gcp-cloud-architect

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	["claude-code"]

GCP Cloud Architect

Projete arquiteturas Google Cloud escaláveis e econômicas para startups e empresas com templates de infraestrutura como código.

---

Fluxo de Trabalho

Passo 1: Coletar Requisitos

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)

Passo 2: Projetar Arquitetura

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:

• Serverless Web: Cloud Storage + Cloud CDN + Cloud Run + Firestore
• Microsserviços no GKE: GKE Autopilot + Cloud SQL + Memorystore + Cloud Pub/Sub
• Pipeline de Dados Serverless: Pub/Sub + Dataflow + BigQuery + Looker
• Plataforma ML: Vertex AI + Cloud Storage + BigQuery + Cloud Functions

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.

Passo 3: Estimar Custos

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:

• Detalhamento de custos mensais por serviço
• Recomendações de dimensionamento correto
• Oportunidades de desconto por uso comprometido
• Análise de desconto por uso sustentado
• Economia mensal potencial

Use a Calculadora de Preços GCP para estimativas detalhadas.

Passo 4: Gerar IaC

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.py e também disponíveis em references/architecture_patterns.md.

Passo 5: Configurar CI/CD

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="^main$" \
  --build-config=cloudbuild.yaml

Passo 6: Revisão de Segurança

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:

• Papéis IAM seguem o menor privilégio (prefira papéis predefinidos a papéis básicos)
• Contas de serviço usam Workload Identity para GKE
• VPC Service Controls configurados para APIs sensíveis
• Chaves de criptografia Cloud KMS para criptografia gerenciada pelo cliente
• Cloud Audit Logs habilitado para toda atividade administrativa
• Políticas de organização restringem acesso público
• Secret Manager usado para todas as credenciais

Se a implantação falhar:

1. Verificar o motivo da falha:

   gcloud run services describe my-app-api --region us-central1
   gcloud logging read "resource.type=cloud_run_revision" --limit=20
   

2. Revisar Cloud Logging para erros de aplicação.
3. Corrigir a configuração ou imagem de container.
4. Reimplantar:

   gcloud run deploy my-app-api --image gcr.io/$PROJECT_ID/my-app:latest --region us-central1
   

Causas comuns de falha:

• Erros de permissão IAM — verificar papéis de conta de serviço e flag --allow-unauthenticated
• Cota excedida — solicitar aumento de cota via IAM & Admin > Cotas
• Falha de inicialização do container — verificar logs de container e configuração de health check
• Região não habilitada — habilitar as APIs necessárias com gcloud services enable

---

Ferramentas

architecture_designer.py

Recomenda 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

cost_optimizer.py

Analisa recursos GCP para economia de custos.

python scripts/cost_optimizer.py --resources inventory.json --monthly-spend 5000

Saída: Recomendações para:

• Remoção de recursos ociosos
• Dimensionamento correto de tipos de máquina
• Descontos por uso comprometido
• Transições de classe de armazenamento
• Otimização de egresso de rede

deployment_manager.py

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:

• Implantação Cloud Run ou GKE
• Configuração Firestore ou Cloud SQL
• Configuração Identity Platform
• Papéis IAM com menor privilégio
• Cloud Monitoring e Logging

---

Início Rápido

Web App no Cloud Run (< $100/mês)

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

Microsserviços no GKE ($500-2000/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

Pipeline de Dados Serverless

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

Plataforma ML

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

---

Requisitos de Entrada

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%"
}

---

Formatos de Saída

Design de Arquitetura

• Recomendação de padrão com justificativa
• Diagrama de stack de serviços (ASCII)
• Estimativa de custo mensal e trade-offs

Templates de IaC

• Terraform HCL: Configurações do provedor Google prontas para produção
• gcloud CLI: Comandos de implantação via script
• Cloud Build YAML: Definições de pipeline CI/CD

Análise de Custos

• Detalhamento do gasto atual com recomendações de otimização
• Lista de ações priorizadas (alta/média/baixa) e lista de verificação de implementação

---

Anti-Padrões

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

---

Referências Cruzadas

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

---

Documentação de Referência

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