\chapter{Datos de prueba y entornos}
\label{ch:datos}

\section{Host donde se ejecutan las pruebas}
\label{sec:host-pruebas}

Las pruebas contra el stack desplegado (smoke, integraci\'on parcial, estr\'es k6) se realizan en el siguiente equipo. \textbf{Todo informe de ejecuci\'on debe citar este entorno} (o indicar expl\'icitamente si se us\'o otro).

\subsection{Hardware y sistema}
\begin{table}[ht]
\centering
\begin{tabular}{@{}lp{8.5cm}@{}}
\toprule
\textbf{Campo} & \textbf{Valor} \\
\midrule
Hostname & \texttt{ubuntu} \\
SO & Ubuntu 24.04.4 LTS (kernel 6.17.0-35-generic) \\
Arquitectura & x86-64 \\
Equipo & ASUSTeK X441UAK \\
CPU & Intel Core i5-7200U @ 2{,}50\,GHz (2 n\'ucleos / 4 hilos) \\
RAM & 8\,GiB DDR4-2133 (l\'imite visible Docker $\approx$ 7{,}64\,GiB) \\
Almacenamiento & HDD 500\,GB interno + disco USB 1\,TB EXT4 \\
Contexto cloud CLI & \texttt{default/inmodata-builker} \\
\bottomrule
\end{tabular}
\caption{Host de pruebas IPSExtractor (staging compartido).}
\label{tab:host-pruebas}
\end{table}

\subsection{Stack IPSExtractor observado (idle)}
Medici\'on \texttt{docker stats --no-stream} (13 jul 2026), contenedores IPS:

\begin{table}[ht]
\centering
\begin{tabular}{@{}lr@{}}
\toprule
\textbf{Contenedor} & \textbf{RAM aprox.} \\
\midrule
\texttt{ipsextractor-api} (gateway) & 42\,MiB \\
\texttt{ipsextractor-extraction} & 31\,MiB \\
\texttt{ipsextractor-worker-1/2} & 28--32\,MiB c/u \\
\texttt{ipsextractor-cleaning} & 36\,MiB \\
\texttt{ipsextractor-bot-descarga} & 17\,MiB \\
\texttt{ipsextractor-count-api} & 13\,MiB (l\'imite 4\,GiB) \\
\texttt{ipsextractor-db} & 27\,MiB \\
\texttt{ipsextractor-redis} & 8\,MiB \\
\midrule
\textbf{Subtotal IPS (idle)} & $\approx$ 230--250\,MiB \\
\bottomrule
\end{tabular}
\caption{Huella de memoria IPSExtractor en idle.}
\end{table}

Health verificado:
\begin{lstlisting}[language=bash,caption={Smoke del gateway en el host}]
curl -s http://127.0.0.1:8189/health/live
# {"status":"ok"}

curl -s http://127.0.0.1:8189/health
# status ok; extraction, cleaning, counting, bot_descarga ok
# Nota: el health agregado puede tardar ~10-12 s en este host.
\end{lstlisting}

\subsection{Carga concurrente del host (no IPS)}
El mismo Docker Engine ejecuta muchos servicios ajenos a IPSExtractor. En la misma medici\'on destacaban, entre otros:

\begin{itemize}
  \item \texttt{mlflow-server} $\approx$ \textbf{1{,}86\,GiB} ($\sim$24\,\% de la RAM)
  \item Airflow (scheduler + webserver + postgres) $\approx$ 530\,MiB
  \item \texttt{n8n\_app} $\approx$ 291\,MiB
  \item \texttt{postgresql} (instancia compartida) $\approx$ 255\,MiB
  \item \texttt{minio-server} $\approx$ 136\,MiB, \texttt{uptime-kuma} $\approx$ 121\,MiB
  \item Adem\'as: registry, MariaDB, MongoDB, Qdrant, Portainer, Mermaid, Metabase Postgres, Redis cache, Inmodata API, etc.
\end{itemize}

\textbf{Consecuencia:} el host es un \emph{staging compartido}, no un laboratorio dedicado. Los SLOs de estr\'es del perfil \texttt{host-compartido-8gb} (cap.~\ref{ch:estres}) son los aplicables por defecto en este equipo. Un fallo por OOM o latencia alta \textbf{no} debe atribuirse autom\'aticamente a un bug de IPSExtractor sin revisar \texttt{docker stats} y \texttt{free -h}.

\subsection{Requisitos previos a una campa\~na de estr\'es}
\begin{enumerate}
  \item Registrar en el informe: fecha, hostname, \texttt{free -h}, salida de \texttt{docker stats --no-stream}.
  \item Preferible pausar/detener MLflow y Airflow (y n8n si es posible) para liberar $\geq$2\,GiB antes de k6 ligero, o $\geq$3\,GiB antes de ST-COUNT.
  \item Usar siempre \texttt{127.0.0.1:8189} (no \texttt{localhost} por IPv6).
\end{enumerate}

\section{Fixtures recomendadas}
\begin{description}
  \item[PDFs] Peque\~nos (1--2 p\'ag.), medianos, corruptos, $>$ l\'imite, con/sin texto.
  \item[Excel bot] 10 / 100 / 1\,000 / 5\,000 radicados; NITs sucios; vac\'ios; columnas mal nombradas.
  \item[CSV cleaning] Encodings, nulls, fechas ambiguas, montos COP.
  \item[LLM] Respuestas fixture JSON v\'alido / inv\'alido / parcial (sin gastar cuota en CI).
  \item[Imaging] HTML stub en CI; portal real solo en m\'aquina con VPN.
\end{description}

\section{Variables de entorno relevantes}
\begin{longtable}{@{}p{4.2cm}p{8cm}@{}}
\caption{Variables cr\'iticas para pruebas.}\\
\toprule
\textbf{Variable} & \textbf{Uso} \\
\midrule
\endhead
\texttt{IPS\_DOCUMENT\_ROOT} & Montaje PDFs $\rightarrow$ \texttt{/data} \\
\texttt{EXTRACTOR\_API\_KEY} / modelo & LLM extracci\'on \\
\texttt{WORKER\_REPLICAS} & Escala ARQ \\
\texttt{ASYNC\_QUEUE}, \texttt{REDIS\_URL} & Cola async \\
\texttt{BOT\_API\_TOKEN} & Bearer bot API + agent + desktop \\
\texttt{MINIO\_ENDPOINT}, \texttt{MINIO\_BUCKET} & S3 bot \\
\texttt{BOT\_IMAGING\_URL} & Portal Selenium \\
\texttt{OCR\_POOL\_SIZE}, \texttt{COUNT\_API\_MEMORY} & Tuning count-api \\
\bottomrule
\end{longtable}

\section{Seguridad en entornos de prueba}
\begin{itemize}
  \item No usar API keys reales hardcodeadas en compose para CI/staging compartido.
  \item Token de bot distinto por entorno; rotar tras pruebas p\'ublicas.
  \item Datos sint\'eticos o anonimizados; nunca radicados reales en reportes p\'ublicos.
\end{itemize}