Estado del Arte: Patrones de Resiliencia y Escalabilidad en Sistemas Distribuidos

Revisión crítica de literatura indexada (2016–2026), elaborada como respaldo académico del Volumen 4: Patrones de Escala

1. Líneas de investigación principales

Línea 1: Taxonomías sistemáticas de patrones de recuperación en microservicios. La referencia más directa y más reciente para este volumen es una revisión sistemática alineada con PRISMA (arXiv:2512.16959, diciembre 2025) sobre patrones de recuperación en microservicios, que analizó un corpus inicial de 412 registros en IEEE Xplore, ACM Digital Library y Scopus, reteniendo 26 estudios de alta calidad publicados entre 2014 y 2025. Identifica nueve temas de resiliencia recurrentes: circuit breakers, reintentos con jitter y presupuesto, sagas con compensación, idempotencia, bulkheads, backpressure adaptativo, observabilidad y validación mediante ingeniería del caos. Es notable que estos nueve temas coinciden, prácticamente uno a uno, con los mecanismos que el capítulo 8 de este volumen (AOP para agentes) y el capítulo 5 (casos, presupuesto de degradación) proponen para el manejo de errores en enjambres de agentes, evidencia de que este libro no inventa una taxonomía nueva, sino que traslada una ya validada empíricamente del dominio de microservicios al dominio de agentes.

Línea 2: Catálogos de patrones arquitectónicos para microservicios. Taibi et al. (citado en el catálogo del Simposio Brasileño de Calidad de Software) realizaron un estudio de mapeo sistemático que identificó patrones arquitectónicos ampliamente adoptados en microservicios, organizados por aspecto (migración, orquestación, almacenamiento, despliegue). Márquez et al. complementan con una revisión sistemática de literatura académica e industrial sobre patrones y tácticas arquitectónicas para microservicios. Ambos anteceden directamente al capítulo 8 (Vol. 1) de esta serie, que adapta esa misma lógica de catálogo a la orquestación de agentes.

Línea 3: Estudios empíricos de fallos en sistemas de microservicios en producción. Un estudio empírico sobre problemas, causas y soluciones en sistemas de microservicios (arXiv:2302.01894) cita trabajo previo relevante: Soldani, Tamburri y Van Den Heuvel (2018, Journal of Systems and Software) realizaron una revisión sistemática de literatura gris sobre los “dolores y ganancias” de microservicios, un antecedente metodológico importante porque, a diferencia de la mayoría de las SLR de esta revisión, incorpora deliberadamente fuentes no académicas (blogs de ingeniería, publicaciones de conferencias industriales), reconociendo que buena parte del conocimiento de resiliencia en producción real vive fuera de la literatura arbitrada, la misma razón por la que este libro cita blogs de ingeniería de Spotify, Netflix (a través de su herramienta histórica Simian Army, citada en la SLR de 2025) y otras fuentes primarias no académicas.

Línea 4: Resiliencia de sistemas de aprendizaje profundo ante fallos de hardware. Una revisión sistemática de 220 artículos científicos publicados entre enero de 2019 y marzo de 2024 (arXiv:2309.16733) examina la resiliencia de aplicaciones de Deep Learning frente a fallos de hardware, con un marco de clasificación por modelo de fallo y reproducibilidad. Es una línea adyacente, no central, para este volumen: aborda resiliencia a nivel de infraestructura de cómputo, mientras este libro se concentra en resiliencia a nivel de orquestación lógica, una distinción de capas que delimita el alcance de este volumen.

2. Marcos teóricos utilizados

La literatura de resiliencia en microservicios no parte de una teoría unificada, sino de la consolidación empírica de patrones de diseño ya practicados en la industria antes de ser sistematizados académicamente, un patrón de “la práctica antecede a la teoría” que es consistente con la propia génesis de varios de los patrones que este libro documenta (el circuit breaker, popularizado por la práctica de ingeniería (Nygard, Release It!, 2018, ya citado en este libro) antes que por la academia). La SLR de 2025 introduce un aporte teórico genuinamente nuevo: una Matriz de Decisión Consciente de Restricciones que mapea explícitamente los trade-offs de latencia, consistencia y costo a mecanismos de recuperación apropiados, un marco formal que este volumen no cita todavía pero que podría fortalecer, en una futura revisión, la sección de política de degradación del capítulo 5 (caso 8).

3. Metodologías aplicadas

Predomina la revisión sistemática con protocolo PRISMA sobre estudios primarios publicados en bases indexadas de ingeniería (IEEE Xplore, ACM DL, Scopus), complementada (de forma explícita y metodológicamente justificada, no accidental) con literatura gris de ingeniería (blogs técnicos de Meta, Netflix). Los estudios de mapeo sistemático (Taibi et al.) se distinguen de las SLR en que buscan panorama y categorización más que síntesis de evidencia cuantitativa. Es una diferencia metodológica que este libro no siempre distingue explícitamente al citar patrones, y que una futura edición podría precisar.

4. Hallazgos recurrentes

• Los nueve temas de resiliencia de la SLR de 2025 (sección 1) representan, hasta donde esta revisión pudo determinar, el catálogo más reciente y empíricamente validado de patrones de recuperación en sistemas distribuidos, y validan retroactivamente la selección de patrones que este libro adapta para agentes.
• Múltiples fuentes (Taibi et al.; Márquez et al.; el estudio empírico de arXiv:2302.01894) coinciden en que la falta de sistematización rigurosa de patrones de tolerancia a fallos (más allá del conocimiento disperso en foros y publicaciones especializadas) es un problema reconocido del campo, no resuelto hasta las revisiones más recientes (2024–2025). Este libro hereda ese mismo riesgo de dispersión al extender esos patrones a un dominio (agentes) todavía más joven que los microservicios.

5. Discrepancias entre autores

La discrepancia más relevante para este volumen es de alcance: la literatura de resiliencia de microservicios (líneas 1–3) trata el fallo como un evento discreto y observable (una petición que expira, un servicio caído); la literatura de resiliencia de Deep Learning (línea 4) trata el fallo como degradación silenciosa de la calidad del resultado, sin una señal de error explícita. Los sistemas agénticos que este libro describe combinan ambos regímenes de fallo (un agente puede fallar de forma explícita (excepción, timeout) o de forma silenciosa (una respuesta técnicamente válida pero incorrecta)), y ninguna de las dos tradiciones de literatura revisadas aquí, por separado, cubre completamente ese espacio combinado. El aspecto de captura del capítulo 8 (Vol. 1) de este libro, al normalizar ambos tipos de fallo bajo un mismo tipo AgentError, es una respuesta directa a esa brecha entre tradiciones.

6. Limitaciones metodológicas de la literatura revisada

• Corpus pequeño en las SLR más rigurosas. La SLR de 2025 sobre recuperación en microservicios retuvo solo 26 estudios de un corpus inicial de 412, una tasa de retención baja (~6%) que sus propios autores atribuyen a criterios de calidad estrictos, pero que también limita la generalización de sus nueve temas como catálogo definitivo.
• Ausencia casi total de literatura académica sobre resiliencia específica de sistemas multi-agente basados en LLM (a diferencia de microservicios convencionales): ninguna de las fuentes de esta sección aborda directamente agentes de IA como unidad de fallo; todas se refieren a microservicios deterministas o a modelos de aprendizaje profundo aislados.
• Desconexión entre la literatura de patrones de diseño y la literatura de costos operativos: ninguna SLR revisada aquí integra el costo económico (tokens, cómputo) como una dimensión de la decisión de resiliencia, algo que este volumen sí hace explícitamente al vincular el CIU (capítulo 8) con las políticas de degradación.

7. Brechas de conocimiento

1. Ausencia de un catálogo de patrones de resiliencia específico para sistemas multi-agente basados en LLM: los nueve temas de la SLR de 2025 son la base más sólida disponible, pero ninguno fue formulado pensando en el fallo semántico (respuesta plausible pero incorrecta) característico de los LLM: la brecha exacta que este libro llena al adaptar esos nueve patrones al contexto agéntico.
2. Falta de investigación sobre migraciones versionadas aplicadas a artefactos de IA (prompts, esquemas de herramientas): la literatura de migraciones de esquema (Flyway/Liquibase, herramientas ya consolidadas en la práctica de bases de datos) no tiene, hasta donde esta revisión pudo verificar, un antecedente académico publicado que la extienda a compuestos de agentes, la propuesta del capítulo 8 (Vol. 4) de este libro es, en ese sentido, una contribución original y no una síntesis de literatura existente.
3. Escasa investigación empírica sobre el punto exacto en que un enjambre de agentes deja de ser auditable por escala (el problema que motiva el “RACI a escala” del Vol. 3): la literatura de sistemas multi-agente trata la escala como un problema de rendimiento, no de gobernanza.

8. Relación con la tesis central del libro

La tesis de este volumen (que los patrones de resiliencia que ya gobiernan sistemas distribuidos convencionales son trasladables, con adaptación deliberada, a sistemas de agentes) encuentra respaldo empírico directo en la literatura más reciente y rigurosa disponible (la SLR de 2025 sobre recuperación en microservicios): los nueve patrones allí identificados no son una construcción de este libro, son un catálogo ya validado que este libro reutiliza y extiende. La contribución original de este volumen no está en inventar los patrones, sino en identificar con precisión dónde el fallo semántico de los agentes exige una adaptación real de esos patrones (el aspecto de captura, la política de degradación por tipo de patrón de orquestación) y no una copia directa, una distinción que la literatura revisada, centrada en microservicios deterministas, no podía anticipar porque el problema que resuelve (agentes basados en LLM) es posterior a la mayoría de esos estudios.