feat: Update docker-compose configuration to use environment variables for sensitive data, enhance testing documentation with new LaTeX files for capacity planning, and refine README for clarity on compilation and testing processes.

2026-07-17 08:32:00 -05:00
parent e47ef4f8c6
commit dc3fcc2280
89 changed files with 5331 additions and 1210 deletions
@@ -3,24 +3,34 @@

 \section{Conclusiones}
 \begin{enumerate}
-  \item IPSExtractor en staging responde correctamente a humo y carga ligera de control (gateway + heartbeats).
-  \item La calidad de latencia depende cr\'iticamente de no saturar el host compartido.
-  \item \textbf{100\,000 facturas/mes no son alcanzables} en el laptop Ubuntu actual con el zoo Docker observado.
-  \item Con infraestructura dedicada y dimensionada, el objetivo es \textbf{condicional\-mente viable}; requiere prueba de carga espec\'ifica por etapa (OCR, LLM, bot).
+  \item IPSExtractor en staging responde correctamente a humo y carga ligera (gateway + heartbeats).
+  \item \textbf{Host dedicado vs compartido:} ST-BOT-01 muestra que, con la misma prueba,
+        un host libre (sin MLflow/swap compitiendo) baja el p95 de 2{,}28\,s a 86\,ms y elimina
+        el outlier de 23\,s. El comportamiento es claramente mejor en nodo dedicado;
+        la latencia mala no fue un bug funcional (HTTP 200 en ambas corridas).
+  \item Agent Selenium ($\approx$422\,fact/h) y LLM ($\approx$506\,fact/h) cubren el objetivo 24$\times$7 \emph{por etapa}.
+  \item La cola ARQ (ST-EXT-01) dren\'o 30 docs en $\approx$23\,s con mock; arquitectura async validada.
+  \item OCR bajo 3 concurrentes (ST-COUNT-01): p50 35{,}8\,s; $\approx$100--325 fact/h en shared8g;
+        degradaci\'on fuerte vs serie ($\sim$2\,s).
+  \item El pipeline a 100k/mes en el host actual \textbf{no est\'a garantizado}
+        (ritmo $\approx\min$ etapas $=$ OCR $\sim$100--325/h; piso $\sim$100 $<$ 139);
+        detalle en \textbf{Capacidad100k\_IPSExtractor.pdf}.
+  \item Con infra dedicada + OCR dimensionado, 24$\times$7 es \textbf{condicionalmente viable}.
 \end{enumerate}

 \section{Recomendaciones}
 \begin{enumerate}
-  \item Separar IPS de MLflow/Airflow/n8n en el nodo de producci\'on/staging de rendimiento.
-  \item Ejecutar ST-COUNT-01 y bench LLM solo con $\geq$3\,GiB libres y sin swap activo.
-  \item Completar E2E-07 y ST-BOT-03; archivar JSON de k6 en \texttt{informes/}.
-  \item Dimensionar agents bot ($N$) antes de comprometer vol\'umenes mensuales de descarga.
-  \item Incorporar CI: pytest agent + store en cada PR.
+  \item Separar IPSExtractor en un \textbf{host dedicado} (sin MLflow/Airflow/n8n en el mismo nodo
+        de rendimiento); ST-BOT-01 lo justifica con evidencia.
+  \item Producci\'on: \texttt{ASYNC\_QUEUE=true} + workers dimensionados a la cuota LLM.
+  \item Repetir ST-COUNT-01 en perfil lab (m\'as rps / VUs) con $\geq$3\,GiB libres.
+  \item Completar ST-BOT-03, ST-EXT-01 perfil lab (100--500) y E2E pendientes.
+  \item Dimensionar agents Selenium ($N$) y workers extraction antes de comprometer vol\'umenes.
+  \item Incorporar CI: pytest agent Selenium + orquestador \texttt{bot-descarga} en cada PR.
 \end{enumerate}

-\section{Pr\'oxima campa\~na sugerida}
+\section{Documentos relacionados}
 \begin{itemize}
-  \item Ventana con MLflow detenido.
-  \item Bench: 50--200 PDFs reales por etapa (OCR, LLM) midiendo p50/p95 y coste.
-  \item Actualizar gr\'afica de capacidad con datos medidos (reemplazar estimaciones).
+  \item \textbf{Plan de pruebas} --- estrategia e IDs.
+  \item \textbf{Capacidad 100k/mes} --- modelo, coste LLM, veredicto de volumen.
 \end{itemize}