«En él se formula por primera vez el principio CAP, pero el tema central es mucho más amplio: cómo construir servicios que ante fallos se degraden de forma gradual, en lugar de caer por completo».
Con esta observación abre el director técnico y autor del canal System Design & Highload, Alexey Rybak, su análisis de un trabajo semiolvidado de Eric Brewer y Armando Fox de 1999. En las entrevistas técnicas, el teorema CAP se redujo hace tiempo a una regla seca de «elige dos letras de tres», pero detrás había una pregunta práctica muy distinta: ¿cómo diseñar un servicio de alta carga para que, si cae una parte de los servidores, siga respondiendo al instante a la gente en vez de desplomarse entero por un nodo colgado?
Cuando volví a leer el artículo original Harvest, Yield, and Scalable Tolerant Systems, presentado en el séptimo taller HotOS VII en marzo de 1999 en Rio Rico, Arizona, me atrapó lo impregnado que está de dolor ingenieril real. En lugar de matemática abstracta, analiza la economía del hardware, el intercambio de completitud de datos por disponibilidad y una forma de dividir el monolito que hoy suele olvidarse.
Tras bambalinas de Inktomi: cómo se diseñaban servicios antes de los microservicios y la nube
En 1996, el profesor de la Universidad de California en Berkeley Eric Brewer y su estudiante de doctorado Paul Gauthier fundaron la empresa Inktomi, bautizada como la araña embaucadora de las leyendas del pueblo lakota. Mientras los gigantes corporativos construían sus sistemas sobre costosos mainframes tolerantes a fallos, Brewer y Gauthier armaron un motor de búsqueda sobre un clúster de cientos de estaciones de trabajo económicas.
Inktomi no tenía un sitio de búsqueda propio, sino que licenciaba su tecnología a grandes portales: primero a HotBot y más tarde a Yahoo y MSN. Su segundo producto clave fue el proxy caché Traffic Server, que en 2009 pasó a la fundación Apache, donde hoy evoluciona como Apache Traffic Server y opera en grandes redes de distribución de contenido. En la cima de la burbuja puntocom en el año 2000, la valoración de Inktomi alcanzó los 25 mil millones de dólares, y tras el desplome del mercado en 2003 Yahoo la compró por 235 millones de dólares.
En un clúster de cientos de máquinas baratas respondiendo día y noche a millones de consultas de usuarios de Yahoo y MSN, el hardware fallaba todos los días: fallaban módulos de memoria, se trababan discos, se cortaba la red entre racks. Intentar atar esos nodos con transacciones ACID clásicas y commit de dos fases habría tumbado el sistema de inmediato. Cuando una petición espera respuesta síncrona de todos los servidores, la avería de una sola estación bloquea todo el clúster. Ahorras al no comprar mainframes, pero el fallo de un nodo barato tumba la búsqueda de todo el portal. Brewer y Fox necesitaban un mecanismo que convirtiera un fallo de hardware en un margen de error cotidiano, no en una catástrofe.
Métricas del mundo real: Yield (rendimiento de peticiones) frente a Harvest (cosecha de completitud)
Por lo general la disponibilidad se mide en «nueves» de uptime, pero la escala binaria de «funciona o está caído» ignora la calidad de cada respuesta. Fox y Brewer la reemplazaron por dos métricas que permiten pesar el costo y el beneficio de una decisión de arquitectura:
- Yield (rendimiento o tasa de entrega) — la fracción de peticiones de clientes atendidas con éxito, sin errores ni timeouts, respecto al total de peticiones recibidas.
- Harvest (cosecha o completitud de datos) — la fracción de datos relevantes incluidos en la respuesta respecto al volumen total de datos objetivo en el sistema.
La diferencia entre ambas se ve con claridad en el propio clúster de búsqueda de Inktomi. El índice de búsqueda está repartido entre cien servidores y, de pronto, el 10% de las máquinas deja de responder. Si exiges una «cosecha» del cien por ciento (Harvest = 100%), el agregador central espera a los nodos mudos, choca contra el timeout y devuelve un error 500. Fuiste fiel a la completitud absoluta de los datos, pero dejaste el rendimiento en cero (Yield cae al 0%).
En Inktomi eligieron otro camino y cambiaron una parte de la cosecha por un rendimiento del cien por ciento. Cuando el 10% de los servidores de búsqueda calla, el agregador reúne resultados del 90% restante de la base y devuelve al instante la respuesta a Yahoo y MSN. Si de cien nodos caen dos máquinas, Yield sigue en 100% y Harvest baja al 98%. El usuario frente a la pantalla ni nota que en el rack están cambiando discos: los enlaces principales están ahí, y perder temporalmente un par de por ciento de páginas raras se compensa con una respuesta instantánea.
El nacimiento del principio CAP: formulación fuerte y débil del compromiso de fiabilidad
Este compromiso en la búsqueda llevó a Fox y Brewer a pensar que un equilibrio parecido rige en cualquier almacenamiento distribuido. En el artículo de HotOS VII apareció por primera vez el principio CAP, que vincula consistencia estricta (Consistency), alta disponibilidad (Availability) y tolerancia a particiones de red (Partition tolerance), además de la clasificación de sistemas en pares CA, CP y AP que más adelante recibiría bastantes críticas.
Tres años antes de que en 2002 Seth Gilbert y Nancy Lynch demostraran la conjetura de Brewer como teorema sobre un modelo de registros de lectura-escritura, los propios autores formularon en 1999 el principio CAP en dos variantes:
- Formulación fuerte: entre consistencia estricta, alta disponibilidad y tolerancia a particiones de red, es imposible obtener más de dos propiedades al mismo tiempo.
- Formulación débil: cuanto más fuertes sean las garantías sobre dos propiedades cualesquiera de esta tríada, más débiles serán las garantías sobre la tercera.
En la formulación débil reside toda la sal ingenieril del trabajo de 1999. Después los teóricos lo redujeron todo a un interruptor de ceros y unos, mientras Brewer describía un espectro continuo de compromisos. Al subir la exigencia sobre completitud y actualidad de los datos (Harvest), pierdes inevitablemente proporción de respuestas exitosas (Yield) ante fallos de red. Y al revés: al permitir entregar datos apenas incompletos, compras margen de resistencia por si se corta el enlace entre racks.
Reducir el Harvest salva motores de búsqueda, feeds de recomendaciones, portales de noticias y proxies caché. Pero ese trueque es inaceptable en transacciones financieras, cargos de saldo y emisión de boletos: allí perder parte de los datos es inadmisible por ley y lógica de negocio, así que se exige 100% de Harvest y consistencia estricta.
Arquitectura BASE y diseño de servicios con modos de degradación independientes
¿Cómo hacer convivir en un mismo producto tareas que exigen precisión hasta el último centavo y escaparates donde prima la respuesta instantánea? Ya en 1997 el grupo de investigación de Berkeley propuso el concepto BASE (Basically Available, Soft state, Eventually consistent — disponibilidad básica, estado flexible y consistencia eventual) como contrapunto a las transacciones ACID.
En el artículo de 1999 esta idea se desarrolla hasta convertirse en un principio de rechazo consciente a los servicios monolíticos, diez años antes del auge de los microservicios. Fox y Brewer proponían dividir el sistema no por dominios de negocio ni por cajitas con flechas, sino por las garantías de fiabilidad exigidas y sus modos independientes de fallo:
- Núcleo aislado de garantías estrictas (ACID): facturación y pagos se separan en componentes mínimos con validaciones rígidas, donde un rechazo temporal ante un corte de red es aceptable a cambio del 100% de exactitud en los datos.
- Perímetro de alta disponibilidad (BASE): búsqueda, recomendaciones y cachés se construyen con estado intermedio flexible y consistencia diferida, respondiendo siempre al usuario y reduciendo el Harvest de forma suave en picos de carga.
Cuando las fronteras entre subsistemas se trazan según sus modos de degradación, la caída del 10% del clúster de búsqueda no bloquea los pagos, y el tropiezo de un nodo no tumba todo el portal. Más tarde, entre debates sobre NoSQL, NewSQL y PACELC, BASE casi cayó en el olvido al reducirse a mera consistencia eventual (Eventual Consistency). Pero la lección de Inktomi no ha envejecido, y la resume mejor que nada la idea que destaca Alexey Rybak en su análisis:
«Los servicios de internet no necesitan garantías ACID estrictas en todas partes; renunciar a esas garantías “compra” disponibilidad y escalabilidad».

