El arranque en frío en informática se refiere a un problema en el que un sistema o parte de él se crea o reinicia y no funciona con normalidad. El problema puede estar relacionado con la inicialización de objetos internos , la carga de la memoria caché o el arranque de subsistemas.
En un sistema de servicio web típico , el problema se produce después de reiniciar el servidor y también al borrar la memoria caché (por ejemplo, después de lanzar una nueva versión). Las primeras solicitudes al servicio web provocarán una carga significativamente mayor debido a que se llena la memoria caché del servidor, se borra la memoria caché del navegador y se solicitan nuevos recursos. Otros servicios, como un proxy de almacenamiento en caché o un acelerador web, también necesitarán tiempo para reunir nuevos recursos y funcionar con normalidad.
Un problema similar ocurre cuando se crean instancias en un entorno alojado e instancias en servicios de computación en la nube . [1]
El arranque en frío también puede referirse al proceso de arranque de una sola computadora (o máquina virtual ). [2] En este caso, los servicios y otras aplicaciones de inicio se ejecutan después del reinicio. El sistema generalmente se pone a disposición del usuario aunque las operaciones de inicio aún se realicen y ralenticen otras operaciones.
Otro tipo de problema es cuando el modelo de datos de un sistema en particular requiere conexiones entre objetos. En ese caso, los nuevos objetos no funcionarán normalmente hasta que se realicen esas conexiones. Este es un problema bien conocido en los sistemas de recomendación . [3] [4]
En algunos escenarios de aprendizaje automático , con modelos donde el conjunto de datos de entrenamiento se agrega de manera incremental en el tiempo (por ejemplo, en el aprendizaje activo ), el inicio en frío se refiere al entrenamiento del modelo en el grupo etiquetado obtenido hasta el momento con nuevos datos agregados de novo, en lugar de entrenar el modelo en nuevos datos con todo su conocimiento de entrenamientos anteriores (inicio en caliente). [5] A diferencia de los casos mencionados anteriormente, el inicio en frío en estos escenarios puede producir mejores resultados del modelo.