Log Analyser

Descripción del Proyecto

Log Analyser es una utilidad CLI especializada creada para resolver un problema común de los desarrolladores: extraer información significativa de archivos de logs voluminosos y desordenados. En lugar de buscar manualmente entre miles de líneas, esta herramienta proporciona un resumen estructurado de los niveles de log y los mensajes de error más frecuentes.

Implementación Técnica

El proyecto se construyó con un enfoque en código limpio y rendimiento, utilizando un enfoque modular que sigue el Principio de Responsabilidad Única.

Parseo de Alto Rendimiento

El corazón de la herramienta es un parser robusto que utiliza expresiones regulares pre-compiladas. Mediante el uso de grupos de captura con nombre (ej. (?P<level>...)), el parser extrae eficientemente:

• Marcas de tiempo (Timestamps)
• Niveles de severidad (INFO, WARNING, ERROR, CRITICAL)
• Contenido del mensaje

El uso de generadores (procesamiento línea por línea) asegura que la herramienta pueda manejar archivos mucho más grandes que la memoria RAM disponible sin degradación del rendimiento.

Análisis de Datos

Para el análisis estadístico, aproveché collections.Counter de Python. Esto permitió un conteo casi instantáneo de las ocurrencias de logs y una identificación eficiente de los n mensajes de error más frecuentes mediante el método .most_common().

Arquitectura Modular

El código está organizado estrictamente en cuatro módulos clave:

1. parser.py: Maneja la extracción de texto y la coincidencia de regex.
2. analyzer.py: Realiza cálculos estadísticos sobre los datos parseados.
3. reporter.py: Formatea e imprime el reporte final utilizando alineación avanzada con f-strings.
4. main.py: Actúa como orquestador y maneja los argumentos de la CLI mediante argparse.

¿Por qué este proyecto?

Aunque existen muchas herramientas de análisis de logs, este proyecto sirve como testimonio de mi capacidad para:

• Construir herramientas sin dependencias que funcionan de inmediato.
• Aplicar Patrones de Diseño de Software (Separación de Intereses) en un contexto de scripting.
• Escribir Python optimizado para tareas de procesamiento de texto.

Es un ejemplo práctico de creación de herramientas personalizadas para mejorar los flujos de trabajo de desarrollo.