En esta segunda parte del taller DevOps en Acción avanzamos desde la base que construimos previamente hasta un entorno de entrega continua listo para producción. Cubrimos configuración de Git y repositorio, control de dependencias y calidad de código, creación de imágenes Docker optimizadas, orquestación local con Docker Compose, integración con GitHub Actions para CI CD, escaneo de vulnerabilidades y despliegues automatizados a entornos de staging y producción, además de esquemas de despliegue en Kubernetes.
Nuestra empresa Q2BSTUDIO, especializada en desarrollo de software a medida, aplicaciones a medida, inteligencia artificial, ciberseguridad y servicios cloud aws y azure ofrece asistencia para implementar este tipo de pipeline en proyectos reales. Si buscas crear soluciones empresariales a medida con foco en seguridad y escalabilidad, revisa nuestros servicios de aplicaciones a medida y de servicios cloud aws y azure.
Resumen de lo implementado: 1) Archivos de configuración esenciales: .gitignore para evitar subir artefactos y secretos; .dockerignore para aligerar imágenes; .env.example como plantilla de variables de entorno; y un archivo de reglas ESLint para mantener calidad y estilo. 2) Dockerfile preparado para producción: multi stage build para minimizar tamaño, instalación de solo dependencias de producción, usuario no root para seguridad, healthcheck para supervisión y uso de dumb init para manejo correcto de señales y shutdown limpio. 3) Docker Compose para desarrollo local que permite levantar el servicio y dependencias con un solo comando y validar salud y puertos expuestos.
Pipeline de GitHub Actions: definimos flujos que ejecutan linting, tests unitarios y auditorías de seguridad en cada push y pull request. Un job de build crea imágenes multi arquitectura con Buildx y las publica en GitHub Container Registry. Tras el push se ejecuta un escaneo de vulnerabilidades con Trivy sobre la imagen recién construida. Despliegues: branch develop desencadena despliegue a staging y branch main despliega a producción. Separar pruebas y despliegues por rama facilita validaciones previas a producción.
Detalles prácticos y buenas prácticas: usar caché de dependencias para acelerar pipelines, etiquetar imágenes con información de build para trazabilidad, y subir resultados de escaneo en formato SARIF para integrarlos con las herramientas de seguridad de GitHub. En caso de errores en el escaneo, la solución es asegurarse de apuntar al tag exacto de la imagen generado por el job de build en lugar de suponer un tag latest inexistente.
Testing local y comandos útiles: instalar dependencias con npm install, ejecutar la suite de tests con npm test y arrancar el servidor con npm start. Para probar contenedores: docker build -t mi-app-devops:latest . y docker run -d --name mi-app -p 3000:3000 --restart unless-stopped mi-app-devops:latest. Con Docker Compose usar docker-compose up --build y docker-compose down para levantar y detener el entorno completo.
Configuración Kubernetes: proponemos manifests separados para staging y production con namespaces dedicados, probes de liveness y readiness en /health, réplicas adecuadas para alta disponibilidad y límites y requests de recursos en producción para evitar sobrecarga de nodos. Los servicios tipo LoadBalancer exponen las aplicaciones de forma controlada. Estos ficheros facilitan desplegar la misma imagen publicada en GHCR en clusters gestionados o self hosted.
Flujo completo de trabajo: crear feature branches y abrir pull requests para ejecutar tests y revisiones; merge a develop para desplegar automáticamente en staging y validaciones de integración; cuando todo está aprobado, merge a main dispara la pipeline de producción. Monitoriza ejecuciones en la pestaña Actions de GitHub y revisa el registro de imágenes en el registry para auditoría.
Beneficios obtenidos: integración continua que garantiza calidad y seguridad en cada cambio, imágenes reproducibles y ligeras para despliegues, escaneos de vulnerabilidades automatizados, y un flujo de despliegue preparado para entornos cloud y on premise. Además, esta base permite incorporar herramientas de observabilidad, rolling updates y estrategias de canary cuando el proyecto lo requiera.
Servicios que Q2BSTUDIO puede aportar: diseño e implementación de pipelines CI CD, migración a contenedores y Kubernetes, consultoría en ciberseguridad y pentesting, soluciones de inteligencia artificial e ia para empresas, desarrollo de agentes IA y creación de cuadros de mando con power bi. Si necesitas automatizar procesos de negocio o construir soluciones de inteligencia de negocio a medida, podemos ayudarte a cada paso, desde la arquitectura hasta la puesta en producción.
Conclusión: con esta guía tienes una hoja de ruta clara para transformar un proyecto Node.js en un servicio empresarial desplegable y seguro, con builds reproducibles, pruebas automatizadas, escaneos de seguridad integrados y despliegues por rama a staging y producción. Contacta a Q2BSTUDIO para llevar este pipeline a tu proyecto y aprovechar lo mejor de la automatización, la ciberseguridad y la inteligencia artificial en tus soluciones.
