AWS Builder Center

Optimización de costos en AWS Backup: Lifecycle y Cold Storage sin comprometer la recuperación

Optimizar backups no significa conservar menos. Significa conservar cada Recovery Point en el tier adecuado durante el tiempo adecuado

Cloud Solution Architect

Optimización de costos en AWS Backup: Lifecycle y Cold Storage sin comprometer la recuperación

Serie: AWS Backup en Producción — Parte 5 de 6 Guardar un backup durante años no significa que tenga que permanecer todo ese tiempo en el mismo tier de almacenamiento.



Introducción

En las partes anteriores de esta serie hemos hablado principalmente de resiliencia.
Revisamos si los backups realmente estaban protegidos, incorporamos Vault Lock, agregamos evidencia mediante AWS Backup Audit Manager y analizamos cuándo utilizar PITR de DynamoDB frente a continuous backup administrado por AWS Backup.
Pero una estrategia de backup también debe responder otra pregunta:
¿Estamos pagando por el nivel de almacenamiento correcto durante todo el ciclo de vida del backup?
Durante la revisión encontré backups mensuales y anuales con períodos de retención largos.
La retención tenía sentido.
Lo que merecía una segunda mirada era dónde permanecían almacenados durante todo ese tiempo.
Un Recovery Point que probablemente utilizaremos durante sus primeros días no tiene necesariamente el mismo patrón de acceso que uno que conservamos durante varios años por razones regulatorias, de auditoría o históricas.
AWS Backup permite representar esta diferencia mediante Lifecycle y, para los recursos compatibles, Cold Storage.
En esta quinta parte veremos cómo utilizar estas capacidades para optimizar costos sin convertir el ahorro en un problema de recuperación.



El problema no siempre es la retención

Imaginemos una estrategia como esta:
Backup
Frecuencia
Retención
Hourly
Cada hora
1 día
Daily
Diario
7 días
Weekly
Semanal
30 días
Monthly
Mensual
365 días
Yearly
Anual
3650 días
A primera vista parece razonable.
Los backups más frecuentes tienen retenciones cortas y los menos frecuentes se conservan durante más tiempo.
Pero existe una segunda dimensión:
Retention
≠
Storage tier

Si el backup anual permanece diez años en warm storage, estamos utilizando el mismo tier cuando el Recovery Point tiene un día y cuando tiene nueve años.
La pregunta que deberíamos hacernos es:
¿Necesitamos las mismas características de almacenamiento durante todo ese período?
Si la respuesta es no, podemos evaluar una transición de lifecycle.



Warm Storage y Cold Storage cumplen objetivos diferentes

Todo backup creado por AWS Backup comienza en warm storage.
Para los tipos de recursos compatibles, AWS Backup permite mover posteriormente el Recovery Point hacia cold storage, un tier pensado para backups de retención más larga y acceso menos frecuente.
Conceptualmente:

El lifecycle define dos momentos diferentes:
cold_storage_after
delete_after

Por ejemplo:
Día 0 → Backup creado
Día 30 → Transición a Cold Storage
Día 365 → Eliminación

La retención total sigue siendo 365 días.
Lo que cambia es cuánto tiempo pasa el Recovery Point en cada tier.



DynamoDB puede utilizar Cold Storage, pero hay una condición

En Amazon DynamoDB existe un detalle importante.
Las capacidades avanzadas de backup de DynamoDB administradas mediante AWS Backup agregan funcionalidades como:
  • transición hacia Cold Storage;
  • cross-Region copy;
  • cross-account copy;
  • tags para permisos y asignación de costos.
Por eso, si administramos backups de DynamoDB con AWS Backup y queremos utilizar Cold Storage, debemos verificar que las advanced DynamoDB backup features estén habilitadas en la región correspondiente.
Esto también refuerza una idea que vimos en la Parte 4:
Utilizar AWS Backup para DynamoDB no consiste únicamente en crear otro mecanismo de respaldo. También puede agregar capacidades de gobierno y lifecycle que no forman parte del PITR nativo.



DynamoDB tiene otra particularidad: sus backups son full

Existe otra diferencia importante al hablar de costos.
Los advanced backups de DynamoDB administrados mediante AWS Backup son full backups, tanto en warm storage como en cold storage.
No funcionan como una cadena incremental.
Esto importa porque algunas recomendaciones generales de AWS Backup relacionadas con backups incrementales no se comportan exactamente igual para DynamoDB.
Por eso evitaría diseñar una política genérica como:
Todos los servicios AWS
↓
Mismo lifecycle
↓
Cold Storage

Aunque AWS Backup nos proporciona un plano común de administración, cada tipo de recurso puede tener características diferentes.
La política debería diseñarse entendiendo primero cómo funciona el backup del servicio que estamos protegiendo.



La regla de los 90 días

Cold Storage tiene una restricción fundamental:
Un backup que transiciona a Cold Storage debe permanecer allí como mínimo 90 días.
Por lo tanto:
delete_after
>=
cold_storage_after + 90 días

Por ejemplo:
lifecycle {
cold_storage_after = 30
delete_after = 120
}

es compatible porque:
120 - 30 = 90 días

Pero:
lifecycle {
cold_storage_after = 30
delete_after = 60
}

no cumple la ventana mínima.
Esto cambia inmediatamente qué backups son buenos candidatos para Cold Storage.



No todos los backups deberían ir a Cold Storage

Volvamos a nuestra matriz inicial:
Backup
Retención
¿Cold Storage?
Hourly
1 día
No
Daily
7 días
No
Weekly
30 días
No
Monthly
365 días
Posible
Yearly
3650 días
Muy buen candidato
Hourly, Daily y Weekly no tienen suficiente retención para cumplir los 90 días mínimos posteriores a la transición.
Monthly y Yearly, en cambio, permiten diseñar un lifecycle donde una parte importante de su vida ocurra en Cold Storage.
Por ejemplo:
Monthly

0 ─────────── 30 ───────────────────────────── 365
│ │ │
│ Warm │ Cold │ Delete
│ │ │

Y para un backup anual:
Yearly

0 ─────────── 30 ─────────────────────────────────────────── 3650
│ │ │
│ Warm │ Cold │ Delete
│ │ │

Esto mantiene los Recovery Points recientes en warm storage y mueve los históricos a un tier más apropiado para retención prolongada.
Importante: estos valores son ilustrativos. La transición debe responder a los requisitos reales de recuperación del workload.



El error sería mover todo a Cold Storage lo antes posible

Si Cold Storage tiene un costo de almacenamiento menor, puede parecer lógico mover los backups tan pronto como sea posible.
Pero optimizar almacenamiento no consiste simplemente en elegir el tier más barato.
Debemos considerar:
Storage cost
+
Restore cost
+
Restore expectations
+
Minimum retention
+
Operational requirements

Por eso preguntaría primero:
¿Durante cuánto tiempo es probable que necesitemos recuperar este Recovery Point como parte de una operación normal?
Si los restores ocurren principalmente durante los primeros días, mantener inicialmente el backup en warm storage puede ser razonable.
Después de esa ventana operacional, el valor del Recovery Point puede estar más relacionado con conservarlo que con acceder frecuentemente a él.
Ahí Cold Storage empieza a tener más sentido.



Recuperación operacional y retención histórica no son lo mismo

Esta ha sido una de las ideas recurrentes de la serie.
Para DynamoDB podríamos terminar con diferentes capas:

Cada capa responde a una pregunta distinta.

PITR

¿Cómo regreso a un estado anterior reciente?

Backups periódicos de corto plazo

¿Qué puntos discretos de recuperación quiero conservar durante un período corto?

Backups de largo plazo

¿Qué información necesito conservar durante meses o años?
Cuando mezclamos estos objetivos en una sola política, terminamos fácilmente con frecuencias, retenciones y costos difíciles de justificar.



Terraform: agregando Lifecycle

Una regla mensual podría verse así:
resource "aws_backup_plan" "monthly" {
name = "monthly-backup"

rule {
rule_name = "monthly"
target_vault_name = aws_backup_vault.long_term.name
schedule = "cron(0 12 1 * ? *)"

lifecycle {
cold_storage_after = 30
delete_after = 365
}
}
}

Y una regla anual:
resource "aws_backup_plan" "yearly" {
name = "yearly-backup"

rule {
rule_name = "yearly"
target_vault_name = aws_backup_vault.long_term.name
schedule = "cron(0 18 1 1 ? *)"

lifecycle {
cold_storage_after = 30
delete_after = 3650
}
}
}

El patrón es sencillo:
Create
↓
Warm
↓
30 days
↓
Cold
↓
Retention boundary
↓
Delete

Pero antes del  terraform apply  todavía tenemos varias preguntas que responder.



Una vez en Cold Storage, tenemos menos flexibilidad

Existe una restricción que merece especial atención.
Una vez que un Recovery Point ha transicionado a Cold Storage, no podemos cambiar el momento en el que debía realizarse esa transición.
Esto significa que  cold_storage_after  no debería configurarse simplemente probando valores hasta encontrar uno conveniente.
Debe ser una decisión de lifecycle validada previamente.
Además, seguimos teniendo la permanencia mínima de 90 días en Cold Storage.
Por eso, antes de extender una política a todos los Recovery Points de largo plazo, probaría primero el comportamiento con backups no críticos.



Lifecycle y Vault Lock deben diseñarse juntos

Aquí conectamos directamente esta parte con Vault Lock, que vimos en la Parte 2.
Supongamos que tenemos:
Backup Plan

delete_after = 365

y:
Vault Lock

min_retention_days = 365
max_retention_days = 3650

La configuración es coherente.
Pero si como parte de una optimización cambiamos el Backup Plan a:
delete_after = 180

ahora estamos intentando crear Recovery Points cuya retención es menor que el mínimo permitido por Vault Lock.
El resultado puede ser un Backup Job fallido.
Por eso no trataría la optimización de costos como un cambio aislado.
Siempre validaría:
Backup Plan
+
Lifecycle
+
Vault Lock
+
Compliance requirements

Una política de costos nunca debería romper una política de protección.



Optimizar costos no significa simplemente "guardar menos"

Cuando hablamos de FinOps aplicado a backups, Cold Storage es solo una de las posibilidades.
Durante una revisión evaluaría al menos cuatro dimensiones.



1. Retención

La primera pregunta sería:
¿Necesitamos realmente conservar este backup durante todo este período?
Una retención de diez años puede ser perfectamente correcta.
Pero debería existir una razón:
  • regulatoria;
  • contractual;
  • de auditoría;
  • de negocio;
  • o de recuperación.
No debería existir únicamente porque:
"Siempre estuvo configurado así."

La retención también es una decisión económica.



2. Frecuencia

También revisaría si la frecuencia está alineada con el RPO y con las demás capas de protección.
Por ejemplo:
Hourly
Daily
Weekly
Monthly
Yearly

puede ser una estrategia completamente válida.
Pero si PITR ya proporciona recuperación operacional durante hasta 35 días, vale la pena preguntarse:
¿Qué requisito adicional está cubriendo cada snapshot periódico?
Eso no significa eliminar Daily o Weekly.
Significa poder explicar por qué existen.
Si dos mecanismos cubren exactamente el mismo riesgo durante exactamente la misma ventana, tenemos una oportunidad para revisar la arquitectura.



3. Storage tier

Para Recovery Points históricos:
Warm
↓
Cold

puede ser una optimización natural.
Especialmente cuando los backups se conservan durante meses o años y rara vez se restauran.
Aquí el objetivo no es reducir la retención.
Es reducir el costo de mantener esa retención.



4. Copias

Cross-Region y cross-account copies aumentan la resiliencia.
Pero también tienen impacto económico.
Dependiendo de la arquitectura, debemos considerar:
  • almacenamiento de las copias;
  • transferencia de datos;
  • restores;
  • retención adicional;
  • número de Recovery Points.
Por eso cada copy rule debería responder a un requisito concreto de DR, seguridad o compliance.
Más copias
≠
automáticamente
mejor arquitectura

La pregunta debería ser:
¿Qué riesgo cubre esta copia y cuánto estamos dispuestos a pagar por reducirlo?



Un ejemplo: separar RPO de retención

Supongamos que tenemos PITR habilitado durante 35 días y además:
Daily → 35 días
Weekly → 90 días
Monthly → 365 días
Yearly → 10 años

Podríamos mapear cada mecanismo contra su objetivo:
Mecanismo
Objetivo
PITR
Recuperación ante errores recientes
Daily
Puntos discretos de corto plazo
Weekly
Recuperación intermedia
Monthly
Retención anual
Yearly
Retención histórica
Si no podemos completar la segunda columna con una razón clara, esa es una señal para revisar la política.
El ejercicio no consiste en eliminar backups.
Consiste en eliminar redundancia sin propósito.



Tags también forman parte de FinOps

Las advanced DynamoDB backup features permiten utilizar tags en los Recovery Points.
Esto es especialmente útil para cost allocation.
Porque antes de optimizar necesitamos poder responder:
¿Quién genera este costo?

¿Por qué existe?

¿A qué workload pertenece?

¿Qué política de retención está financiando?

Por ejemplo:
recovery_point_tags = {
Application = "example-app"
Environment = "production"
BackupClass = "long-term"
CostCenter = "shared-platform"
}

Los nombres son únicamente ilustrativos.
Lo importante es que nuestro modelo de tagging permita relacionar:
Cost
↓
Workload
↓
Owner
↓
Backup purpose

Entonces podemos utilizar las herramientas de costos de AWS para analizar cuánto cuesta realmente cada estrategia de protección.



Antes de optimizar, medir

No comenzaría modificando lifecycle.
Primero construiría una línea base.
Por ejemplo:
Métrica
Pregunta
Warm backup GB-month
¿Cuánto almacenamos actualmente?
Cold backup GB-month
¿Cuánto ya está optimizado?
Restore GB
¿Cuánto restauramos realmente?
Cross-Region transfer
¿Cuánto cuesta nuestra estrategia de DR?
Retention by class
¿Cuánto conservamos cada tipo de backup?
Backup cost by workload
¿Quién está generando el costo?
Después aplicaría los cambios.
Y volvería a medir.

Sin una línea base es difícil demostrar que una optimización produjo realmente el resultado esperado.



No utilizaría porcentajes genéricos de ahorro

Es tentador afirmar algo como:
"Mover los backups a Cold Storage reduce el costo en X%."
Pero evitaría utilizar un porcentaje universal.
El resultado depende de:
  • región;
  • tipo de recurso;
  • volumen;
  • tier;
  • restores;
  • transferencia;
  • patrón de retención.
Por eso utilizaría la página oficial de AWS Backup Pricing, AWS Pricing Calculator y, cuando ya tenemos workloads ejecutándose, nuestros datos reales de costos.
La recomendación técnica que sí podemos generalizar es:
Los Recovery Points de largo plazo y bajo acceso son candidatos a evaluar para Cold Storage.
El ahorro exacto debe calcularse para cada arquitectura.



Ejemplo conceptual

Supongamos que tenemos:
Monthly backup

Retention = 365 días

Podemos comparar:

Opción A

365 días Warm


Opción B

30 días Warm
335 días Cold

La Opción B mueve la mayor parte de la vida del Recovery Point hacia un tier de menor costo.
Pero antes de elegirla debemos confirmar:
  • que el recurso soporta Cold Storage;
  • que cumple la permanencia mínima de 90 días;
  • que nuestra expectativa de restore es compatible;
  • que Vault Lock acepta la retención;
  • que el costo de restauración fue considerado;
  • que la política cumple los requisitos de negocio.
El objetivo no es minimizar una línea del bill.
Es optimizar el costo total de protección.



¿Qué haría con nuestra estrategia inicial?

Partiendo de:
Hourly → 1 día
Daily → 7 días
Weekly → 30 días
Monthly → 365 días
Yearly → 10 años

una posible evolución sería:
Hourly
└── Warm → Delete

Daily
└── Warm → Delete

Weekly
└── Warm → Delete

Monthly
├── Warm
└── Cold → Delete at 365 days

Yearly
├── Warm
└── Cold → Delete at 3650 days

No movería Hourly, Daily o Weekly a Cold Storage.
Sus ventanas son demasiado cortas para cumplir el mínimo de permanencia en cold y su objetivo normalmente está asociado a recuperación cercana en el tiempo.
Monthly y Yearly son candidatos mucho más naturales.



¿Y qué ocurre con PITR?

PITR merece mantenerse separado de esta optimización.
Como vimos en la Parte 4:
PITR
→ recuperación operacional

Periodic backups
→ retención

Continuous backup tiene una ventana máxima de 35 días y no debería utilizarse como sustituto de una política de retención histórica.
Por eso no intentaría diseñar:
PITR
↓
Cold Storage
↓
10 años

Son problemas diferentes.
Una arquitectura más clara utiliza cada mecanismo para aquello que mejor resuelve.



La principal lección

Cuando revisamos costos de backup es fácil comenzar buscando recursos que podamos eliminar.
Pero en muchos casos el problema no es que el backup exista.
El problema es que estamos utilizando el mismo nivel de almacenamiento durante toda su vida.
Un Recovery Point puede ser operacionalmente importante durante sus primeros días y convertirse después en un activo de retención histórica.
AWS Backup Lifecycle nos permite representar esa transición.
Mi principal aprendizaje fue:
Optimizar backups no significa conservar menos. Significa conservar cada Recovery Point en el tier adecuado durante el tiempo adecuado.
Y agregaría una segunda regla:
Nunca optimices el costo de almacenamiento de forma aislada: considera también recuperación, retención, Vault Lock, copias y restore testing.
El objetivo de FinOps no debería ser tener el backup más barato.
Debería ser obtener el nivel de protección que el workload necesita al costo que podemos justificar.
Any opinions in this article are those of the individual author and may not reflect the opinions of AWS.
Enjoyed reading this content? Let the author know!

Your likes, comments, shares, and saves help creators reach more builders.

Loading recommendations

Loading article