Saltar al contenido principal

Tema 6: Capstone de DevOps

⏱️ Tiempo estimado: 1 semana

Ahora que aprendiste fundamentos de DevOps, es momento de aplicar estas prácticas a la app Journal API que construiste en la Fase 2 y desplegaste en la Fase 3. En este capstone vas a containerizar la app, automatizar despliegue, manejar infraestructura como código, configurar monitoreo/observabilidad y orquestar contenedores con Kubernetes, demostrando skills DevOps de punta a punta.

📚 Ruta de aprendizaje​

Pasos del capstone​

  1. Containeriza la aplicación

    • Escribe un Dockerfile para tu app FastAPI.
    • Construye y corre el contenedor local para verificar.
    • Asegúrate de pasar credenciales del LLM por variables de entorno (no dentro de la imagen).
    • Pushea tu imagen a un container registry (DockerHub, AWS ECR, Azure ACR o GCP GCR).

  2. Infrastructure as Code

    • Usa Terraform (u otra herramienta IaC) para definir y aprovisionar:
      • Recursos de cómputo (servicios de contenedores)
      • Networking (VPC, subnets, security groups)
      • Base de datos (PostgreSQL, como en fases anteriores)
    • Guarda tu código IaC en control de versiones.

  3. Pipeline CI/CD

    • Configura un pipeline (GitHub Actions, Azure DevOps o Jenkins) para:
      • Construir y testear en cada commit
      • Construir y pushear imagen Docker
      • Desplegar automáticamente en tu entorno cloud

  4. Orquestación con Kubernetes

    • Escribe manifiestos (Deployment, Service, ConfigMap/Secret) para tu app y base.
    • Guarda tu API key del LLM en un Secret y móntalo como variable de entorno.
    • Despliega en un cluster local (Minikube/Kind) o administrado (EKS, AKS, GKE).
    • Expón tu app con un Service (NodePort o LoadBalancer).
    • (Opcional) Usa Helm.

  5. Monitoreo y observabilidad

    • Despliega Prometheus y Grafana (Docker o manifiestos K8s).
    • Instrumenta tu app FastAPI para exponer métricas (por ejemplo, prometheus_client).
    • Monitorea llamadas al LLM: latencia, error rate y uso de tokens del endpoint /analyze.
    • Configura Prometheus para scrapear el endpoint de métricas.
    • Crea un dashboard en Grafana con request count, error rate, latencia y desempeño del LLM.

  6. Documentación

    • Documenta el setup y despliegue en un README.md.
    • Incluye diagramas o screenshots del pipeline, Kubernetes y dashboards.

Ejemplo de estructura​

/journal-app
  /infra                # Terraform o configs IaC
  /k8s                  # Manifiestos Kubernetes
  /app                  # Código FastAPI
  Dockerfile
  .github/workflows/    # Configs del pipeline CI/CD
  README.md

Testing y validación​

  • Haz un cambio en código y pushea al repo: verifica que el pipeline construya, testee y despliegue.
  • Accede a tu app desplegada y confirma que funcione con la base.
  • Entra a Grafana y confirma que ves métricas en vivo.
  • Usa kubectl para verificar que app y base corren.

Checklist de skills​

  • Dockerfile y containerización
  • Infrastructure as Code (Terraform)
  • Configuración de CI/CD
  • Manifiestos y despliegue en Kubernetes
  • Monitoreo y observabilidad (Prometheus + Grafana)
  • Documentación

Próximos pasos​

Cuando completes este capstone, habrás demostrado skills DevOps reales llevando una app de código a producción con automatización, infraestructura como código, orquestación y monitoreo. Esto te deja un proyecto fuerte para tu portafolio y para hablar en entrevistas.