Backend

Visão Geral

O backend do projeto é desenvolvido em Python utilizando o framework FastAPI, seguindo os princípios de Clean Architecture e Domain-Driven Design (DDD). A aplicação é containerizada usando Docker e utiliza PostgreSQL como banco de dados.

Estrutura do Projeto

backend/
├── app/
│   ├── api/            # Rotas e endpoints da API
│   ├── core/           # Configurações core da aplicação
│   ├── db/             # Configurações do banco de dados
│   ├── domain/         # Entidades e regras de negócio
│   ├── interfaces/     # Interfaces para inversão de dependência
│   ├── models/         # Modelos do banco de dados
│   ├── schemas/        # Schemas Pydantic para validação
│   ├── services/       # Serviços da aplicação
│   └── utils/          # Utilitários
├── tests/              # Testes automatizados
├── Dockerfile          # Configuração do container
├── docker-compose.yml  # Configuração dos serviços
├── nginx.conf         # Configuração do Nginx
└── pyproject.toml     # Dependências e configurações do projeto

Tecnologias Utilizadas

• FastAPI: Framework web para construção da API
• PostgreSQL: Banco de dados relacional
• SQLAlchemy: ORM para interação com o banco de dados
• Pydantic: Validação de dados e serialização
• Docker: Containerização da aplicação
• Nginx: Proxy reverso e servidor web
• Poetry: Gerenciamento de dependências
• Pytest: Framework de testes

Configuração do Ambiente

Pré-requisitos

• Docker e Docker Compose
• Python 3.9+
• Poetry

Instalação

1. Clone o repositório
2. Navegue até a pasta do backend:

   cd src/backend
3. Instale as dependências:

   poetry install
4. Configure as variáveis de ambiente:

   cp .env.example .env
5. Inicie os containers:

   docker-compose up -d

Arquitetura

Clean Architecture

O projeto segue os princípios da Clean Architecture, dividindo a aplicação em camadas:

1. Domain Layer: Contém as entidades e regras de negócio
2. Application Layer: Contém os casos de uso e serviços
3. Infrastructure Layer: Implementações concretas (banco de dados, APIs externas)
4. Interface Layer: Controllers e apresentação

Padrões de Projeto

• Repository Pattern: Para abstração do acesso a dados
• Dependency Injection: Para inversão de dependências
• Factory Pattern: Para criação de objetos complexos
• Strategy Pattern: Para algoritmos intercambiáveis

Testes

Estrutura de Testes

tests/
├── unit/              # Testes unitários
├── integration/       # Testes de integração
└── e2e/              # Testes end-to-end

Executando os Testes

# Executar todos os testes
pytest

# Executar testes com cobertura
pytest --cov=app

# Executar testes específicos
pytest tests/unit/

API Endpoints

Tabela de Rotas

Método	Rota	Descrição	Request Body	Response
POST	/api/v1/auth/login	Login de usuário	json { "email": "string", "password": "string" }	json { "access_token": "string", "refresh_token": "string", "token_type": "bearer" }
POST	/api/v1/auth/refresh	Renovação de token	json { "refresh_token": "string" }	json { "access_token": "string", "token_type": "bearer" }
POST	/api/v1/auth/logout	Logout de usuário	json { "refresh_token": "string" }	json { "message": "Successfully logged out" }
GET	/api/v1/users/me	Obter dados do usuário atual	-	json { "id": "string", "email": "string", "name": "string", "created_at": "datetime" }
PUT	/api/v1/users/me	Atualizar dados do usuário	json { "name": "string", "email": "string" }	json { "id": "string", "email": "string", "name": "string", "updated_at": "datetime" }
GET	/api/v1/users/{id}	Obter dados de um usuário específico	-	json { "id": "string", "email": "string", "name": "string", "created_at": "datetime" }

Detalhes das Rotas

Autenticação

• POST /api/v1/auth/login: Login de usuário
• POST /api/v1/auth/refresh: Renovação de token
• POST /api/v1/auth/logout: Logout de usuário

Usuários

• GET /api/v1/users/me: Obter dados do usuário atual
• PUT /api/v1/users/me: Atualizar dados do usuário
• GET /api/v1/users/{id}: Obter dados de um usuário específico

Segurança

• Autenticação via JWT
• Validação de dados com Pydantic
• Sanitização de inputs
• Rate limiting
• CORS configurado
• Headers de segurança

Monitoramento e Logs

• Logs estruturados
• Métricas de performance
• Rastreamento de erros
• Monitoramento de saúde da aplicação

CI/CD

O pipeline de CI/CD inclui:

1. Linting e formatação de código
2. Execução de testes
3. Análise de cobertura
4. Build e push de imagens Docker
5. Deploy automático

Contribuição

1. Crie uma branch para sua feature
2. Faça commit das alterações
3. Crie um Pull Request
4. Aguarde a revisão e aprovação