gcp-cloud-architectProjete arquiteturas GCP para startups e empresas. Use ao projetar infraestrutura Google Cloud, implantar no GKE ou Cloud Run, configurar pipelines BigQuery, otimizar custos GCP ou migrar para GCP. Cobre Cloud Run, GKE, Cloud Functions, Cloud SQL, BigQuery e otimização de custos.
Independent GitHub snapshot · Automated classification · Original documentation governs
name: "gcp-cloud-architect" description: "Projete arquiteturas GCP para startups e empresas. Use ao projetar infraestrutura Google Cloud, implantar no GKE ou Cloud Run, configurar pipelines BigQuery, otimizar custos GCP ou migrar para GCP. Cobre Cloud Run, GKE, Cloud Functions, Cloud SQL, BigQuery e otimização de custos." agents:
Projete arquiteturas Google Cloud escaláveis e econômicas para startups e empresas com templates de infraestrutura como código.
Coletar especificações da aplicação:
- Tipo de aplicação (web app, mobile backend, pipeline de dados, SaaS)
- Usuários esperados e requisições por segundo
- Restrições de orçamento (limite de gasto mensal)
- Tamanho da equipe e nível de experiência com GCP
- Requisitos de conformidade (LGPD, ANVISA, SOC 2)
- Requisitos de disponibilidade (SLA, RPO/RTO)
Executar o designer de arquitetura para obter recomendações de padrão:
python scripts/architecture_designer.py --input requirements.json
Exemplo de saída:
{
"recommended_pattern": "serverless_web",
"service_stack": ["Cloud Storage", "Cloud CDN", "Cloud Run", "Firestore", "Identity Platform"],
"estimated_monthly_cost_usd": 30,
"pros": ["Low ops overhead", "Pay-per-use", "Auto-scaling", "No cold starts on Cloud Run min instances"],
"cons": ["Vendor lock-in", "Regional limitations", "Eventual consistency with Firestore"]
}
Selecionar dos padrões recomendados:
Veja references/architecture_patterns.md para especificações detalhadas dos padrões.
Ponto de verificação: Confirmar que o padrão recomendado corresponde à maturidade operacional da equipe e aos requisitos de conformidade antes de prosseguir para o Passo 3.
Analisar custos estimados e oportunidades de otimização:
python scripts/cost_optimizer.py --resources current_setup.json --monthly-spend 2000
Exemplo de saída:
{
"current_monthly_usd": 2000,
"recommendations": [
{ "action": "Right-size Cloud SQL db-custom-4-16384 to db-custom-2-8192", "savings_usd": 380, "priority": "high" },
{ "action": "Purchase 1-yr committed use discount for GKE nodes", "savings_usd": 290, "priority": "high" },
{ "action": "Move Cloud Storage objects >90 days to Nearline", "savings_usd": 75, "priority": "medium" }
],
"total_potential_savings_usd": 745
}
A saída inclui:
Use a Calculadora de Preços GCP para estimativas detalhadas.
Criar infraestrutura como código para o padrão selecionado:
python scripts/deployment_manager.py --app-name my-app --pattern serverless_web --region us-central1
Exemplo de saída Terraform HCL (Cloud Run + Firestore):
terraform {
required_providers {
google = {
source = "hashicorp/google"
version = "~> 5.0"
}
}
}
provider "google" {
project = var.project_id
region = var.region
}
variable "project_id" {
description = "GCP project ID"
type = string
}
variable "region" {
description = "GCP region"
type = string
default = "us-central1"
}
resource "google_cloud_run_v2_service" "api" {
name = "${var.environment}-${var.app_name}-api"
location = var.region
template {
containers {
image = "gcr.io/${var.project_id}/${var.app_name}:latest"
resources {
limits = {
cpu = "1000m"
memory = "512Mi"
}
}
env {
name = "FIRESTORE_PROJECT"
value = var.project_id
}
}
scaling {
min_instance_count = 0
max_instance_count = 10
}
}
}
resource "google_firestore_database" "default" {
project = var.project_id
name = "(default)"
location_id = var.region
type = "FIRESTORE_NATIVE"
}
Exemplo de implantação via gcloud CLI:
# Implantar serviço Cloud Run
gcloud run deploy my-app-api \
--image gcr.io/$PROJECT_ID/my-app:latest \
--region us-central1 \
--platform managed \
--allow-unauthenticated \
--memory 512Mi \
--cpu 1 \
--min-instances 0 \
--max-instances 10
# Criar banco de dados Firestore
gcloud firestore databases create --location=us-central1
Templates completos incluindo Cloud CDN, Identity Platform, IAM e Cloud Monitoring são gerados por
deployment_manager.pye também disponíveis emreferences/architecture_patterns.md.
Configurar implantação automatizada com Cloud Build ou GitHub Actions:
# cloudbuild.yaml
steps:
- name: 'gcr.io/cloud-builders/docker'
args: ['build', '-t', 'gcr.io/$PROJECT_ID/my-app:$COMMIT_SHA', '.']
- name: 'gcr.io/cloud-builders/docker'
args: ['push', 'gcr.io/$PROJECT_ID/my-app:$COMMIT_SHA']
- name: 'gcr.io/google.com/cloudsdktool/cloud-sdk'
entrypoint: gcloud
args:
- 'run'
- 'deploy'
- 'my-app-api'
- '--image=gcr.io/$PROJECT_ID/my-app:$COMMIT_SHA'
- '--region=us-central1'
- '--platform=managed'
images:
- 'gcr.io/$PROJECT_ID/my-app:$COMMIT_SHA'
# Conectar repositório e criar gatilho
gcloud builds triggers create github \
--repo-name=my-app \
--repo-owner=my-org \
--branch-pattern="^mainquot; \
--build-config=cloudbuild.yaml
Verificar configuração de segurança:
# Revisar vinculações IAM
gcloud projects get-iam-policy $PROJECT_ID --format=json
# Verificar permissões de conta de serviço
gcloud iam service-accounts list --project=$PROJECT_ID
# Verificar VPC Service Controls (se aplicável)
gcloud access-context-manager perimeters list --policy=$POLICY_ID
Lista de verificação de segurança:
Se a implantação falhar:
gcloud run services describe my-app-api --region us-central1
gcloud logging read "resource.type=cloud_run_revision" --limit=20
gcloud run deploy my-app-api --image gcr.io/$PROJECT_ID/my-app:latest --region us-central1
Causas comuns de falha:
--allow-unauthenticatedgcloud services enableRecomenda serviços GCP com base em requisitos de carga de trabalho.
python scripts/architecture_designer.py --input requirements.json --output design.json
Entrada: JSON com tipo de aplicação, escala, orçamento, necessidades de conformidade Saída: Padrão recomendado, stack de serviços, estimativa de custo, prós/contras
Analisa recursos GCP para economia de custos.
python scripts/cost_optimizer.py --resources inventory.json --monthly-spend 5000
Saída: Recomendações para:
Gera scripts de implantação gcloud CLI e configurações Terraform.
python scripts/deployment_manager.py --app-name my-app --pattern serverless_web --region us-central1
Saída: Scripts de implantação prontos para produção com:
Peça: "Projete um backend web serverless para um aplicativo móvel com 1000 usuários"
Resultado:
- Cloud Run para API (auto-scaling, sem cold start com min instances)
- Firestore para dados (pay-per-operation)
- Identity Platform para autenticação
- Cloud Storage + Cloud CDN para ativos estáticos
- Estimativa: $15-40/mês
Peça: "Projete uma arquitetura escalável para uma plataforma SaaS com 50k usuários"
Resultado:
- GKE Autopilot para cargas de trabalho em container
- Cloud SQL (PostgreSQL) com réplicas de leitura
- Memorystore (Redis) para cache de sessão
- Cloud CDN para entrega global
- Cloud Build para CI/CD
- Implantação multi-zona
Peça: "Projete um pipeline de analytics em tempo real para dados de eventos"
Resultado:
- Pub/Sub para ingestão de eventos
- Dataflow (Apache Beam) para processamento de stream
- BigQuery para analytics e warehouse
- Looker para dashboards
- Cloud Functions para transformações leves
Peça: "Projete uma plataforma de machine learning para treinamento e servindo de modelos"
Resultado:
- Vertex AI para treinamento e predição
- Cloud Storage para datasets e artefatos de modelo
- BigQuery para feature store
- Cloud Functions para gatilhos de pré-processamento
- Cloud Monitoring para detecção de drift de modelo
Fornecer estes detalhes para o design de arquitetura:
| Requisito | Descrição | Exemplo |
|---|---|---|
| Tipo de aplicação | O que você está construindo | Plataforma SaaS, mobile backend |
| Escala esperada | Usuários, requisições/seg | 10k usuários, 100 RPS |
| Orçamento | Limite mensal GCP | $500/mês máximo |
| Contexto da equipe | Tamanho, experiência GCP | 3 devs, intermediário |
| Conformidade | Necessidades regulatórias | ANVISA, LGPD, SOC 2 |
| Disponibilidade | Requisitos de uptime | SLA 99.9%, 1hr RPO |
Formato JSON:
{
"application_type": "saas_platform",
"expected_users": 10000,
"requests_per_second": 100,
"budget_monthly_usd": 500,
"team_size": 3,
"gcp_experience": "intermediate",
"compliance": ["SOC2"],
"availability_sla": "99.9%"
}
| Anti-Padrão | Por que Falha | Abordagem Correta |
|---|---|---|
| Usar VPC padrão para produção | Sem isolamento, regras de firewall compartilhadas | Criar VPC personalizada com subnets privadas |
| Superprovisionamento de node pools GKE | Custo desperdiçado em capacidade ociosa | Use GKE Autopilot ou cluster autoscaler |
| Armazenar segredos em variáveis de ambiente | Visível no Console Cloud, logs | Use Secret Manager com Workload Identity |
| Ignorar descontos por uso sustentado | Perder 20-30% de economia automática | Dimensionar corretamente VMs para uso de linha de base consistente |
| Implantação em região única para SaaS | Uma interrupção de região = downtime total | Multi-região com Cloud Load Balancing |
| BigQuery on-demand para cargas pesadas | Custos imprevisíveis em escala | Use slots BigQuery (taxa fixa) para cargas de trabalho consistentes |
| Executar Cloud Functions para tarefas longas | Timeout de 9 minutos, cold starts | Use Cloud Run para tarefas > 60 segundos |
| Skill | Relação |
|---|---|
engineering-team/aws-solution-architect | Equivalente AWS — mesmo fluxo de trabalho de 6 passos, serviços diferentes |
engineering-team/azure-cloud-architect | Equivalente Azure — completa a trifeta de nuvem |
engineering-team/senior-devops | Escopo DevOps mais amplo — pipelines, monitoramento, containerização |
engineering/terraform-patterns | Implementação de IaC — use para módulos Terraform direcionados ao GCP |
engineering/ci-cd-pipeline-builder | Construção de pipeline — automatiza Cloud Build e implantação |
| Documento | Conteúdo |
|---|---|
references/architecture_patterns.md | 6 padrões: serverless, microsserviços GKE, three-tier, pipeline de dados, plataforma ML, multi-região |
references/service_selection.md | Matrizes de decisão para computação, banco de dados, armazenamento, mensageria |
references/best_practices.md | Nomenclatura, labels, IAM, rede, monitoramento, recuperação de desastre |