Experiencia en la Universidad Nacional de Rosario, Argentina: Cómo la actualización del DSpace mejoró la saturación de RAM causada por bots de IA

Abstract

Este caso de estudio presenta la experiencia práctica de la Universidad Nacional de Rosario (UNR), Argentina, enfrentando problemas críticos de sobrecarga e inestabilidad en su repositorio institucional debido al tráfico masivo e intempestivo de raspadores de datos (scrapers) y bots de inteligencia artificial.

Se analiza cómo en DSpace 7.6.5 el motor de renderizado del lado del servidor (Angular SSR / Node.js) no gestionaba de forma eficiente la liberación de memoria ante peticiones continuas sin caché, generando fugas de memoria y alcanzando un consumo del 100% de la memoria RAM (errores Out of Memory / caídas de servicio). Tras aplicar soluciones de mitigación temporal (geobloqueo condicional resguardando los servidores de Handle y Google), la institución evaluó que cerrar el acceso contradice los principios del acceso abierto. La solución definitiva consistió en la actualización del repositorio a DSpace 9.3, cuya versión optimiza el ciclo de vida de las peticiones en Angular SSR y la gestión de memoria, logrando estabilizar el servidor por debajo de 8 GB de consumo base y permitiendo absorber el mismo volumen de bots sin degradación ni restricciones geográficas.