Prácticas recomendadas de RAID para VMware: prácticas recomendadas de RAID de VMware y diseño de almacenamiento

Elegir la configuración RAID adecuada es fundamental para VMware ESXi. RAID afecta a la velocidad de ejecución de tus máquinas virtuales, a la seguridad de tus datos y a la facilidad con la que puedes recuperarte de fallos en el disco. No todos los niveles RAID son iguales: algunos se centran en la velocidad, otros en la redundancia y otros intentan equilibrar ambas cosas.

En este artículo se explica qué opciones RAID funcionan mejor para VMware, qué ventajas e inconvenientes cabe esperar y cómo adaptar los niveles RAID a tu carga de trabajo.

Resumen ejecutivo: cómo afecta RAID a la estabilidad y el rendimiento de VMware

1. 1. El rendimiento de VMware depende de una latencia predecible, no del rendimiento máximo. Las cargas de trabajo de ESXi exigen tiempos de respuesta constantes; los picos o retrasos desestabilizan los clústeres más rápido de lo que el ancho de banda bruto puede compensar.
2. 2. La elección de RAID afecta directamente al comportamiento de las máquinas virtuales.

• Los niveles RAID deficientes provocan eventos de aturdimiento de las máquinas virtuales bajo una gran carga de E/S.
• Ralentizan las operaciones de instantáneas, lo que perjudica la copia de seguridad y la recuperación.
• Alargan los tiempos de reconstrucción, lo que deja a los clústeres expuestos a fallos de disco en cascada.

1. 3. Un RAID incorrecto rompe los clústeres más rápido que la escasez de CPU o RAM. Los cuellos de botella informáticos son recuperables; el almacenamiento inestable no lo es. RAID es la base de la estabilidad de VMware.

Cómo utiliza VMware ESXi realmente el almacenamiento

E/S aleatorias, no cargas de trabajo secuenciales

• VMFS genera lecturas y escrituras aleatorias mixtas.

El sistema de archivos de máquinas virtuales (VMFS) de VMware está diseñado para alojar varias máquinas virtuales simultáneamente. Cada máquina virtual emite sus propias solicitudes de E/S independientes, que se combinan en un patrón altamente aleatorio. A diferencia de las cargas de trabajo tradicionales que transmiten lecturas/escrituras secuenciales, el almacenamiento ESXi ve un acceso fragmentado en muchos bloques pequeños.

• Las instantáneas multiplican la amplificación de escritura.

Cuando las instantáneas están activas, cada escritura se redirige a través de la lógica de copia en escritura. Esto significa que una sola escritura de máquina virtual puede desencadenar múltiples operaciones de backend: actualización de metadatos, escritura de nuevos bloques y conservación de los antiguos. Cuantas más instantáneas se acumulen, mayor será la amplificación, lo que aumenta la latencia y sobrecarga el RAID de paridad.

• Las bases de datos y la VDI castigan el RAID de paridad.

Las cargas de trabajo de las bases de datos y los entornos de infraestructura de escritorio virtual (VDI) generan pequeñas escrituras aleatorias constantes. En RAID 5/6, cada escritura requiere el cálculo de la paridad y múltiples operaciones de disco. Esta sobrecarga convierte al RAID de paridad en un cuello de botella, lo que provoca retrasos impredecibles y degrada la capacidad de respuesta de las máquinas virtuales.

Por qué la consistencia de la latencia es más importante que las IOPS

• La programación de ESXi depende del tiempo de respuesta del almacenamiento.

El programador de CPU de VMware espera que el almacenamiento responda en plazos predecibles. Si la latencia del disco se dispara, el hipervisor detiene la ejecución de la máquina virtual, lo que provoca pausas o eventos de «aturdimiento». Ni siquiera unos IOPS elevados sirven de ayuda si la latencia es desigual.

• Las reconstrucciones RAID provocan picos de latencia que desencadenan pausas en las máquinas virtuales.

Cuando falla un disco, las reconstrucciones RAID inundan la matriz con cálculos de paridad y E/S en segundo plano. Esto compite con el tráfico de las máquinas virtuales, lo que provoca retrasos impredecibles. En RAID de paridad, las reconstrucciones pueden durar horas o días, durante los cuales los picos de latencia interrumpen repetidamente la programación de las máquinas virtuales. El resultado: congelación de máquinas virtuales, instantáneas fallidas e inestabilidad del clúster.

Las cargas de trabajo de VMware ESXi son aleatorias, sensibles a la latencia y con gran cantidad de instantáneas. Los niveles RAID que se basan en la paridad (RAID 5/6) tienen dificultades en estas condiciones, mientras que los diseños basados en espejos o en espejos con bandas (RAID 1, RAID 10) ofrecen la latencia predecible que necesita VMware.

Mejor configuración RAID para VMware por tipo de carga de trabajo

Hosts de virtualización de uso general

RAID 10 como estándar de referencia.

Para cargas de trabajo mixtas, RAID 10 ofrece la combinación más equilibrada de rendimiento, seguridad de reconstrucción y latencia predecible.

Por qué RAID 10 funciona aquí:

• El striping mejora el rendimiento de las máquinas virtuales con un uso intensivo de lectura.
• El mirroring garantiza reconstrucciones rápidas y minimiza el tiempo de inactividad tras fallos en el disco.
• La latencia se mantiene constante, lo que evita los eventos de aturdimiento de máquinas virtuales habituales con RAID de paridad.

RAID 10 debería ser la opción predeterminada para clústeres ESXi generales en los que la diversidad de cargas de trabajo exige estabilidad por encima de todo.

Bases de datos y máquinas virtuales transaccionales

Solo RAID 10.

Las bases de datos y los sistemas transaccionales generan escrituras aleatorias intensas. RAID 5/6 introduce una sobrecarga de paridad que ralentiza las operaciones de confirmación y el manejo de instantáneas.

Por qué falla el RAID de paridad en este caso:

• Cada escritura requiere múltiples operaciones de disco para el cálculo de la paridad.
• La consolidación de instantáneas se vuelve muy lenta con RAID de paridad.
• Los picos de latencia interrumpen la coherencia de las transacciones y la programación de máquinas virtuales.

RAID 10 elimina las penalizaciones de paridad, lo que garantiza un rendimiento fiable para las cargas de trabajo transaccionales de misión crítica.

Entornos VDI y de máquinas virtuales de alta densidad

RAID 10 o RAID 6 con una gran caché y niveles SSD.

Las tormentas de arranque de VDI y la actividad de máquinas virtuales de alta densidad generan una gran cantidad de E/S aleatorias. RAID 10 sigue siendo la opción más segura, pero RAID 6 puede ser viable si se combina con almacenamiento en caché de nivel empresarial y aceleración SSD.

Requisitos para RAID 6 en VDI:

• Caché de escritura grande para absorber las escrituras aleatorias.
• Estratificación SSD para descargar datos activos y reducir la sobrecarga de paridad.
• Protección de caché con batería para evitar la pérdida de datos durante cortes de energía.

Se prefiere RAID 10, pero RAID 6 puede ser aceptable en implementaciones sensibles al costo si la caché y la organización en niveles SSD se implementan correctamente.

Niveles RAID para VMware ESXi: lo que funciona y lo que falla

RAID 10: la opción más segura de VMware

• Reconstrucciones rápidas. Los pares duplicados permiten una rápida recuperación tras un fallo del disco, lo que minimiza el tiempo de inactividad.
• Latencia predecible. El striping distribuye la E/S entre los discos, mientras que la duplicación evita la sobrecarga de paridad, lo que garantiza tiempos de respuesta consistentes.
• Sobrevive a fallos de disco durante la carga. RAID 10 puede tolerar múltiples fallos de disco (uno por cada conjunto de espejos) sin colapsar el almacén de datos, lo que mantiene las máquinas virtuales estables incluso cuando están sometidas a estrés.
• Conclusión: RAID 10 es el estándar de referencia para VMware ESXi, ya que equilibra el rendimiento, la resiliencia y la fiabilidad.

RAID 5: aceptable solo en escenarios limitados

• Cargas de trabajo con gran volumen de lectura. RAID 5 puede ofrecer un rendimiento decente cuando las cargas de trabajo son principalmente lecturas con un mínimo de escrituras aleatorias.
• Controladores con respaldo flash. El almacenamiento en caché de escritura puede enmascarar las penalizaciones de paridad, pero solo con controladores de nivel empresarial.
• Número reducido de máquinas virtuales. Con una concurrencia limitada, RAID 5 puede ser viable, pero el escalado rápido pone de manifiesto sus debilidades.
• Conclusión: RAID 5 es una solución intermedia. Úsalo solo para cargas de trabajo ligeras y centradas en la lectura, en las que el ahorro de costes compensa el riesgo.

RAID 6: capacidad por encima del rendimiento

• Máquinas virtuales de archivo. Adecuado para almacenamiento en frío o máquinas virtuales a las que se accede con poca frecuencia.
• Repositorios de copia de seguridad. Funciona para almacenes de datos secundarios en los que el rendimiento importa menos que la capacidad.
• Los largos tiempos de reconstrucción aumentan el riesgo. La paridad dual protege contra dos fallos de disco, pero las reconstrucciones son lentas y los picos de latencia pueden paralizar las máquinas virtuales.
• Conclusión: RAID 6 se centra en maximizar el espacio, no el rendimiento. Evítalo para cargas de trabajo de producción con E/S intensiva.

RAID 0: nunca para almacenes de datos ESXi

• Sin tolerancia a fallos. RAID 0 ofrece velocidad, pero cero redundancia.
• Un solo fallo de disco destruye VMFS. Una unidad defectuosa borra todo el almacén de datos, llevándose consigo todas las máquinas virtuales.
• Conclusión: RAID 0 es inaceptable para VMware ESXi. Solo tiene cabida en laboratorios de pruebas, donde la pérdida de datos es irrelevante.

Comportamiento de la reconstrucción RAID y riesgo de VMware

Por qué las reconstrucciones RAID rompen los clústeres VMware

• Los picos de latencia provocan el bloqueo de las máquinas virtuales.

Durante una reconstrucción, los discos se saturan con E/S en segundo plano. VMware ESXi depende de una latencia predecible; cuando los tiempos de respuesta se disparan, el hipervisor pausa las máquinas virtuales, lo que provoca eventos de bloqueo y un rendimiento degradado.

• Las instantáneas pueden fallar.

La creación y consolidación de instantáneas requieren un rendimiento de escritura constante. La sobrecarga de la reconstrucción interrumpe estas operaciones, lo que provoca fallos en las instantáneas o tiempos de consolidación prolongados que afectan a los flujos de trabajo de copia de seguridad y recuperación.

• Aumentan los eventos de alta disponibilidad.

VMware High Availability (HA) interpreta las pausas prolongadas de las máquinas virtuales como fallos. Los picos de latencia durante las reconstrucciones pueden provocar reinicios innecesarios de HA, lo que agrava la inestabilidad en todo el clúster.

Reglas de diseño para sobrevivir a las reconstrucciones

• Limita el tamaño del disco.

Los discos grandes prolongan los tiempos de reconstrucción, lo que aumenta la ventana de riesgo. Las unidades más pequeñas de nivel empresarial reducen la duración de la reconstrucción y minimizan la exposición.

• Da preferencia al RAID basado en espejos.

RAID 10 y RAID 1 se reconstruyen más rápido y con menos impacto en la latencia en comparación con RAID de paridad. La duplicación evita los cálculos de paridad, lo que mantiene la latencia predecible durante la recuperación.

• Mantén repuestos activos.

Las reconstrucciones automáticas en repuestos activos acortan el tiempo que las matrices pasan en modo degradado. Esto reduce el riesgo de un segundo fallo del disco y estabiliza las cargas de trabajo de VMware durante la recuperación.

Configuraciones incorrectas de RAID que provocan la pérdida de datos

Fallos comunes en el mundo real

• RAID 5 con discos SATA de gran tamaño.

El uso de RAID 5 con unidades SATA de varios terabytes genera tiempos de reconstrucción inaceptablemente largos. La probabilidad de que se produzca un segundo fallo de disco durante una reconstrucción es alta, lo que a menudo conduce a la pérdida completa de la matriz.

• RAID 6 bajo una gran carga de escritura.

Aunque RAID 6 protege contra dos fallos de disco, su sobrecarga de paridad colapsa bajo escrituras aleatorias sostenidas. En entornos VMware, esto provoca picos de latencia, eventos de aturdimiento de máquinas virtuales y, finalmente, corrupción del almacén de datos.

• Ampliación de matrices sin copias de seguridad.

Añadir discos o ampliar grupos RAID sin una copia de seguridad verificada supone un riesgo. Los errores del controlador o las interrupciones de la reconstrucción durante la ampliación pueden destruir los volúmenes VMFS al instante.

Escenarios de corrupción de VMFS

• Pérdida de energía durante la reconstrucción.

Si se produce un corte de energía durante la reconstrucción, los cálculos de paridad incompletos dejan la matriz en un estado inconsistente. Los metadatos VMFS son especialmente vulnerables, lo que conduce a una corrupción irrecuperable.

• Errores del firmware del controlador.

Un firmware del controlador RAID obsoleto o inestable puede gestionar incorrectamente las reconstrucciones o las escrituras de paridad. Estos errores silenciosos suelen manifestarse como corrupción de VMFS mucho después del evento inicial.

• Sustitución incompleta del disco.

Reemplazar un disco defectuoso de forma incorrecta, o con firmware o geometría incompatibles, puede confundir al controlador RAID. Esto da lugar a reconstrucciones parciales, paridad dañada y almacenes de datos VMware corruptos.

Consideraciones sobre los fallos y la recuperación de RAID de VMware

Cuando VMware ya no puede montar VMFS

• Metadatos RAID dañados.

Si los metadatos RAID están dañados o se han perdido, el controlador ya no puede presentar una matriz coherente a VMware. Los volúmenes VMFS se vuelven inaccesibles, incluso si la mayoría de los discos están intactos.

• Diseño de bandas inconsistente.

Los conjuntos de bandas desalineados o parcialmente reconstruidos confunden la capa de almacenamiento de VMware. ESXi espera un mapeo de bloques predecible; cuando las bandas son inconsistentes, VMFS no puede montarse y el acceso a los datos falla.

• Daño por reconstrucción parcial.

Las reconstrucciones interrumpidas o incompletas dejan las matrices en un estado degradado. VMware interpreta esto como un almacenamiento dañado, lo que impide que VMFS se monte y pone en riesgo la pérdida permanente de datos.

Opciones de RAID Recovery

• Reconstrucción RAID a nivel de software antes de la reparación física.

Las herramientas especializadas pueden reconstruir las matrices RAID de forma lógica, evitando los errores del controlador. A menudo, esto es más seguro que intentar primero reparaciones de hardware.

• Ejemplo: DiskInternals RAID Recovery.

Herramientas como DiskInternals pueden detectar parámetros RAID, reconstruir matrices virtualmente y recuperar volúmenes VMFS sin alterar los discos de origen.

• Detección manual de parámetros RAID.

En los casos en los que se pierden los metadatos, los parámetros RAID (tamaño de la banda, orden, disposición de la paridad) deben identificarse manualmente. Una detección correcta permite la reconstrucción virtual de la matriz.

• Recuperación de volúmenes VMFS.

Una vez reconstruido el RAID, se pueden escanear y restaurar las estructuras VMFS. Esto permite acceder a los archivos de la máquina virtual incluso si la matriz original no se puede utilizar.

• Operación de solo lectura en discos de origen.

La recuperación siempre debe realizarse en modo de solo lectura para evitar daños adicionales. Los discos de origen deben permanecer intactos hasta que los datos se extraigan de forma segura.

Lista de verificación del diseño RAID para administradores de VMware

Antes de la implementación

• Define el perfil de E/S de la carga de trabajo.

Identifica si las cargas de trabajo son aleatorias o secuenciales, con gran volumen de lectura o con gran volumen de escritura. Esto garantiza que la selección de RAID se ajuste a las demandas reales de VMware.

• Elige RAID por la seguridad de la reconstrucción, no por la capacidad.

Da prioridad a las reconstrucciones predecibles y a la estabilidad de la latencia por encima de la maximización del espacio utilizable. RAID 10 debe ser la base predeterminada para ESXi.

• Valida la protección de la caché del controlador.

Asegúrate de que la caché de escritura esté respaldada por batería o protegida por flash. Sin protección de caché, el RAID de paridad corre el riesgo de perder datos durante eventos de alimentación.

Antes de la producción

• Prueba escenarios de fallo de disco.

Simule la pérdida de unidades y mida el impacto de la reconstrucción en la latencia de las máquinas virtuales. Confirme que las cargas de trabajo se mantienen estables en condiciones degradadas.

• Valida las restauraciones de las copias de seguridad.

Realiza pruebas de restauración completa desde las copias de seguridad para confirmar las rutas de recuperación. El RAID por sí solo no sustituye a la integridad verificada de las copias de seguridad.

• Documenta la disposición del RAID.

Registra el tamaño de la banda, el orden de los discos y la configuración del controlador. La documentación agiliza la recuperación en caso de fallo del controlador o reconstrucción de la matriz.