 |
| Bellacosa Mainframe e os containers dockers e kubernetes |
☕ Um Café no Bellacosa Mainframe
🕵️♂️ Tintin na Terra dos Containers — O Mistério de Docker & Kubernetes
Uma investigação entre imagens, containers, Pods, Deployments e clusters — porque até Tintin descobriria que colocar uma aplicação em produção é muito mais complicado do que embarcar no Sirius.
Caso nº 03:17 — Arquivo confidencial do Bellacosa Mainframe
Destino: Produção
Suspeitos: Docker, Kubernetes e algumas dezenas de arquivos YAML
Situação: aparentemente simples. Portanto, extremamente suspeita.
Tintin estava acostumado a situações complicadas.
Já havia enfrentado falsificadores, contrabandistas, sociedades secretas, ditadores, traficantes, cientistas excêntricos e até viajado à Lua.
Mas naquela manhã encontrou algo muito mais perigoso.
Um desenvolvedor havia pronunciado a frase:
— Na minha máquina funciona.
Milou levantou as orelhas.
Capitão Haddock largou o café.
Professor Girassol continuou mexendo em alguma coisa que provavelmente explodiria antes do almoço.
Tintin abriu seu pequeno caderno.
Novo caso.
Precisávamos descobrir como levar uma aplicação desde o notebook de um programador até produção sem depender da configuração particular daquela máquina.
E nossa investigação começaria com uma criatura chamada container.
📰 1. O estranho caso da aplicação que funcionava ontem
Imagine que nosso jovem programador COBOL decidiu aprender Python e criou uma pequena API usando FastAPI.
No computador dele tudo funciona.
Python instalado.
Bibliotecas instaladas.
Variáveis configuradas.
Banco de dados acessível.
Portas abertas.
Versões corretas.
Ele entrega o programa para Haddock.
Haddock tenta executá-lo.
Nada funciona.
— MIL MILHÕES DE MILHARES DE BIBLIOTECAS INCOMPATÍVEIS!
Eis um problema muito antigo da computação.
O programa não existe sozinho.
Ele depende de um ambiente.
No universo mainframe conhecemos isso muito bem. Um programa COBOL pode depender de determinada versão de runtime, Db2, CICS, arquivos, configurações, parâmetros, bibliotecas e permissões.
No mundo distribuído ocorre exatamente o mesmo fenômeno.
Docker ataca justamente esse problema.
Em vez de entregar apenas:
minha-aplicacao.pytentamos empacotar:
APLICAÇÃO
+
RUNTIME
+
BIBLIOTECAS
+
DEPENDÊNCIAS
+
CONFIGURAÇÃO NECESSÁRIAdentro de uma unidade reproduzível.
Tintin anotaria:
Pista nº 1: não transporte apenas o programa. Transporte uma descrição reproduzível de seu ambiente.
📦 2. Surge a primeira testemunha: Docker
Docker popularizou uma maneira extremamente prática de construir, distribuir e executar aplicações em containers.
Mas precisamos separar duas palavras que frequentemente aparecem misturadas:
IMAGE e CONTAINER.
Uma imagem é o artefato preparado.
Um container é uma instância executando aquela imagem.
Podemos imaginar:
Dockerfile
│
▼
docker build
│
▼
┌─────────────────┐
│ IMAGE │
│ app:v1 │
└─────────────────┘
│
│ docker run
▼
┌─────────────────┐
│ CONTAINER │
│ aplicação viva │
└─────────────────┘Para quem vem do mainframe, existe uma analogia didática interessante.
Imagem lembra um artefato executável versionado. Container lembra uma execução desse artefato.
Não interprete isso literalmente como LOAD MODULE = IMAGE, porque arquiteturalmente são coisas diferentes.
Mas como ponte mental funciona muito bem.
O detalhe importante é:
uma única imagem pode originar muitos containers.
Temos:
IMAGE: bellacard-api:v7
│
├── Container A
├── Container B
├── Container C
└── Container DAgora Tintin já tinha uma pista importante.
O artefato poderia ser reproduzido.
🧾 3. O bilhete encontrado no bolso do suspeito: Dockerfile
Toda boa investigação tem um documento comprometedor.
No nosso caso:
FROM python:3.13-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install -r requirements.txt
COPY . .
EXPOSE 8000
CMD ["python", "app.py"]Esse arquivo é o Dockerfile.
Ele descreve como construir nossa imagem.
Tintin examina cada linha com a lupa.
FROM determina a imagem-base.
WORKDIR estabelece o diretório de trabalho.
COPY coloca arquivos dentro da imagem.
RUN executa comandos durante sua construção.
ENV pode definir variáveis de ambiente.
CMD estabelece o comando normalmente executado quando o container começa.
E então aparece:
EXPOSE 8000Haddock imediatamente conclui:
— Então a porta 8000 está publicada!
Não.
EXPOSE não publica automaticamente uma porta no host.
É informação sobre a porta esperada pela aplicação. A publicação efetiva pode ser feita, por exemplo:
docker run -p 8080:8000 bellacard-apiTemos então:
HOST CONTAINER
localhost:8080 ───► :8000Essa diferença pequena é exatamente o tipo de detalhe que transforma uma explicação introdutória em conhecimento operacional.
🌐 4. O mistério das portas
Tintin agora encontra três containers.
frontend
backend
databaseCada um possui seu próprio contexto de rede.
E aqui surge outra mudança mental importante.
Não devemos construir sistemas distribuídos supondo que cada container terá eternamente determinado endereço IP.
Containers aparecem.
Containers desaparecem.
Podem ser recriados.
É muito melhor trabalhar com nomes e mecanismos de descoberta de serviços.
Em um ambiente Docker Compose poderíamos ter:
frontend
│
▼
backend:8000
│
▼
postgres:5432Isso começa a revelar algo importante.
Containerização não significa simplesmente:
“pegamos uma VM e diminuímos.”
O modelo operacional é diferente.
Containers tendem a ser descartáveis.
A aplicação precisa ser projetada levando isso em consideração.
💾 5. Milou encontra o banco de dados
Milou começa a latir para um container.
Tintin abre o container.
Encontra PostgreSQL.
Haddock reinicia a máquina.
O banco desaparece.
— BOMBARDEIOS E BACKUPS INEXISTENTES!
Tintin identifica imediatamente o problema.
Persistência.
O filesystem interno de um container não deve ser tratado ingenuamente como o lugar permanente dos dados importantes.
Precisamos separar:
COMPUTE DATA
container volume/storage
descartável persistenteDocker oferece mecanismos como volumes e bind mounts.
Essa separação torna-se ainda mais importante quando chegarmos ao Kubernetes.
Uma aplicação pode morrer.
O Pod pode desaparecer.
O container pode ser substituído.
Mas determinados dados precisam continuar existindo.
Para quem vem de mainframe isso não deveria parecer revolucionário.
Há décadas aprendemos a separar processamento de dados persistentes.
A novidade está nas abstrações utilizadas.
🗝️ 6. O envelope secreto
Girassol encontra isto:
DB_PASSWORD=Tintin123
API_KEY=abc123E sugere colocar tudo no GitHub.
Tintin quase derruba o café.
Variáveis de ambiente são excelentes para retirar determinadas configurações do código.
Podemos ter:
APP_ENV=production
DB_HOST=database
DB_PORT=5432Arquivos .env também são muito convenientes durante desenvolvimento.
Mas existe uma armadilha:
tirar uma senha do código não significa que ela automaticamente ficou segura.
Um .env contendo credenciais continua sendo um arquivo contendo credenciais.
Precisa ser protegido.
Não deve simplesmente parar no repositório.
E esse problema reaparecerá no Kubernetes com os Secrets.
🧩 7. O caso ficou grande demais: Docker Compose
Tintin agora possui cinco containers:
frontend
API
agent
database
redisExecutá-los manualmente começa a parecer uma operação militar.
Então entra Docker Compose.
Podemos declarar um conjunto de serviços em um arquivo compose.yaml.
Algo conceitualmente semelhante a:
services:
api:
build: .
ports:
- "8000:8000"
database:
image: postgres
redis:
image: redisAgora descrevemos uma pequena aplicação multi-container declarativamente.
Essa é uma das grandes virtudes do Compose.
Em vez de Haddock precisar decorar quinze comandos, declaramos como o ambiente deve ser.
Um detalhe merece atualização nos materiais mais antigos: no Compose moderno, aquele tradicional:
version: "3.8"não é mais necessário. A documentação do Docker classifica a propriedade superior version como obsoleta e meramente informativa; o Compose moderno trabalha com a Compose Specification. (Docker Documentation)
É um belo exemplo de por que bons cursos técnicos precisam ser revisados continuamente.
🚢 8. Finalmente embarcamos a imagem
Construímos nossa aplicação:
docker build -t bellacard:v1 .Temos uma imagem local.
Mas queremos executá-la em outro lugar.
Entram os container registries.
O fluxo conceitual torna-se:
SOURCE CODE
│
▼
DOCKERFILE
│
▼
BUILD
│
▼
IMAGE
│
▼
REGISTRY
│
▼
PULL
│
▼
EXECUTIONÉ aqui que começa uma ideia extremamente poderosa:
o artefato produzido pelo pipeline deve ser exatamente aquilo que promovemos entre ambientes.
Não queremos recompilar misteriosamente produção de maneira diferente de homologação.
Queremos artefatos versionados, rastreáveis e reproduzíveis.
O velho programador mainframe sentado no fundo da sala provavelmente começa a sorrir.
Ele já ouviu essa música antes.
🌊 9. De repente aparecem 500 containers
E aqui nossa aventura muda completamente.
Docker resolveu muito bem vários problemas relacionados a construção e execução de containers.
Mas suponha que nossa aplicação tenha:
300 containers
40 servidores
12 serviços
6 versões
3 ambientes
milhares de requisiçõesQuem decide onde cada workload executará?
Quem percebe que um deles morreu?
Quem cria outro?
Quem mantém determinada quantidade de réplicas?
Quem distribui tráfego?
Quem atualiza gradualmente uma versão?
Quem associa armazenamento?
Quem controla configuração?
Quem escala a aplicação?
Tintin escreve uma única palavra no caderno:
KUBERNETES
☸️ 10. Entramos no território Kubernetes
Kubernetes não é simplesmente um “Docker maior”.
Essa distinção é fundamental.
Ele é uma plataforma de orquestração de workloads containerizados.
Seu grande truque filosófico está no conceito de estado desejado.
Nós declaramos algo como:
QUERO 3 RÉPLICAS DESTA APLICAÇÃO.O sistema observa:
DESEJADO = 3
ATUAL = 3Tudo certo.
Um Pod desaparece:
DESEJADO = 3
ATUAL = 2Existe divergência.
Os controladores trabalham para retornar ao estado desejado:
DESEJADO = 3
ATUAL = 3Isso é extraordinariamente importante.
O operador deixa de pensar apenas:
“execute este comando.”
e passa também a pensar:
“este é o estado que quero manter.”
Quem conhece automação operacional, WLM e políticas em ambientes corporativos provavelmente já começou a enxergar pontes conceituais.
🏰 11. Tintin entra no cluster
Um cluster Kubernetes possui componentes de controle e nós onde workloads são executados.
De forma simplificada:
KUBERNETES CLUSTER
┌─────────────────────────┐
│ CONTROL PLANE │
│ │
│ API Server │
│ Scheduler │
│ Controller Manager │
│ etcd │
└────────────┬────────────┘
│
───────────┼───────────
│
┌─────────────┴─────────────┐
WORKER NODE WORKER NODE
┌──────────────┐ ┌──────────────┐
│ kubelet │ │ kubelet │
│ runtime │ │ runtime │
│ │ │ │
│ Pod Pod Pod │ │ Pod Pod Pod │
└──────────────┘ └──────────────┘O API Server é uma peça central da interface de controle.
O scheduler ajuda a decidir onde Pods serão colocados.
Os controllers observam o estado e trabalham para reconciliá-lo.
O etcd mantém dados importantes do estado do cluster.
E nos workers temos, entre outros componentes, o kubelet e um runtime de containers.
🐳 12. Haddock encontra uma pista desatualizada
Em algum velho mapa Tintin encontra:
Kubernetes → Docker— Caso encerrado! — grita Haddock.
Não tão depressa.
Aqui existe uma atualização histórica importantíssima.
Kubernetes removeu seu dockershim integrado a partir da versão 1.24. Kubernetes moderno trabalha através da Container Runtime Interface — CRI, com runtimes compatíveis, como containerd e CRI-O; Docker Engine ainda pode ser integrado por um adaptador como cri-dockerd. (Kubernetes)
Isso não significa que imagens construídas com Docker deixaram de funcionar no Kubernetes. A própria documentação explica que usar Docker para construir imagens não cria uma dependência de Docker como runtime do cluster. (Kubernetes)
Portanto nosso mapa mental moderno é melhor representado assim:
KUBERNETES
kubelet
│
▼
CRI
│
┌─────────┴─────────┐
▼ ▼
containerd CRI-OE Docker continua extremamente útil no workflow de desenvolvimento e construção de imagens.
Pista nº 12: Docker não morreu no Kubernetes. Mudou a relação arquitetural entre eles.
📦 13. O menor quarto do hotel: Pod
Chegamos agora a uma das palavras mais importantes de Kubernetes:
Pod.
Pod é a menor unidade implantável de computação que Kubernetes gerencia.
Normalmente encontramos um container principal dentro dele, embora um Pod possa conter mais de um container quando esses processos precisam compartilhar estreitamente recursos e ciclo de vida.
Podemos imaginar:
POD
┌────────────────────────────┐
│ │
│ Application Container │
│ │
│ shared networking │
│ shared volumes/context │
│ │
└────────────────────────────┘Mas existe algo fundamental:
não se apaixone pelo Pod.
Pods são substituíveis.
Podem desaparecer e serem recriados.
E por isso normalmente não administramos aplicações complexas criando Pods soltos manualmente.
Entra outra testemunha.
🧬 14. Deployment → ReplicaSet → Pods
Para uma aplicação típica, podemos declarar um Deployment.
Por exemplo:
replicas: 3Conceitualmente:
Deployment
│
▼
ReplicaSet
│
┌───┼───┐
▼ ▼ ▼
Pod Pod PodSe um desaparece:
Pod ✖o sistema trabalha para restaurar o estado desejado.
Isso também permite realizar rolling updates.
Em vez de:
VERSÃO 1
↓
DESLIGA TUDO
↓
VERSÃO 2podemos substituir progressivamente instâncias antigas por novas.
E, quando necessário, trabalhar com mecanismos de rollback.
Haddock começa a gostar da história.
Produção sem uma gigantesca janela de “desliga tudo e reza” realmente parece civilização.
📞 15. Mas como encontramos esses Pods?
Temos outro problema.
Pods são efêmeros.
Se ficarmos distribuindo seus endereços diretamente, criamos dependências frágeis.
Entra o objeto Service.
Imagine:
CLIENTE
│
▼
SERVICE
│
┌─┼───────────┐
▼ ▼ ▼
POD A POD B POD CO Service fornece uma abstração estável para alcançar determinado conjunto de Pods.
Essa é uma mudança mental importantíssima:
não procure indivíduos; procure o serviço.
Para um programador mainframe acostumado com um endpoint lógico de uma aplicação transacional, a ideia começa a soar curiosamente familiar.
🗺️ 16. ConfigMap e o documento que não deveria conter a senha
Nossa aplicação precisa saber:
LOG_LEVEL=INFO
LANGUAGE=pt_BR
FEATURE_X=trueEsses valores podem estar em um ConfigMap.
Mas temos também:
PASSWORD
TOKEN
API_KEY
CERTIFICATEAí entramos no território dos Secrets.
Contudo, há uma pegadinha digna dos irmãos Dupond e Dupont:
— Está em Base64, portanto está criptografado!
— Exatamente! E eu diria ainda mais: está criptografado porque está em Base64!
Errado duas vezes.
A documentação oficial é explícita: Base64 não é criptografia. Kubernetes Secrets podem ser armazenados sem criptografia por padrão; ambientes sérios precisam considerar controles como RBAC, restrição de acesso, criptografia em repouso e soluções apropriadas de gerenciamento de segredos. (Kubernetes)
Portanto:
ConfigMap
↓
configuração não confidencial
Secret
↓
informação confidencial
↓
+ controle de acesso
+ proteção apropriada
+ encryption at rest quando aplicável
+ gestão segura do ciclo de vidaEsse é um ponto que merece enorme atenção em qualquer treinamento.
🗄️ 17. O banco não pode desaparecer novamente
Voltamos ao problema de persistência.
No Kubernetes encontramos conceitos como:
PersistentVolume — PV
e
PersistentVolumeClaim — PVC
Didaticamente:
POD
│
▼
PVC
│
▼
PV
│
▼
STORAGEO PVC representa a solicitação de armazenamento feita pelo workload.
O PV representa o recurso persistente disponibilizado ao cluster, dependendo do modelo e provisionamento utilizado.
Em ambientes modernos existe ainda toda uma camada envolvendo StorageClass, provisionamento dinâmico e CSI.
Mas para nossa primeira investigação basta guardar:
Pod é descartável; dado importante não pode depender da sobrevivência daquele Pod.
🩺 18. Professor Girassol inventa três estetoscópios
Agora precisamos saber se a aplicação está saudável.
Kubernetes trabalha com probes que respondem perguntas diferentes.
Startup probe:
Você conseguiu iniciar?Liveness probe:
Você continua vivo?Readiness probe:
Você está pronto para receber tráfego?Essas perguntas parecem semelhantes.
Não são.
Imagine uma aplicação Java que demora bastante para iniciar.
Ela pode estar viva, mas ainda não pronta para atender.
Ou uma aplicação pode continuar com processo existente, mas ter entrado em um estado do qual não consegue se recuperar adequadamente.
Misturar esses conceitos pode produzir exatamente o tipo de incidente que começa às...
03:17.
Pronto.
Easter egg encontrado. ☕😎
🚪 19. Tintin chega ao portão: Ingress
Agora temos serviços funcionando dentro do cluster.
Mas usuários precisam chegar até eles.
Tradicionalmente, Kubernetes utiliza Ingress para definir roteamento HTTP/HTTPS externo, associado a uma implementação/controlador.
Conceitualmente:
INTERNET
│
▼
INGRESS
│
├── /api ─────► Service API
│ │
│ Pods
│
└── /web ─────► Service WEB
│
PodsIngress continua sendo um conceito importante porque existem enormes ambientes usando-o.
Porém nosso curso de 2026 precisa colocar uma anotação vermelha no caderno de Tintin:
⚠️ EXISTE UM NOVO CAPÍTULO
O ecossistema Kubernetes está avançando para Gateway API como abordagem moderna e mais expressiva para networking. Em agosto de 2026, o projeto anunciou Gateway API v1.6, incluindo TCPRoute e UDPRoute no canal Standard. (Kubernetes)
Há inclusive tooling oficial para ajudar migrações de Ingress para Gateway API. (Kubernetes)
Portanto um curso atualizado deveria ensinar:
Ingress
│
├── importantíssimo para ambientes existentes
│
└── API congelada para novos recursos
│
▼
Gateway API
caminho modernoEsse pequeno detalhe separa uma apostila histórica de uma formação preparada para os próximos anos.
📈 20. De repente chegam dez mil usuários
Haddock finalmente publica seu sistema.
Um usuário acessa.
Tudo funciona.
Dez acessam.
Tudo funciona.
Mil acessam.
Haddock começa a suar.
Dez mil acessam.
— ESCALABILIDADE DOS SETE MARES!
Kubernetes oferece mecanismos de escalabilidade, entre eles o Horizontal Pod Autoscaler — HPA.
Podemos pensar:
TRÁFEGO ↑
CPU ↑
MÉTRICA ↑
│
▼
HPA observa
│
▼
replicas: 3
│
▼
replicas: 7Quando a demanda diminui, a quantidade pode ser reduzida segundo a configuração e comportamento do autoscaler.
CPU e memória são excelentes exemplos introdutórios, embora arquiteturas reais possam utilizar outras métricas conforme a infraestrutura de métricas disponível.
Aqui encontramos uma ponte interessante com o universo mainframe.
Um profissional de WLM imediatamente perguntaria:
Qual é a política? Qual a prioridade? Qual o recurso disponível? Qual a métrica? Qual o objetivo de serviço?
Excelente.
Essa é exatamente a mentalidade que queremos preservar.
A tecnologia muda.
As boas perguntas sobrevivem.
🧠 21. Tintin monta o quadro completo
Depois de centenas de pistas espalhadas pela mesa, finalmente conseguimos enxergar nossa arquitetura.
INTERNET
│
▼
┌──────────────────┐
│ GATEWAY/INGRESS │
└────────┬─────────┘
│
▼
┌─────────┐
│ SERVICE │
└────┬────┘
│
┌────────┼────────┐
▼ ▼ ▼
POD POD POD
▲ ▲ ▲
└────────┼────────┘
│
ReplicaSet
▲
│
Deployment
│
desired replicas = 3
CONFIGURAÇÃO DADOS
ConfigMap PVC
Secrets │
▼
PV
│
▼
STORAGEE por trás disso existe o cluster:
CONTROL PLANE
│
├── API Server
├── Scheduler
├── Controllers
└── etcd
│
▼
WORKER NODES
│
▼
kubelet
│
▼
CRI
│
container runtime
│
▼
PodsFinalmente o mistério começa a fazer sentido.
🏦 22. E onde entra o mainframe nessa aventura?
Aqui está talvez a parte mais interessante para quem está entrando nesse mundo vindo de COBOL, CICS, Db2 e z/OS.
Você não precisa apagar quarenta anos de conhecimento para aprender containers.
Muito pelo contrário.
Quem passou anos pensando em disponibilidade, processamento transacional, controle de acesso, recuperação, armazenamento, capacidade, versionamento e produção já possui uma enorme bagagem conceitual.
O segredo é não procurar equivalências literais.
Não diga:
CICS = Kubernetes
JES2 = Kubernetes
WLM = HPA
RACF = RBACNão são.
Mas use essas tecnologias como pontes cognitivas.
Você conhece a pergunta:
Quem pode executar isto?
Ótimo. Vamos conversar sobre RBAC.
Você conhece:
Onde os dados sobrevivem?
Excelente. Vamos falar de persistent storage.
Você pergunta:
O que acontece se esta execução morrer?
Bem-vindo ao desired state e reconciliation.
Você pergunta:
Como distribuir capacidade?
Vamos estudar scheduler, requests, limits e autoscaling.
Você pergunta:
Como colocar uma nova versão sem explodir produção?
Deployment, rolling updates, probes, observabilidade e estratégias de rollout estão esperando por você.
O veterano não chega vazio a Kubernetes.
Chega carregando décadas de perguntas extremamente úteis.
🚂 23. A viagem completa
Agora podemos reconstruir toda nossa investigação em uma única linha narrativa.
Tintin recebe:
SOURCE CODECria:
DockerfileProduz:
IMAGEPublica:
REGISTRYKubernetes referencia essa imagem.
Um:
Deploymentdefine o workload desejado.
Ele administra ReplicaSets que mantêm:
PodsEsses Pods são alcançados por:
ServiceConfiguração chega através de mecanismos como:
ConfigMap
SecretDados persistentes podem utilizar:
PVC → PV → StorageSaúde pode ser acompanhada com:
startup
readiness
livenessTráfego externo pode chegar através de:
Gateway API / IngressE escalabilidade horizontal pode envolver:
HPAIsso já não parece uma coleção aleatória de palavras.
Parece uma arquitetura.
🔎 24. O que as excelentes ilustrações escondem
Os infográficos que iniciaram nossa investigação são ótimos para aquilo que considero a primeira passagem pelo território.
Você olha.
Reconhece os nomes.
Entende as relações.
Executa alguns comandos.
Constrói uma imagem.
Executa containers.
Cria um Compose.
Publica uma imagem.
Cria Pod.
Deployment.
Service.
PVC.
Ingress.
HPA.
Excelente.
Mas existe uma segunda passagem.
É nela que começamos a perguntar:
“Como isso funciona em produção?”
Então surgem novos personagens:
Namespaces
RBAC
ServiceAccounts
NetworkPolicy
requests/limits
taints
tolerations
affinity
anti-affinity
PodDisruptionBudget
StorageClass
CSI
Helm
Kustomize
observability
metrics
logging
tracing
GitOps
CI/CD
supply-chain security
image scanning
policy enforcement
Gateway APIE existe uma terceira passagem ainda mais interessante para nós:
Kubernetes + IBM Z + LinuxONE + OpenShift + z/OS
Aí a história deixa de ser simplesmente:
“mainframe versus cloud.”
Passa a ser:
“qual workload deve executar onde?”
Esse é um problema arquitetural muito mais adulto.
🚀 25. Bellacosa Containers 101 → 201 → 301
Eu transformaria todo esse material em uma trilha em três atos.
101 — Tintin descobre os containers: Linux essencial, Docker, imagens, containers, Dockerfile, registry, networking, volumes, environment variables, secrets e Compose.
201 — Tintin encontra Kubernetes: cluster, control plane, worker, kubectl, Pod, Deployment, ReplicaSet, Service, ConfigMap, Secret, PV/PVC, probes, requests/limits, Ingress, Gateway API e HPA.
301 — Tintin entra em produção: RBAC, namespaces, NetworkPolicy, CSI, Helm/Kustomize, observabilidade, segurança, CI/CD, GitOps, supply chain, OpenShift, LinuxONE/IBM Z e integração de workloads containerizados com serviços corporativos e z/OS.
O aluno poderia começar com:
docker run hello-worlde terminar compreendendo algo como:
Internet
│
Gateway
│
OpenShift/Kubernetes
│
Containerized API
│
MQ / REST
│
z/OS Connect
│
CICS
│
COBOL
│
Db2Agora estamos falando a língua do Bellacosa Mainframe.
🏁 Epílogo — Tintin fecha o caderno
Depois de horas investigando containers, imagens, registries, Pods, Deployments, Services, Secrets e clusters, Capitão Haddock finalmente perguntou:
— Então Kubernetes substitui o mainframe?
Tintin fechou o caderno.
Milou olhou para Haddock.
Professor Girassol fingiu não ouvir.
E um velho programador COBOL sentado no canto começou a rir.
Porque essa era a pergunta errada.
Mainframes resolvem determinados problemas extraordinariamente bem.
Containers resolvem outros.
Kubernetes resolve um problema importantíssimo de orquestração e gerenciamento de workloads containerizados em escala.
E arquiteturas modernas podem combinar esses mundos.
A verdadeira habilidade do arquiteto não é escolher uma tecnologia para vencer uma guerra imaginária.
É saber onde cada workload pertence, como conectá-lo aos demais e como operar o conjunto com segurança, disponibilidade e previsibilidade.
Tintin guardou a lupa.
Haddock terminou o café.
Milou finalmente encontrou o container desaparecido.
E o veterano COBOL abriu um terminal e digitou:
kubectl get podsHavia três.
bellacard-7f84c Running
bellacard-2b17d Running
bellacard-91a2e RunningDeployment desejava três.
Produção tinha três.
Por alguns preciosos minutos, o universo estava em equilíbrio.
Até o telefone tocar.
Eram 03:17.
— Tintin... caiu produção.
Ele pegou o sobretudo.
— Milou, estamos diante de um novo caso.
☕ Bellacosa Mainframe — porque a tecnologia muda, mas produção continua encontrando maneiras criativas de acordar alguém de madrugada.
