Criação de conta gratuita na AWS. Configuração de ambiente local, setup de chaves e credenciais na máquina.

Você aprenderá sobre a motivação de aplicações serverless e suas principais limitações. Você criará uma API que analisa imagens e retorna detalhes da imagem para o cliente em Português.

Usamos o design pattern, Dependency Injection para desacoplar dependências de funções. O programa é configurado usando o serverless framework. Ele converte imagens para o tipo Buffer, e retorna os detalhes de cada imagem a partir do serviço AWS Rekognition e com a resposta, traduz os detalhes da imagem usando o serviço AWS Translate.

Usamos o design pattern, Decorator Pattern para criar middlewares de validação para que antes que qualquer função seja chamada, a validação da requisição aconteça evitando código replicado.

O projeto é composto por duas aplicações. Uma API que recebe dados de requisições e as guarda no DynamoDB. E a outra, observa alterações de streams em tabelas do DynamoDB para que quando uma nova inserção ou alteração aconteça, ele imprime o evento e informação recebida no CloudWatch. Como validador, você usará o Joi, poderosa ferramenta de validação de objeto que segue o padrão Fluent Validation e Builder Pattern.

Você aprenderá como dividir arquivos de configuração em JSON e YAML do serverless framework para dinamicamente escolher o arquivo correto de acordo com o ambiente.

O projeto consiste em um CRON JOB, uma função que é executada periodicamente conforme o ambiente escolhido. O programa obtém informações de um website específico, limpa seus dados em HTML usando cheerio, transforma em formato JSON e registra o conteúdo extraído no DynamoDB.

O capítulo consiste em três projetos onde, você aprenderá como reutilizar módulos do Node.js usando AWS Lambda Layers além de trabalhar com binários exclusivos do CentOS usando Docker.

O primeiro projeto te ensinará como reutilizar módulos do Node.js e configuração de artefatos usando serverless framework. O segundo, como utilizar os gerenciador de pacotes yumda para baixar binários preparados para o runtime correto de suas funções, usando binários do Git, ImageMagick e jp2a. O terceiro projeto é uma Web API para criar memes onde edita imagens usando o pacote ImageMagick via linha de comando e as retorna em formato base64. Além de compilar pacotes node_modules via Docker e serverless framework além de validar requisições usando Joi.

O foco deste capítulo, é mostrar a variedade de ferramentas disponíveis para aumentar sua produtividade em aplicações serverless e diminuir seu custo. Também demonstra como fazer download e processamento de arquivos sob demanda utilizando Node.js Streams usando técnicas avançadas do Node.js.

O projeto deste capítulo observa arquivos e os envia à fila à medida que novos dados são lidos. Este, observa um bucket procurando por arquivos em formato csv no AWS S3. O programa faz download de arquivos sob demanda usando Node.js Streams, converte cada linha do csv para o formato JSON e adiciona o conteúdo à fila no AWS SQS para que cada linha do arquivo seja processada de forma individual.

O projeto usa o programa LocalStack para simular um ambiente de desenvolvimento com todos os principais serviços da AWS sendo executados localmente. O projeto é configurado em ambiente Docker com hot reload ativado usando docker-compose e Docker volumes, além de plugins do serverless framework como serv

Este capítulo tem como objetivo demonstrar técnicas avançadas para manipular dados no DynamoDB usando GraphQL, padrões de projeto além de organização de pastas padrão para seus projetos.

Este módulo é dividido em quatro aulas.

E sua primeira aula, você usará o LocalStack para ambiente de desenvolvimento com DynamoDB e configurará Seeders e Migrations para ambiente inicial a partir do plugin serverless-dynamodb.

Na segunda aula, você criará repositórios genéricos de acesso à bancos de dados usando o design pattern Generic Repository Pattern e os acessando a partir do pacote dynamoose. Todas as dependências do projeto serão gerenciadas a partir do design pattern Factory além de padronizar chamadas à serviços com o design pattern Dependency Injection.

Terceira aula, servirá para criar a camada de apresentação. Você aprenderá sobre o que é e para que serve GraphQL além de criar uma estrutura inteligente para merge de schemas, resolvers. A partir do pacote apollo-server-lambda v

Você aprenderá como configurar custom authorizers para validar requisições de usuários a partir de políticas de segurança além de injetar informações básicas de usuários no corpo de suas respectivas operações.

Você executará funções via shell de forma avançada e manipulará respostas de objetos usando comandos Unix específicos para manipulação de texto como jq, sed e tee. A partir de um middleware você criará uma função que obtém o token do cliente em formato JWT e valida as funções que o mesmo poderá acessar usando AWS IAM Policies além de inserir suas informações no request corrente do usuário. De acordo com o endpoint escolhido, seu autorizador validará se um usuário está apto ao acesso do recurso.

Você aprenderá como publicar uma aplicação frontend para que esta seja distribuída globalmente a partir de CDNs seguindo as premissas de aplicações serverless.

Você conhecerá sobre serverless components onde publicará uma aplicação React no AWS CloudFront e receberá uma URL com o conteúdo publicado, além de atualizar e remover seu website a qualquer momento.

Você criará um projeto para gerenciamento de API Keys de clientes a partir dos serviços de AWS API Gateway além de gerenciar uso e prevenção à ataques de APIs.

Este módulo é dividido em quatro aulas. Você aprenderá sobre conceitos de monetização de APIs e premissas para publicação de public APIs. A partir do serverless framework você definirá limites de uso para usuários de suas APIs, além de importar uma lista pré-definida de usuários ativos. Por fim, você aprenderá como visualizar status de APIs pelo dashboard do AWS API Gateway e via linha de comando gerenciando limites de acesso de API Keys sob demanda.

Este módulo tem como objetivo provisionar de bancos de dados serverless respeitando políticas e segurança na AWS além de introduzir o conceito de bancos de dados Serverless.

Este módulo é dividido em três aulas, onde você irá via linha de comando seguir todas as etapas obrigatórias para provisionar bancos de dados RDS Aurora Serverless além de usar linha de comando para realizar operações no MySQL. Você trabalhará com Subnet Groups, Security Groups e RDS Clusters além de gerenciar dados sensíveis usando o AWS SecretsManager. Em ambiente de desenvolvimento, você usará Docker para garantir que as features estão conforme o esperado para só então publicar funções que acessarão o banco de dados. Por fim, usará o pacote Sequelize para acesso ao banco de dados.

Este projeto tem como objetivo simular um ambiente real de alto processamento de dados a partir de arquivos usando containers serverless além do gerenciamento de dados sensíveis com AWS System Parameter: Parameter Store

Este capítulo é dividido em quatro projetos. Você entenderá primeiro a arquitetura do projeto proposto a partir do diagrama de ações do projeto.

Scheduler: Será uma função que será disparada quando novos relatórios forem adicionados à um bucket específico e agendará uma execução do serviço AWS Fargate adicionando metadados do arquivo para que sejam processados posteriormente

Worker: Você criará uma aplicação base configurada em ambiente Docker e então fará o deploy no AWS Fargate e em seguida agendará sua execução validando que a instância se auto-desligará após o projeto. Depois disso, você criará uma aplicação para gerenciamento de variáveis de ambiente de todos os projetos, guardando informações sobre instância dos containers, buckets do S3 e mais.Você proce