Skip to content

BACKLOG.md

Latest commit

 

History

History
55 lines (37 loc) · 2.6 KB

BACKLOG.md

File metadata and controls

55 lines (37 loc) · 2.6 KB

Backlog Técnico & Roadmap

Este documento centraliza la planificación técnica del proyecto Myna. Las tareas están priorizadas por impacto en la estabilidad y escalabilidad del sistema.

🔴 High Priority: Estabilización y Persistencia

[Infra] Implementar Adaptador de S3 para Persistencia Real

Tipo: architecture, bug Contexto: Actualmente, el sistema utiliza LocalFileSessionRepository apuntando a /tmp en entornos Vercel. Esto causa pérdida de sesión entre despliegues o reinicios de lambdas. Criterios de Aceptación:

  • Crear S3SessionRepository y S3DataRepository implementando las interfaces de ports.py.
  • Configurar inyección de dependencias basada en variables de entorno (STORAGE_TYPE=s3).
  • Validar carga y descarga de DataFrames (Pickle/Parquet) desde un bucket privado.

[Core] Implementar Patrón Strategy para Limpieza y Escalado

Tipo: refactor, clean-code Contexto: DataCleaner.handle_nulls y DataScaler utilizan cadenas de if/else basadas en strings mágicos. Esto viola el principio Open/Closed (OCP). Criterios de Aceptación:

  • Definir interfaz CleaningStrategy y ScalingStrategy.
  • Implementar clases concretas (MeanImputation, DropRows, MinMaxScaling).
  • Refactorizar servicios de dominio para recibir la estrategia inyectada o seleccionada por Factory.

🟡 Medium Priority: Robustez

[Testing] Test de Integración de Flujo de Sesión

Tipo: tests, qa Contexto: Los tests actuales son unitarios y aislados. No existe garantía de que una sesión persista correctamente tras múltiples operaciones secuenciales. Criterios de Aceptación:

  • Implementar test que simule un ciclo completo: Upload -> Clean -> Scale -> Cluster -> Stats.
  • Verificar integridad de datos en cada paso.
  • Validar recuperación de sesión fallida.

[UX/API] Manejo Asíncrono de Procesos Pesados

Tipo: enhancement, scalability Contexto: Operaciones como Clustering en datasets grandes (>50k filas) pueden causar timeouts HTTP (Gateway Timeout 504). Criterios de Aceptación:

  • Implementar patrón "Job Queue" (endpoint retorna 202 Accepted + job_id).
  • Endpoint de Polling /api/jobs/{id}/status.
  • (Opcional) UI con indicador de progreso real.

🟢 Future / Low Priority

[Core] Soporte para DuckDB

Tipo: performance Contexto: Cargar todo el DataFrame en memoria RAM con Pandas es ineficiente para datasets grandes. Propuesta: Usar DuckDB como motor de consulta SQL sobre archivos locales/S3 para operaciones de agregación sin carga total en memoria.