docs: README arquitectura, portales, proxy, esquemas BD

README.md

@@ -1,3 +1,61 @@
 # portales-hispanohablantes
 
-Scrapers de empleos e inmuebles para portales hispanohablantes: ElEmpleo CO, Encuentra24 CA, Trabajando CL, FincaRaiz CO, Portal Inmobiliario CL, Yapo CL, Corotos DO. Airflow + ARM VPS + proxy failover fibra/dongle.
+Scrapers de empleos e inmuebles para portales hispanos. Airflow + ARM VPS 152.53.242.31.
+
+## Arquitectura
+
+- **Runtime**: Python 3 en ARM VPS (host). Venv: `/home/jpuma/proyectos/bot-sunat/.venv`
+- **DAGs**: Airflow 2.9.3 (Docker). Path: `/opt/airflow/dags/`
+- **Scrapers**: `/opt/scrapers/<portal>/scraper.py`
+- **BD**: postgres17-central (`100.75.240.87:5432`, user=`pgadmin`)
+- **Proxy**: `socks5h://127.0.0.1:1090` — failover-proxy.service: fibra umacollo -> dongle Entel
+
+## Portales Ola 1 (operacionales)
+
+| Portal | DAG | Schedule | BD | Registros iniciales |
+|--------|-----|----------|----|---------------------|
+| ElEmpleo Colombia | `elempleo_co_daily` | 05:00 UTC | `elempleo_co` | 250+ jobs |
+| FincaRaiz Colombia | `fincaraiz_co_daily` | 07:00 UTC | `fincaraiz_co` | 390+ listings |
+| Portal Inmobiliario Chile | `portal_inmobiliario_cl_daily` | 07:30 UTC | `portal_inmobiliario_cl` | 630+ listings |
+| Corotos Rep. Dominicana | `corotos_do_daily` | 08:30 UTC | `corotos_do` | 227+ listings |
+
+## Portales Ola 2 (pendiente Playwright)
+
+| Portal | Razon |
+|--------|-------|
+| Encuentra24 CA | 302 redirects, estructura SPA |
+| Trabajando CL | Nuxt.js SPA |
+| Yapo CL | Infinite scroll, sin paginacion HTTP |
+| Fotocasa ES | Leve geo-IP |
+| Inmuebles24 MX | Cloudflare WAF |
+| ArgenProp AR | AWS WAF |
+| Metrocuadrado CO | Imperva/Incapsula |
+
+## Proxy — 3 niveles
+
+```
+scraper -> socks5h://127.0.0.1:1090 (failover-proxy.service)
+             PRIMARY:  :1080 -> umacollo eth0 (fibra ISP Peru)
+             FALLBACK: :1082 -> umacollo wwan0 (dongle Entel 20GB/mes)
+Si :1090 down -> ARM directo (datacenter USA)
+```
+
+## Esquema BD
+
+### Empleos
+```sql
+CREATE TABLE jobs (
+    job_id TEXT PRIMARY KEY, titulo TEXT, empresa TEXT,
+    ubicacion TEXT, url TEXT UNIQUE, fecha_pub TEXT,
+    categoria TEXT, scraped_at TIMESTAMP DEFAULT NOW()
+);
+```
+
+### Inmuebles
+```sql
+CREATE TABLE listings (
+    listing_id TEXT PRIMARY KEY, titulo TEXT, precio BIGINT,
+    moneda TEXT, tipo TEXT, ubicacion TEXT, url TEXT UNIQUE,
+    superficie_m2 DECIMAL, scraped_at TIMESTAMP DEFAULT NOW()
+);
+```