Frontend
Un monolito de 180 KB gzip tardaba en parsearse en móviles de gama media y generaba más llamadas a la API mientras el usuario esperaba.
Caso de estudio / 01
Una campaña global de 48 horas, tres picos de tráfico y un checkout que no podía fallar. Esta es la arquitectura, las decisiones y el resultado medido — sin el nombre del cliente, que está bajo NDA.
La campaña tenía una ventana de activación de 48 horas con tres picos de 30 minutos cada 12 horas. El stack original era Laravel 9 + Vue 2, MySQL y pagos síncronos.
La estimación era de ~2.000 req/min. El pico real fue de 15.000 req/min — 7,5× el plan — con 1.200 pagos por minuto y un 65% del tráfico en móvil.
El fallo era una cascada. Arreglar solo PHP-FPM habría movido la caída, no la habría eliminado.
Un monolito de 180 KB gzip tardaba en parsearse en móviles de gama media y generaba más llamadas a la API mientras el usuario esperaba.
Cada request consultaba config de campaña, catálogo y stock. Los datos cambiaban, pero no cada segundo.
Las llamadas síncronas al proveedor bloqueaban workers de PHP-FPM. Con 1.200 pagos/min, el pool se agotaba en segundos.
Chunks de Vue 3 por ruta en el cliente; capas Redis delante de datos de lectura intensiva; pagos en colas dedicadas con claves de idempotencia.
El shell de campaña se quedó en el bundle inicial; admin, analítica y rutas secundarias pasaron a chunks lazy. Suspense gestionó la carga sin bloquear el primer paint.
FCP 3,2 → 1,8 s · TTI 5,1 → 2,9 s · Lighthouse 58 → 92
Config 300 s, catálogo 120 s, resultados en vivo deliberadamente sin caché. Invalidación al cambiar stock; sin cachear todo por reflejo.
p95 52 → 4 ms y 84 → 6 ms · API p95 180 → 120 ms
El request crea un pago pendiente y devuelve 202; una cola dedicada llama al proveedor con reintentos y backoff. El polling mantiene la UI responsive.
API p95 2,8 s → 180 ms · workers PHP-FPM 100% → <15%
Build y migraciones en el entorno inactivo, tests y health checks, switch atómico de Nginx, verificación y rollback si falla el check posterior.
El deploy no es lo arriesgado; un deploy sin verificar sí.
Dashboards con p95 por endpoint, profundidad de colas, estado de pagos y comportamiento del CDN. Alertas ligadas al impacto de usuario, no a la CPU.
CDN · API p95 · profundidad de cola · tasa de fallo de pago
| Métrica | Resultado | Contexto |
|---|---|---|
| Pico de tráfico | 15.000 req/min | 7,5× la estimación original |
| Latencia p95 | 118 ms | camino crítico |
| Uptime | 99,9% | campaña de 48 horas |
| Incidencias críticas | 0 | durante la campaña |
| Pagos fallidos | 0,3% | desde el 12% |
| Bundle | 95 KB | gzip, un 47% menos |
Trabajé en la arquitectura backend, la migración a Vue 3, la cola de pagos y el camino de despliegue. El nombre del cliente y los detalles comerciales están bajo NDA. Puedo hablar de las decisiones técnicas y de lo que se puede trasladar a tu equipo.
Estoy disponible para roles remotos Laravel/PHP/Vue, contratos y refuerzo de equipos desde Barcelona.