelos.
• Optimización de costes: infraestructura elástica que se ajusta a la demanda y evita el sobredimensionamiento.
• Mayor autonomía técnica: el equipo puede operar, escalar y gestionar la infraestructura de forma autónoma, apoyándose en buenas prácticas desde el primer día.