Qué necesitas para elegir y operar una base de datos SaaS en 2026

La elección de base de datos es la decisión técnica más determinante en un desarrollo SaaS. Equivocarse implica pasar de 3 a 6 meses migrando bajo carga en producción en lugar de lanzar funcionalidades. Esta guía ofrece a fundadores, CTOs y líderes técnicos las reglas de decisión, los costos reales de 2026 y los playbooks operativos para elegir bien desde el primer día y operar sin sobresaltos.

11 min de lectura9 secciones20 de junio de 2026

Kostadin Stamboliev

Fundador e Imaginator

LinkedIn

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.

PostgreSQL como estándar en 2026: por qué el consenso se mantiene

PostgreSQL lideró la Encuesta a Desarrolladores de Stack Overflow 2025 como la base de datos más utilizada por tercer año consecutivo, con el 49% de los desarrolladores profesionales reportándola como su DB principal. Ese número importa porque impulsa la contratación, el soporte de librerías y la inversión en servicios administrados. Si comienzas con Postgres, podrás contratar más ingenieros, encontrar más respuestas en Stack Overflow y elegir entre más proveedores de hosting que con cualquier otra base de datos relacional.

Para un producto SaaS, Postgres te ofrece integridad relacional para facturación, suscripciones y relaciones de usuarios; columnas JSONB para metadatos flexibles sin una migración de esquema en cada sprint; un motor de búsqueda de texto completo integrado que cubre la mayoría de los casos de uso de startups sin necesidad de desplegar un clúster de Elasticsearch; y políticas de seguridad a nivel de fila (RLS) que aplican el aislamiento de tenants en la capa de base de datos, no en la capa del ORM.

El argumento contrario más razonable a favor de MongoDB es la flexibilidad de esquema durante la exploración temprana del producto. Ese argumento es más débil de lo que parece: una columna JSONB en Postgres te da la misma flexibilidad con transacciones ACID. La ventaja genuina de MongoDB está en su pipeline de agregación para consultas de documentos profundamente anidados y en su arquitectura de sharding horizontal. Si tu modelo de datos principal es verdaderamente de tipo documento (por ejemplo, un CMS que almacena árboles de contenido arbitrarios definidos por el usuario) y esperas fragmentar antes de los 10M de filas, MongoDB es una opción legítima. Para todo lo demás, Postgres es más rápido de desarrollar, más económico de operar y más fácil de razonar.

Patrones de multi-tenancy y seguridad a nivel de fila

Los productos SaaS aíslan los datos de cada tenant usando uno de tres patrones: bases de datos separadas por tenant, esquemas separados por tenant, o esquema compartido con una columna tenant_id. Cada uno tiene un perfil de costo y complejidad que debes elegir de forma deliberada.

Las bases de datos separadas ofrecen el mayor aislamiento y hacen que la eliminación por GDPR sea trivial, pero aprovisionar cientos de bases de datos genera sobrecarga operativa y costos adicionales. PlanetScale y Supabase admiten flujos de trabajo de base de datos por tenant, pero a escala pagas por base de datos y gestionas migraciones en todas ellas.

El esquema compartido con tenant_id es el patrón más común y el que RLS en Postgres hace seguro. Defines una política como CREATE POLICY tenant_isolation ON orders USING (tenant_id = current_setting('app.current_tenant_id')::uuid) y cada consulta sobre esa tabla filtra automáticamente al tenant activo. La regla clave de implementación: establece el tenant ID en la configuración de tu conexión (mediante SET LOCAL o una variable de sesión), nunca confíes únicamente en el filtrado a nivel de aplicación.

El riesgo con RLS es una política mal configurada que filtre filas entre tenants. Mitígalo con pruebas de integración automatizadas que verifiquen que un tenant no puede leer datos de otro. Ejecútalas en CI con cada deploy.

El equivalente en MongoDB es el filtrado por campo combinado con un tenantId que la aplicación aplica en cada consulta. No existe RLS nativo. Puedes añadir enforcement mediante middleware, pero vive en la capa de aplicación, no en la de base de datos, lo que es una garantía más débil. Si tu postura de cumplimiento requiere aislamiento de datos demostrable (SOC 2, HIPAA), RLS en Postgres con políticas documentadas es más fácil de auditar.

JSONB, búsqueda de texto completo y cuándo realmente necesitas un servicio separado

Dos de las razones más comunes por las que los equipos recurren a MongoDB o Elasticsearch son la flexibilidad de esquema y la búsqueda. Postgres maneja ambas sin un servicio adicional, hasta un umbral de escala significativo.

Las columnas JSONB almacenan JSON arbitrario y lo indexan. Un índice GIN sobre una columna JSONB permite consultar claves anidadas con características de rendimiento comparables a un almacén de documentos dedicado para la mayoría de las cargas de trabajo por debajo de unos pocos millones de filas. La diferencia clave respecto a MongoDB: las escrituras en una columna JSONB siguen participando en las transacciones de Postgres, por lo que obtienes almacenamiento flexible sin renunciar a los rollbacks ni a las claves foráneas. El costo es que las columnas JSONB no imponen un esquema, lo que puede generar deriva con el tiempo. Usa un trigger de validación JSON Schema o aplica la estructura en la capa de API.

Para búsqueda de texto completo, tsvector y tsquery con un índice GIN manejan catálogos de productos, búsqueda de artículos y consultas de clientes con suficiente rendimiento como para que muchos productos SaaS nunca necesiten Elasticsearch. El umbral práctico está alrededor de 10M de filas con ajuste de relevancia complejo, stemming multilingüe y filtros facetados. Por debajo de eso, un índice to_tsvector sobre tu columna de contenido y una consulta plainto_tsquery es más rápido de implementar y cuesta $0 adicionales.

Dónde sí conviene añadir un servicio de búsqueda dedicado: grandes catálogos de productos de e-commerce con facetado en tiempo real, búsqueda semántica con IA (que requiere una base de datos vectorial o la extensión pg_vector), y SaaS multilingüe que sirve a mercados no angloparlantes con requisitos complejos de stemming. Para este último caso, Typesense suele ser mejor opción que Elasticsearch a escala de startup porque su sobrecarga operativa es menor.

Hosting administrado: Supabase vs RDS vs PlanetScale

La decisión entre hosting administrado y autoalojado casi siempre se resuelve a favor del administrado para startups SaaS en 2026. Las horas de ingeniería necesarias para configurar, parchear y operar un clúster Postgres autoalojado cuestan más que la prima del servicio administrado, salvo que estés gastando más de $5K/mes en infraestructura de base de datos.

Supabase Pro comienza en $25/mes e incluye Postgres, RLS integrado, connection pooling mediante Supabase Pooler (basado en PgBouncer), almacenamiento, auth y edge functions. Para un SaaS en etapa temprana con menos de 50K DAU, este suele ser todo el stack de backend. A escala, el precio de Supabase Enterprise es negociado, pero equipos han reportado costos de $500 a $2,000/mes para cargas de trabajo de alto tráfico.

AWS RDS para PostgreSQL comienza en torno a $20/mes para una instancia db.t4g.micro, pero un despliegue Multi-AZ de producción con IOPS razonable arranca en $300 a $600/mes. A escala seria (db.r6g.2xlarge, Multi-AZ, 500GB de almacenamiento, 3K IOPS), estás mirando $1,500 a $2,500/mes. RDS te da más control sobre el tipo de instancia, IOPS y topología de red, pero requiere mayor conocimiento operativo. Aurora compatible con PostgreSQL ofrece una capa de almacenamiento distribuido y puede manejar más conexiones concurrentes, con un costo aproximadamente 20-30% mayor que RDS para el mismo cómputo.

PlanetScale (compatible con MySQL) eliminó su plan gratuito en 2024, con planes de producción desde $39/mes. Su flujo de trabajo de branching es excelente para migraciones de esquema y su arquitectura de sharding horizontal es sólida, pero la capa de compatibilidad con MySQL significa que algunas funcionalidades específicas de Postgres (RLS, JSONB, pg_vector) no están disponibles. Es la opción correcta para equipos que necesitan escalar escrituras horizontalmente antes de alcanzar el techo natural de Postgres, típicamente por encima de 10K transacciones de escritura por segundo de forma sostenida.

Connection pooling, PgBouncer y por qué esto rompe producción

Postgres crea un proceso por conexión. Con 200 conexiones abiertas en una instancia estándar, la presión de memoria comienza a degradar el rendimiento de las consultas. Un servicio típico con Node.js o Python con 10 procesos worker y un pool de 20 conexiones cada uno puede alcanzar las 200 conexiones en minutos al desplegar en un clúster modesto. Esta es una de las causas más comunes de incidentes en producción en productos SaaS en etapa temprana.

PgBouncer resuelve esto multiplexando muchas conexiones de aplicación sobre un conjunto más pequeño de conexiones reales a la base de datos. En modo de pooling por transacción, PgBouncer mantiene una conexión al servidor solo mientras hay una transacción en curso y la devuelve al pool inmediatamente después, permitiéndote atender miles de conexiones de aplicación con 20-30 conexiones al servidor. La restricción: en modo de pooling por transacción, las funcionalidades a nivel de sesión como los prepared statements y los advisory locks no funcionan como se espera. El Supabase Pooler integrado en Supabase utiliza PgBouncer internamente con pooling por transacción, por lo que algunos ORMs (Prisma, en particular) requieren pgbouncer=true explícito en el connection string.

La configuración práctica para 2026: conecta tu aplicación a PgBouncer o Supabase Pooler en el puerto 6543 (modo transacción), y usa el puerto directo de base de datos 5432 solo para migraciones y tareas de administración. Establece el tamaño del pool de tu aplicación en 5 a 10 conexiones por proceso, no el valor por defecto del ORM de 20 a 100. Esto por sí solo previene la mayoría de los incidentes de agotamiento de conexiones.

Para APIs de alta concurrencia (más de 1K solicitudes concurrentes), considera Pgpool-II para balanceo de carga entre el primario y réplicas de lectura, enrutando automáticamente las consultas de solo lectura a las réplicas. Esto duplica efectivamente el throughput de lectura al costo de visibilidad sobre el lag de replicación.

Backup, PITR, RPO y RTO: qué significan en la práctica

El Recovery Point Objective (RPO) es la pérdida máxima de datos que puedes tolerar. El Recovery Time Objective (RTO) es el tiempo máximo de inactividad que puedes tolerar. Un plan Supabase Pro de $25/mes incluye recuperación a un punto en el tiempo (PITR) de 7 días por defecto. AWS RDS ofrece hasta 35 días de PITR automatizado. Ambos utilizan archivado continuo de WAL (Write-Ahead Log), lo que significa que puedes recuperarte a cualquier segundo dentro de la ventana de retención.

Para un SaaS B2B con clientes empresariales, tu SLA probablemente requiere un RPO menor a 1 hora y un RTO menor a 4 horas. Ambas plataformas satisfacen esto por defecto. Si necesitas un RPO por debajo del minuto (transacciones financieras, registros de salud), necesitas un despliegue Multi-AZ con replicación síncrona, lo que significa que tu nodo primario espera a que el standby confirme cada escritura. Esto añade 1-5ms de latencia por escritura, pero garantiza que ninguna transacción confirmada se pierda en caso de fallo del primario.

Prueba tu proceso de recuperación trimestralmente. El modo de fallo más común no es que el backup falle, sino que el equipo no conozca el procedimiento de restauración bajo presión a las 2 AM. Realiza un simulacro de restauración en un entorno de staging, mídelo y documenta los pasos. En RDS, una restauración a un punto en el tiempo en una nueva instancia tarda entre 15 y 45 minutos según el tamaño de la base de datos. En Supabase, puedes usar el dashboard para iniciar una restauración o utilizar el Supabase CLI.

Para MongoDB Atlas (la oferta administrada), los backups automatizados con PITR están disponibles en clústeres M10+ (desde $0.09/hora, aproximadamente $65/mes). Atlas también admite snapshots del proveedor de nube con un calendario configurable. El modelo operativo es comparable al de RDS.

Identificación de consultas lentas, estrategia de indexación y mejoras de rendimiento reales

La optimización de base de datos con mayor retorno es encontrar e indexar las 5 consultas que concentran el 80% de tu carga. No necesitas un consultor para esto. Necesitas pg_stat_statements habilitado y 30 minutos.

Habilita pg_stat_statements con CREATE EXTENSION pg_stat_statements y consúltalo semanalmente: SELECT query, calls, mean_exec_time, total_exec_time FROM pg_stat_statements ORDER BY total_exec_time DESC LIMIT 20. Las consultas en la parte superior son donde va el tiempo de tu base de datos. La mayoría de las startups encuentran 2 a 4 consultas que concentran más del 60% del tiempo total de ejecución, y la mayoría de ellas tienen un índice simple faltante.

Para análisis estructurado de logs, pgBadger parsea los archivos de log de Postgres y genera un informe HTML con las consultas más lentas, las más frecuentes y los eventos de espera por locks. Es gratuito y toma unos 10 minutos ejecutarlo sobre los logs de un día. En RDS, habilita Performance Insights (gratis durante 7 días, $0.02/vCPU-hora después) para un dashboard de consultas en tiempo real.

Reglas de indexación que dan resultados de inmediato: agrega un índice B-tree en cada columna de clave foránea (Postgres no lo hace automáticamente, a diferencia de MySQL), en cada columna que aparezca en una cláusula WHERE sobre una tabla con más de 100K filas, y en cada columna usada en un ORDER BY en consultas paginadas. Los índices parciales (por ejemplo, CREATE INDEX ON orders (created_at) WHERE status = 'pending') suelen ser de 10 a 50 veces más pequeños que los índices completos y más rápidos para consultas filtradas comunes.

Para columnas JSONB, usa un índice GIN al consultar por existencia o contenido de clave. Si extraes un campo JSONB específico de forma repetida, crea una columna generada e indexa esa en su lugar. Un índice GIN sobre una columna JSONB grande puede añadir 200-400ms a las escrituras, así que perfila antes de indexar todo.

Migrar desde SQLite, MySQL o DynamoDB: costos reales

La decisión de base de datos más costosa es migrar desde la incorrecta bajo carga en producción. Esto es lo que cada migración realmente cuesta en 2026 en tiempo de ingeniería.

SQLite a Postgres: SQLite suele ser la elección inicial para aplicaciones pequeñas o productos de escritorio estilo Electron. La migración es directa porque los dialectos SQL son similares. Espera de 1 a 2 semanas de tiempo de ingeniería para un esquema pequeño (menos de 50 tablas), principalmente dedicado a ajustar tipos de datos (la tipificación laxa de SQLite frente a los tipos estrictos de Postgres), reescribir triggers y actualizar el código de conexión. Usa pgloader para la migración de datos en sí.

MySQL a Postgres: Más complejo. Las diferencias clave están en las reglas de comillas de cadenas, el manejo de ENUM, la sintaxis de búsqueda de texto completo y el soporte de JSON. Calcula de 2 a 4 semanas para un esquema SaaS en producción. Las herramientas de migración de PlanetScale pueden ayudar si ya estás en PlanetScale. Para MySQL estándar, pgloader maneja la mayoría de las conversiones de tipos automáticamente.

DynamoDB a Postgres: Esta es la migración más costosa y la que más lamentan los equipos. El diseño orientado a patrones de acceso de DynamoDB significa que la estructura de tu tabla frecuentemente no se mapea limpiamente a filas relacionales. Calcula entre 4 y 12 semanas según la complejidad del esquema, y espera rediseñar los modelos de datos principales, no solo mover datos. Los equipos que tomaron la decisión de DynamoDB por simplicidad operativa (sin esquema, serverless) frecuentemente reportan que esta migración cuesta entre $40K y $120K en tiempo de ingeniería a las tarifas de mercado en EE.UU. en 2026 ($150 a $250/hora para un ingeniero backend senior).

La migración de MongoDB a Postgres es similar en duración a la de DynamoDB. Si tus documentos tienen una estructura variable que es genuinamente fundamental para el producto, puedes terminar con un enfoque híbrido: entidades principales en tablas relacionales, metadatos flexibles en JSONB. Ese híbrido suele ser el punto de llegada correcto.

Implementar la base de datos correcta como un sprint de alcance fijo

Establecer bien la capa de base de datos desde el primer día es un ejercicio concreto de definición de alcance, no una negociación permanente. Un sprint bien definido cubre: diseño de esquema con políticas RLS para multi-tenancy, configuración de connection pooling, verificación de backup y PITR, estrategia de indexación para el conjunto inicial de consultas, y un documento de ruta de migración si estás moviendo desde un sistema existente.

Pineido define la arquitectura e implementación de base de datos como parte de sprints de aplicación de 30 días a precio fijo. Si estás evaluando cuánto cuesta la configuración correcta para tu SaaS, el punto de partida relevante es el sprint de desarrollo de app y web personalizado en /services/app-web-development. El alcance se define antes de comenzar cualquier trabajo, para que sepas exactamente qué obtienes sin sorpresas de tiempo y materiales.

Preguntas frecuentes

¿Debo usar PostgreSQL o MongoDB para un nuevo SaaS en 2026?

Usa PostgreSQL a menos que tu modelo de datos principal sean documentos profundamente anidados con estructura genuinamente variable. Postgres maneja datos flexibles mediante JSONB con garantías ACID completas, aplica aislamiento multi-tenant con seguridad a nivel de fila, y ejecuta búsqueda de texto completo sin un servicio separado. MongoDB tiene una mejor arquitectura de sharding y un pipeline de agregación más potente para cargas de trabajo centradas en documentos, pero la mayoría de los productos SaaS nunca necesitarán ninguno de los dos hasta después de encontrar el product-market fit.

¿Cómo funciona la seguridad a nivel de fila en PostgreSQL para SaaS multi-tenant?

Creas una política en cada tabla con alcance de tenant usando CREATE POLICY, referenciando una variable de sesión que tu aplicación establece en el momento de la conexión (por ejemplo, current_setting('app.current_tenant_id')). Cada consulta sobre esa tabla agrega automáticamente el filtro de tenant en la capa de base de datos. Esto es más seguro que el filtrado a nivel de aplicación porque un bug en tu ORM no puede filtrar filas entre tenants. Prueba cada política con pruebas automatizadas de acceso cruzado entre tenants en CI.

¿Por qué mi instancia de Postgres falla con alto tráfico y cómo lo soluciono?

Postgres crea un proceso del sistema operativo por conexión. Sin pooling, un clúster Node.js con 20 procesos y un pool de 20 conexiones abre 400 conexiones y genera agotamiento de memoria. Soluciónalo enrutando todas las conexiones de aplicación a través de PgBouncer o Supabase Pooler en modo transacción. Establece el tamaño del pool de tu aplicación en 5-10 por proceso. Reserva el puerto directo de base de datos solo para migraciones.

¿Qué configuración de backup y recuperación necesito para una base de datos SaaS?

Como mínimo, habilita la recuperación a un punto en el tiempo (PITR). Supabase Pro incluye PITR de 7 días; RDS admite hasta 35 días. Para un RPO menor a 1 hora y un RTO menor a 4 horas, los valores por defecto de ambas plataformas son suficientes. Para datos financieros o de salud que requieren un RPO por debajo del minuto, usa Multi-AZ con replicación síncrona, que añade 1-5ms de latencia de escritura pero garantiza que ninguna transacción confirmada se pierda en caso de fallo del primario. Prueba tu procedimiento de restauración trimestralmente.

¿Cuánto cuesta una base de datos SaaS por mes en 2026?

Supabase Pro comienza en $25/mes con PITR, auth y connection pooling incluidos. Un despliegue RDS Multi-AZ de producción arranca en $300-600/mes. A escala seria (db.r6g.2xlarge, Multi-AZ, 500GB de almacenamiento) el costo es de $1,500-2,500/mes en RDS. MongoDB Atlas comienza en aproximadamente $65/mes para clústeres M10 de nivel productivo. El autoalojamiento ahorra dinero en la línea de infraestructura, pero traslada el costo al tiempo de ingeniería, que casi siempre es más caro.

¿Cuánto cuesta migrar de DynamoDB a PostgreSQL?

Calcula entre 4 y 12 semanas de ingeniería backend senior según la complejidad del esquema. El diseño orientado a patrones de acceso de DynamoDB raramente se mapea limpiamente a tablas relacionales, por lo que generalmente debes rediseñar los modelos de datos principales en lugar de simplemente mover datos. A las tarifas de mercado en EE.UU. en 2026 ($150-250/hr para un ingeniero backend senior), esa migración cuesta entre $40K y $120K. Por eso la elección de base de datos al inicio del proyecto importa tanto.

¿Listo para lanzar?

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

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.