← Volver al blog
8 min de lecturaES

De 24 contenedores a Kubernetes:
un caso real de migración a AWS

Un desglose práctico de cómo migré una plataforma CX en producción, que funcionaba con 24 contenedores gestionados de forma poco ordenada, a una configuración adecuada de Kubernetes en AWS: con las decisiones concretas, las cifras y lo que haría de otra manera.

KubernetesAWSDevOpsGitLab CI/CDHashiCorp VaultCaso práctico

El punto de partida

Soy Abdelhamid NOIRA, ingeniero DevOps con sede en Casablanca, Marruecos. Durante una colaboración con Tersea Groupe trabajé en Deskea, su plataforma omnicanal de experiencia de cliente impulsada por IA. La aplicación ya estaba en producción y atendía tráfico real, pero su infraestructura eran 24 contenedores, desplegados y gestionados en gran medida a mano, sin ninguna capa de orquestación que los uniera.

Es una situación habitual en un producto en crecimiento: contenerizado porque alguien supo pronto que Docker era la decisión acertada, pero sin dar nunca el siguiente paso hacia una orquestación real. Escalar significaba entrar por SSH en las máquinas. Desplegar significaba reiniciar contenedores a mano. No había una gestión coherente de los secretos, ni un camino de despliegue blue-green, ni una observabilidad real más allá de las comprobaciones básicas de disponibilidad.

Por qué Kubernetes, en concreto

Kubernetes no siempre es la respuesta para 24 contenedores: muchos equipos manejan esa escala sin problemas con ECS o con una configuración de Compose bien organizada. En este caso tenía sentido porque la hoja de ruta del producto incluía una expansión multirregión y el equipo quería un modelo de despliegue coherente entre entornos (staging, producción y, con el tiempo, una segunda región de AWS). Esos requisitos —despliegues declarativos, paridad entre entornos y escalado horizontal bajo demanda— son exactamente aquello para lo que se diseñó Kubernetes.

AWS (EKS)
Plano de control gestionado: sin dedicar tiempo a operar etcd ni el servidor de API a mano
Helm
Cada servicio empaquetado como un chart, versionado junto al código de la aplicación
GitLab CI/CD
Pipelines totalmente automatizados: compilar, probar, analizar y desplegar, sin pasos manuales
HashiCorp Vault
Gestión centralizada de secretos, que sustituye a los archivos de entorno con valores en claro
Prometheus & Grafana
Métricas reales del clúster y de las aplicaciones, en lugar de simples comprobaciones de disponibilidad
Ansible
Aprovisionamiento basado en roles para todo lo que queda fuera del propio clúster

El enfoque de migración

No moví los 24 contenedores de golpe. Cada servicio se migró por separado, empezando por los de menor riesgo y sin estado —las API internas sin tráfico directo de clientes— antes de tocar nada que diera la cara al cliente. Cada servicio tuvo su propio chart de Helm, y los secretos que antes vivían en archivos de entorno en texto plano pasaron a Vault y se inyectan en tiempo de ejecución.

Para los despliegues configuré despliegues blue-green en los servicios con más tráfico y lanzamientos canary en todos los demás, controlados por el pipeline de GitLab CI/CD. Así, un mal despliegue podía detectarse y revertirse automáticamente antes de llegar a la mayor parte del tráfico, en lugar de provocar una caída total mientras alguien revertía un contenedor a mano.

Ansible se encargó de lo que no debía vivir dentro del clúster —registros DNS, roles de IAM y la configuración inicial de los nuevos entornos—, de modo que todo el aprovisionamiento, tanto del clúster como de la infraestructura que lo rodea, siguió siendo reproducible y dejó de depender de la memoria de nadie.

Los resultados

15 %
Menores costes de infraestructura
Gracias a pools de nodos bien dimensionados y al autoescalado, en lugar de un sobredimensionamiento estático
10 %
Mejor rendimiento
Gracias a unas requests/limits de recursos adecuadas y al autoescalado horizontal de pods
99,9 %
Disponibilidad
Con despliegues blue-green y canary que detectan los malos despliegues antes de que se propaguen

Ninguna de estas cifras vino de un único gran cambio: surgieron de la acumulación de pequeños valores por defecto bien elegidos: contenedores que solicitan solo la CPU y la memoria que realmente usan, un autoescalador de clúster que añade y quita nodos según la demanda real y un pipeline de despliegue que hace que la forma más segura de publicar sea también la más rápida.

Lo que haría de otra manera

Empezar antes con la observabilidad
Prometheus y Grafana llegaron a mitad de la migración. Con la perspectiva actual, tener métricas reales desde el primer día habría dejado mucho más claras la comparación antes/después y el argumento económico ante las partes interesadas.
Aislar los namespaces desde el principio
Los primeros servicios compartieron un namespace más tiempo del debido. Separar antes por equipo o por límite de servicio habría simplificado el RBAC y facilitado la futura división multirregión.
Documentar el camino de migración a Vault
Sacar los secretos de los archivos de entorno fue la decisión correcta, pero el proceso no se documentó hasta haberlo hecho dos veces. Un breve runbook habría ahorrado tiempo real.

Conclusión

Migrar 24 contenedores gestionados a mano a Kubernetes no iba de perseguir una tecnología de moda: iba de sustituir operaciones manuales y propensas a errores por algo declarativo y repetible. Las mejoras de coste y rendimiento fueron reales, pero el mayor logro fue operativo: los despliegues pasaron a ser rutinarios en lugar de arriesgados, y el equipo dejó de necesitar saber en qué servidor concreto se ejecutaba cada servicio.

Si gestionas una plataforma de escala similar con contenedores sin orquestar y te preguntas si Kubernetes compensa su complejidad, la respuesta sincera es: depende de hacia dónde vaya tu producto. Si la coherencia entre entornos, el autoescalado y los despliegues más seguros figuran de verdad en tu hoja de ruta, la migración se amortiza rápido. Si no, puede ser solo una carga operativa adicional.