Aprendendo AWS com LocalStack

Notificando finalização via Telegram (c/ SNS)

Fri, 11 Jul 2025 21:31:32 -0300

Mais um passo criado, desta vez com os seguintes itens:

Correção bug de processamento
Uso do AWS SNS (LocalStack)
Notificações no Telegram

Sua estrutura agora está assim:

.
├── create_services.sh
├── docker-compose.yaml
├── LICENSE
├── Passos.txt
├── README.md
├── services
│ ├── api
│ │ └── ... (envio de vídeos para processamento)
│ ├── notifier
│ │ └── ... (notificação via Telegram)
│ └── video_processor
│ └── ... (processamento de vídeo com OpenCV)
└── testes
 └── vídeos de exemplo

Correção do Bug

Vamos pelo mais fácil primeiro:

Realizando o processamento de vídeo

Wed, 09 Jul 2025 22:01:42 -0300

Lambda com LocalStack não deu bom, pelo menos por aqui 😅

Na versão community ele não permite criar lambdas a partir de um container.

Seguindo o que já construí até aqui

Agora o repositório possui a seguinte estrutura:

.
├── docker-compose.yaml
├── LICENSE
├── README.md
└── services
 ├── api
 │   ├── aws_utils.py
 │   ├── Dockerfile
 │   ├── docs
 │   │   └── algumas imagens aqui
 │   ├── example.env
 │   ├── main.py
 │   ├── README.md
 │   ├── requirements.txt
 │   └── settings.py
 └── video_processor
 ├── Dockerfile
 ├── example.env
 ├── main.py
 └── requirements.txt

Onde foi adicionado a pasta video_processor

[TUTORIAL] Usando Lambda com Localstack

Sun, 06 Jul 2025 09:28:13 -0300

Bom, para prossegui com o projeto, devo realizar o processamento dos vídeos, isso incluíra:

Pré-processamento
Extração de características
Detecção de faixas
Rastreamento de faixas

Para isso, pensei em usar Lambda para o processamento dos vídeos.

O LocalStack possui algumas limitações quanto a isso, por exemplo, não consegui criar uma Lambda com LocalStack usando uma imagem de container. Precisarei fazer com o arquivo zipado.

Vou mostrar o passo a passo, com duas formas, uma usando a interface da LocalStack e a outra via AWS-CLI com awslocal.

Criando a primeira API para upload de vídeos - S3 e SQS

Sat, 05 Jul 2025 14:38:07 -0300

Vamos começar com uma API com FastAPI para realizar upload de vídeos a um bucket S3 e inserir um item na fila para processamento com o SQS.

Primeiramente, tentei realizar com Django, pois conseguiria de forma simples e fácil, um sistema de autenticação e salvar os dados em banco de dados, não consegui, então vamos simplificar e fazer funcionar!

O segundo perrengue foi em decidir como executar a API, tentei usar EC2, mas na documentação da LocalStack diz que não está disponível na versão community, então, vamos usar docker para rodar!

O Projeto!

Sat, 28 Jun 2025 13:28:26 -0300

Aqui vou explicar o que será feito com AWS (simulada pelo LocalStack) e como vou estruturar esse projeto para aprender de forma prática.

Objetivo

Aprender de forma prática, enquanto estudo AWS para a certificação. Primeiramente usando LocalStack, e após migrando de fato para a AWS.

O projeto baseia-se em um trabalho do meu Mestrado em Ciência da Computação, que implementa o artigo:

Vision-Based Robust Lane Detection and Tracking in Challenging Conditions

O que é AWS e o que é LocalStack?

Fri, 27 Jun 2025 00:00:00 +0000

Para continuar minha evolução profissional, percebi que entender a AWS era fundamental. Procurando conteúdos sobre o assunto, descobri o LocalStack, uma forma de simular o ambiente AWS localmente.

O que é AWS?

A Amazon Web Services (AWS) é a maior plataforma de computação em nuvem do mundo. Ela oferece serviços sob demanda como:

Armazenamento de arquivos (S3)
Execução de funções sem servidor (Lambda)
Bancos de dados gerenciados (DynamoDB, RDS)
Criação de APIs (API Gateway)
Computação (EC2)

A AWS oferece 12 meses de uso gratuitos, mas se posso testar localmente antes… por que não?

Sobre

Fri, 27 Jun 2025 00:00:00 +0000

Olá! Sou o Lucas Lima Fernandes.

Sou desenvolvedor de software, atualmente cursando Mestrado em Ciência da Computação pela UFRGS, com foco em Visão Computacional, Processamento de Imagens e Reconhecimento de Padrões.

Minha trajetória começou na Administração de Empresas, mas foi minha paixão por resolver problemas lógicos e otimizar processos que me levou à transição para a área de tecnologia.

Hoje atuo com desenvolvimento backend em Python e Go, com foco em aplicações distribuídas, automação de processos, processamento de dados e algoritmos de classificação.