{"id":13147,"date":"2022-04-26T20:13:45","date_gmt":"2022-04-27T03:13:45","guid":{"rendered":"https:\/\/www.couchbase.com\/blog\/?p=13147"},"modified":"2025-06-13T23:04:15","modified_gmt":"2025-06-14T06:04:15","slug":"build-a-python-microservice-with-couchbase-part-3","status":"publish","type":"post","link":"https:\/\/www.couchbase.com\/blog\/es\/build-a-python-microservice-with-couchbase-part-3\/","title":{"rendered":"Construir un microservicio Python con Couchbase - Parte 3"},"content":{"rendered":"

Recapitulemos<\/span><\/h2>\n

En las dos entregas anteriores de esta serie<\/a>discutimos los drivers detr\u00e1s de la creaci\u00f3n de microservicios. Tambi\u00e9n vimos por qu\u00e9 Couchbase es el almac\u00e9n de datos perfecto para utilizar con una arquitectura de este tipo. Tambi\u00e9n vimos tres variantes de un microservicio de perfil de usuario de ejemplo. Dos fueron escritas en Python, y una fue escrita en Node.js para comparar. En esta \u00faltima parte de la serie, discutiremos un m\u00e9todo para generar datos de prueba para el esquema del microservicio. <\/span><\/p>\n

\u00bfPor qu\u00e9 utilizar datos de prueba?<\/span><\/h2>\n

Unas pruebas rigurosas son fundamentales para lanzar un software estable. En una buena estrategia de pruebas intervienen muchos elementos. En la \u00faltima d\u00e9cada, el t\u00e9rmino \"DevOps\" se ha utilizado a menudo para referirse tanto a las herramientas utilizadas en el desarrollo y las pruebas de software como a la cultura, los procesos y los procedimientos que deben aplicarse para lograr un desarrollo r\u00e1pido y \u00e1gil. Independientemente de la terminolog\u00eda, hay un hilo com\u00fan: la automatizaci\u00f3n y la orquestaci\u00f3n. Estas dos cosas pueden ser f\u00e1cilmente su propia serie de blog, por lo que no nos detendremos demasiado en ellos, excepto para decir que la generaci\u00f3n de datos de prueba es un aspecto esencial de DevOps y el desarrollo \u00e1gil de software y pruebas.<\/span><\/p>\n

Personalmente he ca\u00eddo en la trampa de no tener un buen conjunto de datos de desarrollo. Por conveniencia, cre\u00e9 manualmente algunos datos para que se ajustaran al esquema deseado y as\u00ed poder hacer pruebas unitarias sobre el c\u00f3digo. Pero al d\u00eda siguiente, me di cuenta de que el c\u00f3digo que funcionaba bien con mi peque\u00f1o conjunto de datos no funcionaba demasiado bien cuando se ejecutaba contra una base de datos de prueba con miles de registros y datos m\u00e1s realistas.<\/span><\/p>\n

Generaci\u00f3n de datos JSON para probar el microservicio Python<\/span><\/h2>\n

Hay muchas formas de introducir datos de prueba en una base de datos de prueba o de desarrollo. Un m\u00e9todo consiste en copiar y desinfectar los datos de producci\u00f3n, si es posible. Puede que no sea factible disponer de copias de producci\u00f3n completas para m\u00faltiples entornos de desarrollo y prueba en funci\u00f3n de los recursos disponibles. Las plataformas de bases de datos deben tener el tama\u00f1o adecuado, y hay que tener cuidado de eliminar los datos sensibles por razones de cumplimiento y seguridad. Las copias de producci\u00f3n completas deben ser un requisito para los entornos de pruebas de regresi\u00f3n y de desarrollo previo. La generaci\u00f3n de datos sint\u00e9ticos y aleatorios con un conjunto de datos m\u00ednimo para las pruebas unitarias y el desarrollo suele ser adecuada.<\/span><\/p>\n

Con una base de datos relacional, puede ser un reto crear una instancia de base de datos con un subconjunto de tablas porque los modelos relacionales normalmente requieren que todas las estructuras de datos est\u00e9n presentes. Sin embargo, con el formato de documento JSON de Couchbase, es mucho m\u00e1s f\u00e1cil hacerlo. Mirando el ejemplo del microservicio, el esquema se construy\u00f3 alrededor de Scopes y Collections de Couchbase. Estos podr\u00edan ser f\u00e1cilmente parte de un esquema m\u00e1s grande con m\u00e1s colecciones y \u00e1mbitos. Pero todo lo que necesitamos son las colecciones para acceder a las claves, los perfiles de usuario y las im\u00e1genes de usuario, ya que eso es todo lo que nuestro servicio de ejemplo necesita para funcionar.<\/span><\/p>\n

En la segunda parte de la serie de blogs, utilizamos JMeter para realizar pruebas de rendimiento. Para realizar pruebas de rendimiento, la base de datos debe tener al menos miles de registros para que JMeter disponga de un conjunto de datos razonable para la generaci\u00f3n de pruebas. El microservicio simplemente obtiene elementos de perfil y los devuelve a trav\u00e9s de la API REST. Se supone que otros componentes de la aplicaci\u00f3n consumen los datos y ejecutan la l\u00f3gica empresarial utilizando los resultados.<\/span><\/p>\n

Volviendo a las tres colecciones de perfiles, a continuaci\u00f3n se muestra un ejemplo de un documento de la colecci\u00f3n <\/span>datos_usuario<\/span> colecci\u00f3n. El servicio no comprueba si el campo de imagen tiene un ID que haga referencia a un registro de imagen. El servicio s\u00f3lo devuelve los datos del perfil o los datos de la imagen. Se supone que cualquiera que lo consuma manejar\u00e1 esa l\u00f3gica.<\/span><\/p>\n

{\r\n  \"record_id\": 1,\r\n  \"name\": \"Michael Jones\",\r\n  \"nickname\": \"mjones\",\r\n  \"foto\": \"\",\r\n  \"user_id\": \"michaeljones2104\",\r\n  \"email\": \"michael.jones@example.com\",\r\n  \"email_verified\": \"True\",\r\n  \"first_name\": \"Michael\",\r\n  \"last_name\": \"Jones\",\r\n  \"address\": \"0208 River Parkway\",\r\n  \"ciudad\": \"Strongdol\",\r\n  \"estado\": \"IL\",\r\n  \"zip_code\": \"29954\",\r\n  \"phone\": \"363-555-9036\",\r\n  \"fecha_de_nacimiento\": \"10\/27\/1958\"\r\n}<\/pre>\n
La colecci\u00f3n user_images es sencilla, con un ID de registro (que puede ser referenciado por un perfil de usuario), un campo de tipo de imagen para poder soportar m\u00faltiples codecs de imagen y la propia imagen codificada en Base64. Como se se\u00f1al\u00f3 en el primer post de la serie, Couchbase soporta documentos binarios, pero hemos utilizado JSON por su portabilidad y extensibilidad en la aplicaci\u00f3n de ejemplo. Esto viene a expensas de un poco de ancho de banda de red adicional para obtener los datos y ciclos de procesador para hacer la decodificaci\u00f3n.<\/p>\n
{\r\n  \"record_id\": 1,\r\n  \"type\": \"jpeg\",\r\n  \"image\": \"AAAAD...\"\r\n}<\/pre>\n
La base <\/span>servicio_aut<\/span><\/em> contiene el token de autenticaci\u00f3n, pero puede ampliarse f\u00e1cilmente para incluir otros campos de autenticaci\u00f3n.<\/span><\/p>\n
{\r\n  \"record_id\": 1,\r\n  \"token\": \"6j6nW3KD0ZXodBv1\"\r\n}<\/pre>\n
Generaci\u00f3n de datos JSON aleatorios de muestra<\/span><\/h3>\n
Escrib\u00ed una utilidad llamada <\/span>cb_perf<\/span> para generar datos aleatorios e insertarlos en Couchbase. La utilidad tambi\u00e9n realiza algunas pruebas de rendimiento para calibrar las capacidades de Python en una plataforma. Herramientas como YCSB utilizan un esquema poco realista ya que el \u00fanico objetivo es medir el rendimiento bruto. Yo quer\u00eda la capacidad de tomar JSON arbitrario e insertarlo con datos sint\u00e9ticos aleatorios.<\/span><\/p>\n
Para probar el microservicio de ejemplo, a\u00f1ad\u00ed el esquema a <\/span>cb_perf<\/span> para poder generar conjuntos de datos de prueba en cualquier cl\u00faster de Couchbase. El sitio <\/span>cb_perf<\/span> utiliza un archivo de definici\u00f3n de esquema JSON. Para cada colecci\u00f3n, se define la estructura de datos JSON.\u00a0<\/span><\/p>\n
Puedes especificar expresiones Jinja2 con variables que mapeen a tipos de datos aleatorios para cada valor JSON. De esta forma, cada registro ser\u00e1 diferente. Tambi\u00e9n puedes definir qu\u00e9 \u00edndices crear. En este caso, creamos un \u00edndice primario e \u00edndices secundarios en algunos campos.\u00a0<\/span><\/p>\n
Especifica que <\/span>record_id<\/span><\/em> es un campo ID y que el recuento global de registros solicitado no debe sobrescribirse (por lo que podemos crear tantos registros como queramos).<\/span><\/p>\n
{\r\n\"nombre\": \"datos_usuario\",\r\n\"schema\": {\r\n  \"record_id\": \"record_id\",\r\n  \"name\": \"{{ rand_first }} {{ rand_last }}\",\r\n  \"nickname\": \"{{ rand_nickname }}\",\r\n  \"picture\": \"\",\r\n  \"user_id\": \"{{ rand_username }}\",\r\n  \"email\": \"{{ rand_email }}\",\r\n  \"email_verified\": \"{{ rand_bool }}\",\r\n  \"first_name\": \"{{ rand_first }}\",\r\n  \"last_name\": \"{{ rand_last }}\",\r\n  \"address\": \"{{ rand_address }}\",\r\n  \"ciudad\": \"{{ rand_city }}\",\r\n  \"estado\": \"{{ rand_state }}\",\r\n  \"zip_code\": \"{{ rand_zip_code }}\",\r\n  \"phone\": \"{{ rand_phone }}\",\r\n  \"date_of_birth\": \"{{ rand_dob_1 }}\"\r\n  },\r\n\"idkey\": \"record_id\",\r\n\"primary_index\": true,\r\n\"override_count\": false,\r\n\"indexes\": [\r\n  \"record_id\",\r\n  \"nickname\",\r\n  \"user_id\"\r\n  ]\r\n},<\/pre>\n
Aprovechamos la cb_perf<\/em> randomizer para la colecci\u00f3n de im\u00e1genes para crear una imagen JPEG aleatoria (crea un mapa aleatorio de valores RGB para hacer una imagen de colores aleatorios). Definimos lo siguiente:<\/p>\n