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 Desenvolvimento de apps sem servidor com o Firebase. Tudo pronto para começar o desafio?

Configuração e requisitos

Antes de clicar no botão Começar o Laboratório

Leia estas instruções. Os laboratórios são cronometrados e não podem ser pausados. O timer é ativado quando você clica em Iniciar 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, e 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 (recomendado) ou uma janela anônima do navegador. Isso evita conflitos entre sua conta pessoal e de estudante, o que poderia causar cobranças extras na sua conta pessoal.

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

Observação: use apenas a conta de estudante neste laboratório. Se usar outra conta do Google Cloud, você poderá receber cobranças nela.

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: criar 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	netflix-dataset-service
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 o serviço com uma única instância para não exceder o limite para as instâncias do Cloud Run.

4. Acesse o Cloud Run, clique em netflix-dataset-service e depois copie o URL do serviço:

• SERVICE_URL=copie o URL do serviço netflix-dataset-service
• 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	netflix-dataset-service
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 o serviço com uma única instância para não exceder o limite para as instâncias do Cloud Run.

5. Acesse o Cloud Run, clique em netflix-dataset-service e depois copie o URL do serviço:

• SERVICE_URL=copie o URL do serviço netflix-dataset-service
• 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: implantar 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	frontend-staging-service

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 o 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: implantar 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	frontend-production-service

Para concluir esta seção, você precisa fazer o seguinte:

1. Acessar pet-theory/lab06/firebase-frontend/public
2. Atualizar o aplicativo de front-end, por exemplo, 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 do selo de habilidade Desenvolvimento de apps sem servidor com o 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 2 de maio de 2024

Laboratório testado em 2 de maio de 2024

Copyright 2025 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.