Cerramos la Parte IV con uno de los temas más importantes de la informática moderna: los contenedores. Antes de ver cómo AWS los gestiona (ECR, ECS, EKS en los siguientes subcapítulos), necesitas entender qué es Docker y los contenedores. Si ya los conoces, este será un repaso rápido; si no, aquí tienes lo esencial.
El problema: «en mi máquina funciona»
Seguro que has oído (o vivido) esta frase clásica: un programa funciona perfectamente en el ordenador del desarrollador, pero al llevarlo al servidor... falla. ¿Por qué? Porque el servidor tiene una versión distinta del lenguaje, le falta una librería, el sistema operativo es diferente, una configuración no coincide... Las diferencias de entorno rompen las aplicaciones.
Ordenador del desarrollador Servidor de producción Python 3.11 Python 3.8 ← ¡diferente! Librería X versión 2 Librería X versión 1 ← ¡diferente! Funciona ✓ Falla ✗
La solución: los contenedores
Un contenedor empaqueta tu aplicación junto con todo lo que necesita para funcionar: el código, las librerías, las dependencias, la configuración... todo en un único paquete. Ese paquete funciona igual en cualquier sitio: en tu portátil, en el servidor, en la nube. Se acabó el «en mi máquina funciona».
┌─── Contenedor ───┐ │ Tu aplicación │ │ + sus librerías │ ← todo junto, autocontenido │ + dependencias │ │ + configuración │ └───────────────────┘ Funciona igual en CUALQUIER sitio
Analogía: un contenedor es como un contenedor de mercancías (esos de los barcos y camiones). Da igual lo que lleve dentro (ropa, electrónica, comida): el contenedor tiene un tamaño y forma estándar, así que cualquier barco, grúa o camión del mundo puede transportarlo sin saber qué hay dentro. Igual con el software: el contenedor es estándar, y cualquier sistema que «sepa» de contenedores puede ejecutarlo.
Qué es Docker
Docker es la tecnología más popular para crear y ejecutar contenedores. Se ha vuelto un estándar de la industria. Maneja tres conceptos clave que debes distinguir bien:
- Imagen (image)
Una imagen es la plantilla del contenedor: el paquete «congelado» con tu aplicación y todo lo necesario. Es como una receta o un molde. No se ejecuta por sí misma; es la definición de lo que habrá dentro.
- Contenedor (container)
Un contenedor es una imagen en ejecución: una instancia viva de la imagen, funcionando. De una misma imagen puedes arrancar muchos contenedores idénticos.
Imagen (plantilla) ──arrancar──► Contenedor 1 (en ejecución)
──arrancar──► Contenedor 2 (en ejecución)
──arrancar──► Contenedor 3 (en ejecución)Analogía: la imagen es como el molde de una galleta (o un plano); el contenedor es cada galleta que sale del molde. Un molde, muchas galletas idénticas.
- Dockerfile
Un Dockerfile es un archivo de texto con las instrucciones para construir la imagen. Describe paso a paso qué lleva: de qué sistema base parte, qué se instala, qué código se copia, cómo se arranca. Es la receta escrita.
# Ejemplo simplificado de Dockerfile FROM python:3.11 # parte de una imagen base con Python COPY . /app # copia tu código RUN pip install -r requirements.txt # instala dependencias CMD ["python", "app.py"] # cómo arrancar la aplicación
A partir de este Dockerfile, Docker construye la imagen, que luego puedes ejecutar como contenedores donde quieras.
El flujo completo de Docker
Juntando los tres conceptos, el ciclo es:
1. Escribes un Dockerfile (la receta)
│ docker build
▼
2. Construyes una Imagen (el paquete listo)
│ docker run
▼
3. Arrancas Contenedores (la aplicación en marcha)Contenedores vs máquinas virtuales
Te puede surgir la duda: ¿en qué se diferencia un contenedor de una instancia EC2 (máquina virtual)? La clave es que los contenedores son más ligeros:
| Máquina virtual (EC2) | Contenedor | |
|---|---|---|
| Incluye | Un sistema operativo completo | Solo la app y sus dependencias |
| Tamaño | Grande (GB) | Ligero (MB normalmente) |
| Arranque | Lento (minutos) | Rápido (segundos) |
| Densidad | Pocas por servidor | Muchos por servidor |
Los contenedores comparten el sistema operativo del servidor anfitrión, en vez de llevar uno entero cada uno. Por eso son tan ligeros y rápidos: puedes ejecutar muchos contenedores en una misma máquina.
Por qué importa esto en AWS: los contenedores son ideales para la nube. Arrancan rápido (genial para escalar, Capítulo 13), son portables y aprovechan bien los recursos. Por eso AWS tiene servicios dedicados a ejecutarlos, que veremos en los siguientes subcapítulos: ECR (para guardar imágenes), ECS y EKS (para ejecutar contenedores).
Lo que debes recordar
- Un contenedor empaqueta tu aplicación con todo lo que necesita (código, librerías, dependencias, configuración), y funciona igual en cualquier sitio. Acaba con el «en mi máquina funciona». Como un contenedor de mercancías estándar.
- Docker es la tecnología estándar de contenedores, con tres conceptos: imagen (la plantilla/molde), contenedor (la imagen en ejecución/la galleta) y Dockerfile (la receta escrita para construir la imagen).
- El flujo: Dockerfile →
build→ Imagen →run→ Contenedores. - Frente a las máquinas virtuales, los contenedores son más ligeros y rápidos porque comparten el sistema operativo del anfitrión; caben muchos por servidor.
- AWS ofrece servicios dedicados a contenedores: ECR, ECS y EKS (siguientes subcapítulos).
En el siguiente subcapítulo veremos dónde guardar tus imágenes de forma privada y segura: el registro ECR.
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
