[{"data":1,"prerenderedAt":29},["ShallowReactive",2],{"article-data-curso-gcp-terraform-06":3},{"content":4,"date":5,"image":6,"sideArticles":7},"\u003C!DOCTYPE html>\r\n\u003Chtml lang=\"es\">\r\n\r\n\u003Chead>\r\n    \u003Cmeta charset=\"UTF-8\">\r\n    \u003Cmeta name=\"viewport\" content=\"width=device-width, initial-scale=1.0\">\r\n    \u003Cmeta name=\"description\"\r\n        content=\"Módulo 6: Parametrización avanzada en GCP con Terraform. Aprende a utilizar variables complejas, locals dinámicos y bucles para modular su infraestructura de forma eficiente.\">\r\n    \u003Cmeta name=\"keywords\"\r\n        content=\"Terraform, Google Cloud, GCP, Variables, Locals, Outputs, Loops, for_each, Redes\">\r\n    \u003Cmeta name=\"author\" content=\"Eduardo Martínez Agrelo\">\r\n    \u003Ctitle>Laboratorio 6: Variables, Outputs y Locales | Curso Terraform GCP\u003C/title>\r\n    \u003Cstyle>\r\n        body {\r\n            font-family: sans-serif;\r\n            line-height: 1.6;\r\n        }\r\n\r\n        h1,\r\n        h2,\r\n        h3 {\r\n            color: #333;\r\n        }\r\n\r\n        ul {\r\n            list-style-type: disc;\r\n            margin-left: 20px;\r\n        }\r\n\r\n        code {\r\n            background-color: #f4f4f4;\r\n            padding: 2px 5px;\r\n            border-radius: 3px;\r\n            font-family: monospace;\r\n        }\r\n    \u003C/style>\r\n\u003C/head>\r\n\r\n\u003Cbody>\r\n    \u003Ch1>Laboratorio 6: Parametrización Avanzada (Dinamismo y Control de Nombres)\u003C/h1>\r\n\r\n    \u003Cp>\u003Cstrong>Autor:\u003C/strong> \u003Ca href=\"https://www.youtube.com/@EduardoMartinezAgrelo\" target=\"_blank\">Eduardo Martínez\r\n            Agrelo\u003C/a>\u003C/p>\r\n\r\n    \u003Cp>Bienvenidos al sexto laboratorio del curso de \u003Cstrong>Terraform\u003C/strong>. En este módulo práctico, aprenderemos\r\n        a dinamizar nuestro código. Utilizaremos variables estructuradas complejas, valores locales internos e\r\n        interpolación en \u003Cstrong>Google Cloud\u003C/strong> para eliminar duplicaciones y estructurar la infraestructura.\r\n    \u003C/p>\r\n\r\n    \u003Ch2>Variables de Entrada versus Valores Locales (Locals)\u003C/h2>\r\n\r\n    \u003Cp>El diseño profesional de plantillas de infraestructura requiere separar los parámetros que el usuario puede\r\n        configurar de aquellos valores calculados que deben mantenerse estables y centralizados dentro del código para\r\n        evitar errores de escritura:\u003C/p>\r\n    \u003Cul>\r\n        \u003Cli>\u003Cstrong>Variables de Entrada:\u003C/strong> Definen la interfaz configurable del proyecto, aceptando tipos\r\n            complejos como mapas de objetos para declarar subredes de forma flexible.\u003C/li>\r\n        \u003Cli>\u003Cstrong>Valores Locales (Locals):\u003C/strong> Actúan como constantes de cálculo interno que permiten aplicar\r\n            reglas de nomenclatura estandarizadas de forma segura.\u003C/li>\r\n    \u003C/ul>\r\n\r\n    \u003Ch2>Interpolación Dinámica y Creación de Recursos con Bucles\u003C/h2>\r\n\r\n    \u003Cp>Para evitar tener que repetir el bloque de código de una subred por cada sección que necesitemos en nuestra VPC,\r\n        utilizaremos variables estructuradas junto con iteraciones lógicas:\u003C/p>\r\n    \u003Cp>\u003Ccode>for_each = var.subnets (each.key / each.value)\u003C/code>\u003C/p>\r\n    \u003Cp>Esta directiva de Terraform recorre un mapa de objetos para generar las subredes de forma automatizada. Al\r\n        delegar la creación de red al bucle, podemos añadir nuevos tramos modificando únicamente el valor de la variable\r\n        de entrada.\u003C/p>\r\n\r\n    \u003Ch2>Centralización de Metadatos y Estándares de Etiquetado\u003C/h2>\r\n\r\n    \u003Cp>Para auditar de forma adecuada el consumo de los recursos en la nube, es una práctica recomendada aplicar\r\n        etiquetas de metadatos. No utilizaremos valores sueltos; centralizaremos un mapa común en \u003Cstrong>Terraform\u003C/strong>\r\n        para heredar etiquetas de forma masiva en nuestros recursos compatibles:\u003C/p>\r\n    \u003Cul>\r\n        \u003Cli>\u003Cstrong>common_labels:\u003C/strong> Almacenará un mapa de etiquetas como el entorno y el dueño para aplicarlo\r\n            directamente en \u003Cstrong>Cloud Storage\u003C/strong> y otros servicios de \u003Cstrong>GCP\u003C/strong>.\u003C/li>\r\n        \u003Cli>\u003Cstrong>labeled_bucket:\u003C/strong> Implementará un bucket de prueba que heredará el mapa de locals para\r\n            validar el correcto etiquetado del \u003Cstrong>recurso\u003C/strong>.\u003C/li>\r\n    \u003C/ul>\r\n\r\n    \u003Ch2>El Bucle de Salida en los Outputs\u003C/h2>\r\n\r\n    \u003Cp>En este laboratorio, aprenderás a filtrar la información de despliegue mediante un bucle de transformación.\r\n        Escribiremos un bucle iterativo en el archivo \u003Ccode>outputs.tf\u003C/code> para procesar las subredes creadas y\r\n        generar un reporte JSON detallado de los direccionamientos.\u003C/p>\r\n\r\n    \u003Ch2>Conclusión: Infraestructura dinámica e inteligente\u003C/h2>\r\n    \u003Cp>Has completado el laboratorio de parametrización avanzada. Has aprendido que el diseño modular consiste en\r\n        combinar variables externas, cálculos internos con locals y bucles iterativos para automatizar despliegues\r\n        limpios y legibles. Ya tienes las bases de la flexibilidad listas en Google Cloud; el siguiente paso es avanzar\r\n        al Laboratorio 7 para encapsular estos recursos dentro de tus propios módulos.\u003C/p>\r\n\u003C/body>\r\n\r\n\u003C/html>","July 2, 2026","https://storage.googleapis.com/mp-blog/images/curso-gcp-terraform-06.jpg",[8,14,19,24],{"id":9,"title":10,"description":11,"image":12,"date":13},"curso-gcp-ai-ops-01","Fundamentos de AIOps en Google Cloud | Curso AIOps con Vertex AI","Módulo 1: Fundamentos de AIOps en Google Cloud. Aprende la transición de ITOps a operaciones inteligentes y cómo preparar tu infraestructura base con Terraform.","https://storage.googleapis.com/mp-blog/images/curso-gcp-ai-ops-01.jpg","May 28, 2026",{"id":15,"title":16,"description":17,"image":18,"date":13},"curso-gcp-ai-ops-02","Vertex AI para AIOps: AutoML y Despliegue | Curso AIOps","Módulo 2: Gestión de modelos con Vertex AI para AIOps. Aprende a utilizar AutoML, gestionar datasets tabulares y desplegar endpoints de predicción.","https://storage.googleapis.com/mp-blog/images/curso-gcp-ai-ops-02.jpg",{"id":20,"title":21,"description":22,"image":23,"date":13},"curso-gcp-ai-ops-03","Observabilidad Inteligente en GCP | Curso AIOps","Módulo 3: Observabilidad Inteligente en GCP. Configuración de Cloud Monitoring, Cloud Logging y creación de dashboards predictivos correlacionados con BigQuery.","https://storage.googleapis.com/mp-blog/images/curso-gcp-ai-ops-03.jpg",{"id":25,"title":26,"description":27,"image":28,"date":13},"curso-gcp-ai-ops-04","Automatización Operativa y Remediación | Curso AIOps","Módulo 4: Automatización Operativa en AIOps. Aprende a crear arquitecturas dirigidas por eventos con Cloud Functions y Pub/Sub para la remediación automática.","https://storage.googleapis.com/mp-blog/images/curso-gcp-ai-ops-04.jpg",1783009252489]