Repositório de laboratórios práticos da disciplina. Cada lab é um passo a passo autossuficiente que você executa dentro do GitHub Codespaces contra uma conta AWS Academy, provisionando infraestrutura real com Terraform e destruindo tudo ao final para não acumular custo.
Important
Primeira vez aqui? Comece pelo 01 - Setup e configuração de ambiente. Sem o setup completo (fork, Codespaces, credenciais AWS e bucket de estado), os comandos do primeiro lab já falham.
Voltando para mais uma aula? Faça o ritual rápido de 01.1 - Início de toda aula (sync do fork + renovar credenciais — leva 3-5 min) e siga para o lab do dia.
- Faça fork deste repositório para a sua conta antes de criar o Codespaces (o setup explica o passo a passo).
- Cada pasta numerada é um módulo; dentro dela, cada subpasta numerada é um lab com seu próprio
README.md. - Todo lab abre com um callout
> [!WARNING]de pré-requisitos e um mapa do lab com tempo estimado por parte — leia antes de começar para saber se dá tempo de fazer agora. - Os blocos
<details><summary>💡 Clique para entender</summary>aprofundam o "porquê"; pule se estiver com pressa.
| # | Módulo / Lab | O que você faz | Tempo |
|---|---|---|---|
| 01 | Setup e configuração de ambiente | Fork, Codespaces, conta AWS Academy, bucket S3 de estado e credenciais. | ~30 min |
| 01.1 | Ritual de início de aula | Sincronizar fork e renovar credenciais (repita a cada aula). | ~3-5 min |
| 02.1 | Storage — Network File System (EFS) | Provisiona EFS + EC2 e mede IOPS, block size e paralelismo sob carga. | ~60 min |
| 03.1 | Compute — x86 vs Graviton | Sobe duas EC2 (Intel e Graviton) e roda benchmarks lado a lado. | ~50 min |
| 03.2 | Compute — Containers com ECS + Fargate | Build/push de imagem no ECR e deploy de container no Fargate. | ~45 min |
| 03.3 | Compute — Serverless: Lambda orientada a eventos | Pipeline de ingestão de dados em 3 fases (Lambda+S3 → SQS → Kinesis) com observabilidade. | ~50-60 min |
| 04 | Trabalho Final — Modernizando a ingestão (EFS → S3 → Lambda → API) | Amarra as 4 demos numa jornada end-to-end: migra do EFS para o S3, processa com Lambda Graviton e serve por uma API. Você completa o miolo do código. | ~2 h |
Os módulos 01 a 03 são demos guiadas, para aprender cada serviço. O 04 - Trabalho Final é a síntese: você reusa o que praticou nas demos para resolver um problema de negócio de ponta a ponta, montando os blocos e completando só o miolo do código. Faça-o depois de concluir as demos.
Note
Os tempos acima são de execução pura. Some o tempo de leitura, observação dos resultados e reflexão — na prática, um lab leva de 2 a 4 vezes o tempo listado.
O ambiente é definido por um dev container versionado em .devcontainer/ — Ubuntu com Python, AWS CLI, Terraform, Node LTS, Docker-in-Docker e Serverless Framework já instalados. Qualquer aluno, em qualquer máquina, abre um ambiente idêntico ao do professor em segundos.
Caution
A conta AWS Academy tem crédito limitado e sessões de 4 horas. Sempre rode o terraform destroy no final de cada lab e desligue o Codespaces (Stop Codespace) ao terminar a aula. Recurso esquecido ligado consome o orçamento e o tempo gratuito do Codespaces.
💡 Como pedir ajuda se travou
Antes de abrir issue ou chamar o professor, colete:
- Em qual lab e em qual passo (número) travou.
- A mensagem de erro literal (copie e cole, não resuma).
- O que
aws sts get-caller-identityretorna agora.- Em qual ambiente o erro apareceu (Codespaces ou sessão SSM da EC2).
Canais, em ordem:
- Issues deste repositório — preferido, cria histórico pesquisável para os próximos alunos.
- Email do professor com os 4 itens acima.
- Na sala de aula, durante o laboratório.