flagward
Flagward es un sistema modular de flags (alternativas) open-source, construido con Django y Redis. Permite la evaluación local de reglas en menos de milisegundo sin bloquear llamadas a red, y actualizaciones en tiempo real vía SSE.
Ficha actualizada 23 sept 2026, 15:38 · upstream 23 sept 2026, 15:25 · release v0.5.0
Qué es flagward
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Flagward es una plataforma de feature flags modular diseñada para ofrecer evaluaciones locales rápidas y propagación en tiempo real. Se construye sobre Django y Redis, permitiendo que los SDKs descarguen las reglas una vez y evalúen localmente en menos de milisegundo, evitando así bloqueos por llamadas a red durante la verificación. Las actualizaciones se propagan en tiempo real mediante SSE (Server-Sent Events). Los flags pueden ser booleanos o multivariados con rollout porcentual. El sistema es autocontenido y no requiere dependencias externas para la evaluación local.
- Control de características para nuevas funcionalidades sin necesidad de desplegar código
- Aislamiento de cambios en producción mediante feature flags
- Segmentación de usuarios con rollouts controlados por porcentaje
- Implementación de kill switches para desactivar features críticas durante incidentes
- Auditoría y trazabilidad de decisiones de feature flagging
- Gestión de versiones de feature flags sin necesidad de migraciones complejas
- Evaluación local en el cliente (< 1ms) que evita bloqueos por llamadas a red
- Propagación en tiempo real vía SSE (Server-Sent Events)
- Soporte para flags booleanos y multivariados con rollout porcentual
- Kill switch para forzar activar o desactivar features durante incidentes
- Autocontenido sin dependencias externas para la evaluación local
- Dashboard web en Next.js con visualización de métricas y control
- La evaluación local no es compatible con entornos multi-procesador o multi-node sin configuración adicional
- El sistema no soporta feature flags dinámicas que cambian según el contexto del usuario en tiempo real (solo evalúan reglas fijas)
- No incluye autenticación de usuarios para la gestión de features, lo que requiere un backend separado
- La propagación por SSE depende de que los SDKs estén disponibles y conectados al servidor
- Sin soporte nativo para feature flags en entornos multi-tenant sin configuración adicional
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Para producción, se recomienda usar Docker Compose con la configuración `compose.yml` (modo Gunicorn optimizado). Se debe configurar SSL mediante Nginx o Traefik. El entorno de desarrollo usa SQLite por defecto y hot-reload, mientras que el modo production utiliza PostgreSQL con Redis como cache. Se recomienda crear un `.env` personalizado para cada entorno. La evaluación local es rápida pero no compatible con entornos multi-node sin configuración adicional. Para producción se debe configurar un servidor de backend (Gunicorn) con workers adecuados.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.