Introducción
La computación en la nube ha revolucionado la forma en que las
organizaciones y desarrolladores gestionan y despliegan servicios
tecnológicos, ofreciendo ventajas como la reducción de costos, mayor
agilidad y escalabilidad. No obstante, también plantea desafíos
importantes en áreas como la seguridad, la interoperabilidad y la
gestión eficiente de recursos. Este proyecto de construcción aplicada
tiene como objetivo fortalecer las habilidades prácticas en la
implementación, configuración y administración de servicios en la
nube, utilizando las tres plataformas líderes del mercado: Amazon
Web Services (AWS), Microsoft Azure y Google Cloud Platform
(GCP).
Objetivos
Objetivo General:
Desarrollar competencias prácticas en la implementación y gestión de
servicios en la nube a través de las plataformas AWS, Azure y GCP,
analizando sus funcionalidades, ventajas y desafíos mediante la
ejecución de tareas que incluyen configuración de seguridad,
escalabilidad, monitoreo y evaluación comparativa de infraestructuras
físicas y en la nube.
Objetivo Especifico:
Adquirir experiencia práctica en la implementación,
configuración y administración de servicios en la nube en AWS,
Azure y GCP.
Aplicar configuraciones básicas de seguridad, escalabilidad y
balanceo de carga en cada una de las plataformas.
Documentar de manera detallada los procesos de configuración,
incluyendo imágenes y explicaciones paso a paso.
Configurar sistemas de monitoreo y alertas para identificar y
responder a eventos críticos en los servicios implementados.
Comparar soluciones de hardware físico, virtualización e
infraestructura en la nube, con especial atención a servidores y
sistemas de almacenamiento (NAS).
Desarrollo del trabajo
En el marco de esta Actividad de Construcción Aplicada, se llevarán
a cabo una serie de tareas prácticas relacionadas con la Computación
en la Nube en las tres plataformas principales: AWS, Azure y Google
Cloud Platform (GCP). El trabajo se estructurará de la siguiente
manera:
1) Desarrollo de Habilidades Prácticas
Implementar, configurar y gestionar servicios en la nube
utilizando AWS, Azure y GCP.
Preparar un video que resuma el proceso de configuración y
puesta en marcha de los servicios.
Realizar una demostración en vivo del funcionamiento de los
servicios implementados en la nube.
Presentar los resultados y aprendizajes obtenidos, mostrando
dos instancias diferentes en cada plataforma (dos servicios
distintos por plataforma).
2) Implementación y Gestión de Servicios
Los estudiantes deberán implementar y gestionar los siguientes
servicios en las tres plataformas, siguiendo requisitos específicos y
dividiendo la actividad en fases con entregables claros:
Aplicar medidas básicas de seguridad, como firewalls, roles y
permisos, y cifrado de datos.
Configurar opciones de escalabilidad automática y balanceo
de carga.
Documentar el proceso mediante capturas de pantalla y
descripciones detalladas de las configuraciones realizadas.
Configurar herramientas de monitoreo para los servicios
implementados.
Establecer alertas y notificaciones para eventos críticos.
Identificar posibles puntos de fallo y proponer medidas de
mitigación.
3. Realizar el siguiente análisis teniendo en cuenta tres alternativas
solución de hardware Físico, Virtualización e Infraestructura en la Nube
para tres servidores y una solución de NAS:
* Servidores de Ultima generación
* 8x8 Procesadores de última generación y escalabilidad (Buscar
servidores de Rack), 8x8GB de RAM, 4x2TB de Almacenamiento,
3x2 Interfaces de Red, Sistema de Información soportado sobre
ORACLE. 60 % de uso
* 6x6 Procesadores de última generación y escalabilidad (Buscar
servidores de Rack), 4x8GB de RAM, 2x2TB de Almacenamiento,
2x2 Interfaces de Red, Directorio Activo y servicios de Red 50 % de
uso
* 4x4 Procesadores de última generación y escalabilidad (Buscar
servidores de Rack), 2x8GB de RAM, 1x2TB de Almacenamiento,
1x2 Interfaces de Red, Sistemas de Información adicionales y de
Internet. 70% de uso
Cotizar dichos servidores y proponer dos soluciones Una virtualizada
y Otra la solución virtualizada, pero en la Nube buscar tres
alternativas para cada solución; teniendo en cuenta una solución
NAS O SAN que tenga la capacidad de la suma de las capacidades de
cada máquina y una solución de NAS
Desarrollo
Punto 1 y 2: Se adjunta link de videos donde se desarrollan los
puntos y las configuraciones de las máquinas virtuales:
https://drive.google.com/file/d/1CijM49VLPu_bsgMMgSZIZN
TsgXjhAYk0/view?usp=sharing
Adjunto pantallazos de las instancias y un API en funcionamiento:
Inicio Sesión
Pagina de Inicio de la consola (Servicios)
Instancias en AWS:
Grupos de seguridad:
Balanceador de carga:
Administración de facturación y costos:
Usuarios Iam:
Aplicativo desplegado en la máquina virtual configurada
Punto 3:
Análisis Comparativo de Alternativas de Infraestructura de
Servidores y Almacenamiento
Este análisis se enfoca en tres alternativas para implementar la
infraestructura de servidores y almacenamiento: servidores físicos,
servidores virtualizados en infraestructura local, y servidores
virtualizados en la nube. Además, se analizan opciones de soluciones
NAS/SAN para cumplir con las necesidades de almacenamiento.
Dell PowerEdge R740
*Procesadores: Hasta 28 núcleos (Intel Xeon Scalable)
*Memoria: Hasta 3TB de RAM
*Almacenamiento: Hasta 16 unidades de 2TB (SAS, SATA)
*Escalabilidad: Ideal para bases de datos y entornos virtualizados
*Precio estimado: $14.000.000 - $20.000.000 COP por servidor HPE
ProLiant DL380 Gen10
*Procesadores: Hasta 28 núcleos (Intel Xeon) o Memoria: Hasta 6TB
de RAM
*Almacenamiento: Hasta 20 unidades de 2TB
*Escalabilidad: Optimo para redes empresariales y bases de datos
*Precio estimado: $20.000.000 - $30.000.000 COP por servidor
Lenovo ThinkSystem SR650
*Procesadores: Hasta 28 núcleos (Intel Xeon Scalable)
*Memoria: Hasta 3TB de RAM o Almacenamiento: Hasta 16
unidades de 2TB
*Escalabilidad: Adecuado para IA, grandes bases de datos, y cargas
de trabajo intensivas
*Precio estimado: $18.000.000 - $25.000.000 COP por servidor
Conclusión:
La opción de servidores físicos ofrece el máximo control y
rendimiento, pero con costos elevados, tanto iniciales como de
mantenimiento. Esta alternativa es más adecuada para organizaciones
con cargas de trabajo constantes y requisitos de rendimiento crítico.
2. Servidores Virtualizados en Infraestructura Local
La virtualización permite consolidar múltiples servidores en un solo
hardware físico, optimizando recursos y reduciendo el número de
servidores físicos requeridos. Esta opción combina los beneficios del
hardware físico con la flexibilidad de las máquinas virtuales (VMs).
VMware vSphere en Dell PowerEdge R740
*Licencias de VMware: Desde $4.000.000 COP
*Consolidación: Permite ejecutar múltiples VM en un solo servidor
*Costo estimado: $40.000.000 COP en adelante (servidor + licencias
VMware)
Microsoft Hyper-V en HPE ProLiant DL380 Gen10
*Licencias de Hyper-V: Incluidas en Windows Server (costo
adicional)
*Optimización: Soporte para múltiples VMs con escalabilidad
*Costo estimado: $45.000.000 COP en adelante (servidor + licencias)
KVM en Lenovo ThinkSystem SR650
*Licencias de KVM: Open Source (sin costo)
*Soporte: Para múltiples VM con bajo costo de licencias
*Costo estimado: $30.000.000 COP en adelante
Conclusión:
La virtualización local permite consolidar servidores, reduciendo
costos de hardware y aumentando la flexibilidad en la asignación de
recursos. Es una opción viable para organizaciones que prefieren
mantener el control en sitio, aunque requiere inversión en hardware
inicial.
3. Servidores Virtualizados en la Nube
La virtualización en la nube elimina la necesidad de hardware físico
local, moviendo los servidores a proveedores como AWS, Azure, o
GCP. Esta opción ofrece escalabilidad instantánea, facturación según
el uso, y administración simplificada.
AWS (Amazon Web Services)
*Servicios: EC2, EBS, S3
*Costos: Aproximadamente 300 - 500 USD/mes por instancia (64GB
RAM, 8 núcleos)
*Ventajas: Flexibilidad, administración automatizada, escalabilidad
instantánea
Microsoft Azure
*Servicios: Azure Virtual Machines, Azure Blob Storage
*Costos: Aproximadamente 400 - 600 USD/mes por VM (64GB
RAM, 8 núcleos)
*Ventajas: Integración con servicios de Microsoft, alta disponibilidad
Google Cloud Platform (GCP)
*Servicios: Compute Engine, Google Cloud Storage
*Costos: Aproximadamente 300 - 550 USD/mes por instancia (64GB
RAM, 8 núcleos)
*Ventajas: Precios competitivos, integración con servicios de Google
Conclusión:
La virtualización en la nube ofrece la máxima flexibilidad,
escalabilidad y administración simplificada. Aunque tiene costos
recurrentes, elimina la necesidad de inversión inicial en hardware.
Esta opción es ideal para empresas con necesidades cambiantes y que
prefieren delegar la administración del hardware.
Conclusión:
La adopción de la computación en la nube se ha convertido en un
elemento fundamental para la optimización y escalabilidad de
proyectos tecnológicos. La nube ofrece una infraestructura flexible,
donde los recursos se pueden escalar de manera instantánea según las
necesidades de la aplicación, reduciendo costos operativos y
eliminando la dependencia de hardware físico local. Las soluciones en
la nube no solo permiten un ahorro en tiempo y recursos, sino que
también brindan herramientas avanzadas para el desarrollo, la
administración de infraestructura, y la seguridad, simplificando
procesos complejos.
Entre las diversas plataformas en la nube, AWS, Azure y Google
Cloud se destacan por sus prestaciones y robustez. Personalmente,
prefiero AWS frente a Azure y Google Cloud por varias razones
clave. Amazon Web Services ofrece la mayor variedad de servicios y
el ecosistema más completo y maduro, lo que permite integrar una
amplia gama de soluciones con facilidad. Además, la flexibilidad y el
nivel de personalización que AWS proporciona es incomparable; su
infraestructura global y su enfoque en la innovación continua, han
facilitado la implementación y el mantenimiento de proyectos
complejos. AWS también destaca en su amplio soporte para
tecnologías emergentes, como inteligencia artificial, machine learning
y big data.
