Entre els motors que ofereix RDS n'hi ha un d'especial, creat per la pròpia AWS: Aurora. No és un motor «de fàbrica» com MySQL o PostgreSQL, sinó una versió millorada i reinventada per AWS per al núvol. En aquest subcapítol veurem què el fa diferent i quan escollir-lo davant del RDS «clàssic» (el que se sol anomenar RDS vanilla).
Què és Aurora
Amazon Aurora és una base de dades relacional creada per AWS que és compatible amb MySQL i PostgreSQL, però redissenyada per dins per aprofitar al màxim el núvol.
- «Compatible amb MySQL/PostgreSQL» vol dir que la teva aplicació parla amb Aurora igual que parlaria amb MySQL o PostgreSQL. No has de reescriure el teu codi ni aprendre un llenguatge nou. Per sota, Aurora és molt diferent i molt més eficient.
Analogia: Imagina que MySQL és un bon cotxe de carrer. Aurora és com agafar aquest mateix cotxe, conservar el volant i els pedals (perquè sàpigues conduir-lo sense aprendre res nou) però canviar-li el motor per un de competició. Condueixes igual, però rendeix moltíssim més.
Els avantatges d’Aurora sobre RDS vanilla
- Molta més rendiment
AWS afirma que Aurora pot ser fins a 5 vegades més ràpida que MySQL i fins a 3 vegades més ràpida que PostgreSQL en RDS estàndard, gràcies a la seva arquitectura d’emmagatzematge redissenyada. Per a aplicacions exigents, això és una gran diferència.
- Emmagatzematge que creix sol
En RDS clàssic, has de decidir per endavant quanta espai de disc reservar (i ampliar-lo a mà si et quedes curt). En Aurora, l’emmagatzematge creix automàticament a mesura que les teves dades augmenten, sense que hagis de fer res. Pagues pel que utilitzes.
Avantatge pràctica: t’oblides de l’ensurt clàssic de «s’ha omplert el disc de la base de dades». Aurora s’expandeix sola.
- Alta disponibilitat superior
Aurora guarda sis còpies de les teves dades repartides en tres zones de disponibilitat automàticament. Això la fa extremadament resistent a fallades: pot perdre còpies senceres i continuar funcionant sense perdre dades. La recuperació davant de fallades és més ràpida que en RDS clàssic.
- Rèpliques de lectura més ràpides i nombroses
Aurora permet fins a 15 rèpliques de lectura (davant de les 5 de RDS clàssic) i amb un retard de sincronització mínim. Ideal per a aplicacions amb moltíssima lectura.
- Aurora Serverless: que escali sol
Existeix una variant anomenada Aurora Serverless que ajusta automàticament la seva capacitat segons la demanda, i fins i tot pot reduir-se a gairebé zero quan no hi ha activitat. Pagues per l’ús real.
Quan és genial: per a aplicacions amb ús intermitent o impredictible (per exemple, un entorn de desenvolupament que només s’utilitza en horari d’oficina, o una app amb pics esporàdics). En lloc de pagar una base de dades encesa 24/7, pagues només quan s’utilitza. Recorda l’esperit d’elasticitat del Capítol 1.
Aurora vs RDS vanilla: taula comparativa
| Característica | RDS vanilla (MySQL/PostgreSQL) | Aurora |
|---|---|---|
| Rendiment | Bo | Molt superior (fins a 3-5×) |
| Emmagatzematge | El reserves tu, l’amplies a mà | Creix automàticament |
| Còpies de dades | Segons Multi-AZ | 6 còpies en 3 AZ, automàtic |
| Màx. rèpliques de lectura | 5 | 15 |
| Opció serverless | No | Sí (Aurora Serverless) |
| Cost | Més econòmic | Una mica més car |
| Compatibilitat | MySQL, PostgreSQL i altres | Compatible amb MySQL/PostgreSQL |
Aleshores faig servir sempre Aurora?
No necessàriament. Aurora és més potent però també una mica més cara que RDS vanilla. L’elecció depèn del teu cas:
Escull Aurora quan:
- Necessites alt rendiment o esperes créixer molt.
- Vols la màxima disponibilitat sense complicar-te.
- Tens molta càrrega de lectura (aprofites les seves rèpliques).
- El teu ús és intermitent i t’interessa Aurora Serverless.
Escull RDS vanilla quan:
- La teva aplicació és petita o mitjana i no necessita el rendiment extra.
- Vols minimitzar el cost.
- Necessites un motor que Aurora no ofereix (Oracle, SQL Server, MariaDB…).
- Vols exactament el mateix MySQL/PostgreSQL «de fàbrica» per algun requisit concret.
Exemple real: Una startup comença el seu producte amb RDS PostgreSQL estàndard perquè és barat i suficient. Quan la seva base d’usuaris creix i la base de dades comença a anar justa de rendiment, migren a Aurora PostgreSQL (sense tocar el seu codi, gràcies a la compatibilitat) i guanyen velocitat i capacitat de créixer. Aurora «acompanya» el seu èxit.
El que has de recordar
- Aurora és la base de dades relacional pròpia d’AWS, compatible amb MySQL i PostgreSQL (el teu codi funciona igual) però redissenyada per al núvol.
- Els seus avantatges: molt més rendiment, emmagatzematge que creix sol, alta disponibilitat superior (6 còpies en 3 AZ), més rèpliques de lectura i l’opció Aurora Serverless (escala sol, ideal per a ús intermitent).
- És més potent però una mica més cara que RDS vanilla.
- Escull Aurora per alt rendiment/creixement; RDS vanilla per a projectes més petits, menor cost o motors que Aurora no ofereix.
En el següent subcapítol canviem de món: veurem DynamoDB, una base de dades NoSQL molt diferent de les relacionals, i quan convé utilitzar-la.
Cloud, AWS & Terraform — De zero a expert
Capítol 1 · Què és el cloud computing
- 1.1 El model client-servidor tradicional
- 1.2 Problemes que venia a resoldre el núvol
- 1.3 On-premise vs cloud vs híbrid
- 1.4 Els tres models de servei: IaaS, PaaS, SaaS
- 1.5 Els cinc pilars del cloud (segons NIST)
- 1.6 Avantatges reals: elasticitat, pagament per ús, disponibilitat global
Capítol 2 · El mercat cloud i els grans proveïdors
- 2.1 AWS, Azure i GCP: diferències i quotes de mercat
- 2.2 Per què aprendre AWS primer
- 2.3 Conceptes que són universals entre proveïdors
Capítol 3 · Regions, zones de disponibilitat i edge
- 3.1 Què és una regió AWS i com triar-la
- 3.2 Availability Zones: alta disponibilitat des del disseny
- 3.3 Edge locations i CloudFront
- 3.4 Latència, resiliència i sobirania de dades
Capítol 4 · Càlcul: EC2
- 4.1 Instàncies: tipus, famílies i quan triar cadascuna
- 4.2 AMIs, key pairs i Security Groups
- 4.3 Cicle de vida d'una instància
- 4.4 Elastic IPs i Placement Groups
- 4.5 Savings Plans vs Reserved vs On-Demand vs Spot
Capítol 5 · Emmagatzematge: S3
- 5.1 Buckets, objectes i claus
- 5.2 Classes d'emmagatzematge (Standard, IA, Glacier…)
- 5.3 Versionat i cicle de vida d'objectes
- 5.4 Polítiques de bucket i ACLs
- 5.5 Hosting de llocs web estàtics
Capítol 6 · Xarxes: VPC
- 6.1 Què és una VPC i per què la necessites
- 6.2 Subxarxes públiques i privades
- 6.3 Internet Gateway i NAT Gateway
- 6.4 Route Tables i Network ACLs
- 6.5 VPC Peering i endpoints
Capítol 7 · Identitat i accés: IAM
- 7.1 Usuaris, grups, rols i polítiques
- 7.2 El principi de mínim privilegi
- 7.3 Polítiques basades en identitat vs en recurs
- 7.4 MFA i credencials temporals (STS)
- 7.5 Bones pràctiques de seguretat IAM
Capítol 8 · Bases de dades gestionades
- 8.1 RDS: motors, Multi-AZ i rèpliques de lectura
- 8.2 Aurora i els seus avantatges sobre RDS vanilla
- 8.3 DynamoDB: model clau-valor / documents
- 8.4 ElastiCache per a memòria cau en memòria
- 8.5 Quan utilitzar cada tipus de base de dades
Capítol 9 · Per què Infraestructura com a Codi
- 9.1 Problemes del provisionament manual
- 9.2 IaC declaratiu vs imperatiu
- 9.3 Terraform vs CloudFormation vs Pulumi vs CDK
- 9.4 El cicle plan → apply → destroy
Capítol 10 · HCL: el llenguatge de Terraform
- 10.1 Blocs resource, variable, output, locals
- 10.2 Tipus de dades: string, number, bool, list, map, object
- 10.3 Expressions, referències i funcions built-in
- 10.4 Condicionals i bucles (count, for_each, for)
Capítol 11 · Providers i estat
- 11.1 Com funciona el provider d'AWS
- 11.2 El fitxer terraform.tfstate i la seva importància
- 11.3 State local vs state remot (S3 + DynamoDB)
- 11.4 Comandes essencials: init, plan, apply, destroy, fmt, validate
Capítol 12 · La teva primera infraestructura real amb Terraform
- 12.1 Crear una VPC amb subxarxes des de zero
- 12.2 Posar en marxa una instància EC2 pública
- 12.3 Associar un Security Group i una Elastic IP
- 12.4 Outputs i referències entre recursos
- 12.5 Flux de treball en equip: PR review de plans
Capítol 13 · Balanceig de càrrega i autoescalat
- 13.1 Application Load Balancer vs Network Load Balancer
- 13.2 Target Groups, listeners i regles
- 13.3 Auto Scaling Groups: polítiques i mètriques
- 13.4 Warm pools i lifecycle hooks
Capítol 14 · Serverless amb Lambda
- 14.1 El model d'execució de Lambda
- 14.2 Triggers: API Gateway, S3, DynamoDB Streams, SQS
- 14.3 Gestió de dependències i capes (Layers)
- 14.4 Cold starts i estratègies per reduir-los
- 14.5 Límits i antipatrones
Capítol 15 · Missatgeria i esdeveniments
- 15.1 SQS: cues estàndard vs FIFO, DLQ
- 15.2 SNS: topics, subscripcions, fan-out
- 15.3 EventBridge: event buses i regles
- 15.4 Patrons: pub/sub, desacoblament, saga
Capítol 16 · Lliurament de contingut i DNS
- 16.1 Route 53: tipus de registres i routing policies
- 16.2 CloudFront: distribucions, memòries cau i origins
- 16.3 ACM: certificats SSL/TLS gratuïts
- 16.4 WAF integrat amb CloudFront
Capítol 17 · Contenidors a AWS
- 17.1 Docker: repàs exprés de conceptes clau
- 17.2 ECR: registre privat d'imatges
- 17.3 ECS: task definitions, services, Fargate vs EC2
- 17.4 EKS: quan Kubernetes i quan no
Capítol 18 · Mòduls: reutilització i composició
- 18.1 Anatomia d'un mòdul Terraform
- 18.2 Variables d'entrada, outputs i dependències
- 18.3 Mòduls locals vs mòduls del Terraform Registry
- 18.4 Versionat de mòduls amb Git tags
- 18.5 Disseny de mòduls genèrics vs específics de domini
Capítol 19 · Workspaces i gestió d'entorns
- 19.1 Workspaces de Terraform: casos d'ús i limitacions
- 19.2 Estratègia de directoris per entorn (dev/stg/prod)
- 19.3 Terragrunt: DRY per a configuracions d'entorn
- 19.4 Variables d'entorn i fitxers .tfvars
Capítol 20 · Backends remots i locking
- 20.1 Configurar S3 + DynamoDB com a backend
- 20.2 State locking: evitar corrupció en equip
- 20.3 Migració d'estat entre backends
- 20.4 terraform import: portar recursos existents a l'estat
Capítol 21 · Testing d'infraestructura
- 21.1 Terraform validate i fmt en CI
- 21.2 Checkov i tfsec: anàlisi de seguretat estàtica
- 21.3 Terratest: tests d'integració en Go
- 21.4 Contract testing entre mòduls
Capítol 22 · Terraform en CI/CD
- 22.1 Pipeline bàsic: lint → plan → apply a GitHub Actions
- 22.2 Atlantis: GitOps per a Terraform
- 22.3 Terraform Cloud / HCP Terraform
- 22.4 Drift detection i reconciliació automàtica
Capítol 23 · Seguretat en profunditat
- 23.1 AWS Organizations i Service Control Policies
- 23.2 AWS Config: compliment continu
- 23.3 GuardDuty: detecció d'amenaces
- 23.4 Security Hub: visió centralitzada
- 23.5 KMS: gestió de claus i rotació
- 23.6 Secrets Manager vs Parameter Store
Capítol 24 · Observabilitat: logs, mètriques i traces
- 24.1 CloudWatch Logs, mètriques i alarmes
- 24.2 CloudWatch Dashboards i Contributor Insights
- 24.3 X-Ray: traçat distribuït
- 24.4 OpenTelemetry a AWS
- 24.5 Managed Grafana i Managed Prometheus
Capítol 25 · Optimització de costos
- 25.1 AWS Cost Explorer i pressupostos amb alertes
- 25.2 Trusted Advisor i Compute Optimizer
- 25.3 Rightsizing: com detectar sobredimensionament
- 25.4 Savings Plans vs Reserved Instances: decisió estratègica
- 25.5 FinOps: cultura i processos per controlar la despesa
Capítol 26 · Alta disponibilitat i disaster recovery
- 26.1 RTO i RPO: definir els objectius
- 26.2 Estratègies: backup/restore, pilot light, warm standby, multi-site
- 26.3 Route 53 health checks i failover automàtic
- 26.4 AWS Backup: política centralitzada de còpies
Capítol 27 · Well-Architected Framework d'AWS
- 27.1 Els sis pilars: excel·lència operacional, seguretat, fiabilitat, eficiència de rendiment, optimització de costos, sostenibilitat
- 27.2 Well-Architected Tool: revisions formals
- 27.3 Com aplicar el framework en decisions de disseny
Capítol 28 · Arquitectures serverless a escala
- 28.1 Event-driven architecture amb Lambda + EventBridge
- 28.2 Saga pattern per a transaccions distribuïdes
- 28.3 Step Functions: orquestració de workflows complexos
- 28.4 Lambda@Edge i CloudFront Functions
Capítol 29 · Plataformes de dades a AWS
- 29.1 Data Lake amb S3, Glue i Athena
- 29.2 Kinesis Data Streams i Firehose per a streaming
- 29.3 Redshift: data warehousing a escala
- 29.4 Lake Formation: govern del dada
Capítol 30 · Multi-compte i landing zones
- 30.1 Per què separar workloads en comptes diferents
- 30.2 AWS Control Tower i Account Factory
- 30.3 Gestió centralitzada de logs i seguretat
- 30.4 Terraform a escala multi-compte amb mòduls compartits
Capítol 31 · Platform Engineering i Internal Developer Platform
- 31.1 Golden paths i abstraccions sobre Terraform
- 31.2 Service Catalog d'AWS
- 31.3 Backstage com a portal de desenvolupadors
- 31.4 Mòduls Terraform com a producte intern
Capítol 32 · Certificacions AWS rellevants
- 32.1 Cloud Practitioner: val la pena?
- 32.2 Solutions Architect Associate → Professional
- 32.3 DevOps Engineer Professional
- 32.4 Specialty: Security, Database, Networking
- 32.5 HashiCorp Terraform Associate
Capítol 33 · Projectes per consolidar el que s'ha après
- 33.1 Projecte 1: blog serverless (S3 + CloudFront + Lambda + DynamoDB)
- 33.2 Projecte 2: API REST amb ECS Fargate + RDS + ALB
- 33.3 Projecte 3: plataforma de dades amb Glue + Athena + Redshift
- 33.4 Projecte 4: landing zone multi-compte amb Terraform i Control Tower
