DevOps II - Aplicación en

desarrollo de software
ADS
DevOps en Desarrollo de software
Con respecto al desarrollo de software, también
se aplican muchas herramientas DevOps. Vamos
a ir separando los distintos pasos de acuerdo al
círculo que está en esta diapositiva:
- Planeamiento general del proyecto
- Análisis de requisitos
- Diseño
- Implementación
- Testeo e integración
- Mantenimiento
Obviamente, se van a repetir muchas
herramientas que ya vimos con respecto a las
prácticas en tecnología de la información.
Herramientas para planeamiento general
del proyecto
Acá entran en juego todas las metodologías de desarrollo;
SCRUM, XP, modelo evolutivo, por prototipos, etc..
El planeamiento desde la génesis del proyecto, donde se
detallan los pasos a seguir para intentar conseguir que el
mismo supla a la empresa con un sistema de calidad, es el que
contiene la metodología de desarrollo subyacente.
Más allá de la metodología de desarrollo, hay herramientas
para organización y automatización del seguimiento de tareas
que entran en esta categoría de planeamiento general del
proyecto.
Herramientas para planeamiento general
del proyecto
Kanban: si bien Kanban se puede entender como metodología
ágil en general, en realidad vamos a ver que en el contexto de
DevOps, junto con cualquier otra metodología de desarrollo ágil
(como vimos con SCRUM), permite visualizar y gestionar el
trabajo para lograr lo que todas las metodologías ágiles
pretenden: mejorar la eficiencia, reducir el tiempo de entrega y
asegurar un flujo continuo de trabajo.
Kanban – Introducción
El principio básico de Kanban (看板) es visualizar el trabajo
dividido en columnas que representan diferentes etapas o
estados del flujo de trabajo. Siempre están estas tres mínimo:
- To do: a hacer, pero todavía no comenzamos.
- In Progress: en progreso, trabajando actualmente.
- Done: tareas completadas.
Kanban - Tarjetas
Cada tarea o elemento de trabajo se representa con una tarjeta
en el tablero. Las tarjetas pueden tener ciertos detalles:
- Un título
- Una descripción
- Asignaciones
- Fechas límite
- Prioridad
Kanban - WIP Limits
Una característica de Kanban es la de limitar la cantidad de trabajo que
hay en la cantidad de trabajo en progreso, a esto se lo conoce como
WIP Limits.
La idea es que el equipo no se sobrecargue y termine las tareas ya
asignadas antes de comenzar nuevas.
Durante el desarrollo, es fácil decir “Bueno, voy a parar de hacer esto
un segundo y arranco con otra cosa”, sin embargo esto es muy
ineficiente; toma tiempo y quita concentración de cada tarea,
dividiéndola en dos.
Es así que si el WIP Limit para ‘In Progress’ es 3, entonces solo
podemos tener 3 tareas en esa columna, y si todas las tareas en esa
columna están ocupadas, el equipo no puede comenzar una nueva
hasta que terminen una de las que ya está en progreso.
Kanban - Mejora Continua
Obviamente, al ser una metodología ágil, y aplicar
leyes de Lehman con relación a la autorregulación,
Kanban promueve la mejora continua del flujo de
trabajo.
Por lo general, se recolectan métricas como lead
time (tiempo que tarda una tarea en moverse de
una columna “To Do” a “Done”), y ajustar prácticas
para mejorar la eficiencia.
Por ejemplo, si se están acumulando muchas tareas
en “In Progress”, hay que modificar ya el WIP Limit
porque estamos siendo ineficientes.
Kanban - Prioridades flexibles
Kanban permite priorización dinámica; las
prioridades pueden cambiar a medida que surgen
nuevas necesidades al principio de cada sprint (o
incluso durante los sprints con los Kanban de
emergencia).
Los Kanban de Emergencia se emiten de modo
temporal cuando se requiera hacer frente a partes
defectuosas del código, trabajos extraordinarios o
esfuerzos especiales, si la situación lo amerita.
Por ejemplo, si aparece una tarea urgente, se agrega
al tablero en la columna “To Do” y se trabaja en eso
sin esperar a la finalización de un ciclo completo.
Herramientas para aplicar Kanban
Las herramientas más utilizadas para aplicar
Kanban son:
- Trello, que dispone de un tablero visual
para pequeñas y medianas empresas.
- Jira, una herramienta de gestión usada en
empresas mucho más grandes.
- Gitlab y Azure también tienen sus propios
tableros Kanban integrados para poder
manejar el flujo de trabajo.
Herramientas para el análisis de requisitos

Lo más relevante en las metodologías de desarrollo de

hoy en día para realizar un análisis de requisitos
satisfactorio es dividir los mismos en historias
manejables para facilitar la entrega iterativa y la
priorización en ciclos de desarrollo: historias de usuario.
Más allá de las historias de usuario y las metodologías
de desarrollo que las promueven, existen algunas
herramientas que permiten la realización de un análisis
de requisitos de manera más cómoda…
Herramientas para el análisis de requisitos
Confluence: permite crear, organizar y compartir documentos dentro
de un equipo o empresa; funciona como una wiki empresarial para
almacenar y gestionar información relevante.
- Documentación de requisitos: Creamos páginas para documentar
los requisitos del proyecto de manera detallada, ya sean
funcionales como no funcionales.
- Bien organizado: Los requisitos se organizan en una jerarquía
clara, utilizando títulos, subtítulos y links internos (como
Wikipedia!!).
- Historial de versiones: Confluence guarda versiones anteriores de
los documentos, permitiendo ver el historial de cambios; útil para
mantener un registro de cómo fueron evolucionando los requisitos.
Herramientas para el análisis de requisitos
GitHub Issues: Es mucho más simple que Confluence;
permite gestionar principalmente bugs y mejoras. Muy
útil para proyectos que se manejan en GitHub.
- Issues: ‘incidentes’. Éstos pueden crearse para
cada requisito, conteniendo una descripción
detallada del mismo, links, discusiones, entre
otros.
- Asignación: Los issues pueden ser asignados a
desarrolladores o equipos para hacerse
responsables del análisis o implementación del
mismo, permitiendo una buena organización.
- Commits y pull requests: Al estar integrado
directamente con el repositorio de código en
GitHub, podemos referenciar commits o pull
requests directamente desde los issues.
Herramientas para el diseño
Una herramienta que ayuda mucho al diseño, y vimos la clase pasada
es Terraform, ya que permite estructurar el proyecto de manera
automática.
Otro puede ser AWS CloudFormation, que permite modelar,
aprovisionar y gestionar recursos en la nube de AWS usando JSON o
YAML.
CloudFormation usa un archivo de plantilla que describe los distintos
recursos y su configuración. Cuando se manda el archivo a la nube,
CloudFormation crea y gestiona los recursos en el orden adecuado,
garantizando que se manejen las dependencias entre ellos.
Al conjunto completo de recursos que definió la plantilla, lo llamamos
pila o stack.
Herramientas para el diseño
AWS CloudFormation contiene:
- IaC (Infraestructura como Código): Permite que toda la
infraestructura de un proyecto se defina como código en un archivo
de plantilla, convirtiéndo a la infraestructura y al código fuente en
repetible y visionable.
- Despliegue de recursos: Los recursos definidos se van a crear y
configurar de manera consistente, ya que la plantilla está
automatizada, minimizando los riesgos y errores.
- Gestión de dependencias: Se hace automáticamente; si hay
dependencias en el proyecto entre sí, las mismas van a
gestionarse de manera automática para que los recursos se creen
en el orden correcto.
Herramientas para la implementación
Se puede hacer una relación entre seguridad (TI) e implementación;
aplicaciones como SonarQube o Snyk, que realizan revisiones
automáticas de calidad y seguridad del código aplican tanto para
tecnología de la información como para desarrollo de software.
Git, por otra parte, al tener un funcionamiento muy amplio como
software de control de versiones, también puede aplicar para control
de implementación, permitiendo el acceso al código a cualquier
desarrollador del proyecto.
Con relación a integración continua y despliegue continuo (CI/CD),
también nos vamos a referir a la implementación del código:
herramientas que vimos la clase pasada como Jenkins pueden ser de
gran ayuda para desarrollo de software también.
Herramientas para la implementación
GitHub Actions es otra herramienta que puede ser esencial para la
implementación si estamos trabajando con repositorios en GitHub.
Este nos permite automatizar, customizar y ejecutar los flujos de
trabajo del desarrollo de software en nuestro repositorio.
La página web de GitHub actions lo explica perfectamente:
[Link]
-github-actions
Herramientas para testeo e integración

Hay tres vertientes por las cuales se puede analizar el testeo e

integración de una aplicación:
- A través de pruebas automatizadas, creando así pruebas
unitarias, de integración, de regresión y funcionales para
validar automáticamente el comportamiento del código en
cada etapa.
- A través de pruebas en entornos de staging, permitiendo
configurar pruebas en entornos que simulan producción
(staging).
- A través de monitorización de logs, capturando y
analizando logs en tiempo real durante el testing y después
de la integración.
Herramientas para pruebas
JUnit es un framework de pruebas unitarias para Java. Permite validar que cada
unidad de código (métodos, clases, funciones) funcionen de manera correcta en
aislamiento.
JUnit tiene la capacidad de realizar pruebas unitarias y pruebas de regresión;
esta última nos permite detectar si los cambios en el código realizados para
arreglar pruebas unitarias causan errores en otras partes que anteriormente
funcionaban.
JUnit dispone de:
- Anotaciones: definen el comportamiento de los métodos de prueba.
Algunas anotaciones pueden ser:
- @Test: marca un método como una prueba.
- @Before y @After: definen acciones antes y después de cada prueba.
- @BeforeClass y @AfterClass: ejecutan configuraciones y limpiezas a
nivel de clase.
 Herramientas para pruebas
JUnit también dispone de Assertions. Estas public class TestCalculadora {
permiten verificar condiciones esperadas. Si @Test
una condición falla, la prueba se marca
entonces como fallida: public void testSuma() {

- assertEquals() Calculadora c = new Calculadora();

- assertTrue()
int resultado = [Link](2, 3);
- assertNotNull()
assertEquals(5, resultado, “La
Ejemplo: suma da 5”);
public class Calculadora { }
public int Suma(int a, int b) { }
return a + b;

} //acá creamos un test que utiliza el método

Suma de la clase Calculadora, y verifica si
} el resultado es correcto.
//en base a este método, hago un test…
Herramientas para pruebas
Selenium se utiliza para pruebas de interfaz de usuario (UI) en el front-end
de páginas de internet. Permite automatizar la interacción del usuario con
el browser.
Selenium simula el comportamiento del usuario en aplicaciones web,
permitiendo ser ejecutado en diferentes navegadores (google chrome,
mozilla firefox, microsoft edge, etc.), y se integra con otros frameworks de
pruebas como JUnit, TestNG o cualquiera que usemos.
Esta herramienta usa una API llamada WebDriver para poder interactuar
con el browser. La misma nos permite localizar elementos de la página
mediante selectores (id, name, class, CSS selector, etc.), para simular un
clic, envío de texto, o verificación de estado.
 Herramientas para pruebas
Ejemplo: [Link](“admin”);

public class LoginTest { [Link](“111111”);

@Test [Link]();

public void testLogin() { assertTrue([Link]().contai

ns(“/paginaPrincipal”));
WebDriver driver = new
ChromeDriver(); [Link]();

[Link](“[Link] }

WebElement usuario = }
[Link]([Link]("usuario"));
//Acá lo que hicimos fue simular el ingreso
WebElement contrasenia = de un usuario llamado “admin” con contraseña
[Link]([Link]("contrasenia")); “111111”. En el caso de que el login haya
funcionado correctamente, debería habernos
WebElement botonLogin = redirigido a la paginaPrincipal, entonces
[Link]([Link]("botonLogin")); utilizamos la ruta del mismo como assertTrue
para verificar.
Herramientas para pruebas
Postman sirve para hacer pruebas de APIs. Nos deja enviar solicitudes
HTTP y verificar las respuestas sin necesidad de programar.
Las respuestas son verificadas de dos maneras:
- Podemos ver si contienen los datos esperados
- Verificamos el estado HTTP.
- Podemos crear colecciones de pruebas y ejecutarlas automáticamente.
Supongamos que queremos realizar una petición GET con una API de
Pokemon o con la de países y banderas…
Herramientas para pruebas
Vamos a usar este URL: [Link]

… o este para el de los países: [Link]

Vamos a utilizar GET.

Podemos usar la versión online de Postman también!!
Después esto se testea de manera automática:
[Link]("Status code is 200", function () { [Link]("Type is Electric", function () {

[Link](200); var jsonData = [Link]();

}); var type = [Link][0].[Link];

[Link]("Name is Pikachu", function () { [Link](type).[Link]("electric");

var jsonData = [Link](); });

[Link]([Link]).[Link]("pikachu"); //verificamos estado HTTP, nombre del

}); pokemon y qué tipo es
Docker - Introducción
Docker es un proyecto de código abierto que automatiza el
despliegue de aplicaciones dentro de contenedores de
software, en lugar de virtualizar hardware (como lo hacen
las máquinas virtuales).
En el contexto de DevOps y desarrollo de software,
Docker se convierte en una herramienta importantísima
para simplificar la integración y entrega continua y para
estar seguros de que las aplicaciones se ejecuten de
manera consistente.
Docker - Origen
En la era moderna del desarrollo de software, los entornos de
trabajo estandarizados y la capacidad de empaquetar aplicaciones
junto con todas sus dependencias son requisitos fundamentales. A
medida que los proyectos de software crecen y se vuelven más
complejos, la necesidad de un entorno uniforme se hace cada vez
más evidente, y Docker es una tecnología que responde a esta
necesidad.
Imaginemos la situación común en la que una aplicación funciona
perfectamente en la computadora de un desarrollador, pero al
desplegarse en otro entorno (como en el servidor de producción o
en la máquina de otro desarrollador), aparecen errores o se
empieza a comportar de manera inesperada.
Ahí es donde tenemos que intentar manejar entornos complejos y
dependencias entre sistemas; Docker nos provee un entorno para
que repliquemos el sistema en cualquier lugar sin importar la
arquitectura, utilizando algo llamado contenedores.
Docker - Contenedores vs. Máquinas Virtuales
Para entender Docker, primero hay que entender en qué se
diferencian los contenedores de las máquinas virtuales:
Recordemos que una máquina virtual emula todo un
sistema operativo completamente de arriba a abajo con su
propio kernel y recursos (CPU, RAM, espacio en disco), lo
que las hace muy pesadas en términos de recursos porque
requieren su propio kernel y todos los drivers del sistema
operativo para funcionar.
Por otra parte, un contenedor comparte el kernel del
sistema operativo anfitrión, pero crea un entorno aislado
que contiene solo la aplicación y sus dependencias. Al no
emular el sistema operativo, los contenedores son
significativamente más ligeros y pueden ejecutarse a
gran velocidad con menos consumo de recursos.
 Docker - Qué ventajas nos dan los contenedores
Gracias a los contenedores, podemos trabajar en un entorno
controlado, predecible y replicable. Sus características ventajosas
incluyen:
- Consistencia entre entornos: podemos asegurar que la aplicación
funcione de la misma manera en cualquier entorno.
- Escalabilidad: las aplicaciones escalan en función de la demanda,
ya que cada componente es muy fácil de desplegar y replicar, lo
que lo convierte en crucial en aplicaciones de alta disponibilidad
que necesiten adaptarse a fluctuaciones de tráfico (como vimos en
DevOps I - herramientas para escalabilidad).
- Automatización y CI/CD: se integran los contenedores en
pipelines de integración y entrega continua. Esto permite
desplegar nuevas versiones rápidamente y con menos riesgo de
errores.
- Aislamiento de aplicaciones: es posible ejecutar múltiples
instancias de aplicaciones en el mismo sistema sin preocuparse de
conflictos de dependencias ya que cada contenedor funciona de
manera aislada.
Docker - Funcionamiento interno
Docker combina varias tecnologías:
- Namespaces: aíslan los recursos del sistema para
que los contenedores parezcan entornos
independientes.
- Control Groups: Limitan y distribuyen los recursos
del sistema (CPU, RAM, etc.), a cada contenedor.
- Union File Systems: Nos proveen con un sistema
de archivos en capas que hace que las imágenes de
Docker sean eficientes en almacenamiento.
- Networking: Configura redes virtuales para que los
contenedores puedan comunicarse entre sí y con el
exterior sin interferir con el sistema anfitrión.
 Kernel de Linux - Namespaces
Los namespaces son una funcionalidad del kernel de Linux que Docker usa para
aislar diferentes aspectos de los contenedores. En Docker, los namespaces permiten
que cada contenedor se ejecute en su propio “universo” sin interferir con otros
contenedores o con el sistema anfitrión. Los namespaces más usados son:

- PID (Process ID): Aísla el espacio de los procesos para que cada contenedor
tenga su propia numeración de PID. Esto significa que un proceso dentro de un
contenedor no puede ver ni interferir con los procesos de otros contenedores
ni del anfitrión.
- Mount: Controla el sistema de archivos que cada contenedor puede ver. Esto
permite que un contenedor vea únicamente su sistema de archivos en lugar de
todo el sistema de archivos del anfitrión.
- Network: Aísla las interfaces de red. Cada contenedor puede tener su propio
conjunto de interfaces de red y su propio espacio de red, incluyendo puertos y
direcciones IP.
- IPC: Aísla la comunicación entre procesos, de modo que los procesos dentro
de un contenedor solo puedan comunicarse con otros procesos dentro del
mismo contenedor.
- User: Permite que los contenedores tengan su propio espacio de usuarios,
creando un entorno seguro en el que los usuarios dentro del contenedor
pueden no tener privilegios en el sistema anfitrión, independientemente de su
privilegio dentro del contenedor.
Kernel de Linux - CGroups
Los cgroups o “grupos de control” son otra
funcionalidad del kernel de Linux que Docker utiliza
para asignar y limitar los recursos que cada contenedor
puede utilizar. Mediante los cgroups, Docker puede
imponer límites estrictos en la cantidad de CPU,
memoria RAM, disco y otras métricas de recursos que
cada contenedor puede consumir.
Por ejemplo, si un contenedor ejecuta un proceso que
consume mucha CPU, los cgroups pueden limitar el uso
de CPU de ese contenedor, asegurando que otros
contenedores o el sistema anfitrión no se vean
afectados por este consumo excesivo.
Docker - UnionFS
Docker implementa UnionFS, que es un sistema que
permite que cada imagen de Docker se construya sobre
capas que representan cambios individuales en el
sistema de archivos, en lugar de copiar archivos
completos. Cada capa es inmutable, lo cual significa que
no se modifica una vez creada. En lugar de eso, cada
cambio crea una nueva capa.
Cuando Docker crea un contenedor a partir de una
imagen, apila las capas y crea una capa adicional,
llamada la capa de contenedor o capa de escritura. Solo
esta última capa es modificable y contiene los cambios
específicos del contenedor.
Docker - Redes
Docker tiene una infraestructura de red propia que es
muy flexible. Los modos de red principales son:
- Bridge: Crea una red virtual privada donde los
contenedores pueden comunicarse entre sí.
- Host: El contenedor comparte la red del anfitrión en
lugar de tener su propia red aislada, sin ofrecer
aislamiento de red (al contrario de bridge).
- Overlay: Permite crear redes que abarcan múltiples
hosts, ideal para clústeres Docker en producción.
- None: Desactiva la red del contenedor.
Obviamente, Docker no prescinde de funcionalidades de
Linux en términos de las redes, utilizando de hecho
iptables (reglas de Firewall de Linux).
Docker - ¿Cómo lo hacemos andar?
Dockerfile: Primero, creamos un archivo llamado Dockerfile
que construye la imagen del contenedor, definiendo el sistema
operativo base, las dependencias de la aplicación,
configuraciones específicas, variables de entorno y comandos
a ejecutar.
Build: Ejecutamos ‘docker build’, procesando el Dockerfile y
construyendo la imagen a partir del mismo. Cada instrucción
en el Dockerfile crea una nueva capa en la imagen, usando
UnionFS para apilar las capas de manera eficiente.
Run: Ejecutamos ‘docker run’, lanzando un contenedor a partir
de una imagen tomada. Docker crea una capa de escritura
temporal para almacenar los cambios realizados durante la
ejecución y usa namespaces y cgroups para aislar el
contenedor del sistema anfitrión.
Docker - Cliente
Docker usa arquitectura cliente-servidor. El Docker
Daemon (dockerd) es un proceso en segundo plano que
se ejecuta en el sistema anfitrión y maneja todas las
operaciones de construcción, ejecución y supervisión de
contenedores. El cliente Docker (docker) es una interfaz
de línea de comandos que los usuarios utilizan para
interactuar con el Daemon.
Cuando se ejecuta un comando como docker run, el
cliente Docker se comunica con el Docker Daemon
mediante una API para ejecutar la tarea solicitada.
Docker
Concluímos en que usar Docker para crear y gestionar
contenedores puede simplificar la creación de sistemas
altamente distribuidos, permitiendo que múltiples
aplicaciones, las tareas de los trabajadores y otros
procesos funcionen de forma autónoma en una única
máquina física o en varias máquinas virtuales.
Docker permite una plataforma como servicio o PaaS de
estilo de despliegue, además que simplifica la creación
y el funcionamiento de las tareas de carga de trabajo.
El enfoque de Docker basado en contenedores impulsa
la adopción general de filosofía DevOps, facilitando la
colaboración entre desarrollo y operaciones y agilizando
los ciclos de vida de CI/CD.
Herramientas para entornos de producción o staging

Kubernetes es una herramienta muy completa que se utiliza en muchas

etapas de DevOps. Sin embargo, ayuda principalmente a administrar
aplicaciones en contenedores en entornos de producción o staging.
- Orquestación: Kubernetes administra el ciclo de vida de los
contenedores (inicio, paro, reinicio) en un clúster. Coordina el
despliegue de las aplicaciones y asegura que la cantidad deseada de
réplicas de los contenedores esté siempre en ejecución.
- Rolling deploy: Podemos realizar una actualización de una aplicación
sin tiempo de inactividad mediante despliegues rolling, donde los
contenedores se actualizan gradualmente.
Herramientas para entornos de producción o staging
Supongamos que tenemos una aplicación web distribuida y nos falta
desplegarla en staging para pruebas y después en producción:
Primero configuramos un cluster en un proveedor de nube y lo
organizamos en namespaces: production y staging.
Hacemos un pipeline para desplegar los cambios automáticamente en el
namespace que hicimos antes, staging, cada vez que haya un merge a la
rama de desarrollo. Después de eso, lo desplegamos en production.
En este momento, podemos ir probando nuevas versiones en el
namespace staging y después mandamos un Canary release (para una
cantidad limitada de gente) en production, así vemos qué piensan los
usuarios y si es estable o no.
Configuramos alguna de las herramientas que vimos la clase pasada
relacionada a monitoreo para ir verificando la respuesta de usuarios y la
estabilidad antes de redirigir todo el tráfico.
Herramientas para monitoreo de logs
ELK Stack permite recolectar, almacenar y visualizar datos de logs. El mismo
tiene tres componentes (E, L y K - Elasticsearch, Logstash y Kibana)
Elasticsearch es el núcleo del stack, una base de datos de búsqueda y análisis
que permite almacenar y buscar grandes volúmenes de datos en tiempo real.
Indexa los logs que vienen de múltiples fuentes y permite búsquedas rápidas
en los datos históricos y actuales, ayudando a identificar patrones de errores y
métricas de rendimiento.
Logstash es un motor de procesamiento de datos que ingiere, transforma y
envía los logs a Elasticsearch. Se conecta a diversas fuentes de datos
(servidores, aplicaciones, bases de datos), transforma los logs al formato
deseado y los envía a Elasticsearch, permitiendo almacenar datos complejos
antes de almacenarlos.
Kibana es la herramienta de visualización y dashboard de ELK, que facilita el
análisis de datos almacenados en Elasticsearch mediante gráficos y paneles.
Herramientas para monitoreo de logs
Grafana Loki trabaja en conjunto con Grafana. Está optimizado para
entornos en contenedores y se integra muy bien con clusters de
Kubernetes.
Loki es el servicio de almacenamiento y gestión de logs. A diferencia de
ELK, Loki almacena logs en texto plano y sólo indexa metadatos, lo que
hace que consuma menos recursos. Es ideal para entornos de
microservicios, especialmente Kubernetes, ya que puede recolectar logs
directamente de los contenedores y organiza los logs en base a los labels
de Kubernetes, como el nombre del namespace.
Herramientas para mantenimiento
Con respecto al mantenimiento, podemos destacar 4 campos distintos que son muy relevantes:

Despliegue continuo: Se pueden usar pipelines para garantizar el despliegue continuo, esto
consiste principalmente en actualizaciones frecuentes y controladas en entornos de producción
sin inactividad.

Monitoreo y alertas: Herramientas más relacionadas a TI como las que vimos la clase pasada,
para monitorear el rendimiento de la aplicación en producción y recibir alertas por si pasó algo:

- Prometheus
- Grafana
- Datadog

Gestión de parches y actualizaciones: Automatización de instalación de parches de seguridad y

actualizaciones de software, como por ejemplo:

- Ansible (apareció la clase pasada)

- Chef

Automatización de backups: Herramientas como las que ya vimos que realizan backups del
sistema, intentando minimizar el riesgo por si ocurre algún desastre, como:

- Veeam
- AWS Backup