cobertura-sync-repo

name	cobertura-sync-repo
description	Diagnostica y mejora el sync de PDFs hacia el repositorio oficial con miles de carpetas. Úsalo cuando se hable de sync, repo, 114000 carpetas, hashes, destino no encontrado, destino ambiguo, lentitud o I/O.

Cobertura Automática MSP — Sync al repositorio oficial

Objetivo

Copiar PDFs desde /data_nuevo/coberturas/{TRAMITE}/ hacia /data_nuevo/repo_grande/data/datos/.../{TRAMITE}/ sin sobrescribir y dejando trazabilidad.

Reglas

1. No sobrescribir destino.
2. Validar SHA256.
3. Registrar CSV y SQLite.
4. Si hay destino ambiguo, no copiar.
5. Si no hay destino, registrar.
6. Sync completo no debe ejecutarse innecesariamente.

Diagnóstico

time find /data_nuevo/repo_grande/data/datos -type d | wc -l
du -sh /data_nuevo/repo_grande/data/datos
du -sh /data_nuevo/coberturas
du -sh /data_nuevo/cobertura_integrada/logs

cd /data_nuevo/cobertura_integrada
sqlite3 logs/cobertura_repo_sync.sqlite "SELECT estado, COUNT(*) FROM cobertura_repo_sync GROUP BY estado ORDER BY COUNT(*) DESC;"
sqlite3 logs/cobertura_repo_sync.sqlite "SELECT tramite, archivo, estado, detalle, created_at FROM cobertura_repo_sync ORDER BY id DESC LIMIT 30;"

Estados importantes

• COPIADO — copia exitosa
• OMITIDO_YA_EXISTE_IDENTICO — ya existe, mismo hash
• OMITIDO_YA_EXISTE_DIFERENTE — existe pero hash diferente (no se toca)
• DESTINO_NO_ENCONTRADO — no hay carpeta en el repo
• DESTINO_AMBIGUO — múltiples carpetas con mismo trámite
• SIN_PDFS_CC — carpeta origen sin PDFs
• ERROR_COPIA / ERROR_HASH — fallo técnico

Riesgo principal

Con más de 100.000 carpetas, el sync completo frecuente puede causar carga fuerte de disco.

Diseño recomendado

• Sync normal: incremental por trámites generados.
• Sync completo: nocturno o manual.
• Mantener cola local de trámites pendientes.
• Registrar SYNC_OK, SYNC_ERROR, DESTINO_NO_ENCONTRADO.

Pruebas después de cambios

1. Copia trámite nuevo.
2. No sobrescribe PDF existente.
3. Detecta destino ambiguo.
4. Detecta destino no encontrado.
5. Registra SQLite y CSV.
6. No recorre todo el repo si solo hay cola incremental.