Arquitectura de grabación de sesiones en disco: por qué los mapas de calor pesan más que las trazas y cómo funciona la retenciónArtículo · digest del 5 de noviembre
Bodegón de estudio con tres capas transparentes de datos de una sesión de usuario y una escala de retención diferenciada.
Artículo4 secciones≈ 8 min

Arquitectura de grabación de sesiones en disco: por qué los mapas de calor pesan más que las trazas y cómo funciona la retención

Todo desarrollador que ha integrado en su proyecto sistemas de grabación de sesiones y analítica de comportamiento (Hotjar, FullStory, Smartlook o equivalentes locales) recuerda ese momento en que el administrador de sistemas llega con los ojos como platos y la gráfica de espacio en disco de Grafana. En un par de semanas, la base de datos o el almacenamiento de objetos S3 crece hasta cientos de gigabytes y las facturas de infraestructura cloud empiezan a subir de forma exponencial.

La primera reacción instintiva del equipo es fijar en el archivo de configuración un tiempo de vida estricto para todos los eventos entrantes:

retention_ttl_days: 30 # Eliminar absolutamente todos los registros de más de un mes

Parece que el problema está resuelto: el apetito por el disco queda estabilizado y los datos antiguos se borran según lo programado. Pero en la realidad, este enfoque plano resulta a la vez ruinoso para el presupuesto y destructivo para el soporte técnico.

Analicemos la experiencia de ingeniería del equipo del servicio Broux, que investigó el peso real de cientos de miles de sesiones, y veamos cómo se estructura una retención de dos niveles bien diseñada.

La trampa del TTL plano: cómo «borrar todo a los 30 días» arruina la investigación de incidentes

¿Por qué un plazo único de conservación es una trampa arquitectónica clásica? Padece dos defectos mutuamente excluyentes:

Por un lado, es excesivamente derrochadora. La mayor parte del espacio en disco (hasta el 97%) la ocupan los pesados flujos de mutaciones del DOM. Pero hagámonos una pregunta sencilla: ¿cuándo ven realmente los ingenieros o product managers la grabación en vídeo de la sesión de un cliente?

Según las estadísticas de Broux, el 90% de las visualizaciones ocurren en las primeras 72 horas tras producirse un incidente o una queja en soporte técnico. Pasadas dos semanas, la probabilidad de que alguien abra una grabación de pantalla antigua cae prácticamente a cero. Mantener cientos de gigabytes de flujos de vídeo pesados en disco rápido durante todo un mes es un lujo injustificable.

Por otro lado, esta política es destructivamente tacaña. Junto con las mutaciones de maquetación se eliminan metadatos ligeros: stack traces de errores, logs de la consola del navegador, códigos de respuesta de red y trayectorias de clics de los usuarios.

Imagina una situación real: los desarrolladores encontraron un bug intermitente complejo en marzo, lo corrigieron y se olvidaron. En mayo sale un lanzamiento grande que reintroduce por accidente el antiguo error (regresión). El ingeniero abre la monitorización, pero con un TTL de 30 días el sistema considera el error completamente nuevo:

  • Se pierde el historial de dinámica y frecuencia del fallo;
  • Se pierde la lista de clientes en los que el bug se reproducía dos meses atrás;
  • Se pierde la relación con los commits históricos.

El desarrollador empieza la investigación desde cero, gastando horas en lo que ya se había investigado en primavera.

Las tres capas de una sesión de usuario: dónde se esconden los gigabytes de mutaciones del DOM

Para diseñar un almacenamiento eficiente hay que mirar dentro de una sesión de usuario. En las herramientas modernas, la grabación se apoya en el estándar abierto de la biblioteca rrweb. El script del cliente toma una instantánea completa (DOM snapshot) al abrir la pestaña y luego registra de forma continua un flujo diferencial de eventos.

Los datos de la sesión se dividen claramente en tres capas con una diferencia colosal de volumen:

  1. Capa 1: Flujo de eventos de maquetación (Event Stream): Incluye mutaciones serializadas de nodos del DOM, movimientos del cursor del ratón con cuantización cada 50 milisegundos, eventos de scroll, entrada en campos de formulario (con enmascaramiento de datos privados) y copias integradas de estilos CSS.
    • El peso mediano de una sesión comprimida ronda los 220 KB;
    • Una de cada diez sesiones pesa más de 1 MB;
    • En SPA dinámicas con scroll infinito de catálogo, el peso de la sesión supera con facilidad los 20 MB. Es precisamente esta capa la que genera hasta el 97% de todo el volumen de almacenamiento en disco.
  2. Capa 2: Capa técnica (Diagnóstico): Aquí entran los mensajes console.log y console.error, las llamadas de red XHR/Fetch con códigos de estado y las trazas de excepciones JavaScript.
    • En un conjunto de 100,000 sesiones, la capa técnica ocupó apenas 1.3 GB: ¡45 veces menos que la primera capa!
    • Paradoja curiosa: los desarrolladores suelen pensar que los logs de consola llenan la base. En realidad, el 90% del volumen de esta capa (1.2 GB de 1.3 GB) se lo llevaron precisamente las cabeceras de red y las URL de las peticiones, mientras que los logs de consola ocuparon unos modestos 78 MB.
  3. Capa 3: Datos analíticos derivados: Grupos de errores clasificados, detectores de clics múltiples furiosos (rage clicks), clics al vacío (dead clicks) y perfiles de clientes. Para 100,000 sesiones esta capa pesa apenas unos 100 MB: ¡cientos de veces menos que las grabaciones! Y sin embargo es la que aporta la mayor parte del valor en el análisis a largo plazo de la estabilidad de la aplicación.

La paradoja de los mapas de calor: por qué las capturas de maquetación pesan el triple que los logs de consola

Parecería que un mapa de calor de clics (Heatmap) debería ser casi ingrávido: un par de coordenadas numéricas (X, Y) en pantalla. De hecho, las coordenadas de clics de cientos de miles de usuarios ocupan menos de medio gigabyte.

Pero un mapa de calor no se puede mostrar en el vacío: necesita un fondo de referencia, una captura visual de la página.

Aquí los ingenieros chocan con el dinamismo de la web moderna. Los sitios cambian sin cesar: se despliegan nuevos banners, se ejecutan pruebas A/B, el diseño se adapta a pantallas de smartphones y monitores 4K. Si superpones clics sobre una captura obsoleta, los puntos flotarán en el vacío:

  • En Broux las capturas se separaron por clases de dispositivo (Mobile, Tablet, Desktop);
  • Para cada par «URL + dispositivo» se mantiene en la base un pool deslizante de 3 capturas de referencia;
  • Las capturas se evalúan mediante un algoritmo de puntuación: la presencia de ventanas modales superpuestas, spinners de carga activos o bloques sin cargar reduce la puntuación del fondo;
  • A las capturas de más de una semana se les aplica una penalización temporal, gracias a lo cual una captura reciente desplaza automáticamente a la antigua tras desplegar un lanzamiento.

Pero una referencia de maquetación de calidad con estilos inline integrados pesa entre 100 KB y 1 MB. En una tienda online con 5000 URL únicas, el pool de capturas crece hasta 12,000 unidades y pesa 2.5 GB. En total, los fondos para mapas de calor ocuparon 4.3 GB: ¡el triple que toda la capa técnica de diagnóstico!

Retención de dos niveles en la práctica: cómo ahorrar el 90% de disco sin perder analítica

Al comprender esta anatomía, los ingenieros pasaron a una arquitectura de plazos de conservación diferenciados, apoyada en patrones fundamentales de diseño de sistemas:

  1. Cubo de vida corta (TTL 14–30 días): Incluye los «pesos pesados»: flujos sin procesar de mutaciones DOM de rrweb y el pool deslizante de fondos para mapas de calor. Responden a la pregunta: «¿Qué veía exactamente el usuario ante sí en el momento del error?». Esta pregunta solo es relevante en caliente tras el incidente. La rotación de estos datos libera hasta el 95% del espacio en disco.
  2. Cubo de largo plazo (TTL 6–12 meses o indefinido): Incluye la capa técnica: logs de errores, stack traces, fallos de red, perfiles de usuarios y anomalías de UX. Responden a la pregunta: «¿Había ocurrido antes este fallo y a qué clientes afectó?».

Dado que la capa ligera pesa dos órdenes de magnitud menos que las grabaciones de vídeo, conservarla durante mucho tiempo aumenta el volumen total del almacenamiento en apenas un 2–3%, pero preserva el panorama diagnóstico completo para la analítica y la detección de regresiones.

Esta diferenciación demuestra que en la gestión de infraestructura no hay lugar para soluciones planas y burdas. Comprender la naturaleza y el valor de cada byte permite reducir varias veces el gasto en disco sin sacrificar la calidad de la investigación de incidentes.

Quiero un análisis detalladoLos votos ayudan a elegir qué analizar a fondo. Este material tiene 0 votos.
Fuentes · 3