Cloud-native e produção

TL;DR

Galho 18 da trilha Python: Kubernetes na prática (Deployment/Service/ConfigMap/Secret aplicados aos serviços da trilha), recursos e limites (requests/limits, OOMKill), rolling deploy sem downtime, autoscaling (HPA baseado em métrica), e serverless com AWS Lambda (Mangum, cold start, quando faz sentido). Fecha com capstone deployando os dois serviços — um em Kubernetes com HPA, outro avaliado como Lambda. Fase Magus; 8 notas. Último galho do bloco “Plataforma distribuída e produção” (14-18), antes da Certificação.

Sobre este galho

Este galho pressupõe o que já foi construído: Dockerfile multi-stage e health checks (/health//ready) já em Galho 17 nota 07 e nota 06, graceful shutdown já em nota 05, métricas já em nota 03. Este galho é sobre ORQUESTRAR isso de verdade — Kubernetes de fato, não só o contrato que o código expõe — e sobre a alternativa serverless.

Fronteiras anti-duplicação: Dockerfile/imagem em si → Galho 17 nota 07, reusado. Health checks/probes como CONTRATO → Galho 17 nota 06, aqui é o manifest Kubernetes que os consome. Graceful shutdown → Galho 17 nota 05, reusado. Métricas → Galho 17 nota 03, usadas aqui pra autoscaling. Java/Cloud-native e produção (22 notas, mistura observabilidade+deploy) é exemplar de outra stack, referenciado pra contraste sem repetir.

Audiência: quem já tem os dois serviços Python prontos pra produção (Galho 17) e precisa saber COMO de fato rodar isso num cluster ou como serverless.

Magus

1. 01 — Panorama: orquestrar de verdade
2. 02 — Kubernetes na prática: Deployment, Service, ConfigMap e Secret
3. 03 — Recursos e limites: requests, limits e OOMKill
4. 04 — Rolling deploy sem downtime no Kubernetes
5. 05 — Autoscaling: HPA baseado em métrica
6. 06 — Serverless com AWS Lambda: Mangum e cold start
7. 07 — Containers vs serverless: trade-offs honestos
8. 08 — Capstone: os dois serviços em produção de verdade — recapitula o galho e fecha o bloco “Plataforma distribuída e produção”.

Todas as notas

TABLE fase, status FROM "03-Dominios/Tecnologia/Python/Cloud-native e produção" WHERE type = "concept" SORT file.name ASC

Veja também

• Trilha Python (MOC central)
• Observabilidade e produção — Galho 17 (Dockerfile, health checks, métricas, graceful shutdown reusados aqui)
• Java — Cloud-native e produção — trilha irmã, escopo mais amplo (mistura observabilidade+deploy)