Cerramos la Parte V juntando todo lo aprendido en un flujo automático completo: un pipeline de CI/CD para Terraform. Hemos visto las piezas sueltas (revisión de planes en el subcapítulo 12.5, testing en el Capítulo 21); ahora las unimos en una «cadena de montaje» automática que va desde que escribes código hasta que se despliega. Lo haremos con GitHub Actions, una de las herramientas de CI/CD más populares.
Qué es un pipeline de CI/CD
Un pipeline (tubería) de CI/CD es una secuencia automática de pasos que se ejecuta cuando cambias el código. Recuerda los dos conceptos:
- CI (Integración Continua): comprobar automáticamente que el código es correcto (lo vimos en el subcapítulo 21.1: fmt, validate, seguridad...).
- CD (Continuous Delivery/Deployment, Entrega/Despliegue Continuo): llevar automáticamente el código aprobado a su destino (en nuestro caso, aplicar la infraestructura).
Analogía: un pipeline es como una cadena de montaje de una fábrica. El producto (tu código) avanza por estaciones: en una se inspecciona, en otra se prueba, en otra se ensambla, y al final sale terminado. Cada estación hace su parte automáticamente, y si algo falla en una, la cadena se detiene antes de que el defecto avance.
Qué es GitHub Actions
GitHub Actions es el sistema de CI/CD integrado en GitHub. Te permite definir pipelines en un archivo dentro de tu repositorio, y se ejecutan automáticamente ante eventos como abrir un Pull Request o fusionar a la rama principal. Hay alternativas equivalentes (GitLab CI, Jenkins, CircleCI...), pero GitHub Actions es muy popular y fácil de empezar; los conceptos son los mismos en todas.
El pipeline se define en un archivo YAML dentro de .github/workflows/:
Las tres etapas del pipeline básico
Un pipeline básico de Terraform tiene tres etapas, que recogen todo lo que hemos visto:
┌─ LINT ──────┐ ┌─ PLAN ──────────┐ ┌─ APPLY ─────────┐ │ fmt -check │ → │ terraform plan │ → │ terraform apply │ │ validate │ │ (en el PR, se │ │ (tras aprobar y │ │ seguridad │ │ revisa) │ │ fusionar) │ └──────────────┘ └──────────────────┘ └──────────────────┘
Etapa 1: Lint (comprobaciones)
«Lint» significa revisar el código en busca de problemas. Aquí se ejecutan las comprobaciones baratas del Capítulo 21: terraform fmt -check, terraform validate y el análisis de seguridad (Checkov/tfsec). Si algo falla, el pipeline se detiene: no tiene sentido seguir con código mal formateado, inválido o inseguro.
Etapa 2: Plan (previsualización)
Se ejecuta terraform plan (subcapítulo 11.4) y su resultado se publica en el Pull Request para que un compañero lo revise (exactamente el flujo del subcapítulo 12.5). Esta es la etapa clave de seguridad: nadie aplica nada sin que antes se vea y apruebe qué va a cambiar.
Etapa 3: Apply (despliegue)
Una vez el PR se aprueba y fusiona a la rama principal, el pipeline ejecuta terraform apply automáticamente, aplicando los cambios revisados. Como ya se revisó el plan, este apply es seguro y controlado.
Cómo se ve, a grandes rasgos
Un pipeline simplificado en GitHub Actions tendría esta forma (no necesitas memorizar la sintaxis, solo entender la estructura):
name: Terraform
on:
pull_request: # al abrir un PR → lint y plan
push:
branches: [main] # al fusionar a main → apply
jobs:
terraform:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v4 # descarga el código
- run: terraform fmt -check # 1. lint
- run: terraform init
- run: terraform validate
- run: terraform plan # 2. plan (en el PR)
- run: terraform apply -auto-approve # 3. apply (solo en main)
if: github.ref == 'refs/heads/main'Fíjate en los disparadores (on):
- En un Pull Request (
pull_request): se ejecutan el lint y el plan (se revisa, no se aplica). - Al fusionar a
main(pushamain): se ejecuta el apply (ya revisado).
Esto implementa exactamente el flujo de equipo del subcapítulo 12.5, pero automatizado.
La gran ventaja: nadie aplica desde su portátil
Recuerda el principio del subcapítulo 12.5: en equipo, nadie aplica Terraform a mano. El pipeline lo hace cumplir de forma automática:
- Los cambios pasan siempre por las comprobaciones (no se pueden saltar).
- El plan siempre se revisa antes de aplicar.
- El apply lo ejecuta el sistema, de forma consistente y registrada, no una persona desde su máquina (con su configuración particular y posibilidad de error).
Sin pipeline: cada uno aplica desde su portátil → caos, errores, sin registro Con pipeline: todo pasa por la cadena automática → consistente, seguro, trazable
Una nota sobre las credenciales
Para que el pipeline pueda aplicar cambios en AWS, necesita credenciales. ⚠️ Nunca se escriben en el archivo del pipeline (sería como dejar las llaves puestas). Se usan los secretos de GitHub Actions (un almacén seguro) o, mejor aún, una conexión segura sin claves permanentes (OIDC), aplicando el mínimo privilegio (Capítulo 7): el pipeline solo debe tener permisos para lo que necesita gestionar. Profundizaremos en seguridad de credenciales en el Capítulo 23.
Lo que debes recordar
- Un pipeline de CI/CD es una secuencia automática de pasos que se ejecuta al cambiar el código: CI comprueba que es correcto, CD lo despliega. Como una cadena de montaje.
- GitHub Actions define pipelines en un archivo YAML en
.github/workflows/; hay alternativas equivalentes (GitLab CI, Jenkins...), con los mismos conceptos. - El pipeline básico de Terraform tiene tres etapas: Lint (fmt, validate, seguridad), Plan (se publica en el PR y se revisa) y Apply (tras aprobar y fusionar).
- Los disparadores: en un PR se hace lint + plan (revisión); al fusionar a main se hace el apply (ya revisado). Es el flujo del subcapítulo 12.5, automatizado.
- La gran ventaja: nadie aplica desde su portátil; todo pasa por la cadena automática, de forma consistente, segura y trazable.
- ⚠️ Las credenciales del pipeline van en secretos (nunca en el archivo) y con mínimo privilegio.
En el siguiente subcapítulo veremos una herramienta especializada en este flujo para Terraform: Atlantis, que lleva el GitOps de la infraestructura a otro nivel.
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
