Estima el rendimiento agregado de un sistema de detección de fraude con IA a partir del número de trabajadores o aceleradores, el rendimiento sostenible por unidad y la utilización operativa prevista. Devuelve capacidad por segundo, por minuto y por hora para facilitar la comparación con el volumen de transacciones esperado.
El objetivo es traducir un benchmark unitario en capacidad total sin asumir que todos los recursos estarán al 100 % de forma continua. Puede usarse para explorar escenarios de escalado horizontal y comprobar si un conjunto de recursos ofrece suficiente margen.
1. Indica el número de trabajadores
Introduce cuántas unidades de procesamiento estarán activas.
2. Añade el rendimiento unitario
Especifica cuántos eventos por segundo procesa de forma sostenible cada unidad.
3. Define la utilización operativa
Introduce el porcentaje de capacidad que esperas usar de manera continua.
4. Consulta el rendimiento agregado
Revisa eventos por segundo, minuto y hora.
5. Compara con la demanda
Contrasta la capacidad estimada con tus picos o volúmenes observados.
Variables:
Supuestos: Se supone que el trabajo se reparte de forma equilibrada y que el rendimiento escala aproximadamente de forma lineal. Contención, colas, E/S o límites compartidos pueden reducir la capacidad real.
A la utilización planificada, el conjunto puede sostener aproximadamente 1,11 millones de eventos por hora.
El resultado es una estimación basada en los datos y supuestos introducidos; utiliza mediciones específicas de tu caso cuando estén disponibles.
Datos:
Cálculo:
Capacidad nominal: 8 × 55 = 440 eventos/s. Capacidad efectiva: 440 × 0,70 = 308 eventos/s. Por minuto: 18.480. Por hora: 1.108.800 eventos.
Resultado: 308 eventos/s
Interpretación: A la utilización planificada, el conjunto puede sostener aproximadamente 1,11 millones de eventos por hora.
Porque la capacidad nominal no suele estar disponible de forma estable. El factor de utilización introduce una reserva operativa sencilla.
Preferiblemente sostenido bajo una carga representativa. Un pico breve puede sobreestimar la capacidad que mantendrás durante periodos largos.
No. El cálculo lo supone como aproximación; servicios compartidos, ancho de banda o coordinación pueden limitar el escalado.
Sí, si el rendimiento por unidad se mide por GPU y cada valor representa una unidad comparable. También puede usarse para instancias o procesos.
Es una conversión del caudal continuo estimado. Úsala para comparar con volúmenes horarios, pero modela por separado picos concentrados y variabilidad temporal.