Una guía práctica para medir la latencia de un buzón de prueba en Kubernetes y distinguir fallos de aplicación, red y proveedor en CI.
El síntoma: CI intermitente sin causa clara
Un pipeline puede crear una cuenta, solicitar un correo de verificación y fallar al buscar el mensaje. El mismo commit pasa en local y falla en el runner compartido. Después se añaden más reintentos, el job tarda más y el diagnóstico sigue siendo pobre.
En este escenario, el problema no es necesariamente Kubernetes. Puede ser que el mensaje todavía esté en cola, que el pod no tenga salida estable, que el buzón haya caducado o que el test esté usando un identificador ambiguo. Aun cuando el producto funciona, CI puede observar una versión incompleta del flujo.
La primera mejora es dejar de registrar solo passed o failed. Cada fixture de email debe producir una pequeña línea de tiempo:
- hora de creación del buzón;
- hora de envío de la solicitud;
- primer intento de lectura;
- hora en que apareció el mensaje;
- hora de extracción del código;
- motivo final de éxito o fallo.
Con esos eventos, un fallo deja de ser “el correo no llegó” y pasa a ser “llegó 42 segundos después de que expirara el límite del test”. Ese cambio suele ahorrar mas tiempo que subir el timeout a ciegas.
Qué medir antes de aumentar los reintentos
Mide tres latencias separadas, no una sola:
- Provisionamiento: cuánto tarda en estar listo el buzón.
- Entrega: cuánto pasa desde la petición de la aplicación hasta que el mensaje es visible.
- Consumo: cuánto tarda el test en encontrar el mensaje correcto y extraer el código.
El test debe guardar también el message_id, el destinatario y un identificador de ejecución. No guardes el contenido completo si no hace falta; para depurar basta normalmente con metadatos y una huella. Así se reduce la exposición de datos en logs y artefactos de CI.
Un error comun es mezclar la latencia de entrega con la del polling. Si el lector consulta cada cinco segundos, un mensaje que ya existe puede parecer lento hasta cinco segundos. Usa un timestamp del proveedor cuando esté disponible y registra la hora de cada consulta.
Para una prueba repetible, define el contrato de la fixture antes de desplegarla:
email_fixture:
lease_seconds: 300
poll_interval_seconds: 5
max_attempts: 12
retain_metadata_seconds: 86400
Los valores son un punto de partida, no una garantía. Ajusta el contrato con tus percentiles observados y deja claro qué significa “no encontrado”.
Un contrato de fixture para Kubernetes
Trata el buzón temporal como un recurso con lease. El job crea una fixture, la etiqueta con el run_id y la libera en un bloque de limpieza, incluso cuando el test falla. El pod no debería compartir una dirección con otro job: una colisión puede parecer un bug de autenticación cuando solo es contaminación entre ejecuciones.
En Kubernetes, coloca la configuración no sensible en un ConfigMap y las credenciales del proveedor en un Secret. Define límites de CPU y memoria para el contenedor que hace polling; un proceso sin límites puede competir con el test y volver la latencia mas variable.
El cliente debe ser idempotente. Si el job se reintenta, reutiliza el run_id o crea una nueva lease claramente relacionada. No borres la evidencia antes de que el recolector de resultados termine. Para un incidente, es facil perder la pista cuando el cleanup es más agresivo que la observabilidad.
También conviene separar readiness de disponibilidad externa. Un pod listo significa que el proceso acepta trabajo, no que el proveedor de correo responde. Una sonda de aplicación puede comprobar la configuración, mientras una verificación sintética controlada mide el camino completo con una frecuencia baja.
Si tu equipo está mejorando el onboarding, vale la pena documentar también estas señales limpias en un flujo de onboarding. La misma idea aplica: cada paso debe tener un estado observable y una causa de salida.
Separar proveedor, red y aplicación
Cuando aparece un fallo, compara cuatro relojes:
- Aplicación: ¿se envió la solicitud y se guardó el destinatario correcto?
- Red: ¿el pod resolvió DNS y alcanzó el endpoint sin timeouts?
- Proveedor: ¿aceptó la petición y publicó el mensaje?
- Consumidor: ¿el lector encontró el mensaje esperado o uno viejo?
Un dashboard de SRE puede mostrar p50, p95 y tasa de timeout por proveedor, región y tipo de runner. No hace falta un sistema enorme; una métrica de contador y un histograma con run_id fuera de las etiquetas suele ser suficiente. Evita poner el email completo en labels, porque crea cardinalidad y puede filtrar datos privados.
Para búsquedas manuales, una herramienta de pistas de email que no distraen puede inspirar una interfaz de diagnóstico clara: estado actual, último evento y siguiente acción. El operador no debería leer diez líneas de logs para saber si debe reintentar.
Si usas un servicio como temp mail so para un escenario de prueba, registra el contrato que necesitas: duración, acceso permitido y política de limpieza. No lo presentes como una dependencia invisible. Un tem email o cualquier dirección de prueba debe permanecer aislado de usuarios reales y de datos de producción.
Checklist para SRE
Antes de llamar intermitente a un fallo, comprueba:
- [ ] Cada ejecución tiene un
run_idy una lease exclusiva. - [ ] Se distinguen provisionamiento, entrega y consumo.
- [ ] El polling tiene límite, intervalo y motivo de salida.
- [ ] Los logs guardan metadatos, no el contenido innecesario del correo.
- [ ] El cleanup ocurre también después de un fallo.
- [ ] Las métricas separan proveedor, región y tipo de runner.
- [ ] El dashboard muestra una acción recomendada, no solo una alerta.
La lección operativa es sencilla: un fixture de email no es un detalle del test, es una dependencia distribuida. Si le das un contrato, una lease y una línea de tiempo, Kubernetes deja de ser el sospechoso por defecto y el equipo puede trabajar sobre evidencia. Segun el proveedor, el ajuste final será distinto, pero el método de diagnóstico permanece.
Top comments (0)