Blank white background with no objects or features visible.

¡Hola, EMEA! TrueFoundry está ampliando su presencia en Europa, Oriente Medio y África. Leer más →

Volúmenes en Kubernetes

Por Chinmay Singh

Actualizado: November 3, 2026

Published: April 20, 2026

Los volúmenes proporcionan almacenamiento persistente a los contenedores dentro de los pods para que puedan leer y escribir datos en un disco central a través de múltiples pods. Son especialmente útiles en machine learning cuando se necesita almacenar y acceder a datos, modelos y otros artefactos requeridos para tareas de entrenamiento, servido e inferencia.

En este blog, analizaremos cómo utilizar los volúmenes y las opciones disponibles en cada nube. 

¿Cuándo utilizar volúmenes de Kubernetes?

Algunos casos de uso en los que los volúmenes resultan ser muy útiles:

  1. Compartir datos de entrenamiento: Es posible que varios científicos de datos estén entrenando con los mismos datos, o que se estén ejecutando múltiples experimentos en paralelo sobre el mismo conjunto de datos. La forma ingenua sería duplicar los datos para cada científico de datos; sin embargo, esto terminará costando mucho más. Una forma más eficiente es almacenar los datos de entrenamiento en un volumen y montarlo en los notebooks de los diferentes científicos de datos.
  2. Almacenamiento de modelos: Si alojamos modelos como API en tiempo real, habrá múltiples réplicas del servidor de API para gestionar el tráfico. En este caso, cada réplica debe descargar el modelo desde el registro de modelos (por ejemplo, S3) al disco local. Si cada réplica hace esto repetidamente, tardará más tiempo en iniciarse y también incurrirá en más costes de acceso a S3. Utilizando volúmenes, puede almacenar sus modelos entrenados externamente y montarlos en el servidor de inferencia. No es necesario descargar el modelo; el servidor de API puede encontrar el modelo en el disco en la ruta montada.
  3. Intercambio de artefactos: Podemos tener un caso de uso en el que la salida de una etapa del pipeline necesite ser consumida por la siguiente etapa. Por ejemplo, después de ajustar un modelo (fine-tuning), es posible que necesitemos alojarlo como una API solo para experimentación. Aunque podemos escribir el modelo en S3 y luego volver a descargarlo desde S3, el proceso de carga/descarga del modelo llevará mucho tiempo. En su lugar, para una experimentación más rápida, el trabajo de ajuste fino simplemente puede escribir el modelo en un volumen y el servicio de inferencia puede montar el volumen con el modelo.
  4. Puntos de control (Checkpointing): Durante el entrenamiento de modelos de machine learning, es común guardar puntos de control periódicamente para reanudar el entrenamiento en caso de fallo o para realizar un ajuste fino. Los volúmenes se pueden utilizar para almacenar estos archivos de puntos de control, garantizando que el progreso del entrenamiento no se pierda cuando un trabajo se reinicia tras un fallo. Esto también le permite ejecutar el entrenamiento en instancias spot, ahorrando muchos costes.

Ahora, hablando de casos de uso de ML: en la mayoría de las situaciones, los ingenieros de ML reciben los datos en buckets de S3, buckets de GCS o Azure Blob Storage. Si desean entrenar modelos con estos datos, necesitan descargarlos en su carga de trabajo de entrenamiento (trabajo desplegado o notebook) o montar el contenido de su bucket directamente en la carga de trabajo. 

¿Cuándo usar un volumen frente a almacenamiento de blobs como S3 / GCS / Azure Container?

Elegir cuándo optar por almacenamiento de blobs como S3 en comparación con un volumen es importante desde la perspectiva del rendimiento, la fiabilidad y el coste.

Rendimiento

En la mayoría de los casos, leer datos desde S3 será más lento que leerlos directamente desde un volumen. Por lo tanto, si la velocidad de carga es crucial, un volumen es la opción correcta. Un excelente ejemplo de esto es la descarga y carga del modelo en tiempo de inferencia en múltiples réplicas del servicio. Un volumen es una mejor opción, ya que no incurre en el tiempo de descargar el modelo repetidamente y puede cargar el modelo en memoria desde el volumen mucho más rápido.

Fiabilidad

Los almacenamientos de blobs como S3/GCS/ACS generalmente serán más fiables que los volúmenes. Por lo tanto, lo ideal es respaldar siempre los datos sin procesar en uno de los almacenamientos de blobs y usar volúmenes solo para datos intermedios. También se debe guardar permanentemente una copia de los modelos en S3.

Coste

El acceso a volúmenes como EFS es un poco más barato que usar S3; por lo tanto, si lee los mismos datos con bastante frecuencia, puede ser útil almacenarlos en un volumen. Si lee o escribe de forma muy infrecuente, S3 debería ser suficiente.

Restricciones de acceso

Idealmente, solo las cargas de trabajo dentro de la misma región y clúster deberían acceder a los datos de los volúmenes. S3 está diseñado para ser accedido globalmente y a través de entornos cloud, por lo que los volúmenes no son una gran opción si desea acceder a los datos en una región o proveedor de nube diferente.

Modos de aprovisionamiento de volúmenes

Para admitir todos los tipos de volúmenes, TrueFoundry ofrece dos modos de aprovisionamiento de volúmenes orientados a diferentes casos de uso:

Dinámico

‍Son volúmenes que se crean dinámicamente y se aprovisionan a medida que despliega un volumen en TrueFoundry. Por ejemplo, EBS, EFS en AWS y AzureFiles en Azure se pueden aprovisionar dinámicamente en TrueFoundry.

Estático

Son volúmenes para los cuales ya existe un volumen de almacenamiento y queremos montar los datos de ese volumen de almacenamiento en nuestro servicio/trabajo. Los ejemplos incluyen el montaje de buckets de S3 y buckets de GCS en las cargas de trabajo desplegadas en la plataforma.

A continuación, comprendamos cómo funcionan estos dos modos y qué opciones están disponibles en cada nube:

Volúmenes aprovisionados dinámicamente

Los volúmenes aprovisionados dinámicamente requieren que especifique una clase de almacenamiento (storage class). Un volumen se aprovisiona dinámicamente según la clase de almacenamiento y el tamaño proporcionados por el usuario.

Comprendamos qué es una clase de almacenamiento y las diferentes clases de almacenamiento disponibles en cada nube:

Clases de almacenamiento (Storage Classes)

Las clases de almacenamiento proporcionan una forma de especificar el tipo de almacenamiento que se debe aprovisionar para un volumen. Estas clases de almacenamiento difieren en sus características, como el rendimiento, la durabilidad y el coste. Puede seleccionar la clase de almacenamiento adecuada para su volumen desde el menú desplegable Storage Class mientras lo crea.

Storage class descriptive image

Las clases de almacenamiento específicas disponibles dependerán del proveedor de nube que esté utilizando y de lo que haya preconfigurado el equipo de infraestructura. Normalmente verá las siguientes opciones en las clases de almacenamiento según el proveedor de nube:

Clases de almacenamiento en AWS

Nombre de almacenamiento en TrueFoundry Nombre de almacenamiento del proveedor cloud Storage Class Descripción
efs-sc Elastic File System (EFS) efs.csi.aws.com Un sistema de archivos elástico totalmente gestionado, escalable y altamente durable que ofrece alta disponibilidad, escalado automático y uso compartido de archivos general rentable. Es adecuado para cargas de trabajo con necesidades de capacidad variables.

‍

Clases de almacenamiento en GCP

Nombre de almacenamiento en TrueFoundry Nombre de almacenamiento del proveedor cloud Storage Class Descripción
standard-rwx Google Basic HDD Filestore filestore.csi.storage.gke.io Una solución de almacenamiento de archivos escalable y rentable, ideal para almacenamiento de archivos de uso general y cargas de trabajo sensibles al coste. Ofrece un menor coste, pero también un menor rendimiento debido a su naturaleza basada en HDD.
premium-rwx Google Premium Filestore filestore.csi.storage.gke.io Proporciona un mayor rendimiento y rendimiento de procesamiento (throughput) en comparación con Basic HDD, lo que lo hace adecuado para operaciones de archivo intensivas en I/O y cargas de trabajo exigentes. Está basado en SSD, ofreciendo un mayor rendimiento a un coste más alto.
enterprise-rwx Google Enterprise Filestore filestore.csi.storage.gke.io Ofrece el máximo rendimiento, capacidad de procesamiento, funciones avanzadas, soporte multizona y alta disponibilidad, lo que lo hace ideal para cargas de trabajo de misión crítica y aplicaciones con estrictos requisitos de disponibilidad. Tiene el coste más elevado.

‍

Clases de almacenamiento en Azure

Nombre de almacenamiento en TrueFoundry Nombre de almacenamiento del proveedor cloud Storage Class Descripción
azurefile Azure File Storage (Standard) file.csi.azure.com Utiliza almacenamiento Azure Standard para crear recursos compartidos de archivos para el uso compartido general a través de VM o contenedores, incluidas aplicaciones de Windows. Ofrece un rendimiento rentable.
azurefile-premium Azure File Storage (Premium) file.csi.azure.com Utiliza almacenamiento Azure Premium para un mayor rendimiento, lo que lo hace adecuado para operaciones de archivo intensivas en I/O.
azurefile-csi Azure File Storage (StandardCSI) file.csi.azure.com Aprovecha el almacenamiento Azure Standard con CSI para aprovisionamiento dinámico, ofreciendo potencialmente un mejor rendimiento y características de CSI.
azurefile-csi-premium Azure File Storage (PremiumCSI) file.csi.azure.com Combina almacenamiento Azure Premium con CSI para aprovisionamiento dinámico y operaciones de archivo de alto rendimiento.
azureblob-nfs-premium Azure Blob Storage (NFS Premium) blob.csi.azure.com Utiliza almacenamiento Azure Premium con el protocolo NFS v3 para acceder a grandes cantidades de datos no estructurados y almacenamiento de objetos, atendiendo a cargas de trabajo exigentes con acceso NFS.
azureblob-fuse-premium Azure Blob Storage (Fuse Premium) blob.csi.azure.com Utiliza almacenamiento Azure Premium con BlobFuse para acceder a grandes cantidades de datos no estructurados y almacenamiento de objetos, adecuado para cargas de trabajo que requieren acceso a través de BlobFuse.

Volúmenes aprovisionados estáticamente

Los volúmenes aprovisionados estáticamente le permiten montar lo siguiente como volumen:

  • Bucket de GCS
  • Bucket de S3
  • EFS existente
  • Cualquier volumen general en Kubernetes

Para utilizar volúmenes aprovisionados estáticamente, debe crear un “PersistentVolume” que haga referencia a su almacenamiento (S3/GCS, etc.). Esto requerirá instalar los controladores CSI necesarios en el clúster y/o configurar las serviceaccounts pertinentes para los permisos. En la siguiente sección explicaremos cómo crear volúmenes aprovisionados estáticamente.

Montar un bucket de GCS como volumen

Para montar un bucket de GCS como volumen en TrueFoundry, debe seguir estos pasos. Puede consultar este documento para obtener más detalles:

Crear un bucket de GCS

Cree un bucket de GCS y asegúrese de lo siguiente:

  • Debe ser de región única (multirregión funcionará, pero la velocidad será menor y los costes mayores)
  • La región debe ser la misma que la de su clúster de Kubernetes

Crear una cuenta de servicio (Service Account) y otorgar los permisos correspondientes

Debe ejecutar el siguiente script. Este realiza lo siguiente:

  • Habilita el controlador GCS Fuse Driver en el clúster
  • Crea la política IAM para acceder a su bucket
  • Crea la service-account de K8s y le añade la política
  • Habilita la vinculación de roles (role-binding) de la cuenta de servicio al namespace deseado de K8s.

Shell


#!/bin/bash

PROJECT=
CLUSTER_NAME=
REGION=
BUCKET_NAME=
TARGET_NAMESPACE=


K8S_SA_NAME="$BUCKET_NAME-bucket-sa"
GCP_SA_NAME="$BUCKET_NAME-bucket-gcp-sa"
GCP_SA_ID="$GCP_SA_NAME@$PROJECT.iam.gserviceaccount.com"


gcloud container clusters update $CLUSTER_NAME \
--update-addons GcsFuseCsiDriver=ENABLED \
--region=$REGION \
--project=$PROJECT
gcloud iam service-accounts create $GCP_SA_NAME --project=$PROJECT
gcloud storage buckets add-iam-policy-binding gs://$BUCKET_NAME \
--member "serviceAccount:$GCP_SA_ID" \
--role "roles/storage.objectAdmin" \
--project $PROJECT

gcloud iam service-accounts add-iam-policy-binding $GCP_SA_ID \
--role roles/iam.workloadIdentityUser \
--member "serviceAccount:$PROJECT.svc.id.goog[$TARGET_NAMESPACE/$K8S_SA_NAME]" \
--project $PROJECT

Crear la Service-Account en el Workspace desde la interfaz de usuario de TrueFoundry

Ahora necesitamos crear una cuenta de servicio en TrueFoundry en el mismo workspace con el nombre TARGET_NAMESPACE, y la cuenta de servicio debe tener el nombre GCP_SA_NAME.

  1. Vaya a Workspaces -> Elija su Workspace y haga clic en los tres puntos de la derecha y seleccione Edit:
  1. Abra Advanced Options desde la parte inferior izquierda del formulario y complete la sección Serviceaccount :

Nota

El nombre de la cuenta de servicio y el workspace deben ser exactamente los mismos que en el paso anterior.

Crear un objeto PersistentVolume 

Cree un objeto de volumen persistente con el siguiente paso (ejecutando un kubectl apply).

YAML


apiVersion: v1
kind: PersistentVolume
metadata:
name:
spec:
capacity:
storage: 30Gi
csi:
driver: gcsfuse.csi.storage.gke.io
volumeHandle:
accessModes:
- ReadWriteMany
persistentVolumeReclaimPolicy: Retain
storageClassName: np-fuse-test
mountOptions:
- implicit-dirs
volumeMode: Filesystem

Montar un bucket de S3 como volumen

Para montar un bucket de S3 como volumen en TrueFoundry, debe seguir estos pasos:

Configurar políticas IAM y roles correspondientes

Siga este documento de AWS para configurar el punto de montaje de S3 en un clúster de EKS.

Esto le guiará para hacer lo siguiente:

  • Crear una política IAM para otorgar permisos al punto de montaje para acceder al bucket de S3
  • Crear un rol IAM.
  • Instalar el controlador CSI de mountpoint para Amazon S3 y adjuntar el rol creado anteriormente.

Crear un PersistentVolume en el clúster de Kubernetes

Cree un PV con la siguiente especificación (ejecutando un kubectl apply):

YAML


apiVersion: v1
kind: PersistentVolume
metadata:
name:
spec:
capacity:
storage: 100Gi
csi:
driver: s3.csi.aws.com
volumeHandle: s3-csi-driver-volume # must be unique
volumeAttributes:
bucketName:
accessModes:
- ReadWriteMany
persistentVolumeReclaimPolicy: Retain
storageClassName: s3-test # put any value here
mountOptions:
- allow-delete
- region
- allow-other
- uid=1000
volumeMode: Filesystem

Montar un EFS existente como volumen

Para montar un EFS existente como volumen en TrueFoundry, debe seguir estos pasos:

Instalar el controlador EFS CSI en su clúster

  • Para instalar el controlador EFS CSI en su clúster, vaya a la interfaz de TrueFoundry -> Clusters-> Installed Applications-> Manage
  • En la sección Volumes, haga clic en install AWS EFS CSI driver y luego en Install.

Crear un punto de acceso (Access Point) para su EFS

  • Localice su EFS en la consola de AWS y ábralo. Asegúrese de que el EFS y el clúster de K8S estén en la misma VPC. Haga clic en "Create access point"
  • Introduzca los detalles como el nombre y la ruta del directorio raíz (Root directory path) (asegúrese de completar la sección de permisos de creación del directorio raíz; puede poner UID:1000 GID:1000 si desea adjuntarlo al notebook)
  • Haga clic en crear.

Crear un PersistentVolume en el clúster

Cree un PV con la siguiente especificación (ejecutando un kubectl apply):

YAML


apiVersion: v1
kind: PersistentVolume
metadata:
name:
spec:
capacity:
storage: 5Gi # this number doesn't matter for EFS, any number will work
csi:
driver: efs.csi.aws.com
volumeHandle: :: # e.g. fs-036e93cbb1fabcdef::fsap-0923ac354cqwerty
accessModes:
- ReadWriteMany
persistentVolumeReclaimPolicy: Retain
storageClassName: efs-sc
volumeMode: Filesystem

Crear un volumen en TrueFoundry

Siga esta sección para crear un volumen en TrueFoundry

Uso de volúmenes en TrueFoundry 

Con las guías anteriores, puede aprovisionar fácilmente volúmenes o utilizar contenedores de almacenamiento existentes como volúmenes. Ahora estos volúmenes se pueden montar en cualquier carga de trabajo en Kubernetes. Si está utilizando esto, puede montar fácilmente su volumen en cualquier carga de trabajo en TrueFoundry. Puede montarlo fácilmente en un servicio o de forma similar en cualquier carga de trabajo desplegada en TrueFoundry. También puede habilitar un explorador de archivos para navegar por los contenidos del volumen en solo unos pocos clics utilizando nuestro explorador de volúmenes.

Try now.

One gateway for all your models, MCP servers, and agents. No credit card needed.

Inscríbase
Tabla de contenido

Controle, implemente y rastree la IA en su propia infraestructura

Reserva 30 minutos con nuestro Experto en IA

Reserve una demostración

La forma más rápida de crear, gobernar y escalar su IA

Demo del libro
Summarize with
ChatGPT logo by OpenAI
Perplexity AI logo
Blurry red snowflake on white background, symmetrical frosty design with soft edges and abstract shape.

Descubra más

August 27, 2025
|
5 minutos de lectura

Mapeo del mercado de IA en local: de los chips a los planos de control

March 24, 2023
|
5 minutos de lectura

Introducción a Kubernetes y MLOps: desafíos y beneficios

October 7, 2022
|
5 minutos de lectura

Kubernetes para científicos de datos: Alojamiento de predicciones

February 15, 2024
|
5 minutos de lectura

Guía para el aprovisionamiento automático de nodos en la nube

November 14, 2026
|
5 minutos de lectura

Claude Managed Agents vs LangChain Deep Agents: Which Agent Harness Should You Choose?

No se ha encontrado ningún artículo.
November 13, 2026
|
5 minutos de lectura

Claude Managed Agents vs TrueForge: Which Agent Harness Should Enterprise Teams Run in 2026

No se ha encontrado ningún artículo.
 What is an LLM Gateway
November 13, 2026
|
5 minutos de lectura

¿Qué es un LLM Gateway? Guía completa

Ingeniería y producto
November 13, 2026
|
5 minutos de lectura

Helm Charts en ArtifactHub mediante alojamiento en Github Pages

Ingeniería y producto
No se ha encontrado ningún artículo.

Blogs recientes

Black left pointing arrow symbol on white background, directional indicator.
Black left pointing arrow symbol on white background, directional indicator.
Realice un recorrido rápido por el producto
Comience el recorrido por el producto
Visita guiada por el producto