OP.PL.4 Dimensionamiento y Gestión de Capacidades

Documentos de referencia

• ISO/IEC 27000
  • 27002:2013
    • 12.1.3 - Gestión de capacidades
• NIST SP 800-53 rev.4
  • [SA-2] Allocation of Resources
  • [AU-4] Audit Storage Capacity

Definiciones

• EAL. Evaluation Assurance Level. Niveles de confianza en la evaluación.
• TOE. Target of Evaluation. Objetivo de evaluación.

Guía de implantación

83. Conviene destacar que esta medida de seguridad no es meramente técnica, sino que tiene implicaciones presupuestarias y por ello debe gestionarse con tiempo para que las necesidades queden debidamente recogidas en los presupuestos. Si en todas las medidas de seguridad hay que huir de la improvisación, en esta con mayor razón.

84. Nótese que en entornos flexibles como es el empleo de recursos en la nube, el dimensionado efectivo del sistema puede ser dinámico, adecuándose a las necesidades del servicio.

Implementación en Legit Health Plus

Marco de Dimensionamiento y Gestión de Capacidades

Estrategia de Capacity Management

Legit Health Plus implementa un enfoque proactivo de gestión de capacidades que abarca:

• Planificación de capacidad basada en proyecciones de crecimiento
• Monitorización continua de recursos y rendimiento
• Escalado automático en infraestructura cloud
• Optimización de costes mediante rightsizing
• Gestión de picos de demanda estacionales o excepcionales
• Planificación presupuestaria a medio y largo plazo

Modelo de Capacidad Multinivel

La gestión de capacidades se estructura en múltiples niveles:

Jerarquía del Modelo de Capacidad:

Nivel 1: Business Capacity

• Métricas: Usuarios, Transacciones comerciales
• ↓

Nivel 2: Service Capacity

• Métricas: API Calls, Imágenes Procesadas
• ↓

Nivel 3: Application Capacity

• Métricas: Instancias de Aplicación, Modelos ML
• ↓

Nivel 4: Infrastructure Capacity

• Métricas: Compute, Storage, Network
• ↓

Nivel 5: Resource Capacity

• Métricas: CPU, Memory, Disk

Dimensionamiento por Componentes

Infraestructura de Aplicación

Servicios Core - Dimensionamiento Actual:

Componente	Configuración Actual	Capacidad Máxima	Utilización Target
API Gateway	4x ECS Tasks (2 vCPU, 4GB)	1000 req/sec	70% CPU
ML Inference	2x GPU instances (g4dn.xlarge)	100 concurrent	80% GPU
Image Processing	Auto-scaling 2-10 tasks	500 images/min	75% CPU
Auth Service	2x ECS Tasks (1 vCPU, 2GB)	200 auth/sec	60% CPU
Background Jobs	3x ECS Tasks (1 vCPU, 2GB)	1000 jobs/hour	70% CPU

Infraestructura de Datos

Almacenamiento - Capacidad Planificada:

Sistema	Configuración	Capacidad Actual	Proyección 12M	Crecimiento Anual
DocumentDB	3-node cluster (r6g.large)	1TB	5TB	400%
S3 Storage	Standard + IA tiers	50TB	200TB	300%
Redis Cache	2x r6g.large cluster	32GB	128GB	300%
CloudWatch Logs	30-day retention	500GB/month	2TB/month	300%
Backup Storage	S3 Glacier Deep Archive	100TB	500TB	400%

Red y Conectividad

Ancho de Banda Planificado:

Planificación de Capacidad de Red:

Componente	Capacidad Actual	Capacidad Proyectada	Notas
Internet Gateway	10 Gbps	50 Gbps	Bottleneck: Ráfagas de carga de imágenes
Tráfico Inter-AZ	5 Gbps	20 Gbps	Replicación BD, failover cross-AZ
Conexiones VPN	2x 1 Gbps	4x 10 Gbps	Integraciones con proveedores sanitarios
CDN (CloudFront)	Ilimitado	Ilimitado	Optimización: Estrategia caching regional

Modelos de Demanda y Proyecciones

Patrones de Uso Identificados

Análisis de Demanda Histórica:

Métrica	Q1 2024	Q2 2024	Q3 2024	Q4 2024	Proyección Q1 2025
Usuarios Activos	5,000	8,000	12,000	18,000	27,000
Imágenes/Día	10,000	16,000	24,000	36,000	54,000
API Calls/Día	100K	160K	240K	360K	540K
Storage (TB)	15	25	38	55	85
Concurrent Users	200	320	480	720	1,080

Factores de Crecimiento

Drivers de Demanda:

• Expansión geográfica: +200% usuarios por nueva región
• Nuevas especialidades médicas: +50% por especialidad
• Integraciones con HIS/EHR: +300% API calls por integración
• Mejoras en algoritmos: +25% precisión → +40% retención
• Programas de screening: Picos estacionales +500%

Modelado Predictivo

Modelos de Forecasting:

Modelo de Predicción de Capacidad:

Parámetros Base:

• Crecimiento mensual base: 15%

Factores Estacionales:

Trimestre	Factor	Descripción
Q1	1.2	Temporada alta screening
Q2	0.9	Temporada baja
Q3	1.0	Normal
Q4	1.1	Temporada conferencias

Multiplicadores de Expansión:

Evento	Multiplicador
Nueva región	2.0x
Nueva especialidad	1.5x
Cliente enterprise	3.0x

Intervalos de Confianza:

Percentil	Cálculo
p50	Proyección base
p80	Proyección base × 1.4
p95	Proyección base × 1.8

Auto-scaling y Elasticidad

Políticas de Auto-scaling

ECS Auto-scaling Configuration:

Configuración de Auto-scaling para Servicios API:

Target Tracking (Escalado Basado en Objetivos):

• CPU: Mantener 70% utilización
• Memoria: Mantener 75% utilización

Step Scaling (Escalado por Pasos):

Scale Out (Aumentar Capacidad):

Condición	Acción
RequestCount > 500/min	+2 tasks
RequestCount > 1000/min	+4 tasks

Scale In (Reducir Capacidad):

Condición	Acción
RequestCount < 200/min	-1 task (mínimo 2)

Configuración de Auto-scaling para ML Inference:

Scheduled Scaling (Escalado Programado):

Horario	Capacidad Mínima	Capacidad Máxima
Horas laborales	4 instancias	20 instancias
Fuera de horario	2 instancias	10 instancias

Predictive Scaling (Escalado Predictivo):

• Estado: Activado
• Período de predicción: 7 días
• Buffer de capacidad: 20%

Database Auto-scaling

DocumentDB Scaling Strategy:

Métrica	Threshold	Acción
CPU > 80%	5 min sustained	Add read replica
Connections > 90%	2 min sustained	Scale up instance class
Storage > 85%	Alert only	Manual review required
Network I/O > 80%	10 min sustained	Consider sharding

Storage Tiering Automático

S3 Lifecycle Policies:

Políticas de Lifecycle para S3:

Imágenes Médicas:

Transición	Tiempo
Standard → IA	30 días
IA → Glacier	90 días
Glacier → Deep Archive	365 días
Expiración	Nunca (retención regulatoria)

Logs de Aplicación:

Transición	Tiempo
Standard → IA	7 días
IA → Glacier	30 días
Expiración	2555 días (7 años regulatorio)

Datos de Backup:

Configuración	Valor
Almacenamiento inicial	Glacier Deep Archive (inmediato)
Expiración	2920 días (8 años)

Monitorización y Alerting

Métricas de Capacidad Críticas

Dashboard Principal - KPIs de Capacidad:

Métrica	SLA	Warning	Critical	Frecuencia
API Response Time	< 500ms p95	> 400ms	> 800ms	1 min
Image Processing Time	< 30s p95	> 25s	> 45s	1 min
Database CPU	< 70% avg	> 60%	> 85%	5 min
Storage Usage	< 80%	> 70%	> 90%	15 min
Concurrent Users	N/A	> 80% capacity	> 95% capacity	1 min
Error Rate	< 0.1%	> 0.05%	> 0.2%	1 min

Alerting Automático

Alert Routing Matrix:

Matriz de Enrutamiento de Alertas:

Alertas de Capacidad - Nivel Warning:

• Destinatarios: DevOps, SRE Team
• Tiempo de escalado: 30 minutos
• Canales: Slack, Email

Alertas de Capacidad - Nivel Critical:

• Destinatarios: On-call, CTO, DevOps
• Tiempo de escalado: 5 minutos
• Canales: PagerDuty, Teléfono, Slack
• Acciones automáticas: Trigger escalado, Crear incidente

Alertas de Presupuesto:

• Destinatarios: FinOps, CTO
• Umbrales: 50%, 80%, 95%, 100% del presupuesto
• Frecuencia: Diaria

Observabilidad Avanzada

Stack de Monitorización:

Herramienta	Función	Métricas Clave
CloudWatch	AWS metrics, logs	Infrastructure, application metrics
DataDog	APM, synthetics	End-to-end latency, user experience
Grafana	Dashboards	Business metrics, capacity trends
Prometheus	Custom metrics	Application-specific KPIs
ELK Stack	Log analysis	Error patterns, usage analytics

Optimización de Costes

FinOps - Gestión Financiera de Cloud

Estructura de Costes Actual (Mensual):

Categoría	Coste	% Total	Optimización Identificada
Compute (ECS/EC2)	$15,000	35%	Reserved Instances: -25%
Storage (S3/EBS)	$8,000	18%	Lifecycle policies: -30%
Database	$12,000	28%	Rightsizing: -20%
Network/CDN	$5,000	12%	Caching optimization: -15%
Monitoring/Logs	$3,000	7%	Retention policies: -25%
Total	$43,000	100%	Potential savings: -23%

Strategies de Optimización

Cost Optimization Roadmap:

Hoja de Ruta de Optimización de Costes:

Q1 2025:

Iniciativa	Ahorro Mensual
Estrategia Reserved Instances	$3,750
Políticas lifecycle S3	$2,400
Subtotal Q1	$6,150/mes

Q2 2025:

Iniciativa	Ahorro Mensual
Rightsizing de bases de datos	$2,400
Optimización retención logs	$750
Subtotal Q2	$3,150/mes

Q3 2025:

Iniciativa	Ahorro Mensual
Spot instances para batch jobs	$1,500
Optimización CDN	$750
Subtotal Q3	$2,250/mes

Resumen Anual:

• Ahorro anual total: $139,800
• ROI de la optimización: 340%

Capacity Planning - Presupuestos

Proyecciones Presupuestarias

Budget Planning FY2025:

Trimestre	Usuarios Proyectados	Coste Infraestructura	Crecimiento
Q1	30,000	$52,000/mes	+21%
Q2	40,000	$68,000/mes	+31%
Q3	55,000	$89,000/mes	+31%
Q4	75,000	$118,000/mes	+33%
Total FY	-	$1,308,000/año	+180%

Contingency Planning

Escenarios de Capacidad:

Escenario	Probabilidad	Impacto Coste	Contingencia
Crecimiento Base	60%	Budget baseline	Planned scaling
Crecimiento Acelerado	25%	+40% budget	Emergency scaling fund
Pandemia/Screening masivo	10%	+200% capacity	Spot instances + CDN boost
Recession/Slow growth	5%	-30% demand	Scale-down automation

Gestión de Recursos Especializados

GPU Computing para ML

Configuración GPU Clusters:

Configuración de Clusters GPU para ML:

Cluster de Entrenamiento:

• Instancias: 4x p3.8xlarge (GPU V100)
• Patrón de uso: Trabajos de entrenamiento por lotes (batch)
• Optimización de costes: Spot instances (ahorro 70%)

Cluster de Inferencia:

• Instancias: 6x g4dn.xlarge (GPU T4)
• Patrón de uso: Inferencia en tiempo real
• Escalado: Auto-scale 2-20 instancias

Entorno de Desarrollo:

• Instancias: 2x g4dn.large
• Patrón de uso: Desarrollo de modelos
• Programación: Pool de recursos compartidos

Specialized Storage Requirements

Medical Imaging Storage:

Tipo	Rendimiento	Capacidad	Coste/TB/mes	Use Case
EFS (General)	100 MB/s	1TB	$300	Shared model artifacts
S3 Standard	N/A	50TB	$23	Active image processing
S3 IA	N/A	150TB	$12.50	Recent images (30-90 days)
S3 Glacier	Minutes	500TB	$4	Archive (90+ days)
S3 Deep Archive	Hours	2PB	$1	Long-term regulatory

Business Continuity y Disaster Recovery

RTO/RPO Requirements

Recovery Objectives por Servicio:

Servicio	RTO	RPO	DR Strategy
API Core	15 min	1 min	Multi-AZ + auto-failover
ML Inference	30 min	5 min	Multi-region model deployment
Database	1 hour	15 min	Cross-region read replica
File Storage	4 hours	1 hour	Cross-region replication
Monitoring	5 min	Real-time	Multi-region deployment

Capacity for DR

DR Infrastructure Sizing:

Dimensionamiento de Infraestructura DR:

Configuración de Regiones:

• Región primaria: eu-west-1 (100% capacidad)
• Región DR: eu-central-1 (warm standby)

Asignación de Capacidad DR:

Componente	Capacidad DR
Compute	50% de primaria (escalado bajo demanda)
Storage	100% (replicación continua)
Network	100% (conexiones redundantes)

Escenarios de Failover:

Escenario	RTO
Mantenimiento planificado	Zero downtime
Fallo de Availability Zone	< 15 minutos
Fallo de región	< 4 horas

Impacto en Costes:

• Incremento de coste de infraestructura: +35%

Compliance y Auditoría

Capacity Management Audit Trail

Auditoría de Decisiones de Capacidad:

Requisitos de Auditoría de Gestión de Capacidad:

Cambios de Capacidad:

• Aprobación requerida: Cambios > 25% de capacidad
• Documentación: Justificación de negocio + evaluación técnica
• Retención: 7 años

Variaciones Presupuestarias:

• Umbral de notificación: ±15% del presupuesto mensual
• Escalado: Notificación a CFO + CTO
• Ciclo de revisión: Mensual

SLAs de Performance:

• Monitorización: Continua
• Reporting: Informes mensuales de SLA
• Cumplimiento: Adhesión a SLA requerida ≥ 99%

Regulatory Compliance para Healthcare

Medical Device Capacity Requirements:

Regulación	Requirement	Implementation
FDA QSR	Change control for capacity	Formal approval process
EU MDR	Performance monitoring	Continuous metrics collection
HIPAA	Availability requirements	99.9% uptime SLA
GDPR	Data processing capacity	Privacy by design scaling

Automatización y Tooling

Infrastructure as Code

Capacity Automation Stack:

Stack de Automatización de Capacidad:

Herramientas de Infraestructura:

Herramienta	Función
Terraform	Aprovisionamiento infraestructura
Ansible	Gestión de configuración
Helm	Despliegues Kubernetes

Herramientas de Monitorización:

Herramienta	Función
Prometheus	Recolección de métricas
Grafana	Visualización
AlertManager	Enrutamiento de alertas

Herramientas de Optimización:

Herramienta	Función
AWS Cost Explorer	Análisis de costes
AWS Compute Optimizer	Recomendaciones rightsizing
Scripts personalizados	Automatización cleanup

Self-Healing Infrastructure

Automated Remediation:

Procedimiento de Auto-Remediación:

Alerta: CPU Alta

1. Verificar: ¿Es posible escalar horizontalmente?
   • SÍ → Activar auto-scaling
   • NO → Crear incidente "Intervención manual requerida"

Alerta: Almacenamiento Lleno

1. Verificar: ¿Es almacenamiento de logs?
   • SÍ → Ejecutar limpieza de logs antiguos
   • NO → Expandir tier de almacenamiento

Alerta: Presión de Memoria

1. Reiniciar servicios intensivos en memoria
2. Verificar mejora
   • NO mejoró → Escalar tamaño de instancia (scale up)

Métricas y KPIs

Operational Excellence KPIs

Métrica	Target	Q4 2024	Trend
Capacity Utilization	70-80%	74%	✅
Cost per Transaction	< $0.02	$0.018	↓
Auto-scaling Events	< 50/day	32/day	✅
Capacity Planning Accuracy	±10%	±8%	✅
Time to Scale	< 5 min	3.2 min	✅
Budget Variance	±5%	+3%	✅

Business Impact Metrics

Business KPI	Target	Current	Impact
Revenue per GB	$0.15	$0.18	↑ 20%
User Satisfaction	> 4.5/5	4.7/5	↑
Time to Market	< 2 weeks	10 days	↑ 30%
Cost of Downtime	< $1K/hour	$0/hour	✅

Roadmap de Evolución

Capacity Management Maturity

Niveles de Madurez:

1. Reactive (Actual): ✅ Monitoring, alerting, manual scaling
2. Proactive (Q1 2025): 🔄 Predictive scaling, cost optimization
3. Predictive (Q3 2025): 📋 ML-based forecasting, automated optimization
4. Autonomous (2026): 📋 Self-managing infrastructure, AI-driven decisions

Technology Evolution

Emerging Technologies:

Hoja de Ruta Tecnológica:

2025:

Tecnología	Descripción	Beneficio
Serverless ML	AWS Lambda + SageMaker inference	Escalabilidad elástica
Spot Fleet	Batch workloads en spot instances	80% ahorro costes
Graviton Processors	ARM-based AWS Graviton	20% mejor precio/rendimiento

2026:

Tecnología	Descripción	Beneficio
Kubernetes Adoption	Migración a EKS	Mejor utilización recursos
Service Mesh	Istio para gestión tráfico	Observabilidad avanzada
Chaos Engineering	Pruebas resilencia automatizadas	Mayor disponibilidad

2027:

Tecnología	Descripción	Beneficio
Quantum-Ready	Criptografía resistente a quántica	Seguridad futura
Edge Computing	Despliegue inferencia regional	Baja latencia
AI Ops	Operaciones completamente automáticas	Operaciones autónomas

Anexo A: Capacity Sizing Calculator

Calculadora de Capacidad:

Parámetros de Entrada:

• Tasa de crecimiento (por defecto: 15% mensual)
• Factor estacional (por defecto: 1.0)

Cálculo de Proyección de Capacidad:

Fórmula: capacidad_proyectada = uso_actual × (1 + tasa_crecimiento)^meses × factor_estacional

Ejemplo:

• Uso actual: 100 unidades
• Crecimiento: 15% mensual
• Proyección a 6 meses: 100 × (1.15)⁶ × 1.0 = 231 unidades

Cálculo de Coste:

Componente	Coste Unitario
Compute	$0.05 por CPU-hora
Storage	$0.023 por GB
Network	$0.09 por GB transferido
ML Inference	$0.001 por request

Coste Total: Suma de todos los componentes

Anexo B: Emergency Scaling Runbook

Procedimiento de Escalado de Emergencia:

1. Detección: Alert automática o manual
2. Evaluación: Determinar scope y urgencia (< 5 min)
3. Autorización: Auto-aprobada si < 200% capacity
4. Ejecución: Terraform apply + monitoring
5. Validación: Verificar métricas en 15 min
6. Comunicación: Stakeholder notification
7. Post-mortem: Análisis de causa raíz en 48h

Signature meaning

The signatures for the approval process of this document can be found in the verified commits at the repository for the QMS. As a reference, the team members who are expected to participate in this document and their roles in the approval process, as defined in Annex I Responsibility Matrix of the GP-001, are:

• Author: Team members involved
• Reviewer: JD-003, JD-004
• Approver: JD-001