GSP344

Visão geral

Nos laboratórios com desafio, apresentamos uma situação e um conjunto de tarefas. Para concluí-las, em vez de seguir instruções detalhadas, você usará o que aprendeu nos laboratórios do curso. Um sistema automático de pontuação (mostrado nesta página) vai avaliar seu desempenho.

Nos laboratórios com desafio, não ensinamos novos conceitos do Google Cloud. O objetivo dessas tarefas é aprimorar aquilo que você já aprendeu, como a alteração de valores padrão ou a leitura e pesquisa de mensagens para corrigir seus próprios erros.

Para alcançar a pontuação de 100%, você precisa concluir todas as tarefas no tempo definido.

Este laboratório é recomendado para estudantes que se inscreveram no curso Develop Serverless Apps with Firebase. Tudo pronto para começar o desafio?

Configuração e requisitos

Antes de clicar no botão Start Lab

Leia estas instruções. Os laboratórios são cronometrados e não podem ser pausados. O timer é iniciado quando você clica em Começar o laboratório e mostra por quanto tempo os recursos do Google Cloud vão ficar disponíveis.

Este laboratório prático permite que você realize as atividades em um ambiente real de nuvem, não em uma simulação ou demonstração. Você vai receber novas credenciais temporárias para fazer login e acessar o Google Cloud durante o laboratório.

Confira os requisitos para concluir o laboratório:

• Acesso a um navegador de Internet padrão (recomendamos o Chrome).

Observação: para executar este laboratório, use o modo de navegação anônima ou uma janela anônima do navegador. Isso evita conflitos entre sua conta pessoal e a conta de estudante, o que poderia causar cobranças extras na sua conta pessoal.

• Tempo para concluir o laboratório---não se esqueça: depois de começar, não será possível pausar o laboratório.

Observação: não use seu projeto ou conta do Google Cloud neste laboratório para evitar cobranças extras na sua conta.

Provisione o ambiente

1. Vincule-se ao projeto:

gcloud config set project $(gcloud projects list --format='value(PROJECT_ID)' --filter='qwiklabs-gcp')

2. Clone o repositório:

git clone https://github.com/rosera/pet-theory.git

Cenário do desafio

Neste laboratório, você criará uma solução de front-end usando uma API REST e um banco de dados Firestore. O Cloud Firestore é um banco de dados de documentos NoSQL que faz parte da plataforma do Firebase. Nele, você pode armazenar, sincronizar e consultar dados em escala dos seus apps da Web e para dispositivos móveis. O conteúdo do laboratório é baseado em um cenário do mundo real e usa a infraestrutura sem servidor do Google Cloud.

Você vai criar a seguinte arquitetura:

Tarefa 1. Crie um banco de dados do Firestore

Neste cenário, você vai criar um banco de dados do Firestore no Google Cloud. O diagrama de alto nível abaixo resume a arquitetura geral.

Requisitos:

Campo	Valor
Cloud Firestore	Modo nativo
Local

Crie um banco de dados do Firestore

Para concluir esta seção, você precisa fazer o seguinte:

• Implementar o banco de dados Cloud Firestore
• Usar o modo nativo do Firestore
• Adicionar o local

Clique em Verificar meu progresso para conferir se você executou a tarefa. Criar um banco de dados do Firestore

Tarefa 2: preencher o banco de dados

Neste cenário, preencha o banco de dados usando dados de teste.

Este diagrama de alto nível resume a arquitetura geral:

Preencha o banco de dados

Exemplo de esquema do Firestore:

Coleção	Documento	Campo
dados	70234439	[conjunto de dados]

O Netflix Shows Dataset (em inglês) inclui as seguintes informações:

Campo	Descrição
show_id	ID exclusivo de cada filme/programa de TV
type	Identificador: filme/programa de TV
title	Título do filme/programa de TV
director	Diretor do filme
cast	Atores do filme/programa de TV
country	País onde o filme/programa de TV foi produzido
date_added	Data em que o filme/programa TV foi adicionado à Netflix
release_year	Ano de lançamento do filme/programa de TV
rating	Classificação de TV do filme/programa de TV
duration	Duração total: em minutos ou número de temporadas

Para concluir esta seção, você precisa fazer o seguinte:

1. Usar o exemplo de código de pet-theory/lab06/firebase-import-csv/solution:

npm install

2. Usar o nó pet-theory/lab06/firebase-import-csv/solution/index.js para importar o CSV:

node index.js netflix_titles_original.csv Observação: confira os dados na interface do Firestore para verificar se o banco de dados foi atualizado.

Clique em Verificar meu progresso para conferir se você executou a tarefa. Preencher o banco de dados do Firestore

Tarefa 3: criar uma API REST

Neste cenário, crie uma API REST de exemplo.

Este diagrama de alto nível resume a arquitetura geral:

Desenvolvimento do Cloud Run

Campo	Valor
Imagem do Container Registry	rest-api:0.1
Serviço do Cloud Run
Permissão	--allow-unauthenticated

Para concluir esta seção, você precisa fazer o seguinte:

1. Acessar pet-theory/lab06/firebase-rest-api/solution-01
2. Criar e implantar o código no Google Container Registry
3. Implantar a imagem como um serviço do Cloud Run

Observação: implante seu serviço com uma única instância para não exceder o limite para as instâncias do Cloud Run.

4. Acessar o Cloud Run, clicar em e copiar o URL do serviço:

• SERVICE_URL=copy url from your
• curl -X GET $SERVICE_URL deve responder com: {"status":"Netflix Dataset! Make a query."}

Clique em Verificar meu progresso para conferir se você executou a tarefa. Implantar e testar a API REST

Tarefa 4: acessar a API Firestore

Neste cenário, implante uma revisão atualizada do código para acessar o banco de dados do Firestore.

Este diagrama de alto nível resume a arquitetura geral:

Implante a revisão 0.2 do Cloud Run

Campo	Valor
Imagem do Container Registry	rest-api:0.2
Serviço do Cloud Run
Permissão	--allow-unauthenticated

Para concluir esta seção, você precisa fazer o seguinte:

1. Acessar pet-theory/lab06/firebase-rest-api/solution-02
2. Criar o aplicativo atualizado
3. Usar o Cloud Build para marcar e implantar a revisão de imagem no Container Registry
4. Implantar a nova imagem como um serviço do Cloud Run

Observação: implante seu serviço com uma única instância para não exceder o limite para as instâncias do Cloud Run.

5. Acessar o Cloud Run, clicar em e copiar o URL do serviço:

• SERVICE_URL=copy url from your
• curl -X GET $SERVICE_URL/2019 deve responder com um conjunto de dados JSON

Clique em Verificar meu progresso para conferir se você executou a tarefa. Implantar e testar a API REST

Tarefa 5: Implante o front-end de preparo

Neste cenário, implante o front-end de preparo.

Este diagrama de alto nível resume a arquitetura geral:

Implante o front-end

Campo	Valor
REST_API_SERVICE	URL do serviço da API REST
Imagem do Container Registry	frontend-staging:0.1
Serviço do Cloud Run

Para concluir esta seção, você precisa fazer o seguinte:

1. Acessar pet-theory/lab06/firebase-frontend
2. Criar o aplicativo de preparo de front-end
3. Usar o Cloud Build para marcar e implantar a revisão de imagem no Container Registry
4. Implantar a nova imagem como um serviço do Cloud Run

Observação: implante seu serviço com uma única instância para não exceder o limite para as instâncias do Cloud Run.

5. Implementar o acesso de front-end à API REST e ao banco de dados do Firestore
6. Acessar o URL do serviço de front-end

Observação: um conjunto de dados de demonstração é usado para as entradas na tela.

Clique em Verificar meu progresso para conferir se você executou a tarefa. Implante o front-end de teste

Tarefa 6: Implante o front-end de produção

Neste cenário, atualize o front-end de preparo para usar o banco de dados do Firestore.

Este diagrama de alto nível resume a arquitetura geral:

Implante o front-end

Campo	Valor
REST_API_SERVICE	URL do serviço da API REST
Imagem do Container Registry	frontend-production:0.1
Serviço do Cloud Run

Para concluir esta seção, você precisa fazer o seguinte:

1. Acessar pet-theory/lab06/firebase-frontend/public
2. Atualizar o aplicativo de front-end, como app.js, para usar a API REST
3. Anexar o ano ao SERVICE_URL
4. Usar o Cloud Build para marcar e implantar a revisão de imagem no Container Registry
5. Implantar a nova imagem como um serviço do Cloud Run Observação: implante seu serviço com uma única instância para não exceder o limite para as instâncias do Cloud Run.
6. Implementar o acesso de front-end à API REST e ao banco de dados do Firestore

Agora que os serviços foram implantados, você poderá conferir o conteúdo do banco de dados do Firestore usando o serviço de front-end.

Clique em Verificar meu progresso para conferir se você executou a tarefa. Implantar o front-end de produção

Parabéns!

Parabéns! Neste laboratório, você criou e preencheu um banco de dados do Firestore, criou uma API REST e implantou um aplicativo de front-end que interage com o banco de dados do Firestore e a API REST. Você também aprendeu a implantar um aplicativo de front-end de teste e de produção.

Conquiste seu próximo selo de habilidade

Este laboratório autoguiado faz parte do curso Develop Serverless Apps with Firebase. Ao concluir o curso, você ganha o selo acima como reconhecimento pela sua conquista. Compartilhe o selo no seu currículo e nas redes sociais e use #GoogleCloudBadge para anunciar sua conquista.

Treinamento e certificação do Google Cloud

Esses treinamentos ajudam você a aproveitar as tecnologias do Google Cloud ao máximo. Nossas aulas incluem habilidades técnicas e práticas recomendadas para ajudar você a alcançar rapidamente o nível esperado e continuar sua jornada de aprendizado. Oferecemos treinamentos que vão do nível básico ao avançado, com opções de aulas virtuais, sob demanda e por meio de transmissões ao vivo para que você possa encaixá-las na correria do seu dia a dia. As certificações validam sua experiência e comprovam suas habilidades com as tecnologias do Google Cloud.

Manual atualizado em 22 de março de 2024

Laboratório testado em 5 de fevereiro de 2024

Copyright 2024 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de produtos e empresas podem ser marcas registradas das respectivas empresas a que estão associados.