shynet
Shynet es una herramienta de analítica web autoalojada que prioriza la privacidad, funcionando sin cookies ni JavaScript.
Ficha actualizada 18 sept 2026, 19:25 · upstream 15 mar 2026, 23:00 · release v0.14.0
Qué es shynet
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Shynet es una solución de analítica web moderna diseñada para ser autoalojada, garantizando que los datos permanezcan en manos del propietario y no se envíen a terceros. A diferencia de las herramientas convencionales, opera sin cookies ni dependencias de JavaScript, utilizando un script de seguimiento ligero o píxeles transparentes como fallback. Su arquitectura flexible permite despliegues desde una única máquina hasta clústeres Kubernetes, aprovechando Django para la gestión de usuarios y múltiples sitios en una sola instancia.
La herramienta se enfoca en la privacidad por diseño, permitiendo configurar la recolección de datos basándose en señales DNT (Do Not Track) y ofreciendo un cumplimiento GDPR dependiente de la configuración del usuario. Proporciona métricas esenciales como tiempo de carga, tasa de rebote, ubicación geográfica y tipo de dispositivo sin ser intrusivo, ideal para organizaciones que buscan transparencia con sus visitantes.
Sin embargo, requiere conocimientos técnicos para su instalación y mantenimiento, ya que no ofrece soluciones one-click. Está optimizada para tráfico pequeño a medio, aunque soporta escalado horizontal en Kubernetes. La licencia Apache 2.0 facilita la integración en proyectos open source, pero se recomienda consultar asesoramiento legal para casos de uso específicos bajo regulaciones estrictas como el GDPR.
- Monitorización de analítica web sin cookies ni rastreo intrusivo para cumplir con políticas de privacidad estrictas
- Implementación de métricas de rendimiento y comportamiento de usuarios en proyectos personales o sitios corporativos medianos
- Despliegue autoalojado en infraestructura propia (VPS, Kubernetes) para mantener el control total sobre los datos de los visitantes
- Integración con sistemas existentes mediante la asociación de identificadores primarios de usuarios del sitio web
- Pruebas de cumplimiento de señales DNT y configuración personalizada de recolección de datos por servicio
- Funcionamiento sin cookies ni JavaScript, utilizando píxeles transparentes como fallback para máxima compatibilidad
- Arquitectura escalable que soporta desde un único contenedor Docker hasta clústeres Kubernetes con caché Redis
- Construcción sobre Django con soporte nativo para múltiples usuarios y gestión de cuentas vía Django Allauth
- Respeta activamente las señales DNT (Do Not Track) por defecto, permitiendo configuración granular por servicio
- Script de seguimiento extremadamente ligero (<1KB), minimizando el impacto en la carga de la página web
- Licencia Apache 2.0 que permite uso y contribución abierta bajo estándares de código abierto verificados
- No ha sido probado con sitios de tráfico ultra-alto, por lo que puede no ser adecuado para escalas masivas sin pruebas previas
- Requiere conocimientos técnicos significativos para el despliegue y mantenimiento, descartando soluciones one-click
- El cumplimiento GDPR depende estrictamente de la configuración del usuario y requiere asesoramiento legal externo
- No incluye soporte oficial para un solo clic (one-click), necesitando configuración manual de variables de entorno y bases de datos
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Requiere al menos 4 núcleos CPU, 4GB RAM y 30GB de disco. Se recomienda usar Docker o Docker Compose para despliegue rápido en VPS pequeños. Para alta disponibilidad, configurar Kubernetes con nodos de ingress paralelos y caché Redis separado para IO de base de datos. El puerto por defecto es 8080. Asegurar la configuración de variables de entorno seguras (SECRET_KEY, DB_NAME) antes del despliegue en producción.
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.