RK Gokul

Su base de ingeniería se formó en el procesamiento de señales y no en el desarrollo de software. Como practicante de proyecto en un centro nacional de investigación satelital trabajó en el diseño y desarrollo de filtros para comunicaciones satelitales, con simulación en punto fijo y flotante, gestión de memoria y generación de código VHDL verificada contra un simulador de la industria, antes de sintetizar y probar los diseños en tiempo real sobre un kit FPGA y un procesador DSP.

Una estancia de investigación paralela abarcó el diseño de la capa física de WiMAX en simulación, modelos de receptor FM y de transmisión/recepción OFDM en una cadena de herramientas de radio definida por software, y su realización en hardware SDR probado contra generadores de señales y analizadores de espectro en tiempo real, junto con programación en C embebido para equipos de robótica.

Esta es la parte de su formación que define cómo aborda hoy el trabajo de rendimiento: el hábito de medir contra una realidad física en lugar de confiar en un tablero, adquirido antes de perfilar su primera aplicación.

Pasó a las pruebas de rendimiento y de inmediato asumió tipos de sistema que las herramientas estándar no manejaban bien. Diseñó y lideró la implementación de un enfoque para probar el rendimiento de sistemas basados en redes de distribución de contenidos, donde los modelos de carga convencionales arrojan resultados engañosos.

En un proyecto del sector químico gestionó y ejecutó pruebas de rendimiento para más de cuarenta aplicaciones en un plazo comprimido, con varias rondas en distintos entornos. Para un cliente de banca ejecutó una prueba de concepto para aplicaciones con autenticación por tarjeta dentro de un entorno de alta seguridad.

Dentro de la práctica de rendimiento desarrolló complementos a medida para una herramienta de carga de código abierto usando Eclipse y NetBeans, y aportó análisis experto de informes AWR de base de datos para ingeniería de rendimiento de bases de datos: el comienzo del trabajo de diagnóstico profundo que definiría la etapa siguiente.

Como integrante de un Centro de Excelencia de rendimiento contribuyó directamente a los ingresos, elaborando y presentando propuestas ganadoras y ejecutando las pruebas de concepto de alto riesgo que las definían.

Lideró y formó equipos transversales de ingenieros de rendimiento en múltiples proyectos y sedes internacionales, con capacitaciones intensivas y talleres sobre las principales plataformas de monitoreo y pruebas de carga. También gestionó consultorías rápidas en retail, banca y transferencia de dinero: definir un plan de pruebas, ejecutar pruebas de carga, estrés y pico, y dar una respuesta a los responsables en una ventana breve.

Dos trabajos de este período muestran el patrón. Para una plataforma de trading desarrolló una herramienta de generación de carga a medida en shell de Linux y C/C++ porque ninguna herramienta comercial podía simular esa carga de producción tan especializada. Para un cliente de banca de inversión desarrolló scripts capaces de manejar llamadas asincrónicas no contemporáneas sobre conexiones WebSocket. En un proyecto de retail reparó más de diez scripts existentes preservando la integridad del flujo, ahorrando el 80% del esfuerzo previsto.

Esta etapa se trató de eliminar esfuerzo y encontrar causas. Al construir infraestructura de pruebas de carga y desarrollar bibliotecas reutilizables en C y C# junto con funciones de utilidad, logró una reducción del 90% en el esfuerzo de ejecución de pruebas.

Introdujo el análisis de patrones de uso construido a partir de registros de producción y datos de monitoreo de aplicaciones, de modo que los escenarios de prueba emularan lo que los usuarios reales hacían y no lo que suponía una especificación. Sobre esa base identificó y resolvió cuellos de botella críticos a nivel de aplicación y de base de datos, con herramientas de diagnóstico —asesores de base de datos, analizadores de volcados de memoria y de hilos— para entregar análisis de causa raíz y recomendaciones de optimización accionables para los equipos de desarrollo.

También amplió lo que era posible probar: aplicaciones de escritorio, sistemas Java de cliente pesado y plataformas HTML5/WebSocket, escribiendo scripts a medida y complementos del entorno de desarrollo donde las herramientas comerciales se quedaban cortas. Dos resultados destacan: un proyecto de viajes y transporte donde automatizar la preparación de datos de prueba redujo los plazos y el esfuerzo en un 85%, y un cliente de transferencia de dinero donde una nueva práctica de migración de scripts redujo el esfuerzo de actualización de versión en un 80%.

Radicado en Estocolmo, lideró consultoría en varios dominios para un cliente global de retail e impulsó la renovación y ampliación de contratos hacia dos grandes dominios adicionales sobre la base del valor demostrado.

Diseñó y asumió la propiedad del entorno de rendimiento y de la arquitectura de solución para aplicaciones empresariales de gran escala, buscando escalabilidad, simplicidad y una configuración de nube sólida en Azure. Al introducir automatización, cambios de proceso y pruebas de concepto puntuales, elevó la capacidad de entrega de los equipos de producto SAFe-Agile entre un 30% y un 50%.

El resultado más importante de este período es un número en cero: al establecer estándares de calidad a nivel empresarial y llevar la ingeniería de rendimiento al pipeline CI/CD, sus programas alcanzaron cero filtración de defectos de rendimiento a producción y las escalaciones cayeron notablemente. La alta dirección del cliente lo describió como un "punto brillante" y citó su enfoque como ejemplo para otros equipos.

Participó en comités de gobernanza y supervisión, junto con arquitectos empresariales, para definir la arquitectura futura y presentar casos de negocio de nuevas tecnologías a la alta dirección, e impulsó la optimización de costos en Azure mediante análisis detallado de la infraestructura vinculado a los objetivos del negocio.

En su trabajo actual estableció la función de ingeniería de rendimiento en un panorama complejo de aplicaciones empresariales —planificación de recursos empresariales, analítica y plataformas de comercio electrónico de alto volumen—, abarcando pruebas, monitoreo profundo y diagnóstico proactivo.

Ha liderado varios programas de migración a la nube de gran escala bajo un mandato de cero interrupción del servicio, incluido el traslado de la planificación de recursos empresariales desde las instalaciones propias a la nube, manteniendo el rendimiento estable durante todo el cambio.

En los últimos dos años ha construido la práctica de Site Reliability Engineering en torno a la contenedorización: primero validando el enfoque y luego liderando la contenedorización de aplicaciones críticas en Kubernetes y en servicios administrados de Kubernetes para mejorar la escalabilidad y la resiliencia. Optimizar esos despliegues y la infraestructura subyacente eliminó el 50% del costo de los entornos. Los pipelines de automatización que diseñó para el aprovisionamiento de infraestructura y la configuración de aplicaciones quitaron ocho horas de cada ciclo de despliegue.

Actúa como el especialista de referencia en ingeniería de rendimiento y contenedorización para los equipos de desarrollo, operaciones y dirección.