Seguimos en la Parte VII con el Capítulo 28: Arquitecturas serverless a escala, donde vemos cómo combinar los servicios serverless que ya conoces (Lambda, EventBridge, SQS...) en arquitecturas reales y potentes. Empezamos por el patrón más fundamental del mundo serverless moderno: las arquitecturas dirigidas por eventos (event-driven), construidas con Lambda y EventBridge. Es una forma de diseñar sistemas que escalan de forma natural y se mantienen flexibles.
Repaso: las piezas que ya conocemos
Antes de combinarlas, recordemos las piezas (las vimos en la Parte IV):
- Lambda (Capítulo 14): funciones que se ejecutan cuando algo las dispara, sin gestionar servidores, y escalan solas.
- EventBridge (subcapítulo 15.3): el «bus de eventos» que recibe eventos y los enruta a quien corresponda según reglas.
- SQS, SNS (Capítulo 15): colas y notificaciones para desacoplar componentes.
En este subcapítulo las juntamos para construir un estilo de arquitectura completo.
Qué es una arquitectura event-driven
Una arquitectura dirigida por eventos (event-driven) es aquella donde los componentes se comunican mediante eventos: «algo ha ocurrido». En vez de que un componente llame directamente a otro y espere su respuesta, emite un evento anunciando lo que pasó, y otros componentes reaccionan a ese evento si les interesa.
En vez de: A llama a B → B llama a C (todos acoplados, esperando)
Event-driven:
A emite evento "pedido creado"
│
▼
EventBridge (lo reparte)
┌───────┼───────┐
▼ ▼ ▼
reacciona reacciona reacciona
servicio B servicio C servicio D
(cada uno hace lo suyo, en paralelo, sin que A lo sepa)Analogía: una arquitectura event-driven funciona como anuncios por megafonía en un aeropuerto. Cuando «se anuncia» que un vuelo está listo para embarcar (un evento), no se llama a cada persona una por una: se hace un anuncio, y todos los interesados (los pasajeros de ese vuelo) reaccionan dirigiéndose a la puerta. Quien no va en ese vuelo, lo ignora. El que anuncia no necesita saber quién está escuchando ni cuántos son. Así, el sistema es flexible: puedes añadir más «oyentes» sin cambiar quién emite.
Cómo encajan Lambda y EventBridge
En el mundo serverless de AWS, este patrón se construye típicamente así:
- EventBridge es el bus por donde circulan los eventos: recibe los eventos que emiten unos componentes y los enruta (con reglas, subcapítulo 15.3) a los que deben reaccionar.
- Lambda son las funciones que reaccionan a esos eventos: cuando llega un evento que les corresponde, EventBridge las dispara y hacen su trabajo.
Componente emite evento → EventBridge (enruta por reglas) → dispara Lambdas
"usuario registrado" ├─► Lambda "enviar email de bienvenida"
├─► Lambda "crear perfil"
└─► Lambda "registrar en analítica"Cada Lambda hace una cosa concreta y se ejecuta solo cuando llega su evento, escalando automáticamente según cuántos eventos lleguen.
Las grandes ventajas de este patrón
- Desacoplamiento (componentes independientes)
Recuerda el desacoplamiento que vimos con la mensajería (subcapítulo 15.4). Quien emite el evento no necesita saber quién lo procesará ni cuántos lo harán. Esto significa que puedes añadir nuevas reacciones sin tocar el componente que emite. ¿Quieres que, además, se envíe una notificación cuando se crea un pedido? Añades una Lambda nueva que escuche ese evento, sin modificar nada de lo existente.
- Escalabilidad natural
Como cada reacción es una Lambda independiente que escala sola (Capítulo 14), el sistema escala de forma natural con la carga. Si llegan 10 eventos o 10.000, cada Lambda se multiplica según haga falta, en paralelo. No hay que planificar capacidad.
- Flexibilidad y evolución
Es muy fácil hacer evolucionar el sistema: añadir, quitar o cambiar reacciones a eventos sin reescribir todo. La arquitectura crece pieza a pieza, lo que la hace ideal para sistemas que evolucionan rápido.
- Resiliencia
Si una Lambda que reacciona falla, no tumba al resto: las demás siguen procesando sus eventos. Y combinando con colas (SQS, subcapítulo 15.1), los eventos no se pierden aunque algo falle temporalmente.
Una tensión a tener en cuenta
⚠️ No todo son ventajas: las arquitecturas event-driven son más flexibles y escalables, pero también más difíciles de seguir y depurar (un evento desencadena reacciones en cadena por todo el sistema). Aquí es donde el trazado distribuido (X-Ray, subcapítulo 24.3) se vuelve imprescindible, para seguir el rastro de un evento a través de todas las Lambdas que dispara. Recuerda también el equilibrio entre pilares (subcapítulo 27.1): ganas en escalabilidad y flexibilidad, a cambio de algo de complejidad operativa.
Ejemplo del mundo real: una tienda online procesa un pedido con arquitectura event-driven. Cuando un cliente compra, se emite el evento «pedido creado» a EventBridge. Ese único evento dispara, en paralelo, varias Lambdas independientes: una cobra el pago, otra reserva el stock, otra envía el email de confirmación, otra notifica al almacén y otra registra la venta en analítica. Cada una hace su parte sin saber de las demás. Meses después, el equipo quiere añadir un programa de puntos de fidelidad: simplemente crean una nueva Lambda que escucha el evento «pedido creado» y suma puntos, sin tocar nada del flujo existente. El sistema escala solo en las rebajas (miles de pedidos) y es fácil de ampliar. Esa flexibilidad es la esencia del event-driven.
Lo que debes recordar
- En una arquitectura event-driven (dirigida por eventos), los componentes se comunican mediante eventos («algo ha ocurrido»): uno emite un evento y otros reaccionan, en vez de llamarse directamente. Como los anuncios por megafonía de un aeropuerto.
- Se construye con EventBridge como bus que enruta los eventos (por reglas) y Lambdas como funciones que reaccionan, cada una haciendo una cosa concreta y escalando sola.
- Ventajas: desacoplamiento (añades reacciones sin tocar lo existente), escalabilidad natural (cada Lambda escala sola), flexibilidad para evolucionar pieza a pieza, y resiliencia (un fallo no tumba al resto).
- ⚠️ A cambio, son más difíciles de seguir y depurar (reacciones en cadena), por lo que el trazado distribuido (X-Ray) se vuelve esencial. Es el equilibrio entre flexibilidad y complejidad.
En el siguiente subcapítulo veremos cómo coordinar procesos de varios pasos que pueden fallar, manteniendo la consistencia, con el patrón Saga.
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
