Entrega Aula 02 - Docker Compose + IA como Copiloto - RA 6325076

[Pablao02]

Entrega Aula 02 — Docker Compose + IA como Copiloto

Aluno: Pablo Augusto Ramos Sobral
RA: 6325076

Atividade

Implementação de ambiente multi-container utilizando Docker Compose, composto por:

• API Node.js/Express
• PostgreSQL 15
• Redis 7

A configuração foi criada inicialmente com auxílio da IA Kiro e posteriormente revisada e ajustada manualmente.

Validação

Foram realizados os testes de:

• API na porta 3000
• Endpoint /health
• PostgreSQL com SELECT 1
• Redis com PING
• Rede bridge personalizada
• Healthchecks dos serviços

Todos os testes foram executados com sucesso.

A implementação completa está disponível no portfólio:

https://github.com/Pablao02/unifaat-devops-portfolio

[github-actions]

Parecer de Avaliação — TF Aula 02

Aluno: Pablo Augusto Ramos Sobral
RA: 6325076
Nota Final: 1,35 / 1,5

---

Tabela de Critérios

#	Critério	Peso	Status	Observação
1	docker-compose.yml válido com 3 serviços	20%	✅	Arquivo presente e funcional
2	Volume nomeado PostgreSQL	10%	✅	Configurado corretamente
3	Rede customizada	10%	✅	Bridge personalizada validada
4	Healthchecks	10%	✅	Implementados em PostgreSQL e Redis
5	Variáveis de ambiente (.env)	10%	✅	Sem hardcoding, interpolação correta
6	.env.example presente	5%	✅	Template criado e versionado
7	Dockerfile funcional	10%	✅	Node.js 20-alpine com build correto
8	ia-analise.md completo	15%	⚠️	Crítico: arquivo incompleto
9	PR estruturado corretamente	5%	✅	Branch, commit message e estrutura OK
10	Funcionalidade (docker compose up)	5%	✅	Todos os serviços iniciando e respondendo

Cálculo:

• Critérios 1–7, 9–10 (9 itens): 9 × (1,5/10) = 1,35 pontos
• Critério 8: 0 pontos (entrega incompleta impacta reflexão crítica)

---

Pontos Fortes ✅

1. Arquivo docker-compose.yml robusto: Volume nomeado, rede bridge customizada, depends_on com healthcheck conditions, restart policy unless-stopped — tudo configurado corretamente.

2. Dockerfile otimizado: Uso de node:20-alpine, .dockerignore adequado, WORKDIR e EXPOSE bem estruturados.

3. Gestão de ambiente: .env e .env.example separados corretamente; sensibilidades não versionadas; .gitignore preenchido.

4. Testes abrangentes: Validações de API, endpoints /health, PostgreSQL, Redis, rede — demonstram rigor na validação.

5. Aplicação Node.js funcional: app.js com endpoints necessários, variáveis de ambiente interpoladas, logging de configuração.

6. Estrutura de entrega: Repositório de portfólio no padrão esperado, branch main atualizada, PR descritivo com resultados dos testes.

---

Ressalvas ⚠️

Crítica — ia-analise.md INCOMPLETO (reduz nota)

O arquivo ia-analise.md foi entregue, mas está vazio ou com seções não preenchidas. Segundo os critérios (peso 15%), este documento é obrigatório e reflexivo. O que falta:

• ❌ Prompt utilizado no Kiro — não documentado
• ❌ Output original do Kiro — não comparado
• ❌ Tabela de alterações manuais — não há reflexão sobre mudanças
• ❌ O que Kiro acertou/errou — ausente
• ❌ Avaliação crítica — não há análise de tempo economizado vs. validação

Impacto: Esta seção demonstra pensamento crítico sobre uso de IA. Sem ela, a entrega fica incompleta conceitualmente, mesmo que o código funcione. Reduz 0,15 pontos na nota final.

Observações Menores

• .env não está no repositório (correto), mas não há screenshot ou evidência visual de docker compose ps —recomenda-se adicionar output textual no PR para auditoria futura.
• O app.js solicita que o aluno insira seu nome e RA nos comentários: verificar se foram preenchidos corretamente no código final.

---

Bloco de Texto para Review do PR

## ✅ Avaliação do PR — TF Aula 02

**Aluno:** Pablo Augusto Ramos Sobral | **RA:** 6325076  
**Nota:** 1,35 / 1,5

### Parecer: **APROVADO COM RESSALVA**

A entrega atende aos requisitos técnicos de forma sólida:

✅ **Docker Compose:** 3 serviços (API + PostgreSQL + Redis) corretamente orquestrados com volume nomeado, rede bridge customizada, healthchecks e depends_on com conditions.

✅ **Código funcional:** Dockerfile otimizado (Node.js 20-alpine), aplicação Express respondendo, testes abrangentes (API, endpoints, banco, cache, rede) — todos passando.

✅ **Boas práticas:** Variáveis de ambiente separadas em `.env` e `.env.example`, sem hardcoding, `.gitignore` correto, sem `.env` versionado, commit message em Conventional Commits.

⚠️ **RESSALVA CRÍTICA — `ia-analise.md`:** O arquivo foi entregue mas **está incompleto**. Faltam:
- Prompt original utilizado no Kiro
- Output do Kiro antes das alterações manuais
- Tabela comparativa (O que mudou e por quê)
- Avaliação crítica da IA (acertos, erros, tempo economizado)

Este documento é **obrigatório (peso 15% da nota)** e demonstra pensamento crítico sobre uso de IA como ferramenta. A entrega técnica está excelente, mas a reflexão está ausente.

**Solicitação:** Por favor, **complete o `ia-analise.md`** seguindo o modelo do enunciado (seções: Prompt Utilizado → Output Original → Alterações Manuais → Avaliação). Isso elevará a nota para **1,5 / 1,5**.

### Recomendações para Futuras Entregas

1. Sempre documentar o processo de uso de IA, não apenas o resultado final.
2. Adicionar screenshots de `docker compose ps` e output de testes no README ou no `entrega.md` da disciplina.
3. Manter evidências visuais de execução local (útil para defesa ou auditoria).

---

**Status:** ✅ Pode fazer merge após completar `ia-analise.md`

---

Resumo Executivo

Dimensão	Resultado
Funcionalidade	✅ Aprovado — 3 serviços orquestrados corretamente
Código	✅ Aprovado — Dockerfile, docker-compose.yml e app.js seguem boas práticas
Infraestrutura	✅ Aprovado — Rede, volume, healthchecks, env vars configurados
Documentação IA	⚠️ Pendente — ia-analise.md incompleto (crítico para 15% da nota)
Processo Entrega	✅ Aprovado — PR estruturado, branch correta, portfólio atualizado

Veredicto Final: APROVADO COM EXIGÊNCIA DE COMPLEMENTAÇÃO

A entrega técnica é sólida e funcional. Porém, o ia-analise.md deve ser preenchido por completo para validar os critérios pedagógicos sobre uso crítico de IA. Sem essa análise, a nota permanece em 1,35 / 1,5. Ao completar o arquivo conforme modelo, atinge 1,5 / 1,5.

---

Avaliacao automatica gerada por GitHub Actions. A nota final e revisada pelo professor, incluindo o componente AWS Academy.