Módulo 8: Contenedores
En el módulo anterior instalaste Docker y Podman. Ahora vamos a entender qué son los contenedores, por qué existen y cómo usarlos en la práctica.
Prerequisitos
Antes de continuar, verifica que completaste la tarea 7.0 (instalación de Docker y Podman). Si no la hiciste, regresa y complétala — todo este módulo asume que ya tienes ambas herramientas instaladas.
Ejecuta los siguientes comandos y confirma que obtienes una versión válida:
docker --version
# Docker version 2X.X.X, build XXXXXXX
podman --version
# podman version 4.X.X o 5.X.X
Ahora ejecuta el contenedor de prueba en ambos:
docker run hello-world
podman run hello-world
Si ambos imprimen el mensaje “Hello from Docker!” (o equivalente en Podman), estás listo.
Si algo falla, usa el siguiente prompt para diagnosticar:
Estoy en un curso de ciencia de datos. Necesito tener Docker y Podman instalados.
Mi sistema operativo es: [Windows/macOS/Linux]
Al ejecutar:
[pega el comando que falló]
Obtuve este error:
[pega el error aquí]
¿Cómo lo soluciono?
Contenido del módulo
Este módulo tiene cuatro secciones:
| # | Sección | Descripción |
|---|---|---|
| 1 | ¿Qué son los contenedores? | El concepto, analogías, VMs vs contenedores, namespaces y cgroups |
| 2 | Docker | Arquitectura, Dockerfile, imágenes, contenedores, comandos esenciales |
| 3 | Podman | Diferencias con Docker, rootless, daemonless, pods |
| 4 | Benchmarks | Experimentos de rendimiento: startup, memoria, CPU, I/O, escalamiento |
¿Por qué contenedores?
Si trabajas en ciencia de datos o ingeniería de software, eventualmente vas a escuchar:
“En mi máquina sí funciona”
Los contenedores resuelven exactamente ese problema. Empaquetan tu código junto con todas sus dependencias en una unidad portable que funciona igual en cualquier máquina.
Pero más allá de eso, los contenedores son la base de:
- Ambientes reproducibles — tu análisis corre igual hoy que en 6 meses
- Despliegue en la nube — AWS, GCP, Azure, todos usan contenedores
- Pipelines de datos — Airflow, Prefect, Dagster ejecutan tareas en contenedores
- Machine Learning — entrenamiento y serving de modelos en contenedores
En este módulo no solo vas a aprender a usar contenedores, sino a entender cómo funcionan por dentro y a medir su rendimiento con experimentos reales.