Escalado de PostgreSQL en 2026: Cuándo replicar, particionar o aplicar sharding

La mayoría de las bases de datos Postgres nunca necesitan sharding. Pero en el momento equivocado, elegir la ruta de escalado incorrecta puede desperdiciar meses y seis cifras. Esta guía te lleva por cada etapa, desde un servidor único a $100/mes hasta un clúster de shards distribuido, con puntos de quiebre de costo reales, cronogramas y reglas de decisión para que puedas actuar antes de que tu base de datos se convierta en una crisis.

11 min de lectura9 secciones20 de junio de 2026

Escrito por

Kostadin Stamboliev

Fundador e Imaginator

Fundador e Imaginator de Pineido. Trabaja en consultoría de TI, desarrollo de apps y sitios web, SEO técnico, IA y automatización. Entrega código en producción en sprints de 30 días con alcance fijo y responsables claros.

LinkedIn

El servidor único como base: qué obtienes realmente

Una instancia de Postgres correctamente ajustada soporta más de lo que la mayoría de los equipos esperan. En RDS db.r6g.2xlarge o un nivel comparable de Supabase Pro, puedes contar con entre 5.000 y 10.000 conexiones concurrentes (gestionadas vía PgBouncer), entre 1 y 2TB de almacenamiento útil, y una factura mensual de $100 a $300. Eso cubre la mayoría de los productos SaaS en Serie A y por debajo.

La palabra clave es "correctamente ajustada". La configuración predeterminada de Postgres es conservadora. Ajustar work_mem, effective_cache_size, max_parallel_workers_per_gather y los parámetros de autovacuum según tu perfil de carga de trabajo suele generar una mejora de rendimiento del 50-100% sin tocar el hardware. Agrega índices parciales en columnas filtradas de alta cardinalidad e índices de cobertura en las rutas de lectura más frecuentes, y podrás exprimir entre 2 y 3 veces más del mismo servidor.

No omitas este paso. Los equipos que saltan directamente a la replicación o al sharding porque encontraron una consulta lenta generalmente están resolviendo el problema equivocado. Primero haz un perfil con pg_stat_statements. Identifica las 10 consultas con mayor tiempo total. Corrígelas. La mayoría de los problemas de "escalado" por debajo de 1.000 RPS son problemas de índices.

Regla de decisión: si tienes menos de 100GB de datos y menos de 1.000 RPS, usas un servidor único. Sin excepciones.

Escalado vertical y PgBouncer: el multiplicador barato de 2-3x

Antes de agregar servidores, agota el escalado vertical. Pasar de una instancia RDS de 4 núcleos a una de 16 núcleos cuesta dinero, pero cuesta mucho menos en tiempo de ingeniería que configurar replicación. El escalado vertical de Postgres es lineal hasta aproximadamente 32 núcleos para cargas de trabajo limitadas por CPU, y el IOPS de almacenamiento escala con la clase de instancia en la mayoría de las plataformas administradas.

PgBouncer es imprescindible a cualquier escala significativa. Postgres crea un proceso por conexión. Con 500 conexiones reales de la aplicación sin pooling, estás consumiendo entre 5 y 10GB de RAM solo en overhead de procesos, además de un uso considerable de CPU por cambios de contexto. PgBouncer en modo de pooling por transacción multiplexa cientos de hilos de aplicación en 20-50 conexiones reales de Postgres. Esto por sí solo suele reducir la presión de memoria en un 40% y mejorar la latencia en los percentiles altos.

El ajuste de consultas sobre el escalado vertical y el pooling correcto típicamente entrega la mejora completa de 2-3x respecto a una configuración predeterminada. Presupuesta dos semanas para un sprint de ajuste enfocado: una semana para perfilado y trabajo de índices, una semana para configuración del pool de conexiones y eliminación de consultas lentas. Esas dos semanas de tiempo de ingeniería, a $150-200/hr para un DBA senior, cuestan entre $12.000 y $16.000 y frecuentemente posponen la necesidad de replicación por 12-18 meses.

Regla de decisión: antes de agregar cualquier complejidad topológica, ejecuta el sprint de ajuste. Si aún no puedes alcanzar tus objetivos de latencia, entonces replicas.

Réplicas de lectura: la herramienta correcta para el 80% de los problemas de escala

Las aplicaciones web leen mucho más de lo que escriben, típicamente en una proporción de 10:1 o mayor. La replicación por streaming de Postgres te permite enrutar todas las lecturas (dashboards, vistas de lista, búsquedas, reportes) a réplicas, mientras que el primario maneja solo las escrituras. Este es el palanca de escalado más rentable disponible.

Una configuración de producción estándar de 1 primario más 2 réplicas aproximadamente triplica el rendimiento de lectura y agrega alta disponibilidad. Con un costo de $300 a $1.000/mes en este nivel en RDS o Supabase, cubrirás la mayoría de las aplicaciones hasta 5.000 RPS si la división lectura/escritura es limpia. Agregar una tercera o cuarta réplica para cargas de trabajo analíticas que realizan escaneos completos de tabla evita que esas consultas costosas saturen tu primario.

Configurar la replicación toma alrededor de una semana para un equipo con experiencia previa: configura la replicación por streaming, actualiza los strings de conexión de la aplicación para dirigir las lecturas a un pool de réplicas (PgBouncer lo maneja nativamente con server_round_robin), prueba el failover, listo. El principal costo continuo es el monitoreo del lag de replicación. La replicación síncrona elimina el lag pero agrega latencia de escritura (generalmente entre 5 y 15ms para réplicas en la misma región). La replicación asíncrona mantiene la velocidad de escritura, pero las réplicas pueden quedarse rezagadas en segundos bajo presión de escritura.

La replicación no ayuda con el tamaño del dataset. Todas las réplicas tienen una copia completa. Si tu problema es que la tabla es demasiado grande para consultarla eficientemente, la replicación permite leer una tabla grande en más servidores, pero la tabla sigue siendo grande. Ese es un problema de particionado o sharding.

Regla de decisión: si las lecturas superan significativamente a las escrituras y estás por debajo de 1TB, replicas antes que cualquier otra cosa.

Caché con Redis: reduce el 60-80% de la carga de la base de datos antes de que llegue a Postgres

Agregar una capa de Redis entre tu aplicación y Postgres es casi siempre el cambio de infraestructura con mayor ROI que puedes hacer después del ajuste de índices. Redis a $50-200/mes en ElastiCache o Upstash maneja lecturas en submilisegundos para datos frecuentes. El resultado típico es una reducción del 60 al 80% en el volumen de consultas a Postgres para aplicaciones con cualquier patrón significativo de lecturas repetidas.

Los patrones que más se benefician son los datos de sesión, lecturas de perfil de usuario, verificaciones de permisos, y cualquier conteo agregado o resumen que cambia poco frecuentemente pero se lee en cada carga de página. Almacena estos con un TTL de 60 segundos y tu pool de réplicas de Postgres de repente tendrá capacidad para manejar 5 veces el tráfico con el que estaba luchando.

La invalidación de caché es el costo de implementación. El caché write-through (actualizar Redis y Postgres juntos en las escrituras) es el patrón más seguro pero requiere disciplina en cada ruta de escritura. El caché cache-aside (leer de Redis, recurrir a Postgres ante un miss, poblar el caché) es más simple de agregar de forma incremental. Presupuesta una semana para una implementación de capa de caché que cubra tus rutas de lectura de mayor volumen.

No almacenes en caché datos que deben ser fuertemente consistentes: saldos financieros, conteos de inventario, cualquier cosa con requisitos de auditoría legal. Almacena en caché la capa de reportes, no la capa transaccional.

El costo total de un servidor único bien ajustado más réplicas más Redis es de $350 a $1.200/mes según el nivel. Esta combinación cubre las necesidades de infraestructura de la mayoría de los productos SaaS respaldados por capital de riesgo hasta sus primeros varios millones de usuarios.

Particionado de tablas: velocidad sin la complejidad de la distribución

El particionado divide una tabla lógica en múltiples tablas físicas hijas dentro de la misma base de datos. El particionado nativo de PostgreSQL (disponible desde la versión 10, maduro desde la v12) soporta particionado por rango (dividir por fecha o rango de ID), por lista (dividir por categoría o tenant) y por hash (dividir por hash de la clave). La base de datos maneja el enrutamiento de forma transparente: tus consultas apuntan a la tabla padre y el planificador de consultas descarta las particiones irrelevantes.

La ganancia de rendimiento es real. Una tabla de eventos de 500GB particionada por mes significa que una consulta del mes pasado escanea 40GB en lugar de 500GB. Los tamaños de índice se reducen proporcionalmente. El vacuum se ejecuta más rápido. Eliminar particiones antiguas es instantáneo (DROP TABLE en la hija) versus la pesadilla de borrar millones de filas de una tabla monolítica.

El particionado es la decisión correcta cuando el problema es el rendimiento de consultas en tablas grandes, no el throughput bruto. No distribuye la carga entre servidores. Todas las particiones viven en la misma instancia de Postgres. Obtienes consultas más rápidas y una gestión del ciclo de vida de datos más sencilla, no escalado horizontal.

Para SaaS multitenant, el particionado por lista según el ID de tenant vale la pena considerar con más de 100K tenants. Mantiene los datos de cada tenant físicamente separados, simplifica la eliminación de datos para solicitudes GDPR y hace que las consultas por tenant sean más rápidas.

Particionar una tabla existente requiere una migración con una ventana de mantenimiento (o una migración en línea cuidadosa usando replicación lógica). Presupuesta entre cuatro y ocho semanas para una migración de producción cuidadosa en una tabla de más de 100GB.

Regla de decisión: si el problema son consultas lentas en tablas grandes, particiona antes de aplicar sharding.

Sharding: cuándo realmente lo necesitas y cuánto cuesta

El sharding distribuye los datos entre múltiples servidores Postgres independientes usando una clave de shard. Cada servidor posee un subconjunto de los datos. Una búsqueda de usuario va al shard que contiene ese ID de usuario. Una consulta que abarca múltiples usuarios debe distribuirse a múltiples shards y los resultados deben unirse. Esta es la arquitectura que proporciona escalado horizontal teóricamente ilimitado.

Pero el costo operativo y de desarrollo es severo. Las transacciones entre shards requieren coordinación a nivel de aplicación o un coordinador de transacciones distribuidas (ambos agregan latencia y complejidad). Las foreign keys entre shards no existen. Los joins entre shards son del lado de la aplicación. Las migraciones de esquema deben aplicarse a cada shard en secuencia. Las consultas analíticas que necesitan todos los datos deben agregar resultados de todos los shards. Tu ORM no hará la mayor parte de esto por ti.

PlanetScale (basado en MySQL, pero el modelo es ilustrativo), Citus (sharding verdadero de Postgres) y el sharding a nivel de aplicación con una capa de enrutamiento son las tres rutas de implementación. Citus se integra de manera más limpia con las herramientas existentes de Postgres. El sharding a nivel de aplicación te da el mayor control pero requiere más código.

Puntos de referencia del mundo real: Notion aplicó sharding a su Postgres con 30 millones de usuarios. OpenAI escaló a 800 millones de usuarios mediante ajuste de consultas y más de 50 réplicas de lectura sin aplicar sharding. La lección es clara. El sharding es un último recurso, no una estrategia de escalado.

Cronograma: una implementación de sharding toma entre 8 y 12 semanas para un equipo de ingeniería enfocado, más un overhead de mantenimiento continuo equivalente a entre 0,5 y 1 FTE. Con salarios de ingenieros senior de $180K a $220K en 2026, eso es entre $70K y $130K solo en costo inicial de ingeniería, antes de la factura de infraestructura.

Regla de decisión: no apliques sharding hasta que superes 1TB de datos, 10K RPS, y hayas agotado genuinamente las réplicas más el caché.

La progresión de escalado: puntos de quiebre y presupuesto

Existe una progresión estándar que se aplica a la gran mayoría de los despliegues de Postgres. Síguela en orden y avanza solo cuando la etapa actual esté genuinamente al límite.

Etapa 1, menos de 100GB y menos de 1.000 RPS: servidor único, $100 a $300/mes. Ajusta consultas e índices, configura PgBouncer, dimensiona correctamente la instancia. Esto es suficiente para la mayoría de los productos en etapas previas al crecimiento.

Etapa 2, de 100GB a 1TB y de 1.000 a 5.000 RPS: réplicas más caché, $300 a $1.000/mes. Agrega 2 a 3 réplicas de lectura, enruta las lecturas vía PgBouncer, agrega Redis para datos frecuentes. Este nivel cubre la mayoría de las empresas SaaS de Serie A a Serie B.

Etapa 3, más de 1TB y más de 5.000 RPS: particionado más potencialmente sharding, $1.000/mes en adelante según la cantidad de shards. En esta etapa estás ejecutando una operación seria de ingeniería de datos.

Estas etapas no son rígidas, son disparadores de decisión. Una carga de trabajo con muchas escrituras (procesamiento de pagos, telemetría IoT) alcanza los límites de la Etapa 3 más rápido que una con muchas lecturas. Una tabla de series temporales bien particionada de 2TB aún puede funcionar eficientemente sin sharding. El contexto importa.

El salto de costo entre etapas es aproximadamente de 3 a 5x cada vez. El salto de complejidad de ingeniería es de 1x a 3x a 10x. Esa asimetría es por qué "simplemente aplica sharding" es casi siempre la respuesta incorrecta desde una perspectiva de negocio.

Reciba ideas sobre operaciones cada semana

Únase a los responsables de empresas de servicios que reciben cada semana una idea práctica sobre operaciones, automatización y crecimiento.

Estamos comprobando que es una persona. Podrá enviar en un momento.

Sin spam. Cancele cuando quiera.

¡Ya está suscrito! Busque nuestro próximo número en su bandeja de entrada.

Compromisos de consistencia y orientación para multitenant

Cada decisión de escalado cambia tu modelo de consistencia. Una instancia única de Postgres te ofrece consistencia ACID completa. En el momento en que agregas réplicas, tienes lag de replicación: las lecturas desde una réplica pueden mostrar datos que están milisegundos o segundos detrás del primario. Para la mayoría de las rutas de lectura esto es aceptable. Para la consistencia de read-your-own-writes (un usuario envía un formulario e inmediatamente ve el resultado), necesitas enrutar esas lecturas al primario o esperar la confirmación de la réplica.

El sharding rompe completamente la consistencia distribuida. Una transferencia de fondos de un usuario en el shard 1 a un usuario en el shard 2 es ahora una transacción distribuida. PostgreSQL no coordina estas de forma nativa. Necesitas two-phase commit, un patrón saga, o aceptas consistencia eventual para operaciones entre shards. La mayoría de los sistemas con sharding eligen el patrón saga con transacciones compensatorias, lo que requiere una lógica considerable en la capa de aplicación.

Para SaaS multitenant, la elección del modelo de aislamiento importa. El esquema compartido (todos los tenants en una base de datos, columna tenant_id en todas partes) es el más económico de operar y escala a millones de tenants pequeños. El esquema por tenant (un esquema de Postgres por tenant en una misma base de datos) ofrece mejor aislamiento y facilita el backup y restauración por tenant, pero el comportamiento del pool de conexiones de Postgres se degrada con más de unos miles de esquemas. La base de datos por tenant es el aislamiento más fuerte pero es costosa operacionalmente y es esencialmente una estrategia manual de sharding.

Para la mayoría de los SaaS B2B: esquema compartido hasta 100K tenants, luego evalúa esquema por tenant o particionado por tenant. Base de datos por tenant solo si se requiere aislamiento contractual (contratos empresariales SOC 2, salud, finanzas).

Cómo Pineido define el alcance del trabajo de arquitectura de bases de datos

Las decisiones de arquitectura de base de datos generalmente se toman demasiado tarde, en respuesta a un incidente en lugar de como parte de una construcción inicial. Pineido define el trabajo de infraestructura y backend como sprints de 30 días a precio fijo, lo que significa que conoces el costo antes de que empiece el trabajo y no hay incentivo de horas facturables para sobreingeniería.

Un sprint típico cubre el ciclo completo de ajuste (perfilado, trabajo de índices, configuración de PgBouncer) y establece la topología de replicación adecuada para tu nivel de tráfico actual, con monitoreo y runbooks. Las migraciones de sharding se definen por separado dado el cronograma de 8-12 semanas. Si estás evaluando qué necesita tu Postgres hoy y qué necesitará en 12 meses, el punto de partida correcto es el sprint de desarrollo de aplicaciones y web o el compromiso de CTO fraccional para revisión de arquitectura. Los detalles y una cotización fija están disponibles bajo solicitud.

Preguntas frecuentes

¿Cuál es la diferencia entre sharding y replicación en PostgreSQL?

La replicación copia tu base de datos completa a servidores adicionales. Cada réplica tiene todos tus datos. Esto te da escala de lectura y failover, pero no ayuda cuando tu dataset es demasiado grande para un solo servidor. El sharding divide el dataset en sí: cada shard contiene un subconjunto de tus datos, determinado por una clave de shard. La replicación es operacionalmente simple y reversible. El sharding es complejo, difícil de deshacer y solo necesario por encima de aproximadamente 1TB o 10K RPS.

¿Cuándo deberías particionar una tabla de PostgreSQL?

Particiona cuando una sola tabla es lo suficientemente grande como para que las consultas escaneen más datos de los necesarios y el vacuum se vuelva lento. El disparador práctico son tablas de más de 50-100GB con consultas frecuentes por rango (por fecha, ID de tenant o estado). El particionado por rango mensual es el patrón más común para tablas de eventos y logs. El particionado mantiene todo en una sola base de datos, por lo que no hay problemas de consistencia entre shards. También es la opción correcta antes de considerar sharding.

¿Cuánto cuesta implementar sharding en PostgreSQL?

Espera entre 8 y 12 semanas de trabajo de ingeniería enfocado. Con las tarifas de ingenieros senior de 2026 de $180K a $220K anuales, eso representa entre $70K y $130K solo en mano de obra. Los costos de infraestructura saltan a $1.000/mes y más según la cantidad de shards. También existe un overhead operativo continuo equivalente a aproximadamente 0,5 a 1 FTE para migraciones, rebalanceo y monitoreo. Estos costos son la razón por la que el sharding debe postergarse el mayor tiempo posible.

¿Cuántas réplicas de lectura necesita PostgreSQL para manejar alto tráfico?

Una configuración de 1 primario más 2 réplicas maneja la mayoría de las cargas de trabajo de producción hasta 5.000 RPS cuando la división lectura/escritura es limpia. Agregar caché con Redis reduce el volumen de lecturas a la base de datos en un 60-80%, por lo que tus réplicas cubren mucho más tráfico del que sugiere el número bruto de RPS. OpenAI escaló a 800 millones de usuarios con más de 50 réplicas y caché agresivo sin aplicar sharding. Comienza con 2 réplicas y agrega más a medida que crece el volumen de consultas.

¿Deberías usar Citus o sharding a nivel de aplicación para PostgreSQL?

Citus es la ruta más limpia si estás comprometido a permanecer en el ecosistema de Postgres. Se integra con las herramientas estándar de Postgres, maneja el enrutamiento de consultas de forma transparente y soporta joins distribuidos dentro de ciertos límites. El sharding a nivel de aplicación te da control total sobre la lógica de enrutamiento y evita la dependencia de Citus, pero cada join, transacción y migración de esquema se convierte en código de aplicación. Para la mayoría de los equipos, Citus es el mejor punto de partida. El sharding a nivel de aplicación tiene sentido si tu lógica de sharding es muy específica del dominio.

¿Es obligatorio PgBouncer para despliegues de producción de PostgreSQL?

Sí, a cualquier escala significativa. Postgres crea un proceso por conexión, que consume aproximadamente 5-10MB de RAM cada uno. Con 500 conexiones de aplicación sin pooling estás desperdiciando 2,5-5GB en overhead de procesos antes de ejecutar una sola consulta. PgBouncer en modo de pooling por transacción multiplexa cientos de hilos de aplicación en 20-50 conexiones de Postgres. Es una pieza obligatoria de cualquier configuración de producción más allá de un prototipo de un solo usuario o bajo tráfico, y tarda menos de un día en configurarse.

¿Listo para lanzar?

Cuéntenos dónde está atascado. Lo revisaremos y le enviaremos una recomendación concreta en un día hábil.