En el subcapítol anterior, Compute Optimizer ens recomanava la mida òptima per als nostres recursos. Aquesta tècnica —ajustar la mida del que fas servir al que realment necessites— s’anomena rightsizing, i és una de les formes més directes i efectives d’estalviar diners al núvol sense perdre rendiment. És tan important que mereix el seu propi subcapítol. La idea és simple però poderosa: no paguis per capacitat que no fas servir.
El problema: sobredimensionar «per si de cas»
Un error molt comú, heretat de la mentalitat dels servidors físics, és triar recursos més grans del necessari «per si de cas». En l’època dels servidors físics això tenia cert sentit (comprar un servidor era una inversió a anys, i ampliar-lo després era difícil). Però al núvol és un malbaratament de diners:
Servidor contractat: ████████████████ (capacitat: 16 GB RAM, 8 CPUs)
Ús real: ███ (fa servir: 2 GB RAM, 1 CPU)
└─ pagues per TOT això, només fas servir això ─┘
→ estàs pagant ~8 vegades més del que necessitesPagues per tota aquesta capacitat cada hora, la facis servir o no. Multiplicat per molts recursos i molts mesos, són molts diners llençats.
Què és el rightsizing
Rightsizing significa ajustar la mida de cada recurs al que realment necessita: ni més (malgastes diners) ni menys (es queda curt i va lent). És trobar la «talla justa» basant-te en l’ús real, no en suposicions.
ABANS (sobredimensionat): servidor gran, fa servir el 10 % → malgasta DESPRÉS (rightsized): servidor mitjà, fa servir el 60 % → eficient → mateix rendiment per a l’usuari, MENYS cost
Analogia: el rightsizing és com triar bé la talla de roba. Si compres una talla XXL quan fas servir una M, la roba et sobra per tot arreu (vas pagar de més per tela que no necessites). Si compres una S, et queda estreta i incòmoda (es queda curta). La talla M, la que et correspon, és perfecta: còmoda i sense malbaratament. Rightsizing és posar-li a cada recurs «la seva talla».
Una altra analogia: és com llogar el cotxe adequat per al teu viatge. Si vas sol a l’oficina, no llogues un autobús de 50 places (el pagues sencer per portar-te només a tu). Però si vas amb tota la família i l’equipatge, un utilitari diminut no serveix. Tries el cotxe a mida de la teva necessitat real.
Com es fa el rightsizing
El rightsizing es basa en dades reals d’ús, no en intuïció. El procés típic:
- Mesura l’ús real dels teus recursos al llarg del temps (amb CloudWatch, subcapítol 24.1, i amb Compute Optimizer, subcapítol 25.2): quanta CPU, memòria, etc., fan servir de veritat?
- Identifica els sobredimensionats: els que fan servir una fracció petita de la seva capacitat.
- Ajusta la mida a una de menor que segueixi cobrint l’ús real amb marge.
- Verifica que després del canvi tot segueix funcionant bé.
⚠️ Compte de no passar-se: l’objectiu no és triar el recurs més petit i barat possible, sinó l’adequat. Si retalles massa, el recurs es queda curt, va lent i empitjores l’experiència de l’usuari (o cau). Rightsizing és equilibri: la mida més petita que cobreixi còmodament la teva necessitat real, deixant marge per a pics.
Rightsizing i l’elasticitat del núvol
El rightsizing és possible i segur gràcies a un avantatge únic del núvol: canviar de mida és fàcil i reversible. Recorda l’elasticitat (subcapítol 1.3) i l’autoescalat (subcapítol 13.3):
- Si et quedes curt, pujar la mida és qüestió de minuts (no com comprar un servidor físic nou).
- Amb l’autoescalat, ni tan sols has d’endevinar: el sistema afegeix o treu recursos segons la demanda real, fent «rightsizing automàtic» de la quantitat.
Aquesta facilitat per reajustar és el que fa el rightsizing poc arriscat: si t’equivoques, ho corregeixes de seguida. Per això et pots permetre triar mides ajustades en comptes d’inflar-les «per si de cas».
Exemple del món real: una empresa va migrar les seves aplicacions a AWS copiant la mida que tenien als seus servidors físics (que eren enormes «per si de cas»). Després d’uns mesos, revisen amb Compute Optimizer i descobreixen que la majoria dels seus servidors fan servir menys del 15 % de la seva capacitat. Fan rightsizing: redueixen cada servidor a una mida d’acord amb el seu ús real, deixant marge per als pics. Resultat: la factura de còmput baixa gairebé a la meitat, i els usuaris no noten cap diferència (el rendiment és el mateix, perquè la capacitat que van treure no s’utilitzava). És, literalment, deixar de llençar diners.
Més enllà dels servidors
El rightsizing s’aplica a molts recursos, no només a servidors EC2:
- Bases de dades (RDS, Capítol 8): triar la mida d’instància adequada.
- Lambda (Capítol 14): assignar la memòria justa (afecta també el rendiment i el cost).
- Emmagatzematge: fer servir la classe d’emmagatzematge adequada (recorda les classes de S3, subcapítol 5.x, per a dades que s’accedeixen poc).
La filosofia és sempre la mateixa: pagar pel que necessites, no pel que sobra.
El que has de recordar
- Sobredimensionar «per si de cas» (heretat dels servidors físics) és un malbaratament de diners al núvol: pagues per capacitat que no fas servir, cada hora.
- Rightsizing és ajustar la mida de cada recurs al que realment necessita: ni de més (malgastes) ni de menys (es queda curt). Com triar bé la talla de roba o el cotxe adequat per al viatge.
- Es basa en dades reals d’ús (CloudWatch, Compute Optimizer), no en intuïció: mesurar → identificar sobredimensionats → ajustar → verificar.
- ⚠️ L’objectiu és la mida adequada, no la més barata: retallar massa empitjora el rendiment. És equilibri, deixant marge per a pics.
- És segur gràcies a l’elasticitat del núvol: canviar de mida és fàcil i reversible, i l’autoescalat ajusta la quantitat automàticament.
- S’aplica a servidors, bases de dades, Lambda i emmagatzematge. Filosofia: pagar pel que necessites, no pel que sobra.
Al següent subcapítol veurem una altra gran palanca d’estalvi, però per un camí diferent: comprometre’t a un ús a canvi de descomptes, amb Savings Plans i Reserved Instances.
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
