<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Rafael Gustavo on Medium]]></title>
        <description><![CDATA[Stories by Rafael Gustavo on Medium]]></description>
        <link>https://medium.com/@rafaelsilva1794?source=rss-493a59ce8e06------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*Ub1an2EQFXa9d7BiInXccA.jpeg</url>
            <title>Stories by Rafael Gustavo on Medium</title>
            <link>https://medium.com/@rafaelsilva1794?source=rss-493a59ce8e06------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sat, 21 Nov 2026 14:47:31 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@rafaelsilva1794/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Migrando seus workloads com OADP-OPERATOR da Red Hat!]]></title>
            <link>https://medium.com/@rafaelsilva1794/migrando-seus-workloads-com-oadp-operator-e9689b90578f?source=rss-493a59ce8e06------2</link>
            <guid isPermaLink="false">https://medium.com/p/e9689b90578f</guid>
            <dc:creator><![CDATA[Rafael Gustavo]]></dc:creator>
            <pubDate>Fri, 17 Apr 2026 22:39:25 GMT</pubDate>
            <atom:updated>2026-04-19T01:55:48.405Z</atom:updated>
            <content:encoded><![CDATA[<p>Quando falamos em migração de clusters OpenShift, logo vem à cabeça a pergunta: <em>“como vamos migrar todos os workloads?”</em>. A primeira tecnologia que normalmente pensamos é o <strong>Velero</strong>, e a Red Hat disponibiliza o <strong>oadp-operator</strong> justamente para esse trabalho.</p><p>No entanto, ao utilizá-lo, nos deparamos com os mesmos problemas enfrentados anteriormente com o <strong>MTC (Migration Toolkit for Containers)</strong>: ambos acabam perdendo objetos durante o backup no S3 e no respectivo processo de restore. Felizmente, esse problema tem solução!</p><p>Para resolver esse tipo de problema vi que não podemos utilizar o yaml de backup e de restore padrão:</p><pre>BACKUP:<br><br>apiVersion: velero.io/v1<br>kind: Backup<br>metadata:<br>  name: nome-do-namespace<br>  namespace: openshift-adp<br>spec:<br>  includedNamespaces:<br>    - nome-do-namespace<br>  snapshotVolumes: true<br>  ttl: 720h<br><br>RESTORE:<br><br>apiVersion: velero.io/v1<br>kind: Restore<br>metadata:<br>  name: nome-do-namespace<br>  namespace: openshift-adp<br>spec:<br>  backupName: nome-do-namespace<br>  restorePVs: true</pre><p>Desta maneira acima as cópias apresentam gaps dos objetos!</p><p>Portanto vou mostrar a melhor maneira para que isso não ocorra, incluindo todos os objetos tanto no backup quanto no restore:</p><pre>BACKUP:<br><br>apiVersion: velero.io/v1<br>kind: Backup<br>metadata:<br>  name: nome-do-namespace<br>  namespace: openshift-adp<br>spec:<br>  includedNamespaces:<br>    - nome-do-namespace<br>  includedResources:<br>    - pods<br>    - services<br>    - routes<br>    - deployments<br>    - deploymentconfigs<br>    - replicasets<br>    - serviceaccounts<br>    - roles<br>    - rolebindings<br>    - clusterroles<br>    - clusterrolebindings<br>    - configmaps<br>    - secrets<br>    - persistentvolumeclaims<br>  snapshotVolumes: true<br>  ttl: 720h<br><br>RESTORE:<br><br>apiVersion: velero.io/v1<br>kind: Restore<br>metadata:<br>  name: nome-do-namespace<br>  namespace: openshift-adp<br>spec:<br>  backupName: nome-do-namespace<br>  restorePVs: false<br>  includedResources:<br>    - deployments<br>    - deploymentconfigs<br>    - replicasets<br>    - serviceaccounts<br>    - roles<br>    - rolebindings<br>    - clusterroles<br>    - clusterrolebindings<br>    - configmaps<br>    - secrets<br>    - services<br>    - routes</pre><p>Desta maneira validei que não houve perda de objetos, para utilizar o OADP-OPERATOR basta criar o DataProtectionApplication “DPA” no cluster origem e no cluster destino seguindo os yamls abaixo:</p><pre>CLUSTER DESTINO:<br><br>apiVersion: oadp.openshift.io/v1alpha1<br>kind: DataProtectionApplication<br>metadata:<br>  name: dpa-destino<br>  namespace: openshift-adp<br>spec:<br>  backupLocations:<br>    - velero:<br>        config:<br>          insecureSkipTLSVerify: &#39;true&#39;<br>          region: vmware-s3<br>          s3ForcePathStyle: &#39;true&#39;<br>          s3Url: &#39;https://s3 URL&#39;<br>        credential:<br>          key: cloud<br>          name: cloud-credentials &lt;- secret com o acesso ao bucket<br>        default: true<br>        objectStorage:<br>          bucket: s3-migration<br>          prefix: origem<br>        provider: aws<br>  configuration:<br>    velero:<br>      defaultPlugins:<br>        - openshift<br>        - aws<br>        - csi<br>      disableFsBackup: false<br>  logFormat: text<br>  snapshotLocations:<br>    - velero:<br>        config:<br>          region: vmware-s3<br>        provider: aws<br><br>CLUSTER ORIGEM:<br><br>apiVersion: oadp.openshift.io/v1alpha1<br>kind: DataProtectionApplication<br>metadata:<br>  name: dpa-origem<br>  namespace: openshift-adp<br>spec:<br>  backupLocations:<br>  - velero:<br>      config:<br>        insecureSkipTLSVerify: &quot;true&quot;<br>        region: vmware-s3<br>        s3ForcePathStyle: &quot;true&quot;<br>        s3Url: https://&quot;s3 URL&quot;<br>      credential:<br>        key: cloud<br>        name: cloud-credentials  &lt;- secret com acesso ao bucket.<br>      default: true<br>      objectStorage:<br>        bucket: s3-migration<br>        prefix: origem<br>      provider: aws<br>  configuration:<br>    restic:<br>      enable: false<br>    velero:<br>      defaultPlugins:<br>      - openshift<br>      - aws<br>      - csi<br>  snapshotLocations:<br>  - velero:<br>      config:<br>        region: vmware-<br>      provider: aws</pre><p>Cuidado com a quantidade de objetos por namespace, isso causa perda na transferencia dos arquivos, para casos assim… faça uma segregação dos includedResources no backup e no restore.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=e9689b90578f" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Subindo o LLaMA 3 com UI em Docker]]></title>
            <link>https://medium.com/@rafaelsilva1794/subindo-o-llama-3-com-ui-em-docker-1aed8057de54?source=rss-493a59ce8e06------2</link>
            <guid isPermaLink="false">https://medium.com/p/1aed8057de54</guid>
            <dc:creator><![CDATA[Rafael Gustavo]]></dc:creator>
            <pubDate>Thu, 03 Jul 2025 12:47:10 GMT</pubDate>
            <atom:updated>2025-07-03T14:53:51.474Z</atom:updated>
            <content:encoded><![CDATA[<p>Hoje venho trazer este ponto interessante sobre IA, muitas vezes utilizamos mas não procuramos entender como funciona de fato. Desta forma eu fiz a instalação localmente em meu notebook do modelo LLM LLaMA 3 em docker e com uma ajudinha do chatpt eu criei uma interface em python utilizando FastAPI e HTML/CSS no frontend.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7QtaHxvtI8MlLKBI8YlLyA.png" /></figure><p>A UI faz uma chamada api no LLM, desta forma precisei criar uma rede interna do docker para que a chamada fosse executada com sucesso:</p><pre>docker network create minha-rede</pre><p>Com a rede “minha-rede” eu mando subir os containers setando ela desta forma:</p><pre>LLM:<br>docker run -d --name ollama --network minha-rede -p 11434:11434 -v ollama:/root/.ollama ollama/ollama<br><br>UI:<br>docker run -d --name ui --network minha-rede -p 8000:8000 minha-ui</pre><p>Porém antes é necessário ter o Docker Desktop instalado em seu pc/notebook ou em um servidor usando um docker ou um podman.</p><p>Se executar o docker run acima para o LLM vai baixar a imagem e subir o modelo LLAMA3.</p><p>Já para a UI é necessário buildar uma imagem, vou mostrar abaixo como fazer:</p><pre>criei uma pasta chamada:<br>/home/rafinha/LLM<br>Dentro dela temos:<br>-rw-r--r-- 1 rafinha rafinha  202 Jul  2 16:41 Dockerfile<br>-rw-r--r-- 1 rafinha rafinha   65 Jul  2 16:49 requirements.txt<br>-rw-r--r-- 1 rafinha rafinha  995 Jul  2 18:37 main.py<br>drwxr-xr-x 2 rafinha rafinha 4096 Jul  2 19:15 templates</pre><p>Dockerfile:</p><pre>FROM python:3.10-slim      #python<br><br>WORKDIR /app                       #app subirá no /app<br><br>COPY requirements.txt .  #instalação das libs do python declarada em requirements.txt<br>RUN pip install --no-cache-dir -r requirements.txt      <br><br>COPY . .<br><br>EXPOSE 8000                       #UI exposta na porta 8000<br>CMD [&quot;uvicorn&quot;, &quot;main:app&quot;, &quot;--host&quot;, &quot;0.0.0.0&quot;, &quot;--port&quot;, &quot;8000&quot;]</pre><p>Requirements.txt:</p><pre>fastapi<br>uvicorn[standard]<br>httpx<br>jinja2<br>python-multipart<br>requests</pre><p>Main.py “backend”:</p><pre>from fastapi import FastAPI, Request, Form<br>from fastapi.templating import Jinja2Templates<br>from fastapi.responses import JSONResponse<br>import requests<br><br>app = FastAPI()<br>templates = Jinja2Templates(directory=&quot;templates&quot;)<br><br>OLLAMA_URL = &quot;http://ollama:11434/api/generate&quot;  # Ajuste o host se necessário<br>TIMEOUT = 120  # Timeout maior (segundos)<br><br>@app.get(&quot;/&quot;)<br>async def home(request: Request):<br>    return templates.TemplateResponse(&quot;index.html&quot;, {&quot;request&quot;: request})<br><br>@app.post(&quot;/query&quot;)<br>async def query(request: Request, prompt: str = Form(...)):<br>    try:<br>        payload = {<br>            &quot;model&quot;: &quot;llama3&quot;,<br>            &quot;prompt&quot;: prompt,<br>            &quot;stream&quot;: False<br>        }<br>        response = requests.post(OLLAMA_URL, json=payload, timeout=TIMEOUT)<br>        response.raise_for_status()<br>        data = response.json()<br>        answer = data.get(&quot;response&quot;, &quot;[sem resposta]&quot;)<br>    except Exception as e:<br>        answer = f&quot;Erro ao consultar o modelo: {e}&quot;<br>    return JSONResponse({&quot;answer&quot;: answer})</pre><p>templates/index.html “frontend”:</p><pre>&lt;!DOCTYPE html&gt;<br>&lt;html lang=&quot;pt-br&quot;&gt;<br>&lt;head&gt;<br>  &lt;meta charset=&quot;UTF-8&quot; /&gt;<br>  &lt;title&gt;Helper.AI&lt;/title&gt;<br>  &lt;meta name=&quot;viewport&quot; content=&quot;width=device-width, initial-scale=1&quot; /&gt;<br>  &lt;link href=&quot;https://cdn.jsdelivr.net/npm/bootstrap@5.3.3/dist/css/bootstrap.min.css&quot; rel=&quot;stylesheet&quot;&gt;<br>  &lt;style&gt;<br>    body {<br>      background-color: #1e1e2f;<br>      color: #f1f1f1;<br>      font-family: &#39;Segoe UI&#39;, sans-serif;<br>      margin: 0;<br>      display: flex;<br>      height: 100vh;<br>      overflow: hidden;<br>    }<br><br>    .sidebar {<br>      width: 250px;<br>      background-color: #12121d;<br>      padding: 20px;<br>      overflow-y: auto;<br>      border-right: 1px solid #2a2a3d;<br>    }<br><br>    .sidebar h2 {<br>      font-size: 1.4rem;<br>      margin-bottom: 20px;<br>      color: #00bfff;<br>    }<br><br>    .history-item {<br>      background-color: #2a2a3d;<br>      border: none;<br>      color: #f1f1f1;<br>      text-align: left;<br>      width: 100%;<br>      padding: 10px;<br>      margin-bottom: 8px;<br>      border-radius: 6px;<br>      cursor: pointer;<br>      font-size: 0.9rem;<br>    }<br><br>    .main {<br>      flex: 1;<br>      display: flex;<br>      flex-direction: column;<br>      height: 100vh;<br>      overflow: hidden;<br>    }<br><br>    .chat-container {<br>      flex: 1;<br>      padding: 20px;<br>      overflow-y: auto;<br>    }<br><br>    .message {<br>      max-width: 70%;<br>      margin-bottom: 15px;<br>      padding: 10px 15px;<br>      border-radius: 12px;<br>      position: relative;<br>      word-wrap: break-word;<br>      white-space: pre-wrap;<br>    }<br><br>    .user-msg {<br>      align-self: flex-end;<br>      background-color: #007bff;<br>      color: white;<br>    }<br><br>    .bot-msg {<br>      align-self: flex-start;<br>      background-color: #333;<br>      border: 1px solid #444;<br>    }<br><br>    .msg-row {<br>      display: flex;<br>      align-items: flex-start;<br>    }<br><br>    .msg-row.user { flex-direction: row-reverse; }<br>    .msg-row.user .avatar { margin-left: 8px; margin-right: 0; }<br><br>    .avatar {<br>      width: 28px;<br>      height: 28px;<br>      border-radius: 50%;<br>      margin-right: 8px;<br>      object-fit: cover;<br>    }<br><br>    .input-area {<br>      display: flex;<br>      padding: 15px;<br>      background-color: #2a2a3d;<br>      border-top: 1px solid #333;<br>    }<br><br>    .input-area textarea {<br>      flex: 1;<br>      resize: none;<br>      border-radius: 8px;<br>      border: none;<br>      padding: 10px;<br>      background-color: #1f1f2e;<br>      color: #f1f1f1;<br>      height: 50px;<br>    }<br><br>    .input-area button {<br>      margin-left: 10px;<br>    }<br><br>    #loading {<br>      display: none;<br>      text-align: center;<br>      margin-bottom: 10px;<br>      font-style: italic;<br>    }<br>  &lt;/style&gt;<br>&lt;/head&gt;<br>&lt;body&gt;<br>  &lt;div class=&quot;sidebar&quot;&gt;<br>    &lt;h2&gt;Helper.AI&lt;/h2&gt;<br>    &lt;div id=&quot;historyList&quot;&gt;&lt;/div&gt;<br>  &lt;/div&gt;<br><br>  &lt;div class=&quot;main&quot;&gt;<br>    &lt;div class=&quot;chat-container&quot; id=&quot;chat&quot;&gt;&lt;/div&gt;<br>    &lt;div id=&quot;loading&quot;&gt;⏳ Pensando...&lt;/div&gt;<br><br>    &lt;form class=&quot;input-area&quot; id=&quot;chatForm&quot;&gt;<br>      &lt;textarea id=&quot;promptInput&quot; rows=&quot;1&quot; placeholder=&quot;Digite sua pergunta...&quot; required&gt;&lt;/textarea&gt;<br>      &lt;button type=&quot;submit&quot; class=&quot;btn btn-primary&quot;&gt;Enviar&lt;/button&gt;<br>    &lt;/form&gt;<br>  &lt;/div&gt;<br><br>  &lt;script&gt;<br>    const form = document.getElementById(&#39;chatForm&#39;);<br>    const chat = document.getElementById(&#39;chat&#39;);<br>    const input = document.getElementById(&#39;promptInput&#39;);<br>    const loading = document.getElementById(&#39;loading&#39;);<br>    const historyList = document.getElementById(&#39;historyList&#39;);<br><br>    function appendMessage(text, sender = &#39;bot&#39;) {<br>      const msgRow = document.createElement(&#39;div&#39;);<br>      msgRow.className = `msg-row ${sender}`;<br><br>      const avatar = document.createElement(&#39;img&#39;);<br>      avatar.className = &#39;avatar&#39;;<br>      avatar.src = sender === &#39;user&#39;<br>        ? &#39;https://api.dicebear.com/7.x/personas/svg?seed=User&#39;<br>        : &#39;https://api.dicebear.com/7.x/bottts/svg?seed=AI&#39;;<br><br>      const message = document.createElement(&#39;div&#39;);<br>      message.className = `message ${sender === &#39;user&#39; ? &#39;user-msg&#39; : &#39;bot-msg&#39;}`;<br>      message.textContent = text;<br><br>      msgRow.appendChild(avatar);<br>      msgRow.appendChild(message);<br>      chat.appendChild(msgRow);<br>      chat.scrollTop = chat.scrollHeight;<br>    }<br><br>    function saveToHistory(question, answer) {<br>      const history = JSON.parse(localStorage.getItem(&#39;chatHistory&#39;) || &#39;[]&#39;);<br>      history.unshift({ question, answer });<br>      localStorage.setItem(&#39;chatHistory&#39;, JSON.stringify(history));<br>      renderHistory();<br>    }<br><br>    function renderHistory() {<br>      historyList.innerHTML = &#39;&#39;;<br>      const history = JSON.parse(localStorage.getItem(&#39;chatHistory&#39;) || &#39;[]&#39;);<br>      history.slice(0, 20).forEach((item, index) =&gt; {<br>        const btn = document.createElement(&#39;button&#39;);<br>        btn.className = &#39;history-item&#39;;<br>        btn.textContent = item.question.slice(0, 40) + (item.question.length &gt; 40 ? &#39;...&#39; : &#39;&#39;);<br>        btn.onclick = () =&gt; {<br>          chat.innerHTML = &#39;&#39;;<br>          appendMessage(item.question, &#39;user&#39;);<br>          appendMessage(item.answer, &#39;bot&#39;);<br>        };<br>        historyList.appendChild(btn);<br>      });<br>    }<br><br>    form.addEventListener(&#39;submit&#39;, async (e) =&gt; {<br>      e.preventDefault();<br>      const prompt = input.value.trim();<br>      if (!prompt) return;<br><br>      appendMessage(prompt, &#39;user&#39;);<br>      input.value = &#39;&#39;;<br>      loading.style.display = &#39;block&#39;;<br><br>      try {<br>        const formData = new FormData();<br>        formData.append(&#39;prompt&#39;, prompt);<br><br>        const res = await fetch(&#39;/query&#39;, {<br>          method: &#39;POST&#39;,<br>          body: formData<br>        });<br><br>        const data = await res.json();<br>        appendMessage(data.answer, &#39;bot&#39;);<br>        saveToHistory(prompt, data.answer);<br>      } catch (err) {<br>        appendMessage(&#39;⚠️ Erro na requisição: &#39; + err.message, &#39;bot&#39;);<br>      } finally {<br>        loading.style.display = &#39;none&#39;;<br>      }<br>    });<br><br>    input.addEventListener(&#39;keydown&#39;, (e) =&gt; {<br>      if (e.key === &#39;Enter&#39; &amp;&amp; !e.shiftKey) {<br>        e.preventDefault();<br>        form.dispatchEvent(new Event(&#39;submit&#39;));<br>      }<br>    });<br><br>    renderHistory();<br>  &lt;/script&gt;<br>&lt;/body&gt;<br>&lt;/html&gt;</pre><p>desta forma, realizando os comandos de docker run subiremos as peças:</p><pre>Build:<br>no diretorio LLM:<br>docker build -t minha-ui .<br><br>#Após isso execute a subida dos containers:<br><br>LLM:<br>docker run -d --name ollama --network minha-rede -p 11434:11434 -v ollama:/root/.ollama ollama/ollama<br>UI:<br>docker run -d --name ui --network minha-rede -p 8000:8000 minha-ui</pre><p>Consumo após fazer uma pergunta:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*SPbSyEhpxMjPw6Iz4mhs5A.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Q0m1UVCazL9cKQbA99SGeA.png" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=1aed8057de54" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[KEDA: Escalabilidade Baseada em requests do prometheus]]></title>
            <link>https://medium.com/@rafaelsilva1794/keda-escalabilidade-baseada-em-requests-do-prometheus-566c4600c17d?source=rss-493a59ce8e06------2</link>
            <guid isPermaLink="false">https://medium.com/p/566c4600c17d</guid>
            <dc:creator><![CDATA[Rafael Gustavo]]></dc:creator>
            <pubDate>Fri, 27 Jun 2025 13:13:16 GMT</pubDate>
            <atom:updated>2025-06-27T13:19:24.239Z</atom:updated>
            <content:encoded><![CDATA[<p>Este sem dúvidas é o melhor jeito de escalar sua aplicação no kubernetes, usando as métricas do prometheus para realizar o escalonamento dos pods baseando-se nos requests.</p><p>O meu teste está sendo realizado no OpenShift, realizei a instalação do operador do keda 2.17.2, desta forma, cada um pode encontrar a melhor query para a sua aplicação no prometheus, meu teste foi baseado no average “avg”.</p><p>Antes de entrar na Scaled Object, vamos explorar a query de exemplo:</p><ol><li>route=”teste-app1”: é o nome da rota da sua aplicação.</li><li>service=”router-xpto-interno”: é o nome do service do seu router.</li><li>code: qual código de retorno vai explorar, geralmente o status code 200.</li><li>1m: Retorno de 1 minuto de informações do prometheus.</li><li>Coloquei o response code 4xx pois está sendo a resposta do apache que subi.</li></ol><pre>avg(rate(haproxy_backend_http_responses_total{route=&quot;teste-app1&quot;,service=&quot;router-xpto-interno&quot;,code=&quot;4xx&quot;}[1m]))</pre><p>O Scaled Object completo abaixo:</p><pre>apiVersion: keda.sh/v1alpha1<br>kind: ScaledObject<br>metadata:<br>  finalizers:<br>    - finalizer.keda.sh<br>  labels:<br>    scaledobject.keda.sh/name: prometheus-teste-app1<br>  name: prometheus-teste-app1<br>  namespace: default<br>spec:<br>  cooldownPeriod: 60     #60 segundos de espera para desmobilizar os pods ociosos<br>  maxReplicaCount: 10  #chegar até 10 pods<br>  minReplicaCount: 1    #minimo 1<br>  scaleTargetRef:<br>    apiVersion: apps/v1<br>    kind: Deployment<br>    name: teste-app1<br>  triggers:<br>    - authenticationRef:<br>        name: keda-trigger-auth-teste-app1<br>      metadata:<br>        authModes: bearer<br>        metricName: http_200_responses<br>        namespace: default<br>        query: &gt;-<br>          avg(rate(haproxy_backend_http_responses_total{route=&quot;teste-app1&quot;,service=&quot;NOME DO INGRESS CONTROLLER DO SEU ROUTER&quot;,code=&quot;4xx&quot;}[1m]))<br>        serverAddress: &gt;-<br>          https://thanos-xpto.svc:9091<br>        threshold: &#39;5&#39;                #5 TPS de requisções é o treshold<br>      type: prometheus</pre><p>Vamos iniciar as chamadas:</p><pre>oc get pod |grep teste-cma<br>teste-cma-66f7db87dc-rjj4b                1/1     Running   0          13d</pre><p>Fazendo um curl no prometheus passando a query que coloquei no Scaled Object consigo ter o resultado médio das chamadas:</p><pre>curl -kgs -H &quot;Authorization: Bearer $TOKEN&quot; &#39;https://thanos-xpto.svc:9091/api/v1/query&#39; --data-urlencode &#39;query=avg(rate(haproxy_backend_http_responses_total{route=&quot;teste-app1&quot;,service=&quot;router-xpto-internal&quot;,code=&quot;4xx&quot;}[1m]))&#39;<br>{&quot;status&quot;:&quot;success&quot;,&quot;data&quot;:{&quot;resultType&quot;:&quot;vector&quot;,&quot;result&quot;:[{&quot;metric&quot;:{},&quot;value&quot;:[1750974282.485,&quot;12.82267775268302&quot;&quot;]}]}}</pre><p>Vemos que o resultado de “12.82267775268302&quot; é maior que o treshold que definimos, então os pods já vão ser escalados.</p><p>Com o treshold em 5 e a query do prometheus em average, indica que cada pod atingirá 5 tps “transação por segundo”, logo vai escalar até atingir o máximo que eu defini no Scaled Object.</p><pre>oc get events |grep teste-cma<br>5m21s       Normal    SuccessfulCreate             replicaset/teste-cma-66f7db87dc                                       Created pod: teste-cma-66f7db87dc-k4jdn<br>5m7s        Normal    SuccessfulCreate             replicaset/teste-cma-66f7db87dc                                       Created pod: teste-cma-66f7db87dc-9j66m<br>5m7s        Normal    SuccessfulCreate             replicaset/teste-cma-66f7db87dc                                       Created pod: teste-cma-66f7db87dc-gcghz<br>4m51s       Normal    SuccessfulCreate             replicaset/teste-cma-66f7db87dc                                       Created pod: teste-cma-66f7db87dc-bc66f<br>5m21s       Normal    ScalingReplicaSet            deployment/teste-cma                                                  Scaled up replica set teste-cma-66f7db87dc to 2 from 1<br>5m7s        Normal    ScalingReplicaSet            deployment/teste-cma                                                  Scaled up replica set teste-cma-66f7db87dc to 4 from 2<br>4m52s       Normal    ScalingReplicaSet            deployment/teste-cma                                                  Scaled up replica set teste-cma-66f7db87dc to 5 from 4<br>19m         Normal    ScalingReplicaSet            deployment/teste-cma                                                  Scaled down replica set teste-cma-66f7db87dc to 0 from 1<br>11m         Normal    ScalingReplicaSet            deployment/teste-cma                                                            Scaled up replica set teste-cma-66f7db87dc to 5 from 4                                                                    <br><br>oc get pod<br>teste-cma-66f7db87dc-9j66m                1/1     Running   0          5m34s<br>teste-cma-66f7db87dc-bc66f                1/1     Running   0          5m18s<br>teste-cma-66f7db87dc-gcghz                1/1     Running   0          5m34s<br>teste-cma-66f7db87dc-k4jdn                1/1     Running   0          5m48s<br>teste-cma-66f7db87dc-ljnfp                1/1     Running   0          12m</pre><p>Após paralizar as chamadas, com o cooldown de 60s os pods foram fazendo down scale até chegar ao minimo que defini de 1 pod.</p><pre>oc get pod<br>teste-cma-66f7db87dc-ljnfp</pre><p>Abaixo a imagem das chamadas feitas via curl e a paralização para que os pods voltassem a replica 1.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/933/1*7_wV6Has2UoOmV_nSukRyA@2x.jpeg" /></figure><p>Sobre o TriggerAuth segue um exemplo abaixo:</p><pre>apiVersion: keda.sh/v1alpha1<br>kind: TriggerAuthentication<br>metadata:<br>  name: keda-trigger-auth-teste-cma<br>  namespace: default<br>spec:<br>  secretTargetRef:<br>    - key: token<br>      name: thanos-token-xpto<br>      parameter: bearerToken<br>    - key: service-ca.crt<br>      name: thanos-token-xpto<br>      parameter: ca</pre><p>A secret do prometheus você deve criar no namespace da peça que deseja escalar.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=566c4600c17d" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[KEDA: Escalabilidade Baseada em horário]]></title>
            <link>https://medium.com/@rafaelsilva1794/keda-escalabilidade-baseada-em-hor%C3%A1rio-ca24119a6639?source=rss-493a59ce8e06------2</link>
            <guid isPermaLink="false">https://medium.com/p/ca24119a6639</guid>
            <dc:creator><![CDATA[Rafael Gustavo]]></dc:creator>
            <pubDate>Wed, 25 Jun 2025 15:05:42 GMT</pubDate>
            <atom:updated>2025-06-25T15:05:42.976Z</atom:updated>
            <content:encoded><![CDATA[<p>Falando ainda sobre o KEDA/CMA (Custom Metrics Autoscaler), existe um tipo muito interessante que permite escalarmos com base em horários específicos.</p><p>Se você tem um cenário em que ocorre um grande processamento em um horário determinado e deseja escalar os recursos apenas nesse período, o KEDA com o tipo “cron” é uma excelente opção. Ele permite definir janelas de tempo para aumentar ou reduzir a quantidade de réplicas, otimizando o uso de recursos de forma programada.</p><p>Segue abaixo um exemplo de como configurar seu ScaledObject:</p><pre>apiVersion: keda.sh/v1alpha1<br>kind: ScaledObject<br>metadata:<br>  name: horario-app-2<br>  namespace: namespace-xpto<br>  labels:<br>    scaledobject.keda.sh/name: horario-app-1<br>spec:<br>  cooldownPeriod: 10<br>  minReplicaCount: 4                    #VOLTAR PARA 4 <br>  pollingInterval: 30<br>  scaleTargetRef:<br>    name: app2<br>  triggers:<br>    - metadata:<br>        desiredReplicas: &#39;8&#39;             #SUBIR PARA 8<br>        end: 50 08 * * *                 #HORARIO DE BAIXAR<br>        start: 50 07 * * *               #HORARIO DE ESCALAR<br>        timezone: America/Sao_Paulo      #TIME ZONE DE SP<br>      type: cron                         #TIPO CRON &quot;AGENDAMENTO&quot;</pre><p>Desta forma temos o comportamento de subir a peça para 8 pods as 07h50 e de baixar a peça as 08h50 conforme as imagens abaixo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/690/1*OvYF5oJ5nkLshX2LaSUelQ@2x.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/689/1*YfPDFP1FLuy6JoIMddQTLA@2x.jpeg" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ca24119a6639" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[KEDA: Escalabilidade Baseada em Eventos de Mensagens]]></title>
            <link>https://medium.com/@rafaelsilva1794/keda-escalabilidade-baseada-em-eventos-de-mensagens-4f2628316424?source=rss-493a59ce8e06------2</link>
            <guid isPermaLink="false">https://medium.com/p/4f2628316424</guid>
            <dc:creator><![CDATA[Rafael Gustavo]]></dc:creator>
            <pubDate>Wed, 04 Jun 2025 12:32:10 GMT</pubDate>
            <atom:updated>2025-06-04T16:43:08.294Z</atom:updated>
            <content:encoded><![CDATA[<p>Partindo do princípio de que você já instalou o KEDA via Helm ou o operador do Metrics Autoscaler no OpenShift, quero te orientar na criação dos componentes necessários para que suas aplicações baseadas em eventos de mensagens possam escalar automaticamente para processá-las, utilizando um tópico no Kafka ou uma fila no RabbitMQ.</p><p>Imagine que sua aplicação processe mensagens na fila apenas esporadicamente ou por exemplo, seja um Logstash que consome dados de uma fila e os envia para o Elasticsearch. Esse é um excelente cenário para otimizar o uso da sua infraestrutura, evitando consumo excessivo de recursos e, ao mesmo tempo, aumentando a eficiência e a confiabilidade das suas aplicações.</p><p>No caso de um KAFKA sem autenticação, basta configurar o ScaledObject desta maneira:</p><pre>apiVersion: keda.sh/v1alpha1<br>kind: ScaledObject<br>metadata:<br>  name: scaled-object-app01<br>  namespace: XPTO-prod<br>  finalizers:<br>    - finalizer.keda.sh<br>  labels:<br>    scaledobject.keda.sh/name: scaled-object-app01<br>spec:<br>  cooldownPeriod: 60  #tempo antes de reduzir as replicas<br>  idleReplicaCount: 0<br>  maxReplicaCount: 10<br>  minReplicaCount: 0<br>  pollingInterval: 10 #verifica se tem mensagens no tópico<br>  scaleTargetRef:<br>    apiVersion: apps/v1<br>    kind: Deployment<br>    name: app01<br>  triggers:<br>    - metadata:<br>        allowIdleConsumers: &#39;true&#39; #allowIdleConsumers define se o KEDA deve considerar consumidores ociosos (ou seja, que estão conectados à fila mas não estão processando mensagens) como válidos para fins de escalonamento.<br>        bootstrapServers: kafka.teste.server:9092 #kafka server<br>        consumerGroup: consumer-TPC-TESTE #consumidor do topico<br>        lagThreshold: &#39;1&#39;                 #lag do topico<br>        offsetResetPolicy: latest   #define o comportamento do consumidor Kafka quando não há offset inicial armazenad<br>        topic: TPC-TESTE             #tópico<br>        version: 1.0.0<br>      type: kafka</pre><p>No caso de um RABBITMQ com senha, é necessário a criação de uma secret no namespace da aplicação e aí criamos um trigger authentication<br>que está referenciado no ScaledObject com o nome rabbitmq-trigger-auth:</p><pre>apiVersion: keda.sh/v1alpha1<br>kind: ScaledObject<br>metadata:<br>  name: rabbitmq-scaledobject<br>  namespace: XPTO-prod<br>spec:<br>  scaleTargetRef:<br>    name: APP01<br>  pollingInterval: 10     #verifica se tem mensagens na fila<br>  cooldownPeriod: 60      #tempo antes de reduzir as replicas<br>  minReplicaCount: 1<br>  maxReplicaCount: 10<br>  triggers:<br>    - type: rabbitmq<br>      metadata:<br>        queueName: TESTE_FILA    #nome da fila<br>        mode: QueueLength      #baseado no escalonamento por mensagens<br>        value: &quot;1000&quot;          #quantidade de mensagens   <br>      authenticationRef:<br>        name: rabbitmq-trigger-auth   #referencia a autenticacao do rabbit</pre><p>Este é um exemplo de um triggerAuthentication que faz menção a secret com o usuário e senha do rabbit:</p><pre>apiVersion: keda.sh/v1alpha1<br>kind: TriggerAuthentication<br>metadata:<br>  name: rabbitmq-trigger-auth<br>  namespace: XPTO-prod<br>spec:<br>  secretTargetRef:<br>    - parameter: host       #nome do parametro na secret criada para o rabbit <br>      name: rabbitmq-secret    #referencia a secret criada <br>      key: host               #acesso ao rabbit</pre><p>Crie a secret com as informações de conexão no namespace da aplicação:</p><pre>oc create secret generic rabbitmq-secret --from-literal=host=&quot;amqp://user:senha@rabbit.teste.com.br:5672/vhost&quot; -n XPTO-prod</pre><p>Quando configurado valide se foi com sucesso:</p><pre>oc get so<br>NAME                    SCALETARGETKIND      SCALETARGETNAME                      MIN   MAX   TRIGGERS   AUTHENTICATION          READY   ACTIVE   FALLBACK   PAUSED    AGE<br>rabbitmq-scaledobject   apps/v1.Deployment   app01                                 3     10    rabbitmq   rabbitmq-trigger-auth   True    False    False      Unknown   17h</pre><p>Caso não tenha o retorno desejado, valide suas configurações de ScaledObject, TriggerAuthentication e a sua secret, de um describe nas peças ou um “get events” para entender o erro.</p><p>Abaixo estão as 2 imagens que mostram a efetividade em um momento de pico, a quantidade de mensagens vs autoscale dos pods durante o período.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/786/1*JxXtu-1NnbHcksruL1aMcA@2x.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/463/1*5ddbOVUYKKF2UcjegX1TDQ@2x.jpeg" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4f2628316424" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>