Deploy e Infraestrutura¶

📋 Visão Geral¶

O Motor de Pricing é deployado como um container Docker na infraestrutura Google Cloud (Cloud Run / App Engine), utilizando Gunicorn como servidor WSGI.

🐳 Docker¶

Dockerfile¶

FROM python:3.11-slim AS base

ENV PYTHONDONTWRITEBYTECODE=1 \
    PYTHONUNBUFFERED=1

WORKDIR /app

RUN apt-get update \
    && apt-get install -y --no-install-recommends build-essential \
    && rm -rf /var/lib/apt/lists/*

COPY requirements.txt ./
RUN pip install --upgrade pip \
    && pip install --no-cache-dir -r requirements.txt \
    && pip install --no-cache-dir gunicorn==23.0.0

COPY . ./

EXPOSE 8000

CMD ["gunicorn", "app:server", "--bind", "0.0.0.0:8000", \
     "--timeout", "300", "--workers", "2", "--threads", "4", \
     "--worker-class", "gthread"]

Detalhes da Configuração¶

Parâmetro	Valor	Justificativa
Imagem base	`python:3.11-slim`	Imagem leve, apenas o essencial
Servidor	Gunicorn 23.0.0	Servidor WSGI de produção
Workers	2	Processos separados para lidar com requisições
Threads	4	Threads por worker (total: 8 threads)
Worker class	`gthread`	Thread-based para I/O concorrente
Timeout	300s (5 min)	Timeout alto para operações BigQuery/Dataform
Porta	8000	Porta exposta para o serviço

PYTHONDONTWRITEBYTECODE=1

Evita criação de arquivos .pyc dentro do container, reduzindo tamanho da imagem.

☁️ Google Cloud¶

A aplicação detecta automaticamente o ambiente GCP via variáveis de ambiente:

if not (os.getenv('GAE_ENV') or os.getenv('CLOUD_RUN_SERVICE') or os.getenv('GOOGLE_CLOUD_PROJECT')):
    load_dotenv()  # Apenas em desenvolvimento local

Variável	Detecta
`GAE_ENV`	Google App Engine
`CLOUD_RUN_SERVICE`	Cloud Run
`GOOGLE_CLOUD_PROJECT`	Qualquer serviço GCP

Variáveis de Ambiente Necessárias¶

Variável	Obrigatória	Descrição
`ENVIRONMENT`	Sim	`dev` para desenvolvimento, outro valor para produção
`GCP_PROJECT_ID`	Dev only	ID do projeto GCP (produção usa default)
`GCP_DATASET_ID`	Dev only	Dataset BigQuery (produção usa `gold_pricing`)
`BUCKET_NAME`	Sim	Bucket GCS para armazenamento
`GOOGLE_APPLICATION_CREDENTIALS`	Dev only	Caminho para JSON de credenciais
`SERVICE_ACCOUNT_EMAIL`	Referência	Email da service account

Credenciais em Produção

Em produção (Cloud Run/GAE), as credenciais são gerenciadas automaticamente pela service account do serviço. O arquivo google_credentials.json é necessário apenas para desenvolvimento local.

⚙️ Ambientes¶

Desenvolvimento Local¶

# Configuração
ENVIRONMENT=dev

# Logging
logging: DEBUG level

# Servidor
python app.py  →  Dash dev server (porta 8000, debug=True)

Produção¶

# Configuração
ENVIRONMENT=prod (ou qualquer valor != "dev")

# Logging
logging: INFO level

# Servidor
gunicorn app:server --bind 0.0.0.0:8000

Diferenças por Ambiente¶

Aspecto	Desenvolvimento	Produção
Servidor	Dash dev server	Gunicorn
Debug	Ativado (hot reload)	Desativado
Logging	DEBUG	INFO
Credenciais	Arquivo `.env` + `google_credentials.json`	Service account automática
GCP Project	Via `GCP_PROJECT_ID`	`driven-strength-374020`
Dataset	Via `GCP_DATASET_ID`	`gold_pricing`

🔒 Segurança¶

Arquivos Sensíveis¶

Os seguintes arquivos não devem ser commitados (configurados no .gitignore):

.env — Variáveis de ambiente e secrets
google_credentials.json — Credenciais GCP
*.pyc e __pycache__/ — Bytecode Python

Templates Disponíveis¶

Arquivo	Uso
`.env-example`	Modelo para criar o `.env` local
`google_credentials-example.json`	Modelo para o arquivo de credenciais

📊 Performance¶

Configuração do Gunicorn¶

Aspecto	Valor	Impacto
Workers × Threads	2 × 4 = 8	8 requisições simultâneas
Timeout	300s	Suporta operações longas (Dataform pipelines)
Flask-Compress	Ativado	Compressão gzip nas respostas

Otimizações da Aplicação¶

Otimização	Descrição
Pre-loading paralelo	18 tabelas carregadas em paralelo após login (8 threads)
Cache em memória	`dcc.Store(storage_type='memory')` para dados frequentes
Filtros client-side	Filtragem opera sobre cache, sem chamadas à API
ThreadPoolExecutor	Fetches paralelos para BigQuery

Última atualização: Março 2026 | Versão 1.0