Over the past few weeks, I’ve transformed my backend project SparkTrace into a reproducible, test-driven, and CI/CD-integrated system—ready for international technical interviews and scalable deployments.
Here’s a breakdown of the key milestones:
Modular Architecture & Refactor
Reorganized Django commands into a clean structure under productos/management/commands/
Decoupled logic for API integration, CSV loading, and Spark job execution
Refactored settings and .gitignore for cross-platform compatibility
Automated Testing & Full Coverage
Built a complete test suite with pytest and pytest-django
Validated edge cases with JSON fixtures simulating real API responses
Achieved 100% coverage in critical modules: CSV loader, API integration, custom exceptions
Documented audit-ready testing strategy in bilingual README
CI/CD Integration with GitHub Actions
Configured workflow to run tests and coverage on every push and pull request
Managed secrets (SECRET_KEY, CODECOV_TOKEN) securely via GitHub
Integrated Codecov for visual coverage reporting
Added badges for test status and coverage to README
Professional Presentation & Portfolio
Updated bilingual README with technical branding
Published progress on LinkedIn to showcase reproducibility and traceability
Live portfolio available at nicolasandrescl.pythonanywhere.com
What’s Next?
My goal is to lead backend projects with robust testing, API integration, and CI/CD pipelines that scale globally. SparkTrace is now a technical showcase for reproducibility, coverage, and auditability—ready for interviews, collaborations, and open-source contributions.
Versión en español
De scripts locales a backend listo para el mundo: CI/CD, testing y cobertura en SparkTrace
Durante las últimas semanas, transformé mi proyecto backend SparkTrace en un sistema reproducible, orientado a testing y con integración CI/CD—preparado para entrevistas técnicas internacionales y despliegues escalables.
Aquí el resumen de los hitos clave:
Arquitectura modular y refactor
Reorganicé los comandos Django en una estructura limpia bajo productos/management/commands/
Desacoplé la lógica de integración API, carga CSV y ejecución de jobs Spark
Refactoricé los settings y .gitignore para compatibilidad multiplataforma
Testing automatizado y cobertura total
Construí una suite completa con pytest y pytest-django
Validé casos límite con fixtures JSON que simulan respuestas reales de API
Alcancé cobertura del 100% en módulos críticos: cargador CSV, integración API, excepciones personalizadas
Documenté la estrategia de testing lista para auditoría en README bilingüe
Integración CI/CD con GitHub Actions
Configuré workflow para ejecutar tests y cobertura en cada push y pull request
Gestioné secretos (SECRET_KEY, CODECOV_TOKEN) de forma segura vía GitHub
Integré Codecov para reporte visual de cobertura
Añadí badges de estado de tests y cobertura al README
Presentación profesional y portafolio
Actualicé README bilingüe con branding técnico
Publiqué avances en LinkedIn destacando reproducibilidad y trazabilidad
Portafolio en vivo disponible en nicolasandrescl.pythonanywhere.com
¿Qué sigue?
Mi objetivo es liderar proyectos backend con testing robusto, integración de APIs y pipelines CI/CD que escalen globalmente. SparkTrace es ahora una vitrina técnica de reproducibilidad, cobertura y auditoría—lista para entrevistas, colaboraciones y contribuciones open-source.
