SRE en AWS: fiabilidad, escala y operaciones
📑 5 slides
👁 8 views
📅 11/18/2026
Operar sistemas complejos con método
Prioriza estabilizar el impacto en clientes; después correlaciona métricas, registros y trazas para hallar la causa.
2
EKS: cambios sin interrupciones
- Durante actualizaciones, aplica PDB a cargas críticas, usa hooks preStop y drena conexiones antes de terminar pods.
- Usa grupos de nodos blue/green o actualizaciones con capacidad adicional; revisa API obsoletas antes del cambio.
- Frena el thrashing del HPA con escalado rápido y estabilización de 5–10 minutos para reducir réplicas.
- Combina KEDA para colas con solicitudes de CPU y memoria precisas, evitando sobrecarga y pods pendientes.
3
Infraestructura segura y recuperable
- Divide Terraform en estados aislados por dominio y usa backends remotos con bloqueo para reducir el radio de impacto.
- Publica módulos versionados; comparte resultados mediante SSM o Consul para evitar dependencias estrechas entre estados.
- Detecta drift con planes programados y alertas; codifica los cambios urgentes o reviértelos con un apply controlado.
- Para CI/CD, usa federación OIDC, imágenes firmadas y límites de ArgoCD; elimina claves estáticas y permisos excesivos.
4
Fiabilidad medible y coste controlado
- Un SLO de 99,9 % permite unos 43,2 minutos de indisponibilidad en 30 días; el presupuesto convierte riesgo en decisiones.
- Vincula el gasto del presupuesto a ventanas de alerta y despliegues progresivos, con rollback automático ante degradación.
- Reduce telemetría costosa filtrando etiquetas de alta cardinalidad, muestreando trazas sanas y archivando logs detallados.
- Investiga aumentos de coste por servicio, región y uso; optimiza recursos y configura presupuestos y detección de anomalías.
5
Automatizar, aprender y mejorar
- Diseña recuperación regional según objetivos: activo-activo puede lograr RTO de 60 segundos y RPO cero, con mayor coste y latencia.
- Ante errores 500 o CPU alta, delimita alcance y cambios recientes; usa métricas, registros y trazas para aislar dependencias.
- Reduce toil automatizando tareas repetitivas; elige Python para orquestación y Go para alta concurrencia o binarios autónomos.
- Cierra incidentes con RCA sin culpables y acciones verificables; capacita líderes mediante diseños y simulacros de incidentes.
1 / 5