Siete hábitos de Python que reducen sorpresas en producción
Los desarrolladores senior siguen prácticas que los principiantes suelen pasar por alto, desde inyección de dependencias hasta límites de tiempo y logging contextual.
En la práctica, un código que parece correcto a simple vista puede acarrear sorpresas cuando se despliega. Este artículo desglosa siete hábitos que los senior de Python usan para evitar esos problemas.
1. Inyección de dependencias
El código que crea su propio httpx.Client es difícil de testear y de reemplazar. La solución es pasar la dependencia, tipada con typing.Protocol. Así cualquier objeto con un método submit cumple, y el test puede usar un stub que registre llamadas. La ventaja se ve en la reducción de dependencias ocultas y en la facilidad de prueba.
2. Context managers para el cleanup
Los recursos (archivos, locks, transacciones) deben cerrarse incluso si el bloque lanza una excepción. Con contextlib.contextmanager se puede encapsular la creación y destrucción de un recurso, garantizando la limpieza. Esto evita la “lotería” de GC y mejora la fiabilidad bajo carga.
3. Límites de tiempo en cada espera externa
Un asyncio.timeout() o el timeout propio de la librería de HTTP, base de datos o cola asegura que la llamada no quede bloqueada indefinidamente. Además, se debe decidir explícitamente la acción cuando expire: retry, fallback o fallo con contexto.
4. Logging contextual estructurado
En vez de mensajes genéricos como “processing failed”, se deben incluir campos útiles (job_id, records, etc.) usando extra o LoggerAdapter. Así el operador puede filtrar y correlacionar eventos sin buscar manualmente.
5. Declarar metadata en pyproject.toml
Especificar la versión de Python y dependencias en pyproject.toml evita que el proyecto se construya con una configuración inesperada.
6. Deprecación antes de la eliminación
Se recomienda marcar funciones como obsoletas antes de borrarlas, ofreciendo un camino claro de migración.
7. Probar el contrato de fallos
Los tests deben cubrir entradas inválidas y la respuesta cuando un servicio externo falla, no solo el happy path.
Estos hábitos reducen los incidentes de producción al anticipar y documentar los supuestos que suelen romperse en entornos reales.
Para más detalles técnicos, revisa los recursos oficiales de Python sobre Protocol y contextlib.
Por qué importa
Aplicar estas prácticas no solo mejora la calidad del código, sino que también facilita la operación y el mantenimiento de sistemas críticos. Cuando un desarrollador sigue estos hábitos, el equipo puede desplegar con mayor confianza y detectar fallos antes de que lleguen a los usuarios finales.
