DEV Community

Alex Carter
Alex Carter

Posted on

Kubernetes: un presupuesto de errores para emails de CI

Un presupuesto de errores para los buzones de prueba ayuda a que CI deje de esconder la inestabilidad detrás de reintentos. En Kubernetes, el objetivo no es prometer que un email externo llegará siempre en segundos, sino definir cuanto fallo puede tolerar el pipeline y qué hacer cuando ese margen se consume.

El síntoma: CI verde, pero con demasiados reintentos

Un flujo de registro puede pasar en local y tardar varios minutos en un runner de CI. El test crea un buzón, solicita un enlace de verificación y empieza a consultar. Si no encuentra el mensaje, repite la operación. Al final el job queda verde, pero nadie sabe si la aplicación estaba sana o si simplemente tuvo suerte en el último intento.

Este patrón tiene dos costes. Primero, aumenta el tiempo de feedback. Segundo, convierte un fallo externo en una señal falsa de calidad. Cuando el proveedor está lento, todos los equipos siguen desplegando como si nada.

La conversación cambia cuando tratamos la fixture como una dependencia con un objetivo operativo. Un buzón de prueba no es solo un dato temporal: tiene provisionamiento, entrega, lectura, caducidad y limpieza. Cada etapa necesita una evidencia mínima.

Convertir la entrega de email en un SLO

Define un SLO pequeño y observable para la prueba, por ejemplo: “el mensaje de verificación debe estar disponible antes de 45 segundos en el 99% de las ejecuciones válidas”. El valor concreto depende de tu proveedor y de tu flujo. Lo importante es separar el objetivo de la expectativa informal de que “debería ser rápido”.

Registra al menos estos tiempos:

  • creación de la fixture;
  • envío de la solicitud desde la aplicación;
  • aceptación de la solicitud por el proveedor;
  • primera lectura del mensaje;
  • extracción del código o enlace;
  • liberación de la fixture.

Con esta línea de tiempo puedes distinguir entrega lenta de polling lento. Un error comun es contar cinco segundos de intervalo de consulta como latencia del proveedor. También puedes ver si el pod perdió DNS, si el servicio devolvió un 429 o si el mensaje llegó después de que el test ya hubiera agotado su lease.

La métrica no debe contener la dirección completa del email. Usa un run_id, el entorno, la región y el resultado clasificado. Asi reduces la exposición de datos y evitas crear una cardinalidad enorme en Prometheus.

Si el equipo trabaja en la experiencia del formulario, conviene mantener la misma disciplina visual: este artículo sobre errores de email sin ruido visual muestra por qué un estado claro es mejor que un mensaje ambiguo. En CI ocurre lo mismo con los estados de una fixture.

Cómo calcular y consumir el presupuesto

Un SLO del 99% deja un 1% de ejecuciones fuera del objetivo durante la ventana elegida. Ese 1% es el presupuesto de errores. No hace falta montar un sistema financiero; basta con contar ejecuciones válidas y fallos atribuibles a la dependencia externa.

No mezcles en el mismo contador un bug del producto y un timeout del buzón. Clasifica la causa antes de consumir presupuesto:

fixture_provisioning_failed
message_delivery_timeout
message_not_found
application_request_failed
invalid_test_assertion
Enter fullscreen mode Exit fullscreen mode

Cuando el burn rate sube, cambia la respuesta del pipeline. Puedes marcar los jobs como inestables, abrir una incidencia o detener pruebas no críticas. Lo que no ayuda es multiplicar reintentos sin límite. Un reintento debe tener una razón y conservar el run_id relacionado; si no, solo produce más ruido.

En un incidente reciente de este tipo, la señal útil suele ser la distribución por causa, no el porcentaje global. Si todos los fallos aparecen en una región concreta, mira red y proveedor. Si solo falla una imagen de runner, revisa DNS, reloj y límites del contenedor. Si el mensaje está disponible pero el parser no lo encuentra, el problema es del consumidor.

Un contrato de fixture para Kubernetes

Define la lease y su limpieza como parte del contrato. Un ejemplo sencillo:

email_fixture:
  lease_seconds: 300
  poll_interval_seconds: 5
  max_attempts: 12
  cleanup_on_failure: true
  retain_metadata_seconds: 86400
Enter fullscreen mode Exit fullscreen mode

La configuración no sensible puede vivir en un ConfigMap; las credenciales y tokens deben estar en un Secret. Cada pod debe usar una fixture exclusiva para evitar que un mensaje viejo parezca una respuesta válida. Al reintentar un job, relaciona la nueva ejecución con la anterior o genera una lease nueva de forma explicita.

También separa readiness de disponibilidad externa. Que el pod esté listo solo indica que acepta trabajo. Una sonda sintética, ejecutada con poca frecuencia, puede medir el camino completo sin convertir el proveedor en una condición permanente de salud del cluster.

Para diseñar la parte de aislamiento, resulta útil revisar un buzón de prueba que no se repite. La idea clave es que la identidad de la fixture sea inequívoca durante toda la ejecución.

No intentes reparar una dirección mal escrita con heurísticas. Valores como temp gamil com o fake e mail com pueden aparecer en datos de prueba para cubrir entradas imperfectas, pero deben quedar registrados como casos explícitos, no convertirse en direcciones reales por magia. Eso hace el test mas fácil de auditar.

Preguntas frecuentes

¿Debo fallar el pipeline al primer timeout?

No siempre. Para una prueba crítica de autenticación, probablemente sí después del límite acordado. Para una prueba de integración no bloqueante, puedes marcarla como inestable y consumir presupuesto. La decisión debe estar escrita en el contrato, no escondida en un número de reintentos.

¿El presupuesto sustituye a los reintentos?

No. Los reintentos sirven para tolerar una perturbación pequeña y conocida. El presupuesto sirve para decidir cuándo esa perturbación ya es un problema operativo. Usados juntos, mantienen el feedback rápido y hacen visible la degradación.

¿Qué guardo para investigar sin exponer contenido?

Conserva timestamps, códigos de estado, run_id, proveedor, región, identificador del mensaje y causa clasificada. Retén el contenido completo solo cuando exista una necesidad clara y una política de acceso definida.

Checklist de operación

  • [ ] El SLO de entrega tiene ventana y umbral documentados.
  • [ ] Provisionamiento, entrega y consumo tienen tiempos separados.
  • [ ] Cada fixture tiene lease, run_id y limpieza garantizada.
  • [ ] Los fallos de aplicación no consumen el presupuesto del proveedor.
  • [ ] El burn rate cambia la conducta del pipeline.
  • [ ] Los logs evitan direcciones y contenido innecesarios.
  • [ ] Un reintento conserva evidencia y no crea contaminación.

El resultado buscado no es una CI que nunca falle. Es una CI que explique si falló la aplicación, la red, Kubernetes o la dependencia de email, y que tenga un límite claro antes de ocultar el problema con otro reintento.

Top comments (0)