Disponibilidad de Espacios se maneja desde Firebase

cloudfunction.py

@@ -0,0 +1,64 @@
+# main.py o donde definas tus funciones
+
+import firebase_admin
+from firebase_functions import pubsub_fn, options
+from firebase_admin import firestore, exceptions # Import exceptions for better error handling
+
+# Inicializa Firebase Admin si no lo has hecho ya en tu proyecto
+# Esto generalmente se hace una vez en el punto de entrada de tus funciones (ej. en __init__.py o al inicio de tu main.py)
+# Puedes usar un bloque try/except para evitar reinicializar si ya está inicializado.
+# try:
+#     firebase_admin.get_app()
+# except ValueError:
+#     firebase_admin.initialize_app()
+
+# Obtén una referencia a la base de datos de Firestore con el nombre 'nowme'
+# Asegúrate de que firebase_admin.initializeApp() se haya ejecutado antes de obtener esta referencia.
+# firestore.client() obtiene el cliente para la app por defecto,
+# y luego .instance('nowme') especifica la base de datos con nombre.
+db = firestore.client().instance('nowme')
+
+@pubsub_fn.on_message_published(
+    # Puedes dar un nombre lógico al trabajo programado (Cloud Scheduler job) si quieres
+    # topic="increment-segundos-job", # Este parámetro no es necesario para schedule, Firebase lo gestiona
+    schedule="every 24 hours at 16:00",
+    timezone="America/Mexico_City", # Establece la zona horaria a Ciudad de México
+    # Opcional: puedes añadir opciones de runtime aquí si lo necesitas
+    # memory=options.MemoryOption.GB_1, # Ejemplo: 1 GB de memoria
+    # timeout_sec=300, # Ejemplo: 5 minutos de timeout
+)
+def incrementar_segundos_python(event: pubsub_fn.CloudEvent) -> None:
+    """
+    Cloud Function en Python activada por un programador
+    para incrementar el campo 'segundos' en un documento de Firestore.
+    """
+    print(f"Function incrementar_segundos_python activada a las {event.time} por mensaje ID: {event.id}")
+    # Para este caso, no necesitamos los datos específicos del evento Pub/Sub
+
+    # Referencia al documento específico: colección 'nowme', documento 'sosa'
+    doc_ref = db.collection('nowme').document('sosa')
+
+    try:
+        # Usa update con FieldValue.increment para una actualización atómica segura
+        # Esto es especialmente bueno para valores numéricos que pueden ser
+        # modificados por múltiples fuentes al mismo tiempo.
+        doc_ref.update({
+            "segundos": firestore.FieldValue.increment(1500)
+        })
+        print("Campo 'segundos' actualizado con éxito (+1500) en el documento 'nowme/sosa'.")
+
+    except exceptions.NotFound:
+        print("Error: Documento nowme/sosa no encontrado. No se pudo actualizar.")
+        # Puedes decidir si quieres crear el documento si no existe,
+        # pero update() solo funciona si el documento ya existe.
+        # Si quieres crearlo si no existe, usarías set(..., merge=True).
+        # doc_ref.set({"segundos": 1500}, merge=True) # Ejemplo de cómo crear/actualizar
+
+    except Exception as e:
+        print(f"Error al actualizar el documento nowme/sosa: {e}")
+        # Puedes lanzar la excepción si quieres que Cloud Functions lo reporte como un fallo.
+        # raise e
+        pass # O simplemente pasar para que la Function no se marque como fallo en este caso
+
+    print("Fin de la ejecución de la Function.")
+

funciones.py

@@ -18,18 +18,24 @@ def genera_platillo_gpu(platillo):
 
     try:
 
-        selected_space_config = random.choice(espacios.espacio)
+        dict_espacios = conexion_firebase.obtenDato('nowme', servidor, 'espacios')
 
-        client = gradio_client.Client(selected_space_config['id'], hf_token=globales.llave)
+        espacios_habilitados = [
+        nombre for nombre, config in dict_espacios.items()
+        if config.get("habilitado", False) # Usamos .get() para evitar KeyError si 'habilitado' no existe
+        ]
 
-        # kwargs = {
-        #     "prompt": prompt,
-        #     "api_name": "/infer"
-        # } 
+        print(f"Diccionarios habilitados: {espacios_habilitados}")
+        
+        espacio_aleatorio_elegido = random.choice(espacios_habilitados)
+        configuracion_espacio = dict_espacios[espacio_aleatorio_elegido]
+        print(f"La configuración completa para '{espacio_aleatorio_elegido}' es: {configuracion_espacio}")
 
-        kwargs = selected_space_config['static_kwargs']
+        client = gradio_client.Client(configuracion_espacio['ruta'], hf_token=globales.llave)
+        #kwargs = selected_space_config['static_kwargs']
 
-        result = client.predict(**kwargs,
+        result = client.predict(
+        #**kwargs,
         prompt=prompt,
         #negative_prompt="live animals",
         # seed=42,
@@ -38,11 +44,9 @@ def genera_platillo_gpu(platillo):
         height=568,
         # guidance_scale=3.5,
         # num_inference_steps=28,
-        # api_name="/infer"       
+        api_name=configuracion_espacio['api_name']       
         )
 
-        #print("Result inmediato es: ", result)
-
         #Cuando es GPU, debe de restar segundos disponibles de HF 
         herramientas.restaSegundosGPU(globales.work_cost)
 
@@ -58,7 +62,6 @@ def genera_platillo_gpu(platillo):
             detail=e
         )
 
-
 def genera_platillo_inference(platillo):
 
     
@@ -90,8 +93,8 @@ def genera_platillo_inference(platillo):
         prompt,
         #negative_prompt="live animals",
         model=modelo,
-        width=786,
-        height=568,
+        width=784, #786
+        height=560, #568
         num_inference_steps=16
         )