Dev&Ops

En este episodio hablamos de uno de los temas más mal entendidos al trabajar con contenedores: por qué “Docker rompe producción”… cuando en realidad el problema es cómo lo operamos.
A partir de experiencias reales migrando de VMs a contenedores, exploramos errores comunes que suelen pasar desapercibidos en desarrollo pero explotan en producción. Desde tratar contenedores como máquinas virtuales hasta no definir límites de recursos, usar latest o construir imágenes gigantes.
También abordamos errores de “día 2” como manejo de logs, secretos, health checks y seguridad, que pueden tumbar sistemas completos si no se manejan correctamente.
🔍 En este episodio aprenderás:
Por qué los contenedores no son el problema, sino su operación 
El error de tratar contenedores como VMs (y cómo cambiar esa mentalidad) 
Cómo evitar caídas por falta de límites de CPU y memoria 
Por qué nunca deberías usar latest en producción 
Cómo optimizar imágenes Docker para mejorar performance y despliegues 
Errores comunes en logs, secretos y health checks en entornos productivos 
📑 Capítulos:
 (00:00) Introducción y contexto del episodio
 (02:05) ¿Los contenedores realmente rompen producción?
 (05:10) Error #1: Tratar contenedores como VMs (pet vs cattle)
 (12:50) Error #2: No definir límites de recursos
 (19:40) Error #3: Usar el tag latest en producción
 (25:30) Error #4: Imágenes Docker pesadas
 (32:20) Errores de fase 2: logs, secretos, seguridad y health checks
 (39:30) Conclusiones y recomendaciones finales

La inteligencia artificial se ha robado la atención de toda la industria tecnológica, pero eso no significa que herramientas clave como Docker hayan desaparecido del flujo de trabajo de desarrollo y operaciones. En este episodio hablamos sobre cómo Docker Desktop sigue siendo una pieza fundamental en el desarrollo moderno, incluso en plena era de los agentes y los LLMs. 
Exploramos cómo los equipos de desarrollo y DevOps pueden aprovechar Docker Desktop no solo para ambientes de desarrollo tradicionales, sino también para nuevos flujos de trabajo relacionados con inteligencia artificial.
En particular, analizamos dos funcionalidades interesantes que pueden integrarse fácilmente en el entorno local: Docker Model Runner para ejecutar modelos LLM locales y las herramientas de Docker para correr MCP Servers, permitiendo conectar aplicaciones de IA con servicios externos de forma más segura y estandarizada.
Si ya utilizas contenedores en tu flujo de desarrollo, estas capacidades podrían ayudarte a simplificar la integración de IA en tu stack sin añadir más herramientas externas.
🔍 En este episodio aprenderás:
Por qué Docker dejó de ser un “buzzword” pero sigue siendo clave en DevOps
Cómo Docker Desktop sigue facilitando ambientes de desarrollo locales con contenedores
Qué es Docker Model Runner y cómo permite correr LLMs locales
Cómo interactuar con modelos locales usando APIs tipo OpenAI u Ollama
Qué es Model Context Protocol (MCP) y por qué es importante para aplicaciones de IA
Cómo Docker Desktop facilita ejecutar MCP Servers de forma aislada y segura
Cuándo tiene sentido usar Docker Desktop en flujos de trabajo con inteligencia artificial
📑 Capítulos:
(00:00) Introducción: IA, buzzwords y el rol actual de Docker
 (01:45) ¿Por qué Docker dejó de ser un buzzword?
 (04:20) Docker Desktop en los flujos de desarrollo modernos
 (07:30) Ambientes de desarrollo locales con contenedores
 (10:10) Kubernetes local dentro de Docker Desktop
 (13:00) Cómo la IA está cambiando el trabajo de desarrollo y operaciones
 (16:20) Primer enfoque: correr modelos LLM locales
 (19:10) Docker Model Runner: cómo funciona
 (22:40) APIs compatibles con OpenAI y Ollama
 (25:00) Segundo enfoque: qué es MCP (Model Context Protocol)
 (27:20) Problemas comunes al ejecutar MCP servers
 (29:40) Docker MCP Toolkit y MCP Catalog
 (31:50) Docker MCP Gateway y orquestación de MCP servers
 (33:10) Reflexión final: cuándo considerar Docker Desktop en la era de la IA

¡Bienvenidos a un nuevo episodio experimental de Dev&Ops! 🎉 Esta semana, Juan y Douglas salen un poco de la rutina y se sientan a reaccionar a tres artículos tecnológicos que están dando mucho de qué hablar en la industria.
¿Alguna vez has considerado reemplazar tus scripts de Bash con Python? Analizamos los pros y contras de la portabilidad tanto en entornos locales como en servidores de producción. Luego, entramos en un debate picante: ¿Deberíamos dejar de usar Redis, MongoDB y Pinecone para meter TODO dentro de PostgreSQL?  Hablamos sobre la centralización, la robustez de los sistemas complejos y el temido "Single Point of Failure".
Para cerrar, exploramos el fascinante pero doloroso mundo de las aplicaciones "Local First". ¿Por qué no son el estándar de la industria si prometen tanta seguridad y control? Profundizamos en la pesadilla que es la sincronización de datos, abordando conceptos complejos como los Relojes Lógicos Híbridos (HLC)  y los Conflict-free Replicated Data Types (CRDTs).
¡No olvides dejarnos en los comentarios qué opinas tú! ¿Te quedarías solo con Postgres? ¿Eres team Bash o team Python? 👇
YouTube: https://www.youtube.com/@DevAndOpsPodcast ▶️
TikTok: https://www.tiktok.com/@devandops 🕺
Instagram: https://www.instagram.com/devandopspodcast 📸
Facebook: https://www.facebook.com/devandops 👍
Spotify: https://open.spotify.com/show/1MuMODYsE4xN6RhOcd8EaG 🎧
📑 Chapters:
(00:00) Bienvenidos a Dev&Ops y la saturación tecnológica
(03:45) Artículo 1: Usar Python en lugar de Bash Scripting
(08:15) La portabilidad de scripts en diferentes sistemas operativos
(16:30) Veredicto: Python para local, Bash para servidores
(22:30) Artículo 2: La trampa de usar la herramienta "correcta"
(28:20) ¿Reemplazar Redis, Mongo y Pinecone solo con PostgreSQL?
(38:45) Complejidad vs Robustez en arquitecturas de bases de datos
(44:00) Artículo 3: El misterio de las aplicaciones Local First
(48:25) El verdadero reto: Sincronización, HLCs y conflictos CRDTs
(54:45) ¿Hay mercado real para las aplicaciones Local First?
(01:03:30) Conclusiones, comentarios y despedida
#devops #programacion #python #bash #postgresql #basededatos #localfirst #softwarearchitecture #backend #podcasttecnologico #desarrollodesoftware

En este episodio de Dev&Ops analizamos un debate que ya no es debate: ¿por qué Linux terminó dominando los servidores web y de aplicaciones?
Recorremos la historia desde los 90s: Perl, CGI, PHP, Java, ASP, ColdFusion, el nacimiento del stack LAMP, el auge de Apache y NGINX, y cómo la comunidad open source inclinó definitivamente la balanza.
No es una conversación basada en fanatismo. Es un análisis histórico y técnico sobre costos, rendimiento, comunidad, estabilidad y cómo la nube terminó de consolidar el dominio de Linux en la web.
🔍 En este episodio aprenderás:
Cómo el stack LAMP revolucionó el desarrollo web
Por qué el modelo open source aceleró la adopción de Linux
Qué papel jugaron PHP, Java, Ruby y ASP en esta batalla
Cómo el rendimiento y la arquitectura multiusuario marcaron la diferencia
Por qué la nube terminó de consolidar el dominio de Linux
En qué áreas Windows sigue siendo el rey (Exchange y Active Directory)
📑 Capítulos recomendados
 (00:00) Introducción al EP50
 (02:10) ¿Linux vs Windows en servidores? Una batalla ya ganada
 (05:46) ¿Qué pasaría si hoy te pidieran montar un servidor web en Windows?
 (09:11) Servidores Windows en los 2000: IIS, NT y Windows 2000
 (12:00) El factor costo: licencias vs open source
 (16:01) Linux como puerta de entrada para desarrolladores
 (21:00) Los lenguajes que marcaron la historia web (Perl, CGI, C/C++)
 (29:40) El nacimiento de PHP y el auge del stack LAMP
 (31:44) Ruby on Rails y su impacto en la web
 (37:42) ColdFusion, enterprise y software propietario
 (43:38) ASP y el ecosistema cerrado de Windows
 (46:45) Java y la era de los Servlets
 (51:33) Open source vs propietario: quién inclinó la balanza
 (57:44) Comunidad, Apache y la consolidación de Linux
 (1:01:03) Automatización y facilidad de despliegue
 (1:03:21) Estabilidad, rendimiento y arquitectura multiusuario
 (1:13:21) Microsoft adopta Linux en la nube
 (1:16:00) La nube como golpe final a la batalla
 (1:18:00) Conclusiones: hechos históricos, no fanatismo

¿Tratas a tu base de datos como un simple cajón donde guardas cosas o como el motor principal de tu aplicación? En este episodio de Dev&Ops, Juan y Douglas se sumergen en el mundo de las bases de datos desde la perspectiva del desarrollador.
Hablamos sobre por qué no todo es responsabilidad del DBA y cómo decisiones simples —como elegir el tipo de dato correcto o entender el orden de un índice compuesto— pueden salvar la billetera de tu empresa (y tu salud mental). Exploramos la normalización, el arte de saber cuándo romperla, el uso de transacciones atómicas para evitar desastres y el famoso "Soft Delete". Si quieres que tu aplicación escale sin necesidad de lanzarle más RAM al problema, este episodio es para ti. ¡Dale play y optimiza tu stack!
Únete a nuestras redes sociales:
YouTube: https://www.youtube.com/@DevAndOpsPodcast ▶️
TikTok: https://www.tiktok.com/@devandops 🕺
Instagram: https://www.instagram.com/devandopspodcast 📸
Facebook: https://www.facebook.com/devandops 👍
Spotify: https://open.spotify.com/show/1MuMODYsE4xN6RhOcd8EaG 🎧
📑 Chapters:
(00:00) Intro y bienvenida al podcast
(02:07) El rol del desarrollador frente a la base de datos
(08:45) Normalización: 1ra, 2da y 3ra Forma Normal explicada
(14:16) Por qué quien entiende la base de datos entiende la aplicación
(19:20) Excepciones: ¿Cuándo es bueno duplicar datos?
(22:30) Tipos de datos: El impacto de elegir bien el tamaño
(27:44) Cómo se hace una auditoría de base de datos real
(33:00) Constraints y reglas de negocio: El último bastión de seguridad
(35:48) Transacciones atómicas a nivel de código vs DB
(43:08) Columnas de auditoría y el secreto del Soft Delete
(49:04) Índices compuestos: Por qué el orden de las columnas lo cambia todo
(54:29) Optimizar código vs. escalar recursos: El golpe a la billetera
#devops #basesdedatos #sql #programacion #backend #performance #systemdesign #desarrollodesoftware #tecnologia #dbmanagement