Development

.gitignore

@@ -1,3 +1,6 @@
+# Frontend
+node_modules
+
 # Arquivos de compilação do Python
 __pycache__/
 *.py[cod]
@@ -52,4 +55,5 @@ poetry.lock
 .env
 
 # Celery
-celerybeat-schedule
+celerybeat-schedule
+*storybook.log

.pylintrc

@@ -1,5 +1,5 @@
 [MASTER]
-load-plugins = pylint_django
+; load-plugins = pylint_django
 
 [MESSAGES CONTROL]
-disable = F0002, E5110, E5142
+; disable = F0002, E5110, E5142

README.md

@@ -1 +1,230 @@
-# Fullstack project
+# Fullstack project
+
+É necessário ter aws, aws-sam-cli, docker, docker-compose, node.js, python 3 instalados no seu computador para executar a aplicação.
+
+## Variáveis de ambiente
+
+Arquivo `.env`
+```
+MONGO_URI=mongodb://mongo:27017
+DB_NAME=fastapi_db
+```
+
+## Como executar a aplicação
+
+A aplicação inteira está separada em containers do Docker.
+
+Para executar todos os containeres:
+
+    ```bash
+        docker-compose up --build
+    ```
+
+- Frontend está em [http://0.0.0.0:3000/](http://0.0.0.0:3000/)
+
+- Frontend em localhost porta 3001:
+     ```bash
+        cd frontend
+        npm start
+     ```
+
+- Storybook:
+    ```bash
+        cd frontend
+        npm run storybook
+    ```
+
+- Backend está em `http://0.0.0.0:8000/api` e [http://0.0.0.0:8000/docs](http://0.0.0.0:8000/docs)
+
+- Localstack [http://0.0.0.0:4566/](http://0.0.0.0:4566/)
+
+- MongoDB [http://0.0.0.0:27017/](http://0.0.0.0:27017/)
+
+- Lambda será executado separadamente, será demonstrado a seguir com as outras features
+
+## Requisitos
+
+Desafio Full Stack
+Objetivo Geral​
+Desenvolver uma aplicação full stack que integre FastAPI, MongoDB, ReactJS e AWS (com
+LocalStack para S3). Use Python no backend, Serverless Framework (para funções Lambda)
+e Docker para containerização.
+
+1. Backend (FastAPI + MongoDB)
+1.1. Entidades
+- [X] As entidades permanecem as mesmas, mas use modelos Pydantic para validação:
+- [X] 1.1.1. Product - id (string ou ObjectId) - name (string) - description (string) - price (number) - category_ids (lista de IDs) (relação many-to-many com Category) - image_url (string) – URL da imagem no S3
+- [X] 1.1.2. Category - id (string ou ObjectId) - name (string)
+- [X] 1.1.3. Order- id (string ou ObjectId) - date (Date) - product_ids (lista de IDs de Product) - total (number)
+
+Observação: O relacionamento entre Product e Category é many-to-many, permitindo que cada Product pertença a várias Categories e vice-versa.
+
+1.2. Endpoints
+1.2.1. CRUD para cada entidade:
+- [X] ​Product: criar, listar, atualizar, deletar.
+- [X] ​Category: criar, listar, atualizar, deletar.
+- [X] ​Order: criar, listar, atualizar, deletar.
+
+1.2.2. Dashboard: 
+- [X] Exibir dados agregados de vendas com filtros por categoria, produto e período (implemente queries agregadas no MongoDB para métricas como total de pedidos, valor médio, etc.).
+
+![aggregation-framework](assets/aggregation-framework.png)
+Cheguei a começar essa parte. Mas estava perdendo muito tempo. Não cheguei a implementar todos os filtros. Fiz vendas por categoria.
+Mas no FastAPI eu não consigui passar a variavel de categoria. É alguma coisa na formatação do model. Tenho que ver isso com calma.
+
+1.2.3. Relacionamentos: 
+- [X] Associar Products a Categories (many-to-many).
+- [X] Associar Products a Orders.
+
+1.2.4. Validações:
+- [X] ​Utilize Pydantic para garantir a integridade dos dados.
+[ ] - ​Trate deleções com cuidado (ex.: ao deletar uma Category, evite deixar Products com IDs inexistentes).
+- [X] Garanta um tratamento de erros adequado com status HTTP e respostas em JSON.
+
+Exemplo de uma mensagem de erro no DevTools do Browser, após uma requisição:
+```json
+{
+    "detail": [
+        {
+            "type": "missing",
+            "loc": [
+                "body",
+                "name"
+            ],
+            "msg": "Field required",
+            "input": null,
+            "url": "https://errors.pydantic.dev/2.4/v/missing"
+        },
+        {
+            "type": "missing",
+            "loc": [
+                "body",
+                "description"
+            ],
+            "msg": "Field required",
+            "input": null,
+            "url": "https://errors.pydantic.dev/2.4/v/missing"
+        },
+        {
+            "type": "missing",
+            "loc": [
+                "body",
+                "price"
+            ],
+            "msg": "Field required",
+            "input": null,
+            "url": "https://errors.pydantic.dev/2.4/v/missing"
+        },
+        {
+            "type": "missing",
+            "loc": [
+                "body",
+                "category_ids"
+            ],
+            "msg": "Field required",
+            "input": null,
+            "url": "https://errors.pydantic.dev/2.4/v/missing"
+        }
+    ]
+}
+```
+
+1.3. Script de Massa de Dados
+1.3.1. Crie um script em Python (por exemplo, utilizando Typer ou argparse) para popular o MongoDB com dados fictícios:
+- [X] ​Products: Variações de preço e categorias.
+- [X] ​Categories: Diferentes tipos.
+- [X] ​Orders: Combinações variadas de products, datas e totais.
+
+Estã em `backend/app/scripts/seed_database.py`
+
+2. Tarefa Assíncrona (Serverless Framework)
+2.1. Função Lambda
+2.1.1. Desenvolva uma função Lambda usando o Serverless Framework em Python para tarefas em segundo plano, como:
+- [X] ​Processar relatórios de vendas (baseado nos Orders);
+- [X] Enviar notificações quando um novo Order for criado;
+- [X] Ou qualquer outra funcionalidade relevante.
+
+![lambda-on-endpoint](assets/lambda-on-endpoint.png)
+Função lambda em um endpoint que envia notificações ao criar uma nova `order`
+
+2.2. Integração
+- [X] 2.2.1. Explique como a Lambda pode ser acionada (ex.: via evento, cron ou chamada HTTP).
+- [X] 2.2.2. Demonstre, se aplicável, a integração com o backend FastAPI ou a leitura de dados do MongoDB.
+
+Mais detalhes em `backend/lambda/serverless.yml`
+
+3. Front-end (React + Material UI + Storybook)
+3.1. Páginas Principais
+- [X] Products: Listagem, criação, edição e deleção. Incluir upload de imagem (armazenada no S3).
+- [X] ​Categories: Listagem, criação, edição e deleção.
+- [X] ​Orders: Listagem, criação, edição e deleção.
+
+![list-products](assets/list-products.png)
+Fiz a listagem de produtos e de ordens. Não fiz edição nem deleção. Optei por terminar os outros requisitos.
+
+3.2. Dashboard de KPIs
+Exiba métricas dos Orders, como:
+- [X] ​Quantidade total de pedidos
+- [X] ​Valor médio por pedido
+- [X] Receita total
+- [X] ​Pedidos por período (diário, semanal, mensal, etc.)
+
+![dashboard](assets/dashboard.png)
+Algumas métricas citadas. Não dei muita atençao nisso também. Pois tinha bastante coisas pra fazer.
+
+3.3. Documentação de Componentes
+3.3.1. Utilize o Storybook para documentar pelo menos 2 componentes principais, como:
+- [X] ​Uma tabela para listagem.
+- [X] ​Um formulário para criação/edição.
+
+![Listagem](assets/stroybook-table.png)
+![Criação](assets/storybook-form.png)
+Não cheguei a fazer edição.
+
+4. Integração com AWS (LocalStack para S3)
+4.1. Configuração Local
+- [X] ​Use LocalStack para simular o S3 em ambiente local.
+- [X] ​Garanta o upload de imagens dos Products para um bucket S3 simulado.
+- [X] ​Configure o Docker (via docker-compose ou similar) para subir o LocalStack, o backend FastAPI e o front-end React.
+4.2. Acesso ao S3
+- [X] Certifique-se de que a aplicação consiga enviar arquivos para o bucket e recuperar a URL da imagem, exibindo-a no front-end.
+
+```json
+{
+    "name": "asd",
+    "description": "asd",
+    "price": 123,
+    "category_ids": [
+        "67c03fdefe2ccaf35d3945e6"
+    ],
+    "image_url": "http://0.0.0.0:4566/product-images/f2caa387-2632-4686-a1f5-e65369138b8a.png",
+    "_id": "67c05bb3fe2ccaf35d3945fe"
+}
+```
+
+![localstack-aws-cli](assets/localstack-cli.png)
+Checagem no bucket s3 em localstack
+
+![new-product-s3-image](assets/new-product-s3-image.png)
+Novo produtop criado com imagem do s3 bucket
+
+5. Entrega
+5.1. Repositório
+- [X] ​Disponibilize um repositório GitHub com todo o código-fonte.
+- [X] ​Inclua um README.md com instruções de setup e execução.
+- [X] Envie o link do repositório em resposta a esse e-mail.
+5.2. Scripts e Configurações
+- [X] Docker/docker-compose: Para facilitar o setup de todos os serviços.
+- [X] ​Script de Massa de Dados: Implementado em Python.
+- [X] ​Arquivo serverless.yml: Para configurar a Lambda.
+- [X] ​Storybook: Configurado e funcional.
+5.3. Demonstração
+- [X] (Opcional) Inclua screenshots ou breves instruções que validem
+
+## Considerações finais
+
+1. Procurei cobrir o máximo de requistos. Todos os requisitos são importantes. Dei o mesmo peso para todos. Porém o tempo não é infinito.
+2. Trabalhei mais com SQL e achei no mínimo estranho essa ideia de fazer relacionamentos. Mas aceitei o desafio.
+3. Não é o que eu chamaria de teste perfeito. Mas acho que dá pra mostrar alguma coisa.
+4. Posso continuar desenvolvendo se for o caso. Também estou disposto a fazer uma live codando ou coisa do tipo.
+5. Estou a disposição para duvidas e esclarecimentos

backend/Dockerfile

@@ -0,0 +1,10 @@
+FROM python:3.9-alpine
+
+WORKDIR /backend
+
+COPY requirements.txt .
+RUN pip install --no-cache-dir -r requirements.txt
+
+COPY . .
+
+CMD ["uvicorn", "app.main:app", "--host", "0.0.0.0", "--port", "8000", "--reload"]

backend/app/main.py

@@ -0,0 +1,70 @@
+"""FastAPI main module"""
+import os
+from dotenv import load_dotenv
+from fastapi import FastAPI
+from fastapi.middleware.cors import CORSMiddleware
+from motor.motor_asyncio import AsyncIOMotorClient
+from .routes import products, categories, orders, dashboard
+from .scripts.seed_database import seed_database
+from .services.s3 import S3Service
+
+load_dotenv()
+
+MONGO_URI = os.getenv("MONGO_URI")
+DB_NAME = os.getenv("DB_NAME")
+
+
+app = FastAPI(title="FastAPI+MongoDB+S3+LocalStack", version="0.1.0")
+
+
+# CORS configuration
+app.add_middleware(
+    CORSMiddleware,
+    allow_origins=["http://localhost:3000", "http://localhost:3001"],  # React frontend
+    allow_credentials=True,
+    allow_methods=["*"],
+    allow_headers=["*"],
+)
+
+
+# MongoDB connection
+@app.on_event("startup")
+async def startup_db_client():
+    app.mongodb_client = AsyncIOMotorClient(MONGO_URI)
+    app.mongodb = app.mongodb_client[DB_NAME]
+    seed_database()  # Run the database seed
+
+
+# S3 Service
+@app.on_event("startup")
+async def startup_s3_client():
+    app.s3_service = S3Service(
+        aws_access_key_id=os.getenv("AWS_ACCESS_KEY_ID", "test"),
+        aws_secret_access_key=os.getenv("AWS_SECRET_ACCESS_KEY", "test"),
+        region_name=os.getenv("AWS_DEFAULT_REGION", "us-east-1"),
+        endpoint_url=os.getenv("AWS_ENDPOINT_URL", "http://0.0.0.0:4566"),
+        bucket_name=os.getenv("S3_BUCKET_NAME", "product-images")
+    )
+
+
+@app.on_event("shutdown")
+async def shutdown_db_client():
+    app.mongodb_client.close()
+
+# Include routers
+app.include_router(products.router, prefix="/api/products", tags=["products"])
+app.include_router(categories.router, prefix="/api/categories", tags=["categories"])
+app.include_router(orders.router, prefix="/api/orders", tags=["orders"])
+app.include_router(dashboard.router, prefix="/api/dashboard", tags=["dashboard"])
+
+
+# Health check endpoint
+@app.get("/health")
+async def health_check():
+    return {"status": "healthy"}
+
+
+# Health check endpoint
+@app.get("/hello")
+async def hello_world():
+    return {"hello": "world"}

backend/app/models/base.py

@@ -0,0 +1,26 @@
+from bson import ObjectId
+from pydantic import GetJsonSchemaHandler
+from pydantic.json_schema import JsonSchemaValue
+from pydantic_core import core_schema
+
+
+class PyObjectId(ObjectId):
+    """Custom ObjectId type for Pydantic models"""
+
+    @classmethod
+    def __get_validators__(cls):
+        yield cls.validate
+
+    @classmethod
+    def validate(cls, v, *args):
+        if not ObjectId.is_valid(v):
+            raise ValueError("Invalid ObjectId")
+        return ObjectId(v)
+
+    @classmethod
+    def __get_pydantic_json_schema__(
+        cls, core_schema: core_schema.CoreSchema, handler: GetJsonSchemaHandler
+    ) -> JsonSchemaValue:
+        """Ensure PyObjectId is treated as a string in OpenAPI"""
+        return {"type": "string"}
+

backend/app/models/category.py

@@ -0,0 +1,23 @@
+"""Category models"""
+from pydantic import BaseModel, Field
+from .base import PyObjectId
+
+
+class CategoryBase(BaseModel):
+    """Category base schema"""
+    name: str
+
+
+class CategoryCreate(CategoryBase):
+    """Category create schema"""
+    pass
+
+
+class Category(CategoryBase):
+    """Category schema"""
+    id: PyObjectId = Field(default_factory=PyObjectId, alias="_id")
+
+    class Config:
+        """Category config"""
+        populate_by_name = True
+        json_encoders = {PyObjectId: lambda x: str(x)}