Lambda es maravilloso, pero no es una bala de plata. Como toda herramienta, tiene límites técnicos y hay situaciones donde usarlo es una mala idea (antipatrones). Cerramos el capítulo aprendiendo a reconocer cuándo Lambda no es la respuesta correcta: saberlo te ahorrará disgustos y te hará un mejor arquitecto.
Los límites técnicos de Lambda
Lambda impone una serie de restricciones. No hace falta memorizar números exactos (cambian con el tiempo), pero sí conocer qué está limitado:
| Límite | Aproximadamente | Por qué importa |
|---|---|---|
| Tiempo máximo de ejecución | 15 minutos | Una función no puede tardar más; tras 15 min, se corta |
| Memoria | Hasta varios GB | Define también la CPU que recibe |
| Tamaño del paquete | Limitado (ZIP) | Por eso se usan capas o imágenes de contenedor |
| Almacenamiento temporal | Espacio en /tmp limitado |
Para archivos temporales durante la ejecución |
| Concurrencia | Hay un máximo por cuenta | Miles en paralelo, pero no infinito |
El límite más importante de recordar es el de los 15 minutos: una función Lambda no puede ejecutarse más de 15 minutos. Si tu tarea tarda más, Lambda no es la herramienta.
Antipatrones: cuándo NO usar Lambda
Un antipatrón es usar una herramienta para algo a lo que no está pensada. Estos son los casos donde Lambda no encaja:
- Tareas muy largas
Si un proceso tarda más de 15 minutos (procesar un vídeo enorme, un cálculo científico, una migración masiva de datos), Lambda lo cortará a la mitad.
Mejor alternativa: contenedores (ECS/Fargate, Capítulo 17), instancias EC2, o servicios de procesamiento por lotes. Para flujos largos formados por pasos cortos, se pueden orquestar varias Lambdas con Step Functions (Capítulo 28).
- Aplicaciones con tráfico constante y altísimo 24/7
Lambda es genial para tráfico intermitente o impredecible (pagas solo por uso). Pero si tienes un tráfico enorme y constante las 24 horas, los miles de millones de ejecuciones pueden salir más caras que un grupo de servidores siempre encendidos.
Mejor alternativa: EC2 con Auto Scaling (Capítulo 13) o contenedores, que a volumen constante muy alto pueden ser más económicos. (Conviene hacer números: depende mucho del caso.)
- Estado en memoria entre peticiones
Lambda es sin estado (stateless): cada invocación puede ejecutarse en un entorno distinto, y no puedes confiar en que la memoria se conserve entre llamadas. Si tu aplicación necesita mantener datos en memoria entre peticiones (una sesión de usuario en RAM, una caché local persistente), Lambda no es adecuado.
Mejor alternativa: guardar el estado fuera de la función, en servicios pensados para ello: DynamoDB (subcapítulo 8.3), ElastiCache (subcapítulo 8.4) o S3 (Capítulo 5). Esta es, de hecho, la forma correcta de diseñar: el estado va a un servicio externo, no en la función.
- Conexiones a bases de datos relacionales tradicionales a gran escala
Como Lambda puede crear miles de ejecuciones en paralelo, cada una intentando abrir una conexión a una base de datos relacional (RDS, Capítulo 8), puede agotar las conexiones disponibles y tumbar la base de datos.
Mejor alternativa: usar RDS Proxy (que gestiona y reutiliza las conexiones), bases de datos serverless como Aurora Serverless (subcapítulo 8.2) o DynamoDB, que escalan mejor con Lambda.
- Cuando los cold starts son inaceptables y constantes
Si necesitas latencia ultrabaja y garantizada en cada petición, y los cold starts (subcapítulo 14.4) son un problema constante incluso con provisioned concurrency, quizá un servicio siempre encendido sea mejor.
Tabla: ¿Lambda sí o no?
| Tu situación | ¿Lambda? | Alternativa si no |
|---|---|---|
| Tarea corta, tráfico intermitente | ✅ Sí | — |
| Procesar eventos (S3, colas, cambios en BD) | ✅ Sí | — |
| API/backend ligero | ✅ Sí | — |
| Tarea de más de 15 minutos | ❌ No | ECS/Fargate, EC2, Step Functions |
| Tráfico constante altísimo 24/7 | ⚠️ Depende | EC2/contenedores (hacer números) |
| Estado en memoria entre peticiones | ❌ No | DynamoDB, ElastiCache, S3 |
| Latencia ultrabaja garantizada siempre | ⚠️ Depende | Servicio siempre encendido |
La mentalidad correcta
Lambda no sustituye a los servidores: es otra herramienta más en tu caja. Un buen arquitecto combina servicios: usa Lambda para el procesamiento de eventos y las tareas cortas, contenedores o EC2 para cargas constantes y largas, y servicios gestionados (DynamoDB, S3, colas) para el estado y los datos.
La pregunta clave no es «¿uso Lambda?», sino «¿qué herramienta encaja mejor con este trabajo concreto?». A veces es Lambda, a veces no, y muchas arquitecturas reales usan varias a la vez.
Lo que debes recordar
- Lambda tiene límites: el más importante es el de 15 minutos máximos de ejecución; también hay topes de memoria, tamaño de paquete, almacenamiento temporal y concurrencia.
- Antipatrones (cuándo NO usar Lambda): tareas de más de 15 min, tráfico constante altísimo 24/7, necesidad de estado en memoria entre peticiones, y mal manejo de conexiones a bases de datos relacionales a gran escala.
- El estado debe ir fuera de la función (DynamoDB, ElastiCache, S3): Lambda es sin estado.
- Alternativas según el caso: ECS/Fargate o EC2 (tareas largas/constantes), Step Functions (flujos largos por pasos), RDS Proxy / Aurora Serverless / DynamoDB (bases de datos a escala).
- La pregunta correcta es «¿qué herramienta encaja mejor con este trabajo?», no «¿uso Lambda para todo?».
¡Has terminado el Capítulo 14 y dominas los fundamentos de serverless! En el Capítulo 15 veremos las piezas que conectan todas estas funciones y servicios: la mensajería y los eventos (SQS, SNS, EventBridge), clave para construir sistemas desacoplados.
Cloud, AWS & Terraform — De cero a experto
Capítulo 1 · Qué es el cloud computing
- 1.1 El modelo cliente-servidor tradicional
- 1.2 Problemas que venía a resolver la nube
- 1.3 On-premise vs cloud vs híbrido
- 1.4 Los tres modelos de servicio: IaaS, PaaS, SaaS
- 1.5 Los cinco pilares del cloud (según NIST)
- 1.6 Ventajas reales: elasticidad, pago por uso, disponibilidad global
Capítulo 2 · El mercado cloud y los grandes proveedores
- 2.1 AWS, Azure y GCP: diferencias y cuotas de mercado
- 2.2 Por qué aprender AWS primero
- 2.3 Conceptos que son universales entre proveedores
Capítulo 3 · Regiones, zonas de disponibilidad y edge
- 3.1 Qué es una región AWS y cómo elegirla
- 3.2 Availability Zones: alta disponibilidad desde el diseño
- 3.3 Edge locations y CloudFront
- 3.4 Latencia, resiliencia y soberanía de datos
Capítulo 4 · Cómputo: EC2
- 4.1 Instancias: tipos, familias y cuándo elegir cada una
- 4.2 AMIs, key pairs y Security Groups
- 4.3 Ciclo de vida de una instancia
- 4.4 Elastic IPs y Placement Groups
- 4.5 Savings Plans vs Reserved vs On-Demand vs Spot
Capítulo 5 · Almacenamiento: S3
- 5.1 Buckets, objetos y claves
- 5.2 Clases de almacenamiento (Standard, IA, Glacier…)
- 5.3 Versionado y ciclo de vida de objetos
- 5.4 Políticas de bucket y ACLs
- 5.5 Hosting de sitios web estáticos
Capítulo 6 · Redes: VPC
- 6.1 Qué es una VPC y por qué la necesitas
- 6.2 Subredes públicas y privadas
- 6.3 Internet Gateway y NAT Gateway
- 6.4 Route Tables y Network ACLs
- 6.5 VPC Peering y endpoints
Capítulo 7 · Identidad y acceso: IAM
- 7.1 Usuarios, grupos, roles y políticas
- 7.2 El principio de mínimo privilegio
- 7.3 Políticas basadas en identidad vs en recurso
- 7.4 MFA y credenciales temporales (STS)
- 7.5 Buenas prácticas de seguridad IAM
Capítulo 8 · Bases de datos gestionadas
- 8.1 RDS: motores, Multi-AZ y réplicas de lectura
- 8.2 Aurora y sus ventajas sobre RDS vanilla
- 8.3 DynamoDB: modelo clave-valor / documentos
- 8.4 ElastiCache para caché en memoria
- 8.5 Cuándo usar cada tipo de base de datos
Capítulo 9 · Por qué Infraestructura como Código
- 9.1 Problemas del aprovisionamiento manual
- 9.2 IaC declarativo vs imperativo
- 9.3 Terraform vs CloudFormation vs Pulumi vs CDK
- 9.4 El ciclo plan → apply → destroy
Capítulo 10 · HCL: el lenguaje de Terraform
- 10.1 Bloques resource, variable, output, locals
- 10.2 Tipos de datos: string, number, bool, list, map, object
- 10.3 Expresiones, referencias y funciones built-in
- 10.4 Condicionales y bucles (count, for_each, for)
Capítulo 11 · Providers y estado
- 11.1 Cómo funciona el provider de AWS
- 11.2 El fichero terraform.tfstate y su importancia
- 11.3 State local vs state remoto (S3 + DynamoDB)
- 11.4 Comandos esenciales: init, plan, apply, destroy, fmt, validate
Capítulo 12 · Tu primera infraestructura real en Terraform
- 12.1 Crear una VPC con subredes desde cero
- 12.2 Levantar una instancia EC2 pública
- 12.3 Asociar un Security Group y una Elastic IP
- 12.4 Outputs y referencias entre recursos
- 12.5 Flujo de trabajo en equipo: PR review de planes
Capítulo 13 · Balanceo de carga y autoescalado
- 13.1 Application Load Balancer vs Network Load Balancer
- 13.2 Target Groups, listeners y reglas
- 13.3 Auto Scaling Groups: políticas y métricas
- 13.4 Warm pools y lifecycle hooks
Capítulo 14 · Serverless con Lambda
- 14.1 El modelo de ejecución de Lambda
- 14.2 Triggers: API Gateway, S3, DynamoDB Streams, SQS
- 14.3 Gestión de dependencias y capas (Layers)
- 14.4 Cold starts y estrategias para reducirlos
- 14.5 Límites y antipatrones
Capítulo 15 · Mensajería y eventos
- 15.1 SQS: colas estándar vs FIFO, DLQ
- 15.2 SNS: topics, suscripciones, fan-out
- 15.3 EventBridge: event buses y reglas
- 15.4 Patrones: pub/sub, desacoplamiento, saga
Capítulo 16 · Entrega de contenido y DNS
- 16.1 Route 53: tipos de registros y routing policies
- 16.2 CloudFront: distribuciones, cachés y origins
- 16.3 ACM: certificados SSL/TLS gratuitos
- 16.4 WAF integrado con CloudFront
Capítulo 17 · Contenedores en AWS
- 17.1 Docker: repaso exprés de conceptos clave
- 17.2 ECR: registro privado de imágenes
- 17.3 ECS: task definitions, services, Fargate vs EC2
- 17.4 EKS: cuándo Kubernetes y cuándo no
Capítulo 18 · Módulos: reutilización y composición
- 18.1 Anatomía de un módulo Terraform
- 18.2 Variables de entrada, outputs y dependencias
- 18.3 Módulos locales vs módulos del Terraform Registry
- 18.4 Versionado de módulos con Git tags
- 18.5 Diseño de módulos genéricos vs específicos de dominio
Capítulo 19 · Workspaces y gestión de entornos
- 19.1 Workspaces de Terraform: casos de uso y limitaciones
- 19.2 Estrategia de directorios por entorno (dev/stg/prod)
- 19.3 Terragrunt: DRY para configuraciones de entorno
- 19.4 Variables de entorno y archivos .tfvars
Capítulo 20 · Backends remotos y locking
- 20.1 Configurar S3 + DynamoDB como backend
- 20.2 State locking: evitar corrupción en equipo
- 20.3 Migración de estado entre backends
- 20.4 terraform import: traer recursos existentes al estado
Capítulo 21 · Testing de infraestructura
- 21.1 Terraform validate y fmt en CI
- 21.2 Checkov y tfsec: análisis de seguridad estático
- 21.3 Terratest: tests de integración en Go
- 21.4 Contract testing entre módulos
Capítulo 22 · Terraform en CI/CD
- 22.1 Pipeline básico: lint → plan → apply en GitHub Actions
- 22.2 Atlantis: GitOps para Terraform
- 22.3 Terraform Cloud / HCP Terraform
- 22.4 Drift detection y reconciliación automática
Capítulo 23 · Seguridad en profundidad
- 23.1 AWS Organizations y Service Control Policies
- 23.2 AWS Config: compliance continuo
- 23.3 GuardDuty: detección de amenazas
- 23.4 Security Hub: visión centralizada
- 23.5 KMS: gestión de claves y rotación
- 23.6 Secrets Manager vs Parameter Store
Capítulo 24 · Observabilidad: logs, métricas y trazas
- 24.1 CloudWatch Logs, métricas y alarmas
- 24.2 CloudWatch Dashboards y Contributor Insights
- 24.3 X-Ray: trazado distribuido
- 24.4 OpenTelemetry en AWS
- 24.5 Managed Grafana y Managed Prometheus
Capítulo 25 · Optimización de costes
- 25.1 AWS Cost Explorer y presupuestos con alertas
- 25.2 Trusted Advisor y Compute Optimizer
- 25.3 Rightsizing: cómo detectar sobredimensionamiento
- 25.4 Savings Plans vs Reserved Instances: decisión estratégica
- 25.5 FinOps: cultura y procesos para controlar el gasto
Capítulo 26 · Alta disponibilidad y disaster recovery
- 26.1 RTO y RPO: definir los objetivos
- 26.2 Estrategias: backup/restore, pilot light, warm standby, multi-site
- 26.3 Route 53 health checks y failover automático
- 26.4 AWS Backup: política centralizada de copias
Capítulo 27 · Well-Architected Framework de AWS
- 27.1 Los seis pilares: excelencia operacional, seguridad, fiabilidad, eficiencia de rendimiento, optimización de costes, sostenibilidad
- 27.2 Well-Architected Tool: revisiones formales
- 27.3 Cómo aplicar el framework en decisiones de diseño
Capítulo 28 · Arquitecturas serverless a escala
- 28.1 Event-driven architecture con Lambda + EventBridge
- 28.2 Saga pattern para transacciones distribuidas
- 28.3 Step Functions: orquestación de workflows complejos
- 28.4 Lambda@Edge y CloudFront Functions
Capítulo 29 · Plataformas de datos en AWS
- 29.1 Data Lake con S3, Glue y Athena
- 29.2 Kinesis Data Streams y Firehose para streaming
- 29.3 Redshift: data warehousing a escala
- 29.4 Lake Formation: gobierno del dato
Capítulo 30 · Multi-cuenta y landing zones
- 30.1 Por qué separar workloads en cuentas distintas
- 30.2 AWS Control Tower y Account Factory
- 30.3 Gestión centralizada de logs y seguridad
- 30.4 Terraform a escala multi-cuenta con módulos compartidos
Capítulo 31 · Platform Engineering e Internal Developer Platform
- 31.1 Golden paths y abstracciones sobre Terraform
- 31.2 Service Catalog de AWS
- 31.3 Backstage como portal de desarrolladores
- 31.4 Módulos Terraform como producto interno
Capítulo 32 · Certificaciones AWS relevantes
- 32.1 Cloud Practitioner: ¿vale la pena?
- 32.2 Solutions Architect Associate → Professional
- 32.3 DevOps Engineer Professional
- 32.4 Specialty: Security, Database, Networking
- 32.5 HashiCorp Terraform Associate
Capítulo 33 · Proyectos para consolidar lo aprendido
- 33.1 Proyecto 1: blog serverless (S3 + CloudFront + Lambda + DynamoDB)
- 33.2 Proyecto 2: API REST con ECS Fargate + RDS + ALB
- 33.3 Proyecto 3: plataforma de datos con Glue + Athena + Redshift
- 33.4 Proyecto 4: landing zone multi-cuenta con Terraform y Control Tower
