Ya tienes tus imágenes guardadas en ECR (subcapítulo 17.2). Ahora llega el momento de ejecutarlas: poner tus contenedores a funcionar en producción, escalarlos y mantenerlos sanos. Para eso AWS ofrece ECS (Elastic Container Service), su servicio para orquestar contenedores. En este subcapítulo entenderás sus conceptos clave y una decisión importante: Fargate o EC2.
El problema: ejecutar contenedores en serio
Ejecutar un contenedor en tu portátil es fácil (docker run). Pero en producción necesitas mucho más:
- Ejecutar muchos contenedores repartidos en varios servidores.
- Reiniciarlos automáticamente si se caen.
- Escalarlos según la demanda (más copias en hora punta).
- Repartir el tráfico entre ellos (con un balanceador, Capítulo 13).
Hacer todo esto a mano sería inviable. Un orquestador de contenedores lo automatiza. ECS es el orquestador de AWS.
Analogía: un orquestador es como el director de una orquesta. Los músicos son los contenedores; el director se asegura de que toquen en armonía, que entre quien tiene que entrar, que si uno falla otro lo cubra, y que el conjunto suene bien. Tú das la partitura (la configuración) y el director (ECS) coordina todo.
Los conceptos clave de ECS
Task Definition (definición de tarea)
Una task definition es la «receta» de cómo ejecutar tu contenedor: qué imagen usar (de ECR), cuánta CPU y memoria necesita, qué puertos abre, qué variables de entorno tiene, etc. Es un plano que describe cómo debe correr tu aplicación.
Task Definition "mi-api": - Imagen: mi-api:v2.0 (de ECR) - CPU: 0.5 vCPU - Memoria: 1 GB - Puerto: 8080 - Variables: ENTORNO=produccion
Task (tarea)
Una task es una task definition en ejecución: una instancia viva de tu contenedor (o grupo de contenedores) corriendo según esa receta. Es a ECS lo que el contenedor era a la imagen.
Service (servicio)
Un service se encarga de mantener en marcha el número de tareas que quieres y de conectarlas con un balanceador. Le dices «quiero siempre 3 copias de mi API corriendo», y el service se asegura de que así sea: si una se cae, arranca otra; si quieres escalar, añade más.
Service "mi-api" (deseadas: 3 tareas) ├── Task 1 ✓ ├── Task 2 ✓ └── Task 3 ✗ (se cae) ──► el service arranca una Task 4 automáticamente
¿Te suena? Es el mismo concepto que el Auto Scaling Group del Capítulo 13, pero para contenedores en vez de instancias EC2. El service mantiene el número deseado de tareas y las repara. Y, como con el ASG, se integra con un balanceador de carga para repartir el tráfico entre las tareas.
La gran decisión: Fargate vs EC2
ECS necesita máquinas donde ejecutar los contenedores. Aquí tienes dos modos, y elegir bien es importante:
Modo EC2: tú pones los servidores
En el modo EC2, tú gestionas un grupo de instancias EC2 (Capítulo 4) donde ECS coloca los contenedores. Tienes control total sobre esos servidores (tipo de instancia, configuración), pero también la responsabilidad de gestionarlos: parchearlos, escalarlos, mantenerlos.
Modo EC2: Tú gestionas las instancias EC2 ──► ECS coloca contenedores en ellas + Control total - Tú mantienes los servidores
Modo Fargate: sin servidores que gestionar
En el modo Fargate, AWS pone y gestiona los servidores por ti. Tú solo dices «ejecuta esta tarea con esta CPU y memoria», y Fargate se encarga de todo lo demás. No ves ni gestionas ninguna instancia EC2: es serverless para contenedores.
Modo Fargate: Tú solo defines la tarea ──► AWS ejecuta el contenedor (sin servidores visibles) + Cero gestión de servidores - Menos control de bajo nivel
Conexión con el Capítulo 14: Fargate es a los contenedores lo que Lambda es a las funciones: en ambos, AWS oculta y gestiona los servidores. Te olvidas de la infraestructura y solo te ocupas de tu aplicación.
¿Cuál elijo?
| Modo EC2 | Modo Fargate | |
|---|---|---|
| Quién gestiona los servidores | Tú | AWS |
| Control | Total (tipo de instancia, etc.) | Limitado (solo CPU/memoria) |
| Esfuerzo operativo | Alto (mantener servidores) | Mínimo |
| Coste | Puede ser menor a gran escala constante | Pagas por tarea; simple |
| Ideal para | Cargas grandes y constantes, control fino | Simplicidad, cargas variables, empezar |
Recomendación para empezar: usa Fargate. Te quita el peso de gestionar servidores y te dejas de complicaciones. El modo EC2 tiene sentido cuando creces mucho, tienes cargas muy constantes (donde puede salir más barato) o necesitas un control especial sobre los servidores. Para la mayoría de equipos, Fargate es la opción por defecto hoy en día.
Cómo encaja todo
Juntando los tres subcapítulos de contenedores hasta ahora:
1. Docker: construyes la imagen (subcap. 17.1) 2. ECR: guardas la imagen (subcap. 17.2) 3. ECS: - Task Definition: receta de ejecución (usa la imagen de ECR) - Service: mantiene N tareas corriendo, repara y escala - Fargate: AWS ejecuta todo sin servidores que gestiones + Balanceador: reparte el tráfico entre las tareas (Cap. 13)
Lo que debes recordar
- ECS (Elastic Container Service) es el orquestador de contenedores de AWS: ejecuta, repara, escala y reparte el tráfico de tus contenedores automáticamente (el «director de orquesta»).
- Task Definition: la «receta» de cómo ejecutar tu contenedor (imagen, CPU, memoria, puertos). Task: una receta en ejecución. Service: mantiene el número deseado de tareas, las repara y escala (como un Auto Scaling Group, pero para contenedores).
- Dos modos de ejecución: EC2 (tú gestionas los servidores, más control y esfuerzo) y Fargate (AWS gestiona los servidores, serverless para contenedores, mínimo esfuerzo).
- Fargate es Lambda para contenedores: olvídate de los servidores. Es la opción recomendada para empezar; EC2 tiene sentido a gran escala constante o con necesidades de control especiales.
En el último subcapítulo del capítulo (y de la Parte IV) veremos la alternativa más potente y compleja: EKS (Kubernetes en AWS), y cuándo merece la pena frente a ECS.
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
