Client Layer Logs

lucro-recognition-system · client_layer_logs · BigQuery

01 – 10 sep 2026 (mes en curso, actualiza cada hora)

Resumen — recognition_client_logs

Requests (septiembre)

350,344

33.7M filas históricas en la tabla

Tasa de error prom.

2.19%

2.10% excluyendo el incidente del 06-sep

Latencia media

1,826 ms

POST /v1/recognition domina el promedio

Errores de export (septiembre)

172,451

100% mismatch de esquema clientId

Caída de tráfico — 2026-09-06

Solo 363 requests registradas (vs. ~30k días adyacentes) con 89.3% de tasa de error y latencia media de 70.6 ms — consistente con el servicio caído o devolviendo error antes de procesar, no con carga lenta.

total_requests=363 · error_requests=324 · avg_response_ms=70.6

Tráfico diario y tasa de error

requests / día tasa de error %

01-sep10-sep

Códigos de estado (septiembre)

Errores de export por día

01-sep10-sep

Endpoints más consultados (septiembre)

Método	Endpoint	Requests	Latencia media

Causa raíz — export_errors

Las 172,451 filas fallidas del export (septiembre) comparten el mismo mensaje: BigQuery intenta convertir jsonPayload.clientId a FLOAT, pero el valor real es un UUID de cliente.

Cannot convert value to floating point (bad value):
6c0b4111-da03-4d93-b90c-12e6210e0951

resourceType=k8s_container en el 100% de los casos · afecta también a jsonPayload.clientid en recognition_client_logs, donde llega como FLOAT y trunca el UUID (p. ej. clientid=2.0, 37.0).

Tráfico anómalo detectado

Entre los endpoints de baja frecuencia aparecen rutas de reconocimiento de escaneo automatizado, no propias de la API:

/wp-content/plugins	12
/wp-content/uploads	10
/remote/logincheck	10

Volumen bajo, sin impacto en la tasa de error — probablemente escaneo externo contra el balanceador, no tráfico de clientes.

Consultas ejecutadas (BigQuery MCP · execute_sql_readonly)

Tráfico y errores por díarecognition_client_logs

SELECT
  DATE(timestamp) AS day,
  COUNT(*) AS total_requests,
  COUNTIF(jsonPayload.status >= 400) AS error_requests,
  ROUND(SAFE_DIVIDE(COUNTIF(jsonPayload.status >= 400), COUNT(*)) * 100, 2) AS error_rate_pct,
  ROUND(AVG(SAFE_CAST(jsonPayload.responsetime AS FLOAT64)), 2) AS avg_response_ms
FROM `lucro-recognition-system.client_layer_logs.recognition_client_logs`
WHERE timestamp >= '2026-09-01' AND timestamp < '2026-10-01'
GROUP BY day
ORDER BY day

Endpoints más consultadosrecognition_client_logs

SELECT
  jsonPayload.method AS method,
  REGEXP_EXTRACT(jsonPayload.url, r'^(/[^/?]+/[^/?]+)') AS endpoint,
  COUNT(*) AS total,
  ROUND(AVG(SAFE_CAST(jsonPayload.responsetime AS FLOAT64)), 2) AS avg_response_ms
FROM `lucro-recognition-system.client_layer_logs.recognition_client_logs`
WHERE timestamp >= '2026-09-01' AND timestamp < '2026-10-01'
GROUP BY method, endpoint
ORDER BY total DESC
LIMIT 15

Distribución de códigos de estadorecognition_client_logs

SELECT
  CAST(jsonPayload.status AS INT64) AS status_code,
  COUNT(*) AS total
FROM `lucro-recognition-system.client_layer_logs.recognition_client_logs`
WHERE timestamp >= '2026-09-01' AND timestamp < '2026-10-01'
GROUP BY status_code
ORDER BY total DESC

Errores de exportación por díaexport_errors

SELECT
  DATE(timestamp) AS day,
  resourceType,
  COUNT(*) AS total,
  APPROX_TOP_COUNT(schemaErrorDetail, 1)[OFFSET(0)] AS top_error
FROM `lucro-recognition-system.client_layer_logs.export_errors`
WHERE timestamp >= '2026-09-01' AND timestamp < '2026-10-01'
GROUP BY day, resourceType
ORDER BY day