# Uso

## Modos de Ejecución

DataTransferV2 puede ejecutarse de tres formas principales: automática, interfaz web y API.

## Ejecución Automática

### Comando Principal

```bash
python main.py
```

Este comando procesa todos los proyectos activos (PG, FEDURO) con todos sus reportes en una ventana de 3 días (hoy, ayer, anteayer).

### Salida Esperada

- Registros de progreso en consola
- Archivos Excel generados en `Reportes/<PROYECTO>/<REPORTE>/`
- Notificación WhatsApp con resumen de ejecución
- Logs detallados en `Logs/etl.log`

### Ejemplo de Salida

```
Iniciando ETL para proyecto: PG
Procesando reporte: Cobertura - Fecha: 2024-01-15
✅ SUCCESS: Reporte generado y distribuido
...
Resumen PG: Total: 16, Éxito: 15, Errores: 1, Advertencias: 0
```

## Interfaz Web

### Iniciar la UI

```bash
cd App
python -m flask run
```

Accede a `http://localhost:5000` en tu navegador.

### Funcionalidades

- **Selección de Proyecto:** PG, FEDURO, Corripio
- **Selección de Reporte:** Lista desplegable con reportes disponibles
- **Rango de Fechas:** Selector de fecha inicio/fin
- **Ejecución Manual:** Botón para procesar la selección

### Uso

1. Selecciona proyecto y reporte
2. Elige fechas de inicio y fin
3. Haz clic en "Ejecutar ETL"
4. Monitorea el progreso y resultados

## API REST

### Endpoint Principal

```
GET /api/download
```

### Parámetros

- `project` (requerido): Nombre del proyecto (pg, feduro)
- `task` (requerido): Nombre del reporte
- `start_date` (requerido): Fecha inicio (YYYY-MM-DD)
- `end_date` (requerido): Fecha fin (YYYY-MM-DD)

### Ejemplo de Uso

```bash
curl "http://localhost:5000/api/download?project=pg&task=Cobertura&start_date=2024-01-01&end_date=2024-01-31"
```

### Respuesta

```json
{
  "status": "success",
  "data": [
    {
      "fecha": "2024-01-01",
      "campo1": "valor1",
      "campo2": "valor2"
    }
  ],
  "count": 100
}
```

### Códigos de Estado

- `200`: Éxito
- `400`: Parámetros inválidos
- `404`: Proyecto/reporte no encontrado
- `500`: Error interno

## Programación Automática

### Usando APScheduler

El código incluye APScheduler para ejecución programada. Para activarlo:

```python
from apscheduler.schedulers.background import BackgroundScheduler

scheduler = BackgroundScheduler()
scheduler.add_job(run_etl_pipeline, 'interval', hours=2)
scheduler.start()
```

### Usando Cron (Linux/macOS)

```bash
# Ejecutar cada 2 horas
0 */2 * * * /path/to/env/bin/python /path/to/main.py
```

### Usando Task Scheduler (Windows)

1. Crear tarea básica
2. Programa: `python.exe`
3. Argumentos: `main.py`
4. Ejecutar cada 2 horas

## Monitoreo y Logs

### Archivos de Log

- `Logs/etl.log`: Logs del proceso ETL
- `Logs/api.log`: Logs de la API
- `Logs/reports.log`: Logs de generación de reportes

### Base de Datos de Auditoría

Todas las ejecuciones se registran en la tabla `ExecutionLog` de SQL Server con:
- ID de procedimiento
- Estado (SUCCESS, FAILED, WARNING)
- Mensajes de error
- Timestamps

## Reportes Generados

### Ubicación

```
Reportes/
├── FEDURO/
│   ├── Cobertura/
│   │   ├── Cobertura-20240115.xlsx
│   │   └── ...
│   └── ...
└── PG/
    ├── Checkout/
    │   ├── Checkout-20240115.xlsx
    │   └── ...
    └── ...
```

### Formato

- **Tipo:** Excel (.xlsx)
- **Librería:** Pandas + OpenPyXL
- **Contenido:** Datos tabulares de consultas SQL

## Notificaciones

### WhatsApp

Después de cada proyecto, se envía un resumen via webhook:

```
✅ PG - Completado
Total: 16, Éxito: 15, Errores: 1
Tiempo: 45 minutos
```

### Estados

- ✅ SUCCESS: Todo correcto
- ⚠️ COMPLETED_WITH_ERRORS: Errores no críticos
- ❌ FAILED: Fallo crítico
- ℹ️ WARNING: Sin datos (ignorados si domingo)