Cerramos el Capítulo 28 con una idea muy potente: ejecutar lógica muy cerca de los usuarios, en el «borde» de la red. Hasta ahora, nuestras Lambdas (Capítulo 14) se ejecutaban en una región concreta. Pero ¿y si pudieras ejecutar código en los cientos de ubicaciones que CloudFront (subcapítulo 16.2) tiene repartidas por el mundo, justo al lado de cada usuario? Eso es lo que permiten Lambda@Edge y CloudFront Functions: llevar el cómputo al edge (el borde de la red) para responder más rápido y personalizar el contenido.
Repaso: CloudFront y el «edge»
Recuerda del subcapítulo 16.2 que CloudFront es la CDN de AWS: tiene ubicaciones repartidas por todo el mundo (puntos de presencia o «edge locations») que sirven contenido a los usuarios desde el punto más cercano a ellos, reduciendo la latencia. Ese conjunto de ubicaciones cercanas a los usuarios es lo que llamamos el edge (el borde de la red).
Usuario en Tokio → ubicación CloudFront en Tokio (cerca) → respuesta rápida Usuario en Madrid → ubicación CloudFront en Madrid (cerca) → respuesta rápida
La idea de este subcapítulo: ejecutar código en esas ubicaciones del edge, no solo servir archivos. Así, la lógica corre al lado del usuario, no en una región lejana.
El problema: a veces la región queda lejos
Si toda tu lógica se ejecuta en una región (por ejemplo, en Europa), un usuario en Japón tiene que «ir y volver» hasta Europa para cada operación, lo que añade latencia (retardo). Para ciertas tareas sencillas que se podrían resolver cerca del usuario, ese viaje es un desperdicio. Sería mejor ejecutar esa pequeña lógica en la ubicación del edge más cercana al usuario.
Qué es ejecutar lógica en el edge
Ejecutar lógica en el edge significa correr código en las ubicaciones cercanas a los usuarios (las de CloudFront), en lugar de en una región central. Esto sirve para tareas que conviene resolver justo cuando una petición llega o sale del edge, sin viajar hasta la región:
- Personalizar respuestas según el usuario (su país, su idioma, su dispositivo).
- Redirigir peticiones según ciertas reglas.
- Comprobar cosas (autenticación básica, cabeceras) antes de seguir.
- Modificar la petición o la respuesta al vuelo.
Analogía: ejecutar lógica en el edge es como tener un recepcionista en la puerta de cada sucursal de un banco, en vez de tener que llamar a la central para todo. Si entras y solo necesitas que te indiquen una ventanilla o te den un folleto en tu idioma, el recepcionista local lo resuelve al instante, sin llamar a la central (que está lejos). Solo las gestiones complejas van a la central. Llevar tareas sencillas «a la puerta» hace todo más rápido.
Las dos opciones de AWS: Lambda@Edge y CloudFront Functions
AWS ofrece dos formas de ejecutar código en el edge, una más potente y otra más ligera:
CloudFront Functions (ligeras y ultrarrápidas)
CloudFront Functions son funciones muy ligeras y rapidísimas, pensadas para tareas simples que se ejecutan en cada petición con mínima latencia. Son ideales para manipulaciones sencillas y de gran volumen:
CloudFront Functions:
✓ ultrarrápidas y de muy bajo coste
✓ para tareas SIMPLES: reescribir una URL, añadir/comprobar
cabeceras, redirecciones simples
- capacidades limitadas (a propósito, para ser rapidísimas)Lambda@Edge (más potente)
Lambda@Edge son Lambdas (Capítulo 14) que se ejecutan en el edge, más potentes que las CloudFront Functions: permiten lógica más compleja (más tiempo de ejecución, acceso a más recursos, etc.), a cambio de algo más de latencia y coste.
Lambda@Edge: ✓ más potente: lógica compleja, más capacidades ✓ para tareas que necesitan más que una manipulación simple - algo más de latencia y coste que CloudFront Functions
Cómo elegir
| CloudFront Functions | Lambda@Edge | |
|---|---|---|
| Potencia | Ligera, tareas simples | Más potente, lógica compleja |
| Velocidad | Ultrarrápida | Rápida (algo más que las Functions) |
| Ideal para | Reescribir URLs, cabeceras, redirecciones | Personalización compleja, autenticación, lógica elaborada |
💡 Regla práctica: para tareas simples y de gran volumen (manipular cabeceras o URLs), usa CloudFront Functions (más rápidas y baratas). Para lógica más compleja, usa Lambda@Edge. Elige la herramienta más ligera que resuelva tu necesidad.
Por qué importa: rapidez y personalización globales
La ventaja de ejecutar lógica en el edge es doble:
- Menor latencia: la lógica se ejecuta cerca del usuario, así que responde más rápido (sin el viaje hasta la región).
- Personalización global: puedes adaptar el contenido a cada usuario (idioma, país, dispositivo) en el punto más cercano a él, dando una experiencia rápida y a medida en todo el mundo.
Esto encaja con el pilar de eficiencia del rendimiento del Well-Architected Framework (subcapítulo 27.1): usar la ubicación adecuada para que el sistema rinda lo mejor posible para cada usuario.
Ejemplo del mundo real: una web global quiere que cada usuario vea el contenido en su idioma y sea redirigido a la versión de su país, lo más rápido posible. Usan una CloudFront Function que, en cada petición, mira el país del usuario (a partir de una cabecera que CloudFront añade) y reescribe la URL para servir la versión correcta, todo en la ubicación del edge más cercana, en milisegundos. Para otra tarea más compleja —comprobar un token de autenticación y personalizar la respuesta según el perfil del usuario— usan Lambda@Edge, que tiene la potencia necesaria. El resultado: usuarios de todo el mundo obtienen contenido personalizado y veloz, porque la lógica corre a su lado, no al otro lado del planeta.
Lo que debes recordar
- CloudFront (subcap. 16.2) tiene ubicaciones por todo el mundo (el edge) cercanas a los usuarios. Se puede ejecutar código en ellas, no solo servir archivos.
- Ejecutar lógica en el edge significa correr código cerca del usuario (no en una región lejana), ideal para personalizar respuestas, redirigir, comprobar o modificar peticiones al vuelo. Como un recepcionista en la puerta de cada sucursal en vez de llamar siempre a la central.
- AWS ofrece dos opciones: CloudFront Functions (muy ligeras y ultrarrápidas, para tareas simples como reescribir URLs o cabeceras) y Lambda@Edge (más potente, para lógica compleja).
- 💡 Usa la más ligera que resuelva tu necesidad: CloudFront Functions para lo simple y de gran volumen; Lambda@Edge para lo complejo.
- Aporta menor latencia (lógica cerca del usuario) y personalización global, en línea con el pilar de eficiencia del rendimiento del Well-Architected Framework.
¡Has completado el Capítulo 28 y dominas las arquitecturas serverless a escala: event-driven, el patrón Saga, Step Functions y el cómputo en el edge! En el Capítulo 29 cambiaremos de terreno hacia otro gran dominio: las plataformas de datos en AWS (data lakes, streaming y analítica a gran escala).
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
