El 15/10/2026 Vercel pausó el proyecto ofertas-super con el motivo FAIR_USE_LIMITS_EXCEEDED (fluidCpuDuration): el equipo había gastado más de las 4 horas mensuales de CPU activa que incluye el plan Hobby. Hobby no tiene ciclo de facturación, así que la pausa dura 30 días. Todas las rutas respondieron HTTP 402 hasta el 14/11.

La causa estaba en el camino de lectura. /sitemap.xml, /ofertas, /categoria/[slug] y las búsquedas amplias en /buscar armaban resultados para todo el catálogo en cada request, y cada producto recorría todas las ofertas. Una pasada costaba productos × ofertas (24.547 × 48.419, unos 1.200 millones de comparaciones) y entre 10,5 y 16,5 s de CPU. Nada estaba cacheado, así que cada visita de un crawler volvía a pagar el costo completo.

Todas las horas están en horario de Argentina (ART). El estado actual: el arreglo está integrado (#581 y #582) y producción vuelve cuando Vercel levante la pausa, el 14/11/2026 a las 02:45.

Cronología

Cronología del incidente
FechaQué pasó
27/09 Las páginas públicas pasan de la base de datos al snapshot commiteado (9678fbb, ff00040). El recorrido de ofertas por producto sale junto con ese cambio.
05/10 → 27/10 El snapshot crece de 21,4 MB a 39,5 MB; productos × ofertas pasa de 6,4·10⁸ a 1,2·10⁹. El costo por pasada crece con él.
15/10 02:45 Vercel pausa el equipo por fluidCpuDuration.
28/10 Diagnóstico (abajo). Se integra el arreglo #581: índice por EAN, sitemap en el build, caché del CDN y reglas de robots para crawlers de IA.
28/10 Se integra el seguimiento #582: cierre del optimizador de imágenes abierto, caché del CDN para la API pública y filtros facetados y búsqueda interna fuera del crawl.
14/11 02:45 Fin previsto de la pausa. El primer deploy incluye los dos arreglos.

Cómo lo diagnostiqué sin métricas por ruta

En Hobby no están disponibles el uso por ruta, las consultas de observabilidad ni los logs de runtime de más de una hora. No había forma de medir qué ruta gastaba la CPU. El diagnóstico salió del código y de una réplica local:

  1. El log de build del último deploy mostraba qué rutas se renderizan bajo demanda (ƒ): /sitemap.xml (force-dynamic), /ofertas, /categoria/[slug] y /buscar. Las tres últimas leen searchParams, así que su revalidate no tenía ningún efecto.
  2. Leer el camino de lectura (src/lib/catalog-snapshot.ts y src/lib/public-pages.ts) mostró snapshot.offers.filter(o => o.ean === product.ean) una vez por producto, páginas de listado que calculaban todos los productos antes de quedarse con 24, y resolveSnapshotCatalogPage cargando sus datos dos veces.
  3. Una réplica local sobre el snapshot real midió entre 10,5 y 16,5 s de CPU por pasada completa, y entre 26 y 32 ms para la misma pasada con un índice por EAN.
  4. La cuenta mensual: 14.400 s de CPU ÷ 10,5-16 s ≈ 900-1.400 pasadas, unas 30-45 por día. Un solo crawler que lea el sitemap y las páginas de categoría llega a eso.

Qué parte vino de crawlers, de páginas de producto o de los otros dos proyectos no se puede medir en Hobby. Lo que sí está confirmado es el costo del camino de código de arriba, y la cronología (el código el 27/09, el snapshot +56 % en diez días, la pausa el 15/10) encaja con él.

La aritmética de productos × ofertas

Cada producto buscaba sus ofertas filtrando la lista completa de ofertas. Con 24.547 productos y 48.419 ofertas son unos 1.200 millones de comparaciones por pasada, y esa pasada se repetía en cada request de las rutas que armaban el catálogo entero. El costo no dependía de cuánto se mostraba (24 productos por página) sino del tamaño total del catálogo, y el snapshot crecía: 56 % en diez días. Con un índice por EAN la misma pasada en la réplica local costó entre 26 y 32 ms: el índice se arma una vez y cada producto va directo a sus ofertas.

El arreglo

#581: el camino de lectura

  • Un índice por EAN armado una sola vez por snapshot y por proceso: ofertas por EAN, producto por GTIN, cantidad de ofertas con precio y campos de búsqueda normalizados. Cada producto se rankea una vez en lugar de en cada comparación.
  • Las páginas de listado se cortan a la página pedida antes de armar las ofertas, salvo que un filtro de precio, "solo ofertas" o un orden necesite todos los resúmenes. Los datos de la página se cargan una sola vez.
  • /sitemap.xml se genera en el build y el snapshot viaja con el deploy.
  • Vercel-CDN-Cache-Control: s-maxage=3600, stale-while-revalidate=86400 en las páginas del catálogo, así cada URL se renderiza como mucho una vez por hora.
  • robots.txt deja afuera a los crawlers masivos de IA; Googlebot y * no cambian.

#582: las fugas de cuota que quedaban

  • images.unoptimized: true: /_next/image respondía para cualquier host https y podía gastar la cuota de transformación de imágenes; ahora devuelve 404.
  • El mismo header de CDN, solo en las respuestas GET exitosas de la API pública. Un 429 o un 503 nunca se cachean, para que el CDN no pueda repetir una respuesta de límite de tasa o de caída.
  • robots.txt mantiene fuera del crawl las variantes de filtros y /buscar; esas páginas ya declaran su URL sin filtros como canónica.

Mediciones

Medido sobre el snapshot real del 27/10, con Node 24 local, en milisegundos de CPU por request:

CPU por request, antes y después (ms)
RutaAntesDespués
/sitemap.xml10.500-16.5000 (estático)
/ofertas2 × 10.500-16.500128
/categoria/*hasta 2 × 10.500-16.50018-35
/buscar?q=a (la consulta más amplia)~10.400173
500 búsquedas de producto4.3758

Una instancia en frío gasta ahora unos 0,45 s de CPU antes de su primera respuesta: parsear el JSON (~260 ms), armar el índice (~120 ms) y el primer ranking (~100 ms).

Cómo probé que el cambio era seguro

Cambiar el algoritmo de lectura de todo el catálogo sin cambiar la salida era el riesgo real. Lo cubrí con tres pruebas:

  • Oráculo. Los tests fijan el camino indexado contra una copia del algoritmo anterior de escaneo completo (tests/helpers/naive-snapshot-oracle.ts): mismos productos, ofertas, orden, totales y URLs del sitemap, sobre un fixture con EAN duplicados, gemelos de GTIN con relleno, ofertas huérfanas y empates de nombre.
  • Conteo de lecturas. Un Proxy que cuenta lecturas sobre las ofertas demuestra que un conjunto completo de llamadas del camino caliente lee cada oferta como mucho una vez. El código viejo leía 44,8 millones de ofertas en esas mismas llamadas.
  • Corrida diferencial. Corrí el código viejo y el nuevo sobre el snapshot real y comparé 25 casos (sitemap, /ofertas, cuatro categorías con dos juegos de filtros, cinco consultas, búsqueda por API y 500 lookups): las 25 salidas fueron idénticas.

Los tests de equivalencia los escribí antes de cambiar el algoritmo, así el cambio se pudo demostrar en lugar de argumentar.

Opciones que descarté

Decisiones y motivos
OpciónDecisiónPor qué
Pasar a Vercel Pro No El costo era algorítmico; pagar lo habría escondido.
Migrar a Cloudflare Workers No Los Workers gratis permiten 10 ms de CPU por request y 128 MB de memoria; solo parsear el snapshot de 39 MB lleva ~160 ms. La capa de datos habría que reescribirla igual.
ISR para /producto/[ean] No Un crawl diario de ~24,5 mil productos son ~735 mil escrituras de ISR por mes contra las 200 mil de Hobby. El caché del CDN no tiene cuota de escrituras.
Dividir el snapshot / índice de trigramas para la búsqueda Por ahora no El arranque en frío es de ~0,45 s; 1.000 arranques en frío por mes son ~3 % de la cuota. Un índice de trigramas sumaría CPU a cada arranque y no puede atender consultas de una o dos letras, que son las únicas lentas. Lo retomo con datos reales de uso.
Headers de CDN para la API en next.config No, en los handlers Los headers de config aplican a todos los status, así que un 429 o un 503 se cacheaba una hora.

Qué salió bien y qué salió mal

Bien

  • El arreglo mantuvo la app en Hobby a USD 0 y sin cambiar su salida.
  • Las pruebas de equivalencia existían antes de tocar el algoritmo.

Mal

  • Salió a producción un camino caliente que crecía con productos × ofertas sin un test de costo, y el snapshot creció 56 % en diez días sin que nadie midiera el costo por request.
  • No había ninguna alerta de uso. Hobby no expone el uso por ruta, así que la causa tuve que reconstruirla desde el código después de la pausa.

Qué sigue

  • Hecho: una guarda de costo en la suite de tests (tests/catalog-snapshot-index.test.ts) falla si un camino caliente lee las ofertas más de una vez.
  • Después del 14/11: verificar que x-vercel-cache llegue a HIT en /ofertas, /producto/<ean> y /api/categories; que /_next/image devuelva 404 y que el robots.txt sea el nuevo.
  • Unos días después: leer el porcentaje de CPU activa en la pestaña Usage del dashboard de Vercel y decidir con datos sobre lo que dejé diferido.
  • Opcional: una regla de firewall de Vercel para bots que ignoran robots.txt o agregan query strings al azar para saltear el caché.