{"id":571260,"date":"2025-05-28T16:32:00","date_gmt":"2025-05-28T15:32:00","guid":{"rendered":"https:\/\/blog.jetbrains.com\/?post_type=pycharm&p=571260"},"modified":"2025-09-15T09:32:18","modified_gmt":"2025-09-15T08:32:18","slug":"implementacion-de-aplicaciones-de-django-en-kubernetes","status":"publish","type":"pycharm","link":"https:\/\/blog.jetbrains.com\/es\/pycharm\/2025\/05\/implementacion-de-aplicaciones-de-django-en-kubernetes\/","title":{"rendered":"Implementaci\u00f3n de aplicaciones de Django en Kubernetes"},"content":{"rendered":"

Como una plataforma de orquestaci\u00f3n de contenedores de c\u00f3digo abierto que automatiza la implementaci\u00f3n, el escalado y el equilibrio de carga, Kubernetes ofrece una resiliencia inigualable en la gesti\u00f3n de sus aplicaciones de Django. <\/strong><\/p>\n

Tanto si est\u00e1 lanzando un proyecto a peque\u00f1a escala como si est\u00e1 gestionando una aplicaci\u00f3n compleja, Kubernetes proporciona un entorno robusto para mejorar su aplicaci\u00f3n de Django, y garantiza que est\u00e9 preparada para satisfacer las necesidades del desarrollo web moderno.<\/p>\n

Al automatizar la implementaci\u00f3n, el escalado y el funcionamiento de aplicaciones en contenedores, Kubernetes<\/a> (o K8s) ofrece numerosas ventajas a las organizaciones en el acelerado sector tecnol\u00f3gico.<\/p>\n

Tanto si es un desarrollador de Django que busca mejorar sus habilidades de implementaci\u00f3n como un entusiasta de Kubernetes que quiere explorar la integraci\u00f3n de Django, esta gu\u00eda tiene algo para todos.<\/p>\n

<\/p>\n

La introducci\u00f3n a este tutorial explora la relaci\u00f3n simbi\u00f3tica entre Django y Kubernetes, lo que le permite crear contenedores para su aplicaci\u00f3n web, distribuir cargas de trabajo en cl\u00fasteres y garantizar una alta disponibilidad.<\/p>\n

Django<\/h2>\n

Django es un marco de trabajo web Python de alto nivel que se erige como un faro de eficiencia y simplicidad en el mundo de desarrollo web. Django naci\u00f3 de la necesidad de crear aplicaciones web r\u00e1pidas, robustas y f\u00e1ciles de mantener, y se ha convertido en la opci\u00f3n preferida de desarrolladores y organizaciones.<\/p>\n

En su n\u00facleo, Django adopta la filosof\u00eda \u00abpilas incluidas\u00bb, y ofrece una amplia gama de herramientas, bibliotecas y convenciones integradas que facilitan el proceso de desarrollo. Simplifica tareas complejas como el enrutamiento de URL, la integraci\u00f3n de bases de datos y la autenticaci\u00f3n de usuarios, lo que permite a los desarrolladores centrarse en la creaci\u00f3n de sus aplicaciones.<\/p>\n

Una de las principales ventajas de Django es su adhesi\u00f3n al principio \u00ablibre de repeticiones\u00bb (don\u2019t repeat yourself, DRY), lo que reduce la redundancia y mejora la mantenibilidad del c\u00f3digo. Tambi\u00e9n sigue el patr\u00f3n arquitect\u00f3nico modelo-vista-controlador (MVC), lo que hace que las aplicaciones sean estructuradas y f\u00e1ciles de gestionar.<\/p>\n

Django tambi\u00e9n da prioridad a la seguridad, por lo que es menos propenso a vulnerabilidades web comunes. Incluye funcionalidades como la protecci\u00f3n contra \u00abcross-site scripting\u00bb (XSS) o \u00abcross-site request forgery\u00bb (CSRF) sin necesidad de configuraciones adicionales. Django ofrece una potente combinaci\u00f3n de velocidad, simplicidad y seguridad, y es una opci\u00f3n ideal para los desarrolladores que buscan crear aplicaciones web robustas y llenas de funcionalidades con un esfuerzo m\u00ednimo.<\/p>\n

Orquestadores de contenedores<\/h2>\n

Los orquestadores de contenedores son herramientas esenciales para gestionar y automatizar la implementaci\u00f3n, el escalado y el funcionamiento de aplicaciones en contenedores. Hay varios tipos de orquestadores de contenedores disponibles en el mercado. Estos son algunos de los m\u00e1s populares:<\/p>\n

1. Kubernetes<\/strong>, la plataforma de orquestaci\u00f3n de contenedores de c\u00f3digo abierto, ofrece un entorno robusto y adaptable para gestionar aplicaciones en contenedores. Automatiza tareas como el escalamiento, el equilibrio de carga y las comprobaciones de estado de contenedores con un amplio ecosistema de extensiones.<\/p>\n

2. Docker Swarm<\/strong> es una soluci\u00f3n de orquestaci\u00f3n de contenedores proporcionada por Docker. Dise\u00f1ado para ser f\u00e1cil de configurar y utilizar, es una buena opci\u00f3n para aplicaciones m\u00e1s peque\u00f1as u organizaciones que ya utilizan Docker, ya que emplea la misma interfaz de l\u00ednea de comandos y API que Docker.<\/p>\n

3. OpenShift<\/strong> es una plataforma empresarial de Kubernetes desarrollada por Red Hat. A\u00f1ade herramientas de desarrollo y operativas a Kubernetes, lo que simplifica la implementaci\u00f3n y la gesti\u00f3n de aplicaciones en contenedores.<\/p>\n

4. Nomad<\/strong>, desarrollado por HashiCorp, es un orquestador \u00e1gil y f\u00e1cil de usar capaz de gestionar contenedores y aplicaciones sin contenedores.<\/p>\n

5. Apache Mesos<\/strong> es un kernel de sistemas distribuidos de c\u00f3digo abierto, y DC\/OS (Data Center Operating System) es una plataforma de calidad empresarial creada en Mesos. DC\/OS ampl\u00eda Mesos con funcionalidades adicionales para gestionar y escalar aplicaciones en contenedores.<\/p>\n

Los equipos de software trabajan principalmente con plataformas gestionadas ofrecidas por conocidos proveedores en la nube como AWS, Google Cloud Platform y Azure. Estos proveedores en la nube ofrecen servicios como Amazon EKS, Google GKE y Azure AKS, todos los cuales son soluciones administradas de Kubernetes. Estos servicios simplifican la configuraci\u00f3n, expansi\u00f3n y administraci\u00f3n de cl\u00fasteres de Kubernetes y se integran a la perfecci\u00f3n con los respectivos entornos en la nube, lo que garantiza una orquestaci\u00f3n de contenedores y una implementaci\u00f3n de aplicaciones eficientes.<\/p>\n

C\u00f3mo crear una aplicaci\u00f3n de Django en PyCharm<\/h2>\n

En este tutorial empezaremos generando una aplicaci\u00f3n de Django m\u00ednima. A continuaci\u00f3n, colocaremos la aplicaci\u00f3n en contenedores y, en el \u00faltimo paso, la implementaremos en un cl\u00faster de Kubernetes local mediante Docker Desktop.<\/p>\n

Si no ha trabajado antes con el marco de trabajo Django pero desea crear una aplicaci\u00f3n de Django desde cero, consulte este art\u00edculo<\/a> del blog.<\/p>\n

Aqu\u00ed<\/a> puede acceder al c\u00f3digo fuente utilizado en este tutorial.<\/p>\n

Comencemos creando una nueva aplicaci\u00f3n de Django en PyCharm<\/a>.<\/p>\n

\n
\n Probar PyCharm Pro gratis<\/a>\n <\/div>\n<\/p>\n<\/div>\n

Para crear su proyecto, inicie PyCharm y haga clic en New Project<\/strong>. Si PyCharm ya se est\u00e1 ejecutando, seleccione File | New Project<\/strong> en el men\u00fa principal.<\/p>\n

Proporcione detalles esenciales como el nombre de proyecto, la ubicaci\u00f3n y el tipo de int\u00e9rprete, utilizando venv<\/a> o un entorno personalizado.<\/p>\n

<\/p>\n

A continuaci\u00f3n, haga clic en Create<\/strong>.<\/p>\n

PyCharm hace todo el trabajo pesado configurando su proyecto y creando el entorno virtual.<\/p>\n

<\/p>\n

Gunicorn<\/h3>\n

Una vez creado el proyecto, instale Gunicorn<\/a>, un servidor HTTP popular de la interfaz de pasarela del servidor web de Python (WSGI). Gunicorn, un servidor web con modelo de trabajador de pre-fork utilizado para servir aplicaciones web de Python, se utiliza a menudo en combinaci\u00f3n con marcos de trabajo web como Django, Flask y otros para implementar aplicaciones web y hacerlas accesibles a trav\u00e9s de Internet.<\/p>\n

La ventana de herramientas Python Packages<\/strong> ofrece la forma m\u00e1s r\u00e1pida y sencilla de previsualizar e instalar paquetes para el int\u00e9rprete Python seleccionado en ese momento.<\/p>\n

Puede abrir la ventana de herramientas a trav\u00e9s de View | Tool Windows | Python Packages<\/strong>.<\/p>\n

<\/p>\n

Psycopg 2<\/h3>\n

Psycopg 2<\/a> es una biblioteca de Python utilizada para conectarse e interactuar con bases de datos PostgreSQL. Proporciona una interfaz Python para trabajar con PostgreSQL, un de los sistemas de gesti\u00f3n de bases de datos relacionales de c\u00f3digo abierto m\u00e1s populares. Psycopg 2 permite a los desarrolladores de Python realizar diversas operaciones con bases de datos, como insertar, actualizar y recuperar datos, as\u00ed como ejecutar consultas SQL y gestionar conexiones a bases de datos desde programas de Python.<\/p>\n

\"\"<\/figure>\n

Antes de instalar psycopg2<\/code>, deber\u00e1 instalar las dependencias a nivel de sistema, brew install libpq<\/code> para macOS y apt-get install libpq-dev<\/code> para Linux.<\/p>\n

Referencia: postgresql.org\/docs\/16\/libpq.html<\/a><\/p>\n

libpq<\/code> es una biblioteca de cliente para PostgreSQL. Es una biblioteca de C que proporciona la funcionalidad necesaria para que las aplicaciones de cliente se conecten, interact\u00faen y gestionen servidores de bases de datos PostgreSQL.\u00a0<\/p>\n

Despu\u00e9s de completar las modificaciones particulares, actualice la secci\u00f3n dentro de settings.py<\/code> relacionada con DATABASES<\/code>.<\/p>\n

<\/p>\n

Aseg\u00farese siempre de pasar sus credenciales secretas a trav\u00e9s de variables de entorno.<\/p>\n

STATIC_ROOT<\/h3>\n

En Django, STATIC_ROOT<\/code> es un ajuste de configuraci\u00f3n que se utiliza para especificar la ruta absoluta del sistema de archivos donde se almacenar\u00e1n los archivos est\u00e1ticos recopilados al ejecutar el comando de gesti\u00f3n collectstatic<\/code>. Los archivos est\u00e1ticos suelen incluir CSS, JavaScript, im\u00e1genes y otros activos utilizados por su aplicaci\u00f3n web. La configuraci\u00f3n STATIC_ROOT<\/code> constituye una parte esencial para servir archivos est\u00e1ticos en un entorno de producci\u00f3n.<\/p>\n

<\/p>\n

Establezca una variable de entorno para STATIC_ROOT<\/code> en la l\u00ednea 127. Esta variable apuntar\u00e1 a una ruta de archivo que conduce a un volumen persistente de Kubernetes. M\u00e1s adelante se explicar\u00e1 c\u00f3mo configurar esta opci\u00f3n.<\/p>\n

Para recoger los archivos est\u00e1ticos, ejecute el siguiente comando:<\/p>\n

python manage.py collectstatic<\/code><\/p>\n

Este comando recopilar\u00e1 los archivos est\u00e1ticos y los colocar\u00e1 en el directorio STATIC-ROOT<\/code>. Luego, puede servir estos activos directamente a trav\u00e9s de un servidor web Apache o NGINX, un enfoque m\u00e1s eficiente para entornos de producci\u00f3n.<\/p>\n

Dockerfile<\/h3>\n

Un Dockerfile es un documento textual directo que contiene directivas para construir im\u00e1genes de Docker.<\/p>\n

\"\"<\/figure>\n

1. FROM python:3.11<\/code><\/strong>: Esta l\u00ednea especifica la imagen base para la imagen de Docker utilizando la imagen de Python 3.11 oficial de Docker Hub. La aplicaci\u00f3n se compilar\u00e1 y ejecutar\u00e1 sobre esta imagen base, que ya tiene Python preinstalado.<\/p>\n

2. ENV PYTHONUNBUFFERED 1<\/code><\/strong>: Esta l\u00ednea establece una variable de entorno PYTHONUNBUFFERED<\/code> a 1<\/code>. A menudo se recomienda establecer esta variable de entorno cuando se ejecuta Python dentro de contenedores de Docker para asegurar que Python no almacena en b\u00fafer el resultado. Esto ayuda a obtener registros en tiempo real e informaci\u00f3n de depuraci\u00f3n de la aplicaci\u00f3n.<\/p>\n

3. WORKDIR \/app<\/code><\/strong>: Esta l\u00ednea establece el directorio de trabajo dentro del contenedor de Docker a \/app<\/code>. Todos los comandos posteriores se ejecutar\u00e1n en este directorio.<\/p>\n

4. COPY . \/app<\/code><\/strong>: Esta l\u00ednea copia el contenido del directorio actual (el directorio donde se encuentra el Dockerfile) al directorio \/app<\/code> dentro del contenedor. Esto incluye el c\u00f3digo de su aplicaci\u00f3n y cualquier archivo necesario para la imagen de Docker.<\/p>\n

5. RUN pip install -r requirements.txt<\/code><\/strong>: Esta l\u00ednea ejecuta el comando pip install<\/code> para instalar las dependencias de Python enumeradas en un archivo requirements.txt<\/code> que se encuentra en el directorio \/app<\/code>. Esto es una pr\u00e1ctica com\u00fan para las aplicaciones de Python, ya que le permite gestionar las dependencias de la aplicaci\u00f3n.<\/p>\n

6. EXPOSE 8000<\/code><\/strong>: Esta l\u00ednea informa a Docker que el contenedor escucha en el puerto 8000. En realidad no publica el puerto. Es una declaraci\u00f3n de metadatos que indica qu\u00e9 puerto puede utilizar el contenedor.<\/p>\n

7. CMD [\"gunicorn\", \"django_kubernetes_tutorial.wsgi:application\", \"--bind\", \"0.0.0.0:8000\"]<\/code><\/strong>: Esta l\u00ednea especifica el comando predeterminado que se ejecutar\u00e1 cuando se inicie el contenedor. Utiliza Gunicorn para servir la aplicaci\u00f3n de Django y enlaza Gunicorn para escuchar en todas las interfaces de red (0.0.0.0<\/code>) en el puerto 8000 utilizando la aplicaci\u00f3n WSGI definida en django_kubernetes_tutorial.wsgi:application<\/code>.<\/p>\n

DockerHub<\/h3>\n

Visite hub.docker.com<\/a> y proceda a iniciar sesi\u00f3n o a registrarse en la plataforma.<\/p>\n

Haga clic en Create repository<\/strong>.<\/p>\n

<\/p>\n

A continuaci\u00f3n, indique el nombre del repositorio y haga p\u00fablica la visibilidad. Si est\u00e1 trabajando con informaci\u00f3n sensible o confidencial, establezca la visibilidad a Private<\/strong>.<\/p>\n

<\/p>\n

Una vez creado el repositorio, necesitar\u00e1 compilar la imagen de Docker y enviarla al registro.<\/p>\n

Antes de ejecutar el comando, aseg\u00farese de que el archivo requirements.txt<\/code> est\u00e9 actualizado ejecutando el siguiente comando:<\/p>\n

pip freeze > requirements.txt<\/code><\/p>\n

Para construir una imagen, ejecute el siguiente comando:\u00a0<\/p>\n

docker build -t mukulmantosh\/django-kubernetes:1.0 .<\/code><\/p>\n

docker build -t \/django-kubernetes:1.0 .<\/code><\/p>\n

Este comando variar\u00e1 seg\u00fan sus circunstancias espec\u00edficas y tendr\u00e1 que utilizar su nombre de usuario personal.<\/p>\n

A continuaci\u00f3n, debe autenticarse con Docker Hub para enviar la imagen al registro.<\/p>\n

Escriba el siguiente comando en el terminal:<\/p>\n

docker login<\/code><\/p>\n

Introduzca su nombre de usuario y contrase\u00f1a. Una vez que se han autenticado correctamente, puede enviar la imagen ejecutando este comando:<\/p>\n

docker push mukulmantosh\/django-kubernetes:1.0\u00a0<\/code><\/p>\n

docker push \/django-kubernetes:1.0\u00a0<\/code><\/p>\n

Una vez que la imagen se ha enviado correctamente, puede observar los cambios en Docker Hub.<\/p>\n

<\/p>\n

Si no tiene previsto enviar m\u00e1s im\u00e1genes al registro, puede iniciar sesi\u00f3n ejecutando el siguiente comando:<\/p>\n

docker logout<\/code><\/p>\n

Si quiere extraer esta imagen de forma local, visite hub.docker.com\/r\/mukulmantosh\/django-kubernetes<\/a>.<\/p>\n

Configuraci\u00f3n de Kubernetes: c\u00f3mo escribir archivos YAML<\/h2>\n

Esta secci\u00f3n del tutorial describe la implementaci\u00f3n de aplicaciones en cl\u00fasteres de Kubernetes locales.<\/strong><\/p>\n

Para este tutorial, usaremos Docker Desktop, pero tambi\u00e9n puedes usar minikube o kind.<\/p>\n

Namespaces<\/h3>\n

En Kubernetes, namespaces<\/a> es una partici\u00f3n virtual dentro de un cl\u00faster que se utiliza para agrupar y aislar recursos y objetos. Es una manera de crear varios cl\u00fasteres virtuales dentro de un \u00fanico cl\u00faster f\u00edsico.\u00a0<\/p>\n

Puede crear y gestionar los espacios de nombres mediante kubectl<\/a><\/code>, la herramienta de l\u00ednea de comando de Kubernetes, o defini\u00e9ndolos en manifiestos YAML al implementar recursos.\u00a0<\/p>\n