🔎 Hostname Generator & Analysis Tool

Este proyecto genera un conjunto ficticio de hostnames para servidores, simula sus atributos (sistema operativo, entorno, país), y crea visualizaciones estadísticas sobre su distribución.

---

📦 Requisitos

Instala las librerías necesarias ejecutando:

pip install pandas numpy matplotlib seaborn

🚀 ¿Qué hace este proyecto?

• Genera automáticamente hostnames con formato codificado.
• Extrae atributos (os, environment, country) a partir del hostname.
• Crea un DataFrame con todos los servidores simulados.
• Guarda los datos en un archivo CSV.
• Visualiza los datos con gráficos de barras, pastel, y más.

---

🧠 Estructura del hostname

Cada hostname tiene la siguiente estructura:

<OS><ENV><COUNTRY><NODE_NUMBER>

Ejemplo: LPESP007

Significa:

• OS: Linux
• ENV: Production
• Country: Spain
• Node Number: 007

---

⚙️ Funciones principales

1. set_hostnames(n)
   Genera n hostnames aleatorios usando pesos predefinidos. Los resultados se almacenan globalmente en dataset.

2. get_os(hostname)
   Devuelve el sistema operativo según la primera letra del hostname.

3. get_environment(hostname)
   Devuelve el tipo de entorno según la segunda letra del hostname.

4. get_country(hostname)
   Devuelve el país usando los caracteres 3-5 del hostname.

---

🧾 Flujo general del código

set_dataframe(1500)     # Genera 1500 hostnames y crea un DataFrame
save_dataframe()        # Guarda el DataFrame como 'hosts.csv'
plot_environment_by_country()  # Visualización por país y entorno
plot_full_analysis()    # Panel completo con 4 gráficos

---

📊 Visualizaciones incluidas

1. plot_environment_by_country()
   Gráfico de barras apiladas por país y tipo de entorno.

2. plot_full_analysis()
   Matriz 2x2 con:

   • Barras horizontales: Sistemas operativos por país.
   • Gráfico circular: Porcentaje total de sistemas operativos.
   • Barras horizontales (gradiente): Total de hosts por país.
   • Barras agrupadas: Entornos por país.

---

🗂️ Estructura del archivo CSV

El archivo hosts.csv contiene las siguientes columnas:

hostname	os	environment	country	node
LPESP001	Linux	Production	Spain	1
SITAF002	Solaris	Testing	Italy	2
...	...	...	...	...

---

📌 Notas

• Se emplean probabilidades para simular una distribución realista.
• Variables globales utilizadas: df, dataset, counter_dict.
• Proyecto útil para prácticas de manipulación de datos, generación aleatoria y visualización con Python.