# Chaindots

Este es el repositorio del proyecto Chaindots.

## Clonar el repositorio

Si deseas probar el proyecto, puedes clonar el repositorio usando el siguiente comando:

```bash
git clone https://github.com/monioalmagro/Chaindots.git

Para trabajar en un entorno virtual y aislar las dependencias del proyecto, sigue estos pasos:

1. Instalar el entorno virtual:

pip install virtualenv

2. Crear y activar el entorno virtual:

virtualenv venv 
source venv/bin/activate 

3. Instalar las dependencias del proyecto:

pip install -r requirements.txt

4. Aplicar las migraciones de la base de datos:

python manage.py migrate

5. Crear un superusuario (opcional):

python manage.py createsuperuser

python manage.py runserver

6. Importa la colección de Postman Chaindots.postman_collection.json.

En la carpeta Token se encuentra la request token en donde con el usuario y password antes creado se podra acceder a un token para su posterior configuracion en la collection y poder ejecutar todos los requests.

Para ejecutar las pruebas, sigue estos pasos:

1. Configura el entorno de test:

export DJANGO_SETTINGS_MODULE=config.setting.tests

2. Aplica las migraciones(unica vez) de la base de datos en el entorno de test:

python manage.py migrate 

3. Carga los datos necesarios para las pruebas(unica vez):

python manage.py loaddata tests/fixtures/json/User.json
python manage.py loaddata tests/fixtures/json/Post.json
python manage.py loaddata tests/fixtures/json/Comment.json

4. correr los tests

python manage.py pytest

Para ejecutar la aplicación usando Docker, sigue estos pasos:

1. Levantar el compose

docker compose up

2. migrar y super user

docker exec -it chaindots-web-1 python manage.py migrate
docker exec -it chaindots-web-1 python manage.py createsuperuser

3. Importa la colección de Postman Chaindots.postman_collection.json.

En la carpeta Token se encuentra la request token en donde con el usuario y password antes creado se podra acceder a un token para su posterior configuracion en la collection y poder ejecutar todos los requests.

3. Migracion y carga de datos.

docker exec -it chaindots-web-1 bash -c "DJANGO_SETTINGS_MODULE=config.setting.tests python manage.py migrate"

docker exec -it chaindots-web-1 bash -c "DJANGO_SETTINGS_MODULE=config.setting.tests python manage.py loaddata User.json"\n
docker exec -it chaindots-web-1 bash -c "DJANGO_SETTINGS_MODULE=config.setting.tests python manage.py loaddata Post.json"\n
docker exec -it chaindots-web-1 bash -c "DJANGO_SETTINGS_MODULE=config.setting.tests python manage.py loaddata Comment.json"\n

6. Correr tests

docker exec -it chaindots-web-1 bash -c "DJANGO_SETTINGS_MODULE=config.setting.tests pytest"

En la aplicación, siempre se priorizó realizar el menor número posible de consultas a la base de datos para mantener un rendimiento adecuado. Se implementaron optimizaciones que permiten escalar el código de manera eficiente. Además, se manejaron excepciones de forma pertinente para garantizar la robustez del sistema. La intención fue asegurar que el código resultante fuera legible y de fácil interpretación. Se cumplieron todos los requerimientos cuidando meticulosamente la implementación del mismo.

post = Post.objects.get(pk=id)
comments = post.post_comment_set.all().order_by("-created_at")[
    : constants.COMMENTS_BY_POST
]

cacheo de errores e implementacion de schemas con pydantyc

def post(self, request, id, format=None):
    try:
        data = request.data

        comment_data = CommentCreateSchema(**data)

        user, post = get_user_and_post(comment_data.author_id, id)

        comment = create_comment(user, post, comment_data.comment)
        return Response(serializer_data(comment), status=201)
    except ValidationError as error:
        return Response({"error": error.errors()}, status=400)
    except AssertionError as error:
        return Response({"error": str(error)}, status=400)

@staticmethod
def get_post_count(user):
    return user.post_set.all().count()

@staticmethod
def get_comments_count(user):
    return user.comment_set.all().count()