Contexto
Un sistema de fleet tracking con 50 vehiculos que pollea posiciones cada 30 segundos genera ~144,000 llamadas API al dia. Pero la mayoria de los vehiculos estan detenidos o apagados la mayor parte del tiempo. Pollear un vehiculo estacionado cada 30 segundos es desperdicio puro.
Lo que aprendi
Adaptive polling clasifica cada dispositivo por su estado y decide si vale la pena pollear en este ciclo:
def get_imeis_to_poll(devices: list[dict], now: datetime = None) -> list[str]:
"""Filtra que dispositivos pollear en este ciclo.
- moving/idle: SIEMPRE pollear
- stopped: skip si last_gps_time < 5 min
- offline: skip si last_gps_time < 15 min
"""
now = now or datetime.utcnow()
to_poll = []
for dev in devices:
status = dev.get("status", "moving")
last_gps = dev.get("last_gps_time")
# Sin datos previos: siempre pollear (bootstrap)
if not last_gps:
to_poll.append(dev["imei"])
continue
if status in ("moving", "idle"):
to_poll.append(dev["imei"])
elif status == "stopped":
if (now - last_gps).total_seconds() > 300: # 5 min
to_poll.append(dev["imei"])
elif status == "offline":
if (now - last_gps).total_seconds() > 900: # 15 min
to_poll.append(dev["imei"])
return to_poll
En una flota tipica, el resultado es dramatico:
Device 001: moving, 30s ago -> POLL
Device 002: stopped, 2min ago -> SKIP
Device 003: stopped, 10min ago -> POLL (datos viejos)
Device 004: offline, 3min ago -> SKIP
Device 005: offline, 20min ago -> POLL (verificar si volvio)
Resultado: 3 de 5 polleados (40% reduccion)
Con flotas reales donde 60-70% de vehiculos estan detenidos en horario laboral, la reduccion llega al 60%.
Por que importa
Menos llamadas API = menos riesgo de rate limit, menos costo si la API cobra por request, y menos carga en el servidor. La logica son 20 lineas y el impacto es masivo.