Análisis

Pruebas de carga sobre una API de consultas de multas

El número grande no significa nada si la unidad de carga está mal elegida. Antes de encender el generador hay que definir qué cuenta como una unidad de trabajo y cómo llegan los pedidos.

Foto de Francisco OrioneFrancisco OrioneCofundador de multas.ar
4 min de lectura
Pesas de hierro apiladas sobre una viga de madera que se curva apenas entre dos soportes metálicos, con luz natural lateral de taller.
Pesas de hierro apiladas sobre una viga de madera que se curva apenas entre dos soportes metálicos, con luz natural lateral de taller.

Una API de consultas de infracciones no resuelve todo contra su propia base: cada pedido dispara trabajo hacia fuentes externas con latencias, ventanas de mantenimiento y límites que no controlamos. Por eso “cuántas solicitudes por segundo aguanta” casi nunca tiene respuesta útil: depende de qué consultas y contra cuántas fuentes.

Una prueba de carga sirve para otra cosa: encontrar el punto en el que el sistema deja de cumplir lo que promete y ver de qué forma deja de cumplirlo. Armar el conjunto de prueba sin copiar producción es otro problema, tratado en datos sintéticos; los portales de cada jurisdicción, además, se reemplazan por dobles con latencias previstas.

La unidad de carga no es la solicitud

Una consulta puede tocar una jurisdicción o varias. El trabajo real es el abanico: cuántas subtareas externas dispara cada pedido aceptado. Dos corridas con la misma tasa de solicitudes producen cargas distintas si el conjunto de patentes cambia la mezcla de fuentes.

Por eso la unidad se declara antes de correr: consultas por minuto, abanico promedio y su distribución. Un conjunto concentrado en una jurisdicción mide un solo camino y su número se cita después como si los midiera todos.

Hay una segunda fuente de tráfico: si la API expone un recurso de estado, cada consulta de patente genera lecturas de seguimiento al ritmo que fija el cliente, y el modelo debe incluirlas con su intervalo real.

Lazo cerrado, lazo abierto y omisión coordinada

El generador más común usa clientes virtuales que esperan la respuesta antes del pedido siguiente. Ese lazo cerrado se autolimita: si el servidor se pone lento, la carga ofrecida baja sola y la cola nunca crece. Modela a una persona, no a una integración automática.

Los clientes reales no esperan: un proceso programado envía su lote de patentes llegue o no la respuesta anterior. Reproducirlo exige un modelo de lazo abierto, con tasa de llegada fija, independiente de la demora del servidor y con ráfagas.

El instrumento también puede falsear la medición. Si un envío programado se atrasa porque el anterior sigue abierto, esa espera desaparece de la muestra: es la omisión coordinada, que borra los peores casos. Se corrige midiendo desde el instante en que el pedido debía salir.

Dos precauciones más. Los percentiles no se promedian: el p95 de cada minuto promediado no es el p95 de la corrida, así que conviene conservar histogramas. La especificación del SDK de métricas de OpenTelemetry define agregaciones de histograma con cubetas explícitas y exponenciales; mientras las cubetas coincidan, esas cuentas se suman y el percentil se calcula al final. Y una sonda liviana desde otra máquina avisa si el cuello de botella está en el generador.

Los límites propios forman parte del sistema medido

Es tentador desactivar el límite de solicitudes para “medir la capacidad real”. Eso mide un sistema que no existe: en producción el limitador decide qué entra.

El error opuesto también aparece: si domina el código de exceso de solicitudes que define RFC 6585, el número obtenido describe el umbral del limitador y no lo que el procesamiento resiste. El informe separa cuatro poblaciones:

  • aceptadas, que el servicio tomó y procesó;
  • limitadas, rechazadas por política antes de trabajar;
  • fallidas, con error del lado del servicio;
  • vencidas en el cliente, sin respuesta observada.

Mezclarlas produce tasas de error sin sentido. El borrador del grupo HTTPAPI del IETF define campos RateLimit para publicar la política de cuota y el saldo disponible; a la fecha de verificación sigue siendo un Internet-Draft y no un RFC. Si el servicio los emite, el generador puede leerlos.

Buscar el punto de saturación

La forma habitual es escalonar: sostener una tasa de llegada, esperar a que se estabilice, medir, subir un escalón. Mientras hay margen el caudal atendido acompaña a la tasa; en algún escalón se aplana mientras la latencia y la cola siguen creciendo. Ese es el punto de saturación.

Más allá de ahí los percentiles describen la cola, no la capacidad. El dato que se busca es el último escalón sostenible con los objetivos cumplidos.

La forma de caer importa tanto como el punto. Un servicio ordenado rechaza temprano, con un Retry-After que RFC 9110 define como un momento HTTP o una cantidad de segundos. Uno desordenado acepta todo, deja que los clientes venzan por timeout y recibe reintentos que duplican trabajo en curso. Terminado el escalón, la cola tiene que bajar sin dejar consultas de patentes huérfanas ni repetidas.

Qué se puede afirmar después

El resultado no es “la API aguanta tanto”. Es una afirmación con alcance: esta versión, esta configuración, esta mezcla de jurisdicciones, estas latencias simuladas, esta fecha. Anotarlo junto al número evita que se cite suelto.

Conviene fijar el criterio de aceptación antes de correr: un umbral escrito después tiende a acomodarse al resultado.

Antes de la próxima corrida verificá tres cosas: que la unidad declarada sea la consulta de una patente con su abanico de jurisdicciones y no la solicitud suelta; que el generador trabaje a tasa de llegada y mida desde el instante previsto; y que el informe distinga el rechazo por política de la falla del servicio.

Preguntas frecuentes

¿Qué validez tiene el resultado si las fuentes externas están simuladas?

Vale para la hipótesis de latencia cargada en los dobles. Una prueba interna mide cómo se comporta el servicio propio ante esas demoras, no la capacidad de un portal que no controlamos. Por eso el informe declara qué latencias se simularon: si la fuente real resulta más lenta, el punto de saturación se corre.

¿Por qué no alcanza con clientes virtuales que esperan la respuesta?

Porque ese esquema se autolimita. Si el servidor se pone lento, el generador manda menos y la cola nunca llega a crecer. Sirve para simular personas frente a una pantalla, no integraciones automáticas que envían a ritmo fijo.

¿Se puede promediar el p95 de cada minuto para obtener el de la corrida?

No. Un percentil ya calculado no se puede volver a agregar. Para responder por el período completo hay que conservar histogramas y calcular el percentil sobre ellos.

¿Un 429 durante la prueba cuenta como error?

Conviene contarlo aparte. Indica que la política de límites actuó, no que el procesamiento falló. Si domina la corrida, el número obtenido describe el umbral del limitador y no la capacidad del servicio.

Fuentes consultadas 4 referencias
  1. RFC 9110 — HTTP Semantics (abre en una pestaña nueva) — RFC EditorConsultada el
  2. RFC 6585 — Additional HTTP Status Codes (abre en una pestaña nueva) — RFC EditorConsultada el
  3. Internet-Draft activo — RateLimit header fields for HTTP (abre en una pestaña nueva) — Internet Engineering Task ForceConsultada el
  4. Especificación del SDK de métricas de OpenTelemetry (abre en una pestaña nueva) — OpenTelemetryConsultada el
Datos y metodología
Alcance de la nota
Diseño y lectura de una prueba de carga sobre una API de consultas de infracciones: unidad de carga, modelo de llegada, medición y criterio de saturación. No cubre la generación del conjunto de datos ni la elección de herramienta.
Unidad de análisis
Una consulta aceptada con su abanico de subtareas hacia fuentes, más las lecturas de estado que genera hasta llegar a un resultado terminal.
Cobertura
Semántica HTTP de Retry-After y del código de exceso de solicitudes, campos RateLimit en estado de borrador y agregaciones de histograma de OpenTelemetry, al 29 de agosto de 2026.

Limitaciones

  • Los escalones, su duración y los objetivos de latencia dependen de la capacidad real de cada servicio y no se trasladan entre versiones ni entre infraestructuras.
  • Las latencias simuladas de las fuentes externas son una hipótesis: una prueba interna no mide la capacidad de un portal que no controlamos.
  • El punto de saturación observado vale para la configuración medida; cambiar concurrencia, límites o dimensionamiento obliga a repetir la corrida.

Fecha declarada del contenido: . La fecha de consulta no reemplaza la vigencia de la norma ni una revisión independiente.

Notas relacionadas