Mayo de 2026 - Actualidad
Ankara
LimonCloud
Senior DevOps & Cloud Engineer
Consultora cloud y proveedor de servicios gestionados. 20 cuentas de clientes activas, la mayoría en AWS, con algo de Google Cloud, vCloud Director y Kubernetes on-prem.
- Comparé los CPU requests de un clúster EKS de producción con 7 días de datos de Prometheus y vi que eran unas 30 veces el uso p95. Después el node group se consolidó de 19 a 5 nodos, cerca de un 63 % menos a precio de lista.
- Para el mismo cliente emparejé 22 instancias EC2 on-demand con Reserved Instances de 1 año. El coste de cómputo de EC2 bajó en torno a un 50 % a precio de lista.
- Trabajé en una migración de producción de Azure AKS a EKS: revisé 73 deployments y 73 ingresses tras el cutover, arreglé pods que se quedaban en Pending quitando reglas de nodeAffinity obsoletas, resolví errores 404 y 500 en los ingress de ALB causados por conflictos de subnets y de prioridad de paths, reconstruí un servicio que faltaba con sus manifests de deployment, service, ingress y HPA, y llevé Jaeger a EKS como release de Helm.
Ver los 12 puntosVer menos
- Limpié dos cuentas de AWS de otro cliente en dos rondas. Solo la primera ronda bajó la factura un 13 %, y propuse ahorros adicionales de más del doble de lo conseguido.
- Actualicé un clúster EKS de 7 nodos de la versión 1.33 a la 1.36 en una noche. Antes hice snapshots de EBS, y corregí una annotation de IRSA que se había perdido en el EBS CSI driver. Monté un nuevo clúster EKS 1.36 en Terraform con endpoint privado, nodos arm64, AWS Load Balancer Controller y Cluster Autoscaler.
- Pasé un kube-prometheus-stack de producción de emptyDir a volúmenes persistentes y puse Grafana detrás de un ALB con ACM. Esa configuración se convirtió en el estándar Helm de la empresa.
- Encontré la causa raíz de varios incidentes de producción. Una caída de VPN de 20 minutos: el reinicio de un servidor DNS había eliminado una ruta que no era persistente y una regla NAT de Pritunl demasiado amplia lo ocultó durante 18 días; se corrigió esa misma mañana. Errores 520 de Cloudflare: una consulta de 75 segundos chocaba con un timeout de proxy de 60 segundos; se corrigió en los dos nodos HAProxy sin downtime. Errores 502 de CloudFront: una origin request policy eliminaba el header Host delante de un ALB que enruta por host.
- Hice el cutover de un servidor web comprometido a uno reconstruido desde cero: moví 19 reglas de ALB y eliminé 3 cuentas de administrador no autorizadas de la base de datos de producción. El TTFB bajó de 9,7 s a 1,5 s.
- Dirigí la separación de las cargas de un cliente en dos cuentas de AWS (17 instancias EC2, 11 servicios ECS, RDS, 13 CodePipelines). Cambié la zona horaria de 4 servidores SQL y de aplicación mediante SSM, con unos 40 segundos de downtime.
- Llevé a producción en Kubernetes una aplicación interna de RR. HH. (web en Next.js, API en .NET) con release pipelines de Azure DevOps. Conecté su SSO con IdentityServer (cliente OIDC con scopes de acceso y de rol) a través de un host de ingress separado, de modo que el host de SSO en uso no se tocó. Señalé secretos en texto plano en los variable groups del pipeline para que se marcaran como secretos y se rotaran.
- Usé Terraform y Terragrunt con un state por tenant y tags de asignación de costes obligatorios.
- Acompaño a ingenieros junior y mid-level en su trabajo diario, y documento cambios, migraciones y caídas como runbooks e informes de incidente.

