- Indica la concurrencia
Introduce cuántos vídeos o trabajos pueden procesarse simultáneamente en la configuración que quieres evaluar.
- Añade el tiempo medio de proceso
Usa el tiempo de extremo a extremo que tarda un vídeo, en segundos, con una carga representativa.
- Ajusta la utilización
Introduce el porcentaje de capacidad que esperas mantener ocupada de forma útil. Un valor inferior al 100 % deja margen para colas, I/O y variabilidad.
- Revisa el rendimiento
La cifra principal muestra los vídeos por hora; el desglose convierte esa capacidad a vídeos por minuto y por 24 horas.
- Compara escenarios
Cambia concurrencia, latencia o utilización para identificar qué mejora tendría mayor efecto en la capacidad total.
Estimador de rendimiento de un pipeline de vídeo con IA
Este estimador calcula el rendimiento aproximado de un pipeline de vídeo con IA, expresado como vídeos completados por hora. Relaciona el número de procesos que pueden trabajar en paralelo, el tiempo medio que tarda cada vídeo en atravesar el pipeline y un factor de utilización para reflejar esperas, transferencias, colas o capacidad que no se aprovecha de forma continua.
Resulta útil al dimensionar servicios de análisis, generación, transcodificación o enriquecimiento de vídeo antes de una prueba de carga. El resultado permite comparar configuraciones y comprobar si una arquitectura puede absorber un volumen previsto. Es una estimación de capacidad sostenida: el rendimiento real puede variar por duración y resolución del vídeo, tamaño de lote, etapa limitante, ancho de banda, CPU/GPU y patrones de llegada.
Capacidad del pipeline
procesos
s
%
Resultado
—
vídeos procesados por hora
Concurrencia efectiva—
Vídeos por minuto—
Capacidad en 24 horas—
Rendimiento (vídeos/h) = concurrencia × (utilización / 100) × 3600 / tiempo medio por vídeo (s)
Variables:
- Concurrencia: número de trabajos que pueden ejecutarse en paralelo.
- Utilización: porcentaje de la concurrencia que se aprovecha de forma efectiva.
- Tiempo medio por vídeo: segundos desde el inicio hasta la finalización de un trabajo representativo.
Supuestos: El modelo supone trabajos independientes y un tiempo medio estable. No modela explícitamente cuellos de botella por etapas ni cambios de rendimiento por lotes.
Qué significa el resultado
Un valor más alto indica que la configuración puede terminar más vídeos por unidad de tiempo bajo los supuestos introducidos. Conviene contrastarlo con mediciones reales de carga y con la tasa de llegada de trabajos.
La latencia y el throughput no son equivalentes: aumentar la concurrencia puede elevar el rendimiento total sin reducir el tiempo que tarda un vídeo individual.
Datos:
- 8 procesos concurrentes
- 90 s de tiempo medio por vídeo
- 85 % de utilización efectiva
Cálculo:
Concurrencia efectiva = 8 × 0,85 = 6,8.
Rendimiento = 6,8 × 3600 / 90 = 272 vídeos/h.
Por minuto = 272 / 60 = 4,53 vídeos/min.
Resultado: 272 vídeos por hora
Interpretación: Con esos supuestos, el pipeline podría completar unas 272 unidades por hora de forma sostenida; no significa que cada vídeo tarde menos de 90 segundos.
¿Qué diferencia hay entre rendimiento y latencia?
La latencia mide cuánto tarda un trabajo individual; el rendimiento mide cuántos trabajos se completan por unidad de tiempo. Un sistema puede mejorar el rendimiento mediante concurrencia aunque la latencia individual cambie poco.
¿Debo usar la duración del vídeo como tiempo de proceso?
No necesariamente. Introduce el tiempo real que tarda el pipeline en completar un vídeo, que puede ser menor, igual o mayor que la duración del contenido según el procesamiento y el hardware.
¿Qué representa la utilización efectiva?
Es un ajuste para no asumir que todos los procesos están ocupados al 100 % todo el tiempo. Resume pérdidas por I/O, colas, coordinación, variabilidad y otros intervalos sin trabajo útil.
¿Qué ocurre si una etapa del pipeline es mucho más lenta que las demás?
La etapa limitante puede reducir el rendimiento por debajo de esta aproximación. En ese caso conviene medir el pipeline por etapas y usar datos observados de extremo a extremo.
¿Sirve para estimar cuántas GPU necesito?
Puede ayudar a convertir una demanda de vídeos por hora en un objetivo de capacidad, pero no determina por sí solo el número de GPU. Para eso necesitas mediciones por hardware, memoria, modelo, resolución y nivel de concurrencia.