Dev Containers y entornos desechables

← SE-103 — Entornos virtuales y aislamiento de dependencias · ↑ Parte 08 · 📚 Índice completo · 🌐 Portal · SE-105 — Reproducción de errores y reducción de casos →

Punto profesional y fundamento pedagógico

Punto profesional. La clase existe para declarar un entorno de desarrollo desechable por imagen, features, mounts y ciclo de vida.

Por qué aparece aquí. Se sitúa después de Entornos virtuales y aislamiento de dependencias y antes de Reproducción de errores y reducción de casos: convierte el conocimiento anterior en una decisión observable que la clase siguiente podrá reutilizar. La continuidad se comprueba en el artefacto, no por compartir vocabulario.

Error conceptual que debe corregir. Confundir reconstrucción con estado persistente o imagen con configuración completa.

Secuencia de aprendizaje. Antes de leer la solución, el estudiante predice el resultado del caso normal y del error conceptual anterior. Luego explica un caso resuelto paso a paso, construye un contraejemplo que cambie la decisión y, sin consultar el texto, reconstruye el mecanismo y lo aplica a una entrada nueva. La secuencia usa predicción, explicación propia, contraste y recuperación. ICAP distingue participación de construcción de conocimiento; How People Learn II exige conectar conocimiento previo, contexto y transferencia; la práctica de recuperación respalda producir de nuevo la explicación tras una demora; y Education for Life and Work exige devolución que explique la causa del error.

Evidencia de aprendizaje. Devcontainer-evidence.md con build, create, post-create, rebuild y limpieza. Debe contener predicción previa, observación, explicación causal, contraejemplo, criterio de aceptación y una nota de qué dato haría cambiar la conclusión.

Límite de la conclusión. La reproducibilidad depende también de imágenes y registros externos.

Trazabilidad fuente → afirmación

Antes de empezar

Esta clase continúa el entorno reproducible de diagnóstico de la Parte 08. Recupera la evidencia de la clase anterior, añade una decisión propia de Dev Containers y entornos desechables y deja un artefacto que la clase siguiente deberá consumir. La pregunta activa es: ¿Qué debe declarar un Dev Container para ser reconstruible, seguro y prescindible?

Prerrequisitos

• Haber completado la clase anterior o reconstruir su contrato y evidencia.
• Python 3.11 o posterior, terminal, editor y Git; un segundo runtime es opcional y debe declararse.
• Trabajar con fixtures sintéticos: ninguna observación necesita datos de una persona o sistema real.

Problema auténtico

El entorno reproducible de diagnóstico funciona en un contenedor antiguo creado manualmente. Al reconstruir, una etiqueta flotante cambia herramientas y el bind mount expone credenciales del host.

Objetivos observables

Al terminar podrás explicar los cinco mecanismos de esta clase, predecir su comportamiento antes de ejecutar, construir un caso normal y uno límite, diagnosticar el fallo controlado, comparar una alternativa y entregar evidencia que otra persona pueda reproducir.

Mapa conceptual

flowchart LR
    N1[Contenedor de desarrollo] --> N2[Imagen, tag / digest] --> N3[Workspace, mounts / permisos] --> N4[Lifecycle / caché] --> N5[Desechabilidad / persistencia]
    N5 -->|fallo o cambio| N1

El mapa se lee como una cadena de razonamiento, no como fases obligatorias del runtime. La flecha de retorno indica que un fallo o cambio de requisito obliga a revisar el modelo inicial; no autoriza a parchear solo la última salida.

Temas y por qué importan

Conceptos y decisiones

1. Contenedor de desarrollo

Un dev container describe imagen, features, mounts, usuario, puertos y lifecycle para trabajar en un entorno aislado. Reutiliza tecnología de contenedores, pero su objetivo es experiencia de desarrollo, no demostrar paridad productiva.

2. Imagen, tag y digest

Una imagen aporta filesystem y metadata por capas. Un tag puede moverse; un digest identifica contenido. Fijar digest mejora repetibilidad, pero también exige proceso de actualización por seguridad. El Dockerfile o Containerfile documenta pasos propios.

3. Workspace, mounts y permisos

Bind mounts comparten archivos del host y heredan diferencias de permisos, case sensitivity y rendimiento. Montar socket del motor o home concede capacidades amplias. Se usa el mínimo y se prueba ownership de archivos generados.

4. Lifecycle y caché

Crear, iniciar y adjuntar disparan comandos distintos. Un postCreate debe poder repetirse o declarar efectos. Cache acelera builds, pero una reconstrucción sin cache ayuda a descubrir dependencia oculta.

5. Desechabilidad y persistencia

El contenedor debe poder borrarse sin perder código; volúmenes persistentes se enumeran y limpian con cuidado. Datos importantes viven en repositorio o backup explícito. funciona en mi contenedor sigue siendo local si nadie puede reconstruirlo.

Definiciones de trabajo

• contenedor de desarrollo: un dev container describe imagen, features, mounts, usuario, puertos y lifecycle para trabajar en un entorno aislado.
• imagen, tag y digest: una imagen aporta filesystem y metadata por capas.
• workspace, mounts y permisos: bind mounts comparten archivos del host y heredan diferencias de permisos, case sensitivity y rendimiento.
• lifecycle y caché: crear, iniciar y adjuntar disparan comandos distintos.
• desechabilidad y persistencia: el contenedor debe poder borrarse sin perder código; volúmenes persistentes se enumeran y limpian con cuidado.

Las definiciones son operativas para el entorno reproducible de diagnóstico. No convierten términos con historia más amplia en sinónimos y deben contrastarse con la documentación primaria enlazada al final.

Ejemplo mínimo

{
  "name": "diagnostic_environment-algorithm_library",
  "image": "mcr.microsoft.com/devcontainers/python:3.12",
  "remoteUser": "vscode",
  "postCreateCommand": "python -m unittest -v"
}

Antes de ejecutar, predice estado, resultado y error. Después registra versión, comando y salida. Si el fragmento es pseudocódigo o pertenece a otro lenguaje, etiquétalo como tal y no afirmes que fue ejecutado.

Ejemplo profesional

En el entorno reproducible de diagnóstico, una investigación conserva síntoma, entorno, reproducción, hipótesis, observaciones, causa, corrección y regresión. La implementación de esta clase debe conservar ese contrato aunque cambie la forma interna. El caso profesional no pregunta únicamente si produce una salida: pregunta quién puede producirla, qué estado observa, cómo falla y qué rastro permite disputar una decisión incorrecta.

Compara el caso normal con autorización falsa, evidencia incompleta, empate y repetición. Un mecanismo es apropiado cuando esas diferencias quedan visibles y localizadas; es peligroso cuando dependen de orden accidental, estado oculto o una convención que el consumidor no puede conocer.

Práctica guiada

1. Copia el contrato de entrada y salida antes de escribir implementación.
2. Predice el caso normal y un límite; identifica la invariante que no puede romperse.
3. Implementa la versión mínima sin I/O dentro del núcleo.
4. Ejecuta el caso y conserva comando, versión y salida bajo evidence/.
5. Introduce el fallo controlado, reduce la reproducción y formula dos hipótesis rivales.
6. Corrige la causa, añade regresión y ejecuta el conjunto completo.
7. Compara con otro paradigma o lenguaje indicando qué semántica se preserva.

Ejercicios

1. Lectura: dibuja una traza de cinco pasos y marca dónde cambia estado o control.
2. Construcción: añade una observación que refute una hipótesis sin cambiar simultáneamente el sistema.
3. Frontera: cubre vacío, empate, no autorizado e inválido con resultados distintos.
4. Contraste: reescribe una pieza con otro modelo y explica una mejora y una pérdida.

Reto verificable

Entrega implementación, fixtures, pruebas y un informe corto. Se aprueba si otra persona ejecuta desde checkout limpio, obtiene los mismos resultados y puede relacionar cada rama o transformación con una regla del dominio. No se aprueba por cantidad de archivos ni por usar la sintaxis característica del paradigma.

Caso conductor

El entorno reproducible de diagnóstico parte de una inversión de empates en la biblioteca de estructuras y algoritmos, captura versión y entrada mínima, compara un entorno sano con uno afectado y conserva la primera divergencia observable. Cambia después una sola regla o condición y revisa qué archivos, pruebas y trazas debieron modificarse. Esa superficie de cambio alimenta el proyecto final de la parte.

Preguntas frecuentes

¿Una técnica o herramienta determina toda la arquitectura?

No. Puede organizar un núcleo o una frontera sin dominar el sistema completo. Combinar técnicas es válido si las fronteras preservan identidad, orden, errores y evidencia.

¿Más automatización o menos líneas significan una solución mejor?

No. La brevedad puede quitar duplicación o esconder decisiones. Se evalúan semántica, diagnóstico, costo de cambio y adecuación a la carga.

¿Debo instalar todas las herramientas mencionadas?

No. Instala solo lo necesario para la práctica elegida. Registra versión y comandos; si solo analizas una notación o salida, decláralo como análisis no ejecutado.

Fallo controlado y diagnóstico

Monta el socket del motor para resolver un comando y observa la ampliación de privilegios. Elimina el mount o documenta una alternativa aislada; valida desde rebuild sin cache.

Registra síntoma, entrada mínima, hipótesis, observación que descarta cada hipótesis, causa, corrección y prueba de regresión. No cambies simultáneamente implementación, fixture y expectativa.

Errores comunes y cómo corregirlos

Entorno y archivos clave

work/SE-104/
├── README.md
├── diagnostic_environment/
│   ├── domain.py
│   └── se_104.py
├── fixtures/cases.json
├── tests/test_se_104.py
└── evidence/diagnosis.md

El README declara plataforma, runtimes, comandos, limpieza y límites. Evita dependencias externas cuando la biblioteca estándar permita observar el mecanismo; si agregas una, fija procedencia y versión.

Seguridad, ética y accesibilidad

• la autorización forma parte del dominio y no se infiere por ausencia de rechazo;
• no uses eval, reglas descargadas ni serialización insegura;
• limita colas, recursión, tamaño de entrada y tiempo de evaluación;
• redacta trazas y conserva una explicación textual además de color o animación;
• una recomendación automatizada debe poder revisarse, impugnarse y corregirse;
• respeta licencias de ejemplos y atribuye adaptaciones.

Transferencia

Traslada un fixture al segundo modelo, herramienta, plataforma o lenguaje. Compara representación de ausencia, error, mutabilidad, orden y cancelación. La transferencia está lograda cuando el contrato se conserva y las diferencias están explicadas, no cuando la interfaz se parece.

Evaluación y evidencia

Fuentes

• Language Server Protocol 3.18 — Mensajes, capacidades y sincronización entre editor y servidor; autoridad: Microsoft.
• Debug Adapter Protocol — Breakpoints, frames, variables y negociación de capacidades; autoridad: Microsoft.
• Python Debugging and Profiling — Pdb, cprofile, timeit, tracemalloc y límites instrumentales; autoridad: Python Software Foundation.
• Python venv — Aislamiento de intérprete, scripts y entorno virtual; autoridad: Python Software Foundation.
• Development Container Specification — Configuración reproducible de herramientas y ciclo de vida del contenedor; autoridad: Dev Container Specification maintainers.
• Web Content Accessibility Guidelines 2.2 — Percepción, operación por teclado y reducción de barreras en interfaces; autoridad: W3C.

Cada fuente respalda el mecanismo indicado; ninguna demuestra que la implementación del entorno reproducible de diagnóstico sea correcta. Esa afirmación depende de fixtures, pruebas, trazas y revisión reproducible.

Límites y siguiente paso

Un contenedor estable no reduce automáticamente un fallo. La siguiente clase aplica delta debugging manual y control de variables para obtener un caso mínimo.

Glosario

• contenedor de desarrollo: un dev container describe imagen, features, mounts, usuario, puertos y lifecycle para trabajar en un entorno aislado.
• imagen, tag y digest: una imagen aporta filesystem y metadata por capas.
• workspace, mounts y permisos: bind mounts comparten archivos del host y heredan diferencias de permisos, case sensitivity y rendimiento.
• lifecycle y caché: crear, iniciar y adjuntar disparan comandos distintos.
• desechabilidad y persistencia: el contenedor debe poder borrarse sin perder código; volúmenes persistentes se enumeran y limpian con cuidado.

← SE-103 — Entornos virtuales y aislamiento de dependencias · ↑ Parte 08 · 📚 Índice completo · 🌐 Portal · SE-105 — Reproducción de errores y reducción de casos →