En el subcapítulo anterior, Compute Optimizer nos recomendaba el tamaño óptimo para nuestros recursos. Esa técnica —ajustar el tamaño de lo que usas a lo que realmente necesitas— se llama rightsizing, y es una de las formas más directas y efectivas de ahorrar dinero en la nube sin perder rendimiento. Es tan importante que merece su propio subcapítulo. La idea es simple pero poderosa: no pagues por capacidad que no usas.
El problema: sobredimensionar «por si acaso»
Un error muy común, heredado de la mentalidad de los servidores físicos, es elegir recursos más grandes de lo necesario «por si acaso». En la época de los servidores físicos esto tenía cierto sentido (comprar un servidor era una inversión a años, y ampliarlo después era difícil). Pero en la nube es un desperdicio de dinero:
Servidor contratado: ████████████████ (capacidad: 16 GB RAM, 8 CPUs)
Uso real: ███ (usa: 2 GB RAM, 1 CPU)
└─ pagas por TODO esto, usas solo esto ─┘
→ estás pagando ~8 veces más de lo que necesitasPagas por toda esa capacidad cada hora, la uses o no. Multiplicado por muchos recursos y muchos meses, es muchísimo dinero tirado.
Qué es el rightsizing
Rightsizing significa ajustar el tamaño de cada recurso al que realmente necesita: ni más (malgastas dinero) ni menos (se queda corto y va lento). Es encontrar el «talla justa» basándote en el uso real, no en suposiciones.
ANTES (sobredimensionado): servidor grande, usa el 10 % → malgasta DESPUÉS (rightsized): servidor mediano, usa el 60 % → eficiente → mismo rendimiento para el usuario, MENOS coste
Analogía: el rightsizing es como elegir bien la talla de ropa. Si compras una talla XXL cuando usas una M, la ropa te sobra por todas partes (pagaste de más por tela que no necesitas). Si compras una S, te queda apretada e incómoda (se queda corta). La talla M, la que te corresponde, es perfecta: cómoda y sin desperdicio. Rightsizing es ponerle a cada recurso «su talla».
Otra analogía: es como alquilar el coche adecuado para tu viaje. Si vas solo a la oficina, no alquilas un autobús de 50 plazas (lo pagas entero para llevarte a ti). Pero si vas con toda la familia y el equipaje, un utilitario diminuto no sirve. Eliges el coche a la medida de tu necesidad real.
Cómo se hace el rightsizing
El rightsizing se basa en datos reales de uso, no en intuición. El proceso típico:
- Mide el uso real de tus recursos a lo largo del tiempo (con CloudWatch, subcapítulo 24.1, y con Compute Optimizer, subcapítulo 25.2): ¿cuánta CPU, memoria, etc., usan de verdad?
- Identifica los sobredimensionados: los que usan una fracción pequeña de su capacidad.
- Ajusta el tamaño a uno menor que siga cubriendo el uso real con margen.
- Verifica que tras el cambio todo sigue rindiendo bien.
⚠️ Cuidado de no pasarse: el objetivo no es elegir el recurso más pequeño y barato posible, sino el adecuado. Si recortas demasiado, el recurso se queda corto, va lento y empeoras la experiencia del usuario (o se cae). Rightsizing es equilibrio: el menor tamaño que cubra cómodamente tu necesidad real, dejando margen para picos.
Rightsizing y la elasticidad de la nube
El rightsizing es posible y seguro gracias a una ventaja única de la nube: cambiar de tamaño es fácil y reversible. Recuerda la elasticidad (subcapítulo 1.3) y el autoescalado (subcapítulo 13.3):
- Si te quedas corto, subir el tamaño es cuestión de minutos (no como comprar un servidor físico nuevo).
- Con el autoescalado, ni siquiera tienes que adivinar: el sistema añade o quita recursos según la demanda real, haciendo «rightsizing automático» de la cantidad.
Esta facilidad para reajustar es lo que hace el rightsizing poco arriesgado: si te equivocas, lo corriges enseguida. Por eso puedes permitirte elegir tamaños ajustados en vez de inflarlos «por si acaso».
Ejemplo del mundo real: una empresa migró sus aplicaciones a AWS copiando el tamaño que tenían en sus servidores físicos (que eran enormes «por si acaso»). Tras unos meses, revisan con Compute Optimizer y descubren que la mayoría de sus servidores usan menos del 15 % de su capacidad. Hacen rightsizing: reducen cada servidor a un tamaño acorde a su uso real, dejando margen para los picos. Resultado: la factura de cómputo baja casi a la mitad, y los usuarios no notan ninguna diferencia (el rendimiento es el mismo, porque la capacidad que quitaron no se usaba). Es, literalmente, dejar de tirar dinero.
Más allá de los servidores
El rightsizing aplica a muchos recursos, no solo a servidores EC2:
- Bases de datos (RDS, Capítulo 8): elegir el tamaño de instancia adecuado.
- Lambda (Capítulo 14): asignar la memoria justa (afecta también al rendimiento y al coste).
- Almacenamiento: usar la clase de almacenamiento adecuada (recuerda las clases de S3, subcapítulo 5.x, para datos que se acceden poco).
La filosofía es siempre la misma: pagar por lo que necesitas, no por lo que sobra.
Lo que debes recordar
- Sobredimensionar «por si acaso» (heredado de los servidores físicos) es un desperdicio de dinero en la nube: pagas por capacidad que no usas, cada hora.
- Rightsizing es ajustar el tamaño de cada recurso al que realmente necesita: ni de más (malgastas) ni de menos (se queda corto). Como elegir bien la talla de ropa o el coche adecuado para el viaje.
- Se basa en datos reales de uso (CloudWatch, Compute Optimizer), no en intuición: medir → identificar sobredimensionados → ajustar → verificar.
- ⚠️ El objetivo es el tamaño adecuado, no el más barato: recortar demasiado empeora el rendimiento. Es equilibrio, dejando margen para picos.
- Es seguro gracias a la elasticidad de la nube: cambiar de tamaño es fácil y reversible, y el autoescalado ajusta la cantidad automáticamente.
- Aplica a servidores, bases de datos, Lambda y almacenamiento. Filosofía: pagar por lo que necesitas, no por lo que sobra.
En el siguiente subcapítulo veremos otra gran palanca de ahorro, pero por un camino distinto: comprometerte a un uso a cambio de descuentos, con Savings Plans y Reserved Instances.
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
