🏛️ API Dashboard Alcaldía de Santiago de Cali - v2.6.0
Sistema integral de gestión de datos presupuestales, proyectos y contratos para la Alcaldía de Santiago de Cali. Proporciona una API robusta y eficiente para el manejo de información gubernamental con capacidades avanzadas de transformación y análisis de datos.
🎯 Novedades Versión 2.6.0
✅ Optimización Completa de la API
- Modelos y Esquemas Alineados: Consistencia perfecta entre SQLAlchemy models, Pydantic schemas y estructura PostgreSQL
- Campos Nullable Corregidos: Todos los campos críticos con
nullable=False para garantizar integridad
- Nombres Unificados:
periodo_corte consistente en todas las tablas y endpoints
- Endpoints Verificados: Funcionamiento 100% comprobado de todos los endpoints principales
- Contratos Optimizados: JOIN simplificado con
contratos_valores para mejor rendimiento
📋 Descripción del Proyecto
Este sistema está diseñado para centralizar y gestionar la información presupuestal, contractual y de seguimiento de proyectos de la Alcaldía de Santiago de Cali. Ofrece una arquitectura escalable que integra múltiples fuentes de datos y proporciona endpoints especializados para diferentes tipos de consultas y operaciones.
Funcionalidades Principales
- Gestión Presupuestal: Manejo de movimientos y ejecución presupuestal con datos históricos
- Contratos SECOP: Sistema optimizado para gestión de contratos con arquitectura BPIN-centric
- Seguimiento de Proyectos: Monitoreo del Plan de Acción con métricas de avance y productos
- Infraestructura: Gestión de unidades de proyecto, equipamientos e infraestructura vial
- Transformación de Datos: Procesamiento automatizado de archivos Excel a formatos estandarizados
- API RESTful: Endpoints especializados para consultas, cargas masivas y administración
🏗️ Arquitectura del Sistema
Componentes Principales
api-dashboard-db/
├── fastapi_project/ # Aplicación principal FastAPI
│ ├── main.py # Endpoints y configuración API
│ ├── models.py # Modelos SQLAlchemy
│ ├── schemas.py # Esquemas Pydantic
│ └── database.py # Configuración base de datos
├── transformation_app/ # Sistema de transformación de datos
│ ├── data_transformation_*.py # Scripts de transformación
│ ├── app_inputs/ # Directorio de archivos de entrada
│ └── app_outputs/ # Directorio de archivos procesados
├── docs/ # Documentación del proyecto
├── database_initializer.py # Inicialización y migración de BD
├── production_*.py # Scripts de producción y mantenimiento
└── requirements.txt # Dependencias del proyecto
Stack Tecnológico - Actualizado v2.6.0
- Backend: FastAPI (Python 3.8+) con schemas Pydantic optimizados
- Base de Datos: PostgreSQL 12+ con modelos SQLAlchemy alineados
- ORM: SQLAlchemy con configuración nullable corregida
- Validación: Pydantic con from_attributes=True para serialización ORM
- Documentación: Swagger UI automático con endpoints reorganizados
- Procesamiento: Pandas, OpenPyXL para archivos Excel
🛠️ Configuración e Instalación
Requisitos del Sistema
- Python: 3.8 o superior
- PostgreSQL: 12 o superior
- RAM: Mínimo 2GB, recomendado 4GB
- Almacenamiento: Mínimo 10GB para datos y logs
- Herramientas: Git, Microsoft Excel o LibreOffice para archivos .xlsx
🗄️ Configuración de Base de Datos
1. Crear Base de Datos PostgreSQL
-- Conectar como superusuario
CREATE DATABASE api_dashboard_cali;
CREATE USER api_user WITH PASSWORD 'tu_contraseña_segura';
GRANT ALL PRIVILEGES ON DATABASE api_dashboard_cali TO api_user;
2. Variables de Entorno
Crear archivo .env en el directorio raíz:
# Configuración PostgreSQL
POSTGRES_USER=api_user
POSTGRES_PASSWORD=tu_contraseña_segura
POSTGRES_SERVER=localhost
POSTGRES_PORT=5432
POSTGRES_DB=api_dashboard_cali
# Para despliegue en Railway (opcional)
DATABASE_URL=postgresql://usuario:contraseña@host:puerto/database
# Configuración API (opcional)
API_HOST=0.0.0.0
API_PORT=8000
API_WORKERS=4
🚀 Instalación del Sistema
Método 1: Instalación Manual
# 1. Clonar el repositorio
git clone <repository-url>
cd api-dashboard-db
# 2. Crear entorno virtual
python -m venv env
# 3. Activar entorno virtual
# En Windows:
env\Scripts\activate
# En Linux/Mac:
source env/bin/activate
# 4. Instalar dependencias
pip install -r requirements.txt
# 5. Configurar variables de entorno
# Editar archivo .env con las credenciales correctas
# 6. ¡PASO CRÍTICO! Inicializar base de datos
python database_initializer.py
# 7. Ejecutar servidor
uvicorn fastapi_project.main:app --reload
🏗️ Database Initializer - Guía Completa Paso a Paso
📖 ¿Qué es el Database Initializer?
El database_initializer.py es el corazón del sistema de inicialización de la base de datos. Este script inteligente:
- ✅ Detecta automáticamente si está en entorno local o Railway
- ✅ Crea la estructura completa de base de datos usando SQLAlchemy models
- ✅ Carga datos incrementalmente (solo datos nuevos)
- ✅ Maneja errores automáticamente y filtra datos inválidos
- ✅ Genera reportes detallados de métricas y estado
- ✅ Usa UPSERT inteligente para evitar duplicados
- ✅ Optimiza rendimiento con índices automáticos
🎯 Cuándo Usar el Database Initializer
✅ OBLIGATORIO usar en estos casos:
- Primera instalación del sistema
- Después de clonar el repositorio
- Cuando agregues nuevos archivos JSON de datos
- Para migrar datos a Railway o nueva base de datos
- Después de cambios en models.py o schemas.py
- Para reparar base de datos corrupta o incompleta
⚠️ OPCIONAL usar en estos casos:
- Para cargar datos actualizados (es incremental)
- Como verificación de integridad periódica
- Para optimizar índices de base de datos
📋 Preparación Antes de Ejecutar
Paso 1: Verificar Estructura de Archivos
Asegúrate de tener esta estructura de directorios:
transformation_app/
├── app_outputs/
│ ├── contratos_secop_output/
│ │ ├── contratos.json
│ │ └── contratos_valores.json
│ ├── ejecucion_presupuestal_outputs/
│ │ ├── movimientos_presupuestales.json
│ │ ├── ejecucion_presupuestal.json
│ │ └── datos_caracteristicos_proyectos.json
│ ├── seguimiento_pa_outputs/
│ │ ├── seguimiento_pa.json
│ │ ├── seguimiento_productos_pa.json
│ │ └── seguimiento_actividades_pa.json
│ └── unidades_proyecto_outputs/
│ ├── unidad_proyecto_infraestructura_equipamientos.json
│ └── unidad_proyecto_infraestructura_vial.json
Paso 2: Verificar Conexión a Base de Datos
# Probar conexión directa
psql -h localhost -U api_user -d api_dashboard_cali
# O verificar variables de entorno
cat .env
Paso 3: Activar Entorno Virtual
# Windows
env\Scripts\activate
# Linux/Mac
source env/bin/activate
🚀 Ejecutando el Database Initializer
Ejecución Básica (Recomendada)
cd a:\programing_workspace\api-dashboard-db
python database_initializer.py
¿Qué Hace Durante la Ejecución?
FASE 1: Detección de Entorno (5-10 segundos)
🏛️ API Dashboard Alcaldía de Cali - Inicializador Unificado
🔧 Estructura + Datos para entornos Locales y Railway
======================================================================
INFO:__main__:🌍 Entorno detectado: Local (Desarrollo) # O Railway
INFO:__main__:🚀 Iniciando inicialización completa de la base de datos
FASE 2: Verificación de Conexión (2-5 segundos)
INFO:fastapi_project.database:✅ Primera conexión a PostgreSQL establecida
INFO:__main__:✅ Conexión a la base de datos exitosa
FASE 3: Creación/Verificación de Estructura (10-20 segundos)
INFO:__main__:🔧 Creando estructura de tablas desde modelos SQLAlchemy...
INFO:__main__:✅ Todas las tablas creadas/verificadas desde modelos SQLAlchemy
INFO:__main__:📊 Tablas disponibles (25):
• areas_funcionales
• barrios
• centros_gestores
[... lista completa de 25 tablas ...]
FASE 4: Creación de Índices de Rendimiento (20-30 segundos)
INFO:__main__:🔧 Creando índices de rendimiento...
Creando índice: 100%|████████████████| 26/26 [00:02<00:00, 12.93índices/s]
INFO:__main__:✅ Procesamiento de índices completado (26 índices)
FASE 5: Carga de Datos (1-5 minutos dependiendo del tamaño)
INFO:__main__:📦 FASE DE CARGA DE DATOS
INFO:__main__:📋 Encontrados 10 archivos para procesar
# Para archivos ya cargados:
INFO:__main__:⏭️ contratos: Ya tiene 744 registros, se omite
# Para archivos nuevos:
INFO:__main__:📥 datos_caracteristicos_proyectos: Tabla vacía, se cargará
INFO:__main__:📥 Cargando datos_caracteristicos_proyectos.json (1.28 MB)
INFO:__main__:📊 Procesando 1,253 registros para tabla 'datos_caracteristicos_proyectos'
WARNING:__main__:⚠️ datos_caracteristicos_proyectos: 1 registros rechazados por BPIN NULL/inválido
Insertando en datos_caracteristicos_proyectos: 100%|████████| 1252/1252 [01:27<00:00, 14.29registros/s]
INFO:__main__:✅ datos_caracteristicos_proyectos: 1,252 registros cargados exitosamente
FASE 6: Resumen Final y Reporte
================================================================================
🎉 RESUMEN DE INICIALIZACIÓN COMPLETADA
================================================================================
⏱️ Duración total: 115.73 segundos
🌍 Entorno: Local (Desarrollo)
📁 Archivos procesados: 2
📊 Total registros cargados: 1,489
📋 Tablas con datos cargados (2):
• datos_caracteristicos_proyectos: 1,252 registros
• unidades_proyecto_infraestructura_equipamientos: 237 registros
⏭️ Tablas omitidas (8):
• contratos: 744 registros existentes
[... lista de tablas ya cargadas ...]
INFO:__main__:📄 Reporte completo disponible en: database_initialization_report_20250814_021348.md
✅ Base de datos completamente configurada y lista para producción
🚀 Puedes iniciar tu API con: uvicorn fastapi_project.main:app --reload
📊 Interpretando los Resultados
✅ Indicadores de Éxito
- “✅ Conexión a la base de datos exitosa”: La conexión PostgreSQL funciona
- “✅ Todas las tablas creadas/verificadas”: Estructura de BD correcta
- “✅ X registros cargados exitosamente”: Datos insertados sin errores
- “⏭️ tabla: Ya tiene X registros, se omite”: Comportamiento incremental correcto
- “🚀 Base de datos lista para el API”: Sistema completamente funcional
⚠️ Advertencias Normales (No son errores)
- “⚠️ X registros rechazados por BPIN NULL/inválido”: Limpieza automática de datos
- “⏭️ tabla: Ya tiene X registros, se omite”: Carga incremental trabajando
❌ Indicadores de Error
- “❌ Error de conexión a la base de datos”: Verificar .env y PostgreSQL
- “❌ Error creando tablas”: Problemas con models.py o permisos de BD
- “❌ tabla: No se pudo cargar ningún registro”: Archivos JSON corruptos o formato incorrecto
🔧 Opciones Avanzadas de Ejecución
Para Desarrollo (Recomendada)
python database_initializer.py
Para Railway (Automático)
railway run python database_initializer.py
Con Variables de Entorno Específicas
# Para forzar entorno específico
ENVIRONMENT=Railway python database_initializer.py
# Con base de datos específica
DATABASE_URL="postgresql://user:pass@host:port/db" python database_initializer.py
🛠️ Solución de Problemas del Database Initializer
Error: “No se puede conectar a PostgreSQL”
Síntomas:
❌ Error de conexión a la base de datos: connection to server at "localhost" failed
Soluciones:
# 1. Verificar que PostgreSQL esté ejecutándose
sudo service postgresql status # Linux
# o
pg_ctl status # Windows
# 2. Verificar variables de entorno
cat .env
# 3. Probar conexión manual
psql -h localhost -U api_user -d api_dashboard_cali
# 4. Verificar firewall y puertos
telnet localhost 5432
Error: “Archivos JSON no encontrados”
Síntomas:
📂 Archivo JSON no encontrado: transformation_app/app_outputs/.../archivo.json
Soluciones:
# 1. Verificar estructura de directorios
ls -la transformation_app/app_outputs/
# 2. Ejecutar transformaciones para generar archivos
python transformation_app/data_transformation_ejecucion_presupuestal.py
python transformation_app/data_transformation_contratos_secop.py
python transformation_app/data_transformation_seguimiento_pa.py
python transformation_app/data_transformation_unidades_proyecto.py
# 3. Verificar permisos de archivos
chmod 644 transformation_app/app_outputs/*/*.json
Error: “Registros rechazados por BPIN NULL”
Síntomas:
⚠️ unidades_proyecto_infraestructura_equipamientos: 88 registros rechazados por BPIN NULL/inválido
Explicación:
Esto es NORMAL. El sistema automáticamente filtra registros con BPIN nulo porque violan las restricciones de integridad de la base de datos. Los registros válidos se cargan correctamente.
Error: “Error creando índices”
Síntomas:
⚠️ Error creando índice idx_movimientos_bpin: relation "tabla" does not exist
Soluciones:
# 1. Reinicializar con borrado de tablas
psql -d api_dashboard_cali -c "DROP SCHEMA public CASCADE; CREATE SCHEMA public;"
python database_initializer.py
# 2. Verificar permisos de usuario
GRANT ALL PRIVILEGES ON DATABASE api_dashboard_cali TO api_user;
GRANT ALL ON SCHEMA public TO api_user;
📈 Optimización y Mejores Prácticas
Para Mejor Rendimiento
- Ejecutar con SSD: El inicializador es intensivo en I/O
- Cerrar aplicaciones pesadas: Liberar RAM durante la carga
- Usar PostgreSQL local: Evitar conexiones de red lentas para desarrollo
Para Entornos de Producción
# 1. Configurar pool de conexiones más grande
# En .env:
DATABASE_POOL_SIZE=20
DATABASE_MAX_OVERFLOW=30
# 2. Ejecutar durante horas de menor tráfico
python database_initializer.py
# 3. Verificar logs posteriores
tail -f database_initialization_report_*.md
Para Actualizar Datos Regularmente
# El inicializador es seguro de ejecutar repetidamente
# Solo carga datos nuevos (incremental)
python database_initializer.py
# Para forzar recarga completa (solo si es necesario)
# 1. Truncar tablas específicas en PostgreSQL
# 2. Ejecutar inicializador
📄 Reportes Generados
Cada ejecución genera un reporte detallado:
database_initialization_report_YYYYMMDD_HHMMSS.md
Contenido del reporte:
- Duración total de la operación
- Entorno detectado (Local/Railway)
- Lista detallada de tablas creadas
- Estadísticas de registros por tabla
- Archivos procesados y omitidos
- Métricas de rendimiento
- Errores y advertencias encontrados
🎯 Verificación Post-Inicialización
1. Verificar Estado de la Base de Datos
# Iniciar la API
uvicorn fastapi_project.main:app --reload
# En otra terminal, verificar salud
curl http://localhost:8000/health
# Verificar estadísticas
curl http://localhost:8000/database_status
2. Probar Endpoints Principales
# Datos caracteristicos de proyectos
curl "http://localhost:8000/datos_caracteristicos_proyectos?limit=5"
# Movimientos presupuestales
curl "http://localhost:8000/movimientos_presupuestales?limit=5"
# Contratos
curl "http://localhost:8000/contratos?limit=5"
3. Verificar Documentación API
Abrir en navegador: http://localhost:8000/docs
✅ Checklist de Verificación Final
Después de ejecutar el database_initializer.py, verificar:
¡Tu sistema está listo para producción! 🎉
📚 Documentación Detallada
Guías Específicas
Documentación por Módulos
📊 Estructura de Datos
Tablas Principales
Catálogos Base
- centros_gestores: Centros gestores de la alcaldía
- programas: Programas presupuestales
- areas_funcionales: Áreas funcionales organizacionales
- propositos: Propósitos de proyectos
- retos: Retos estratégicos
Datos Operacionales
- movimientos_presupuestales: Movimientos presupuestales por proyecto (clave: bpin + periodo)
- ejecucion_presupuestal: Ejecución presupuestal detallada (clave: bpin + periodo)
- contratos: Contratos SECOP con información completa (clave: bpin + cod_contrato)
- contratos_valores: Valores financieros de contratos (clave: bpin + cod_contrato)
Seguimiento de Proyectos
- seguimiento_pa: Resumen de seguimiento del Plan de Acción (PK auto-increment)
- seguimiento_productos_pa: Productos del Plan de Acción (clave: cod_pd_lvl_1 + cod_pd_lvl_2)
- seguimiento_actividades_pa: Actividades detalladas (clave: cod_pd_lvl_1 + cod_pd_lvl_2 + cod_pd_lvl_3)
Infraestructura
- unidades_proyecto_infraestructura_equipamientos: Equipamientos por proyecto
- unidades_proyecto_infraestructura_vial: Infraestructura vial por proyecto
Tipos de Datos Estandarizados - v2.6.0
- BPIN:
BIGINT - Códigos de proyectos de inversión
- Períodos:
VARCHAR(50) para movimientos/ejecución, VARCHAR(7) para seguimiento - Formato YYYY-MM
- Valores monetarios:
DECIMAL(15,2) - Presupuestos y pagos
- Porcentajes:
DECIMAL(5,2) - Avances y porcentajes de ejecución
- Fechas:
DATE - Formato ISO (YYYY-MM-DD)
- Textos:
TEXT - Nombres y descripciones sin límite
- Campos críticos:
nullable=False para garantizar integridad de datos
Procesamiento Automatizado
El sistema incluye scripts especializados para transformar archivos Excel en formatos estandarizados:
Scripts Disponibles
- Ejecución Presupuestal:
data_transformation_ejecucion_presupuestal.py
- Contratos SECOP:
data_transformation_contratos_secop.py
- Seguimiento PA:
data_transformation_seguimiento_pa.py
- Unidades de Proyecto:
data_transformation_unidades_proyecto.py
# 1. Colocar archivos Excel en directorio de entrada
transformation_app/app_inputs/[tipo_de_datos]_input/
# 2. Ejecutar script de transformación
python transformation_app/data_transformation_[tipo].py
# 3. Archivos JSON procesados se generan en:
transformation_app/app_outputs/[tipo_de_datos]_output/
# 4. Cargar datos a la base de datos via API
curl -X POST "http://localhost:8000/load_all_[tipo]"
- Limpieza automática: Eliminación de símbolos monetarios, espacios y caracteres especiales
- Validación de tipos: Conversión automática a tipos de datos correctos
- Normalización: Estandarización de formatos de fecha, números y texto
- Detección inteligente: Identificación automática de estructura de archivos
- Preservación de datos: Mantiene valores originales eliminando solo formato
🌐 API y Endpoints
Documentación Interactiva
Una vez que el servidor esté ejecutándose, la documentación interactiva estará disponible en:
- Swagger UI:
http://localhost:8000/docs
- ReDoc:
http://localhost:8000/redoc
- OpenAPI JSON:
http://localhost:8000/openapi.json
Categorías de Endpoints - Actualizadas v2.6.0
1. Gestión de Catálogos
- Centros gestores, programas, áreas funcionales, propósitos, retos
- Operaciones: GET, POST para consulta y carga de datos
2. Datos Presupuestales (✅ Optimizados v2.6.0)
- Movimientos y ejecución presupuestal con filtros corregidos
- Operaciones: GET (con
periodo_corte), POST (carga individual), POST (carga masiva)
- Mejora: Campos y filtros unificados para consistencia total
3. Contratos SECOP (✅ Arquitectura BPIN-Centric v2.6.0)
- Gestión completa de contratos y valores con JOIN optimizado
- Operaciones: GET (con filtros avanzados), POST (carga masiva optimizada)
- Mejora: Response unificado
ContratoCompleto con valores incluidos
4. Seguimiento de Proyectos
- Plan de Acción: resumen, productos, actividades
- Operaciones: GET (con filtros múltiples), POST (carga masiva)
5. Infraestructura
- Equipamientos e infraestructura vial
- Operaciones: GET, POST, PUT, con soporte GeoJSON
6. Administración (✅ Reorganizados v2.6.0)
- Health checks, estadísticas, información de esquemas
- Operaciones administrativas y de mantenimiento
- Mejora: Aparecen al final en Swagger UI para mejor organización
Ejemplos de Uso - Actualizados v2.6.0
Consultar Movimientos Presupuestales con Filtros Corregidos
curl "http://localhost:8000/movimientos_presupuestales?periodo_corte=2024-01&limit=10"
Consultar Contratos con JOIN Optimizado
curl "http://localhost:8000/contratos?bpin=2024760010156&limit=10"
Carga Masiva de Contratos (Recomendado)
curl -X POST "http://localhost:8000/load_all_contratos"
Obtener Estadísticas del Sistema
curl "http://localhost:8000/database_status"
Verificar Estado de la API
curl "http://localhost:8000/health"
🚀 Despliegue en Producción
Configuraciones Recomendadas
Desarrollo Local
uvicorn fastapi_project.main:app --reload --port 8000
Producción Básica
uvicorn fastapi_project.main:app --host 0.0.0.0 --port 8000 --workers 4
Producción con Gunicorn (Recomendado)
pip install gunicorn
gunicorn fastapi_project.main:app \
-w 4 \
-k uvicorn.workers.UvicornWorker \
--bind 0.0.0.0:8000 \
--access-logfile logs/access.log \
--error-logfile logs/error.log
Scripts de Mantenimiento
Mantenimiento Preventivo
# Verificaciones básicas
python production_maintenance.py
# Con optimizaciones
python production_maintenance.py --optimize
# Con backup completo
python production_maintenance.py --backup --optimize
Monitoreo del Sistema
# Estado general del sistema
curl http://localhost:8000/health
# Estadísticas detalladas
curl http://localhost:8000/database_status
# Información de esquemas
curl http://localhost:8000/tables_info
📈 Rendimiento y Optimizaciones
Capacidades del Sistema - v2.6.0
- Carga de datos: Hasta 97,000 registros en menos de 35 segundos
- Consultas: Pool de conexiones optimizado para alta concurrencia
- Transformación: Procesamiento de archivos Excel con millones de registros
- Almacenamiento: Diseñado para manejar años de datos históricos
- Integridad: Validación completa entre models, schemas y base de datos
- Consistencia: Nombres de campos unificados en toda la aplicación
Optimizaciones Implementadas - v2.6.0
- Índices de base de datos: En campos críticos (BPIN, períodos, códigos)
- Bulk operations: Inserción y actualización masiva eficiente
- Pool de conexiones: Manejo optimizado de conexiones PostgreSQL
- Validación en capas: Pydantic + SQLAlchemy alineados para integridad de datos
- Arquitectura BPIN-centric: Optimización específica para contratos SECOP
- Schemas optimizados: from_attributes=True para mejor serialización ORM
- JOIN simplificados: Eliminación de JOINs problemáticos para mejor rendimiento
🔍 Monitoreo y Logs
Sistema de Logging
- Logs de aplicación: Registro detallado de operaciones API
- Logs de transformación: Seguimiento de procesamiento de datos
- Logs de mantenimiento: Histórico de operaciones de sistema
- Logs de base de datos: Inicialización y migraciones
Archivos de Log Principales
logs/
├── database_init.log # Inicialización de BD
├── maintenance_YYYYMMDD.log # Mantenimiento diario
├── deployment_YYYYMMDD_HHMMSS.log # Despliegues
└── transformation_app/
└── transformation_*.log # Transformación de datos
Métricas Monitoreadas
- Tiempo de respuesta de endpoints
- Estado del pool de conexiones PostgreSQL
- Conteo de registros por tabla
- Espacio utilizado en base de datos
- Conexiones activas y tiempo de vida
- Performance de transformación de datos
🛡️ Seguridad y Buenas Prácticas
Medidas de Seguridad
- Variables de entorno: Credenciales seguras fuera del código
- Pool de conexiones: Límites configurados para prevenir agotamiento
- Validación de entrada: Schemas Pydantic para todos los endpoints
- Transacciones: Rollback automático en caso de errores
- Logging de seguridad: Registro de operaciones críticas
Recomendaciones de Producción
- Usar HTTPS en producción
- Configurar firewall para PostgreSQL
- Implementar backup automático de base de datos
- Monitorear logs regularmente
- Actualizar dependencias periódicamente
🐛 Solución de Problemas
Problemas Comunes y Soluciones
Error de Conexión a PostgreSQL
# Verificar configuración
python database_initializer.py
# Verificar variables de entorno
cat .env
# Probar conexión directa
psql -h localhost -U api_user -d api_dashboard_cali
Datos Inconsistentes - v2.6.0
# Verificar integridad del esquema y alineación models/schemas
curl http://localhost:8000/tables_info
# Reinicializar si es necesario (ahora con validación completa)
python database_initializer.py
# Verificar tipos de datos y campos nullable
python production_maintenance.py --optimize
Problemas de Rendimiento
# Verificar estadísticas
curl http://localhost:8000/database_status
# Optimizar base de datos
python production_maintenance.py --optimize
# Verificar logs de consultas lentas
tail -f logs/maintenance_*.log
# Verificar formato de archivos Excel
# Revisar estructura de directorios app_inputs/
# Consultar logs específicos de transformación
tail -f transformation_app/transformation_*.log
Recursos de Ayuda
- Documentación API:
http://localhost:8000/docs
- Logs del sistema: Directorio
logs/
- Health checks:
http://localhost:8000/health
- Estado de BD:
http://localhost:8000/database_status
Archivos de Configuración Importantes
.env: Variables de entornorequirements.txt: Dependencias Pythondatabase_initializer.py: Configuración de esquemaproduction_deployment.py: Script de despliegue
Desarrollado para la Alcaldía de Santiago de Cali
Sistema integral de gestión de datos gubernamentales v2.6.0
Optimizado con modelos, esquemas y API completamente alineados
