Introducción

En el desarrollo de sistemas informáticos, almacenar información correctamente es fundamental. Sin embargo, existe un aspecto igual de importante que muchas veces pasa desapercibido: ¿qué sucede cuando los datos se pierden, se eliminan accidentalmente o la base de datos presenta un problema?

Una aplicación puede funcionar perfectamente y, aun así, estar expuesta a pérdidas de información si no dispone de una estrategia adecuada de respaldo y recuperación.

Como parte del curso de Base de Datos II de la Universidad Privada de Tacna, desarrollamos en equipo una aplicación web que utiliza MongoDB Atlas como base de datos NoSQL y que incorpora mecanismos automatizados para generar, verificar y recuperar copias de seguridad.

Para completar la solución, integramos GitHub Actions como herramienta de automatización y Render como plataforma de despliegue.

En este artículo presentaré cómo organizamos nuestra solución, las tecnologías utilizadas, el funcionamiento de los respaldos y los aprendizajes obtenidos durante su implementación.

Enlaces del proyecto

1. La importancia de proteger los datos en una aplicación NoSQL

Cuando una aplicación utiliza una base de datos alojada en la nube, es posible pensar que la información está completamente protegida gracias a la infraestructura del proveedor.

Sin embargo, disponer de un sistema de replicación no significa necesariamente contar con una copia de seguridad independiente.

Por ejemplo, si un administrador elimina accidentalmente los documentos de una colección, esa operación puede propagarse a las réplicas de la base de datos.

Por esta razón, es necesario implementar mecanismos que permitan recuperar información almacenada en un momento anterior.

Durante nuestro proyecto trabajamos con tres conceptos fundamentales:

Respaldo (Backup): consiste en generar una copia de los datos que pueda utilizarse posteriormente.

Restauración (Restore): permite recuperar la información desde un respaldo previamente generado.

Recuperación ante desastres: comprende los procedimientos necesarios para restablecer la información y los servicios después de un incidente.

Nuestro objetivo fue integrar estos mecanismos en una aplicación funcional y demostrar que es posible automatizar procesos de recuperación utilizando herramientas de desarrollo modernas.

2. Descripción de la aplicación desarrollada

Para implementar y demostrar nuestra estrategia construimos una aplicación web que representa una pequeña tienda.

El sistema utiliza Node.js y Express para gestionar las solicitudes HTTP y MongoDB Atlas como servicio de almacenamiento documental.

La aplicación permite registrar productos, consultar sus datos, eliminarlos y administrar determinados procesos de respaldo.

Principales funcionalidades

  • Registro de productos con nombre, precio y cantidad disponible.
  • Visualización de los productos almacenados.
  • Eliminación de registros.
  • Comunicación con MongoDB Atlas.
  • Generación de respaldos desde una interfaz administrativa.
  • Consulta de información sobre los respaldos generados.
  • Verificación del estado de conexión con la base de datos.

Para el manejo de los respaldos, la aplicación incorpora operaciones protegidas mediante un token de administrador, evitando que cualquier solicitud pueda acceder directamente a esas funciones.

La interfaz web sirve como demostración práctica del funcionamiento de la base de datos y de los procedimientos de protección implementados.

3. Tecnologías y arquitectura del sistema

Seleccionamos un conjunto de tecnologías que nos permitiera integrar desarrollo web, almacenamiento NoSQL, automatización y despliegue continuo.

Tecnología Función
MongoDB Atlas Almacenamiento de documentos NoSQL
Node.js Ejecución del código JavaScript del servidor
Express Desarrollo de la API web
Docker Empaquetado de la aplicación
GitHub Control de versiones
GitHub Actions Pruebas, backups y automatización
Render Publicación de la aplicación
OpenSSL Cifrado de los archivos de respaldo

¿Cómo se relacionan estos componentes?

Cuando un usuario accede a la aplicación, Render entrega la interfaz y ejecuta el servidor Express.

El servidor establece una conexión con MongoDB Atlas para realizar operaciones sobre las colecciones.

De manera independiente, GitHub Actions ejecuta procesos programados para generar respaldos, probar su restauración y almacenar los archivos resultantes como artefactos.

Esta separación es importante porque la aplicación y el sistema de respaldos no dependen del mismo proceso de ejecución.

Además, utilizamos Docker para facilitar la configuración y reproducción del entorno de desarrollo.

4. Diseño de nuestra estrategia de respaldo

Uno de los primeros pasos fue establecer qué características debía cumplir el mecanismo de protección.

Decidimos implementar un sistema de respaldo lógico automatizado, en el que los documentos de MongoDB se exportan a archivos que pueden almacenarse y recuperarse posteriormente.

Esta decisión estuvo relacionada con el uso del clúster gratuito M0 de MongoDB Atlas, que no proporciona las mismas funciones de backup administrado disponibles en determinadas modalidades de pago.

Objetivos de recuperación

Para organizar nuestra estrategia consideramos dos indicadores:

RPO (Recovery Point Objective):

Representa la cantidad máxima de datos recientes que estamos dispuestos a perder ante un incidente.

Establecimos como objetivo un RPO de 24 horas, mediante la programación de un respaldo diario.

RTO (Recovery Time Objective):

Representa el tiempo máximo esperado para recuperar el servicio después de una interrupción.

Nuestro objetivo de diseño fue realizar una recuperación en menos de cinco minutos para el conjunto reducido de datos de demostración.

Estos valores representan metas del proyecto. Su cumplimiento real depende de factores como la ejecución del respaldo, la disponibilidad de los archivos y el tiempo efectivo de restauración.

Aplicación del principio 3-2-1

También tomamos como referencia la conocida estrategia 3-2-1, que propone mantener varias copias de los datos, utilizar medios de almacenamiento diferentes y conservar al menos una copia fuera del entorno principal.

En nuestra solución, la información original reside en MongoDB Atlas, mientras que los respaldos automatizados se almacenan como artefactos de GitHub Actions.

Estos artefactos también pueden descargarse y conservarse en otro almacenamiento para completar una estrategia con una tercera copia independiente.

De esta manera, evitamos depender exclusivamente del proveedor que aloja la base de datos.

5. Implementación del respaldo lógico

El componente principal de la estrategia se encuentra en el archivo:

src/backup-lib.js

Este módulo contiene la lógica utilizada para crear respaldos, restaurar documentos, calcular verificaciones de integridad y administrar la retención.

¿Por qué utilizamos Extended JSON?

MongoDB trabaja con tipos BSON que no siempre pueden conservarse correctamente utilizando una conversión tradicional a JSON.

Por ejemplo, existen tipos como:

  • ObjectId: identificadores de documentos.
  • Date: valores de fecha.
  • Decimal128: números decimales de alta precisión.

Para preservar estos tipos utilizamos Extended JSON (EJSON) en su representación canónica.

Un fragmento del código implementado es:

async function* lineas() { for await (const doc of cursor) { documentos++; yield EJSON.stringify(doc, { relaxed: false }) + '\n'; } } 

Este procedimiento recorre los documentos de una colección y los transforma a EJSON.

Posteriormente, la información se comprime utilizando gzip:

await pipeline( Readable.from(lineas()), zlib.createGzip(), fs.createWriteStream(archivo) ); 

El resultado es un archivo comprimido con extensión .jsonl.gz por cada colección.

Esta implementación permite procesar los documentos mediante flujos de datos, evitando cargar toda la colección simultáneamente en memoria.

6. Integridad de los archivos y metadatos

Crear archivos de respaldo no es suficiente. También necesitamos comprobar que la información pueda recuperarse correctamente.

Para solucionar este problema, implementamos verificaciones mediante SHA-256, un algoritmo criptográfico que permite calcular una huella digital de los archivos.

Cada respaldo incorpora un archivo llamado:

metadata.json

Este archivo registra información como la identificación del respaldo, el nombre de la base de datos, las colecciones exportadas, la cantidad de documentos, los índices y sus respectivos checksums.

¿Para qué sirve el checksum?

Supongamos que un archivo de respaldo se modifica accidentalmente o sufre una corrupción durante su almacenamiento.

Cuando intentamos restaurarlo, el sistema vuelve a calcular su hash SHA-256 y lo compara con el valor registrado originalmente.

Si ambos valores son diferentes, el archivo se considera alterado y se rechaza la restauración.

Un fragmento utilizado en nuestro proyecto es:

const actual = await sha256( path.join(dirBackup, info.archivo) ); if (actual !== info.sha256) { throw new Error( `Checksum inválido en la colección "${nombre}"` ); } 

Una característica importante es que esta verificación se realiza antes de iniciar la modificación de los documentos de destino.

Así reducimos el riesgo de utilizar respaldos dañados durante un proceso de recuperación.

7. Proceso de restauración de MongoDB

Una parte esencial del proyecto fue implementar el procedimiento inverso: recuperar los documentos almacenados en un respaldo.

Para ello desarrollamos el script:

scripts/restore.js

Este componente utiliza las funciones de restauración disponibles en nuestra biblioteca.

Etapas de recuperación

Primera etapa: validación del respaldo

Se comprueba la existencia de los archivos y se verifican sus checksums SHA-256.

Segunda etapa: lectura de documentos

Los archivos comprimidos se descomprimen y los documentos EJSON se convierten nuevamente a sus tipos correspondientes.

Tercera etapa: inserción de registros

La restauración organiza los documentos en lotes de hasta 1000 registros para insertarlos en MongoDB.

Cuarta etapa: recuperación de índices

Se recrean los índices registrados en los metadatos, conservando estructuras importantes para las consultas.

Quinta etapa: verificación final

Se compara el número de documentos restaurados con el número registrado durante el respaldo.

De esta manera, el procedimiento no termina únicamente después de insertar información, sino que incorpora una validación adicional.

Importante: la restauración predeterminada elimina los documentos existentes en las colecciones incluidas en el respaldo antes de volver a insertarlos. Por ello, debe ejecutarse sobre una base de datos de prueba o bajo un procedimiento de recuperación previamente autorizado.

8. Pruebas automatizadas del sistema

Para demostrar que los respaldos funcionan, incorporamos pruebas automatizadas utilizando las herramientas de Node.js.

Estas pruebas se encuentran en:

test/backup.test.js

Una de las pruebas genera una colección de 2501 documentos, incluyendo valores especiales de MongoDB.

Después crea un respaldo, elimina la colección de prueba y ejecuta la restauración.

Finalmente, verifica que se hayan recuperado correctamente los documentos, sus tipos y el índice configurado.

También incorporamos otras pruebas para comprobar:

  • Que la política de retención conserve únicamente la cantidad de respaldos configurada.
  • Que un archivo modificado sea rechazado por una verificación SHA-256 incorrecta.
  • Que los registros recuperados mantengan los tipos de datos originales.

El comando para ejecutar estas pruebas es:

npm test 

Estas verificaciones son importantes porque permiten identificar errores en el proceso de recuperación antes de utilizar el sistema con información relevante.

Una de nuestras principales conclusiones técnicas fue que un respaldo es realmente útil cuando se ha comprobado que puede restaurarse.

9. Automatización de backups mediante GitHub Actions

Una vez implementado el sistema de respaldo, el siguiente objetivo fue evitar que su ejecución dependiera de una persona.

Para ello configuramos GitHub Actions mediante el archivo:

.github/workflows/backup.yml

Este workflow utiliza una programación automática:

on: schedule: - cron: "0 5 * * *" workflow_dispatch: 

La expresión cron programa el respaldo diariamente a las 05:00 UTC, equivalente a las 00:00 en Perú.

También incorporamos workflow_dispatch, que permite iniciar manualmente el proceso desde GitHub.

¿Qué hace el workflow?

El flujo realiza las siguientes actividades:

  1. Descarga el código desde el repositorio.
  2. Prepara Node.js e instala las dependencias.
  3. Se conecta a MongoDB Atlas y genera el respaldo lógico.
  4. Restaura el respaldo en una instancia temporal de MongoDB para verificarlo.
  5. Prepara un archivo comprimido y aplica cifrado AES-256 cuando está configurada la contraseña de respaldo.
  6. Publica el archivo como artefacto de GitHub Actions, con una retención configurada de 30 días.

La conexión a MongoDB Atlas utiliza credenciales almacenadas en GitHub Secrets.

Para el cifrado se utiliza el secreto BACKUP_PASSPHRASE.

En la configuración actual, el workflow permite continuar sin cifrar si ese secreto no está definido y genera una advertencia. Para un entorno de producción sería recomendable exigir obligatoriamente su configuración y detener la publicación cuando falte.

Esta automatización representa una mejora importante respecto a generar respaldos manualmente, porque permite incorporar el procedimiento a una rutina programada y verificable.

10. Integración continua y despliegue en Render

Además de los respaldos, desarrollamos un segundo workflow encargado de realizar pruebas y automatizar la publicación de la aplicación.

Este archivo se encuentra en:

.github/workflows/ci-cd.yml

El proceso comienza cuando se realizan cambios en el repositorio.

Funcionamiento del pipeline

1. Validación del código

GitHub Actions prepara un entorno de ejecución y ejecuta las pruebas automatizadas contra un servicio temporal de MongoDB.

2. Construcción con Docker

Cuando las pruebas finalizan satisfactoriamente, se construye una imagen Docker como comprobación de que la aplicación puede empaquetarse correctamente.

3. Despliegue automatizado

Si el cambio corresponde a la rama principal, GitHub Actions utiliza el deploy hook de Render para solicitar una nueva publicación.

4. Verificación del servicio

El pipeline consulta el endpoint:

/health

Este endpoint permite verificar que el servidor responda y pueda establecer comunicación con MongoDB.

Gracias a este procedimiento, la publicación está vinculada al resultado de las pruebas.

Aplicación desplegada

Nuestra aplicación utiliza MongoDB Atlas como servicio de base de datos y Render para ejecutar el servidor Node.js.

Se puede acceder desde:

https://nosql-backup-strategy-d819.onrender.com

La configuración de infraestructura de Render se encuentra declarada en render.yaml, lo que facilita reproducir la configuración del servicio.

11. Cómo ejecutar el proyecto localmente

El repositorio incluye un entorno configurado con Docker Compose.

Para obtener el proyecto se puede utilizar:

git clone https://github.com/saulalvarado1/NoSQL-Backup-Strategy.git cd NoSQL-Backup-Strategy 

Posteriormente, se inicia la aplicación y la base de datos local:

docker compose up -d --build 

Para cargar los datos de demostración:

docker compose exec app node scripts/seed.js 

El sistema incorpora cinco productos de ejemplo, como una laptop, un monitor y accesorios informáticos, además de registros de clientes.

Después podemos ingresar a:

http://localhost:3000

Para comprobar el funcionamiento de las pruebas automatizadas dentro del contenedor:

docker compose exec app npm test 

También es posible generar un respaldo manual:

docker compose exec app npm run backup 

Y restaurarlo en una base de datos local independiente, evitando modificar los registros originales:

docker compose exec -e DB_NAME=tienda_restaurada app npm run restore 

Estos comandos permiten explorar el funcionamiento del proyecto y comprender el ciclo de respaldo y recuperación utilizando un entorno de desarrollo aislado.

12. Resultados y aprendizajes obtenidos

El desarrollo de esta solución nos permitió integrar diferentes conocimientos del curso de Base de Datos II.

Entre los principales resultados alcanzados destacan:

  • Implementación de una aplicación web conectada a MongoDB Atlas.
  • Desarrollo de mecanismos de respaldo lógico de documentos NoSQL.
  • Conservación de tipos BSON utilizando EJSON.
  • Compresión de respaldos y verificación mediante SHA-256.
  • Recuperación de documentos e índices.
  • Pruebas automatizadas para validar integridad y restauración.
  • Configuración de procesos programados mediante GitHub Actions.
  • Integración de Docker y despliegue automatizado en Render.

Uno de los aprendizajes más importantes fue comprender que la protección de datos no consiste únicamente en guardar archivos.

Es necesario considerar la frecuencia de los respaldos, la seguridad de las credenciales, la integridad de la información y los procedimientos que se seguirán ante una pérdida de datos.

También identificamos oportunidades de mejora, como incorporar alertas ante fallos de ejecución, exigir siempre el cifrado y almacenar copias adicionales en servicios independientes.

Para escenarios de mayor escala también sería necesario evaluar mecanismos de respaldo que proporcionen garantías de consistencia durante escrituras concurrentes y opciones de recuperación a un punto específico en el tiempo.

13. Conclusiones

El desarrollo de este proyecto nos permitió comprender la importancia de implementar estrategias de respaldo y recuperación para bases de datos NoSQL alojadas en la nube.

En primer lugar, comprobamos que MongoDB Atlas puede integrarse con aplicaciones web desarrolladas mediante Node.js y Express, ofreciendo una plataforma adecuada para gestionar información documental.

En segundo lugar, la implementación de respaldos mediante EJSON, compresión gzip y verificaciones SHA-256 nos permitió conocer diferentes mecanismos que contribuyen a preservar la información y detectar posibles alteraciones.

Finalmente, la incorporación de GitHub Actions y Render demostró cómo las prácticas de automatización pueden aplicarse tanto a la publicación de aplicaciones como a los procedimientos de protección de datos.

La experiencia nos ayudó a fortalecer nuestros conocimientos sobre bases de datos NoSQL, desarrollo web, integración continua, despliegue automatizado y recuperación ante fallos.

El principal aprendizaje es que una estrategia de backup no debe limitarse a generar copias, sino que también debe garantizar procedimientos verificables para recuperar la información cuando sea necesario.

Referencias y documentación

Para comprender las tecnologías utilizadas, pueden consultarse las siguientes fuentes oficiales:

Créditos del proyecto

Artículo elaborado por: Ana Cecilia Esteban Ramos.

Proyecto desarrollado en equipo por:

  • Ana Cecilia Esteban Ramos.
  • Saúl José Alvarado Urbano.

Curso: Base de Datos II.

Institución: Universidad Privada de Tacna.

Repositorio del proyecto: https://github.com/saulalvarado1/NoSQL-Backup-Strategy

Aplicación desplegada: https://nosql-backup-strategy-d819.onrender.com

Este proyecto fue desarrollado como una experiencia práctica para aplicar conceptos de bases de datos NoSQL, estrategias de respaldo, restauración y automatización de servicios en la nube.

¡Gracias por leer! Espero que nuestra experiencia resulte útil para estudiantes y desarrolladores interesados en implementar mecanismos de protección y recuperación de datos mediante tecnologías modernas.