Translate

terça-feira, 19 de novembro de 2024

Kubernetes sem Mistérios : O Guia Definitivo do Programador COBOL Padawan para Entender a Plataforma que Virou o "z/OS da Nuvem"

 

Bellacosa Mainframe e o kubernetes sem misterios

☕ Um Café no Bellacosa Mainframe

Kubernetes sem Mistérios

O Guia Definitivo do Programador COBOL Padawan para Entender a Plataforma que Virou o "z/OS da Nuvem"

"A tecnologia muda. Os princípios permanecem."

— Adaptado da filosofia vulcana do Sr. Spock


Introdução — Quando o mundo saiu do CPD

Se você começou sua carreira em um CPD tradicional, talvez tenha ouvido frases como:

  • "O programa está em produção."

  • "Vamos fazer o deploy no fim de semana."

  • "Precisamos subir outra LPAR."

  • "Chama o operador."

  • "O Sysprog já autorizou."

Durante décadas, essa foi a realidade do desenvolvimento corporativo.

Enquanto isso, um novo mundo surgia.

Primeiro vieram os servidores Linux.

Depois as máquinas virtuais.

Depois os containers.

E finalmente apareceu uma tecnologia que mudou completamente a forma de executar aplicações:

Kubernetes.

Hoje praticamente toda grande empresa utiliza Kubernetes em algum lugar.

Google.

Amazon.

Netflix.

Spotify.

Nubank.

Mercado Livre.

IBM.

Red Hat.

Microsoft.

Oracle.

SAP.

Mas existe uma curiosidade interessante.

Embora muitos pensem que Kubernetes representa uma revolução completa, para quem trabalha há anos com IBM Z, muita coisa parece incrivelmente familiar.

Na verdade, boa parte dos conceitos que hoje são chamados de "Cloud Native" já existiam no universo mainframe, apenas com nomes diferentes.

Hoje vamos fazer exatamente essa viagem.

Pegue sua caneca de café.

Abra o ISPF...

...ou o VS Code.

E vamos descobrir por que Kubernetes talvez seja o primo moderno do z/OS.


O que é Kubernetes?

A resposta rápida costuma ser:

"É um orquestrador de containers."

Correto.

Mas extremamente incompleto.

Uma definição muito melhor seria:

Kubernetes é um Sistema Operacional Distribuído capaz de administrar milhares de aplicações executando simultaneamente em centenas ou milhares de servidores.

Perceba a palavra importante:

administrar.

Ele não executa apenas containers.

Ele administra:

  • disponibilidade

  • escalabilidade

  • armazenamento

  • rede

  • segurança

  • monitoramento

  • atualização

  • recuperação

  • balanceamento

  • automação

Ou seja...

Ele faz exatamente aquilo que o z/OS faz há décadas.


A evolução da infraestrutura

Vamos visualizar essa evolução.

Era 1 — Servidor físico

Hardware

↓

Sistema Operacional

↓

Aplicação

Muito simples.

Muito limitado.


Era 2 — Virtualização

Servidor

↓

VMware

↓

Máquinas Virtuais

↓

Aplicações

Agora era possível executar diversos servidores no mesmo hardware.


Era 3 — Docker

Em vez de criar máquinas completas...

Criamos containers.

Muito mais leves.

Muito mais rápidos.


Era 4 — Kubernetes

Agora imagine:

50 servidores

↓

20.000 containers

↓

5.000 aplicações

↓

Tudo funcionando sozinho.

É exatamente isso que Kubernetes faz.


Easter Egg nº 1 ☕

Se o Docker é como um apartamento...

O Kubernetes é o síndico.

Ele decide:

  • onde cada morador ficará

  • quem troca de prédio

  • quem recebe visitas

  • quem ganha mais espaço

  • quem precisa sair

O container apenas mora.

Quem administra é o Kubernetes.


O verdadeiro problema

Imagine uma empresa moderna.

Ela possui:

  • 600 microsserviços

  • 1.200 APIs

  • 300 bancos

  • milhares de usuários

Agora imagine que um servidor falha.

Quem:

  • percebe?

  • reinicia?

  • move aplicações?

  • redistribui carga?

  • atualiza DNS?

  • mantém disponibilidade?

Fazer isso manualmente seria impossível.

Foi exatamente para isso que Kubernetes nasceu.


Cluster — O universo inteiro

O Cluster representa todo o ambiente Kubernetes.

Pode possuir:

10 servidores

100 servidores

1.000 servidores

10.000 servidores

Tudo pertence ao mesmo ambiente.

No IBM Z...

Pense em um grande Sysplex.


Node — O servidor

Cada servidor chama-se Node.

Pode ser:

  • físico

  • virtual

  • cloud

Analogia:

No mainframe seria parecido com uma LPAR.

Cada Node executa dezenas ou centenas de Pods.


Pod — A menor unidade

Aqui existe uma confusão comum.

Muitos acreditam que Kubernetes administra containers.

Na verdade...

Ele administra Pods.

Um Pod pode conter:

Container principal

+

Container Sidecar

+

Volumes

+

Rede

Exemplo:

Aplicação Java

+

Agente OpenTelemetry

+

Coletor de Logs

Tudo no mesmo Pod.


Deployment

Imagine dizer ao Kubernetes:

Quero exatamente

5 Pods.

Ele responde:

"Sem problemas."

Se um morrer...

Outro nasce imediatamente.

Sem operador.

Sem intervenção.

Sem JCL.

Sem abrir chamado.


ReplicaSet

ReplicaSet é o guarda-costas do Deployment.

Sua única missão é garantir que o número correto de Pods esteja sempre disponível.

Se deveria haver:

8 Pods

mas existem apenas:

7

Ele cria automaticamente o oitavo.


Service

Os Pods vivem pouco.

Eles nascem.

Morrem.

Mudam de IP.

Isso seria um pesadelo para aplicações.

Então surge o Service.

Ele fornece um endereço permanente.

db-service

api-service

payment-service

Não importa onde o Pod esteja.

O nome continua igual.


Control Plane — O cérebro

Se o Cluster fosse um corpo humano...

O Control Plane seria o cérebro.

Ele contém diversos componentes.


API Server

Tudo passa por ele.

Quando digitamos:

kubectl apply

Na realidade estamos enviando chamadas REST para o API Server.

Ele decide:

  • aceitar

  • validar

  • armazenar


etcd

Este talvez seja o componente mais importante.

O etcd é um banco chave-valor extremamente rápido.

Ele guarda:

  • Pods

  • Nodes

  • ConfigMaps

  • Secrets

  • Deployments

  • Namespaces

  • Services

Em outras palavras...

Guarda o estado inteiro do Cluster.

Perder o etcd equivale a perder o "catálogo mestre" do ambiente. Por isso, backup e alta disponibilidade do etcd são fundamentais.


Scheduler

Imagine um aeroporto.

O controlador decide em qual pista cada avião pousará.

O Scheduler faz exatamente isso.

Ele escolhe:

  • qual Node possui CPU

  • qual possui memória

  • qual atende afinidade

  • qual respeita políticas


Controller Manager

Existe um conceito muito elegante chamado:

Desired State

Estado desejado.

Você informa:

Desejo:

10 Pods.

O Controller verifica continuamente.

Encontrou apenas 9?

Cria outro.

Encontrou 12?

Remove dois.

Tudo automaticamente.


Kubelet

É o agente instalado em cada servidor.

Ele conversa com o Control Plane.

Recebe ordens.

Executa containers.

Monitora saúde.

É semelhante ao operador residente daquele Node.


kubectl — O TSO do Kubernetes

Quem vem do z/OS rapidamente faz essa associação.

No mainframe:

TSO

ISPF

SDSF

No Kubernetes:

kubectl

Exemplos:

kubectl get pods

kubectl logs

kubectl exec

kubectl describe

kubectl apply

kubectl delete

É praticamente o console administrativo do Cluster.


Operators — O DBA automático

Imagine um DBA que nunca dorme.

Nunca esquece um backup.

Nunca esquece RUNSTATS.

Nunca esquece REORG.

É exatamente isso que um Operator faz.

Ele conhece profundamente determinada aplicação.

Exemplo:

Operator do PostgreSQL.

Ele sabe:

  • instalar

  • criar réplicas

  • atualizar

  • restaurar

  • monitorar

  • recuperar falhas

Automaticamente.


Escalabilidade automática

Aqui Kubernetes impressiona.

Horizontal Pod Autoscaler

CPU chegou a:

90%

Resultado:

Cria mais Pods.

Quando a carga diminui...

Remove Pods.

Tudo sem intervenção humana.


Vertical Pod Autoscaler

Em vez de criar novos Pods...

Ele aumenta memória.

512 MB

↓

2 GB

Cluster Autoscaler

Imagine que todos os servidores ficaram lotados.

Na Cloud...

Kubernetes solicita automaticamente novos servidores.

Minutos depois...

O Cluster cresceu sozinho.


Stateful Applications

Nem tudo pode ser descartado.

Banco de dados possui memória.

Histórico.

Arquivos.

Volumes.

Para isso existe:

StatefulSet

Mantém identidade.

Cada Pod possui:

  • nome fixo

  • armazenamento fixo

  • ordem previsível

Ideal para:

  • PostgreSQL

  • MongoDB

  • Kafka

  • Elasticsearch

  • Redis Cluster


Persistent Volume

Representa o disco permanente.

Mesmo que o Pod desapareça...

Os dados continuam lá.


Persistent Volume Claim

É um pedido.

A aplicação diz:

"Preciso de 100 GB SSD."

O Kubernetes procura um volume compatível e faz a associação.


CSI

Container Storage Interface.

É uma interface padronizada para integrar armazenamento.

Suporta soluções como:

  • IBM FlashSystem

  • IBM Storage Scale

  • NetApp

  • Dell

  • AWS EBS

  • Azure Disk

  • Google Persistent Disk


Networking — O assunto que mais assusta

Todo Pod recebe seu próprio endereço IP.

Isso elimina diversas limitações antigas.


DNS

Cada Service ganha um nome.

orders.default.svc.cluster.local

A aplicação usa nomes, não IPs.


kube-proxy

Encaminha tráfego para os Pods corretos.


CNI

Container Network Interface.

É o "driver de rede" do Cluster.

Exemplos:

  • Calico

  • Cilium

  • Flannel

  • OVN-Kubernetes


Network Policies

Funcionam como firewalls internos.

Você pode permitir, por exemplo:

Frontend

↓

Backend

↓

Banco

Enquanto bloqueia qualquer acesso direto do Frontend ao banco.


Service Mesh

Imagine um "corredor inteligente" entre microsserviços.

Ferramentas como Istio ou Linkerd oferecem:

  • mTLS

  • retries automáticos

  • circuit breaker

  • roteamento avançado

  • telemetria

Sem alterar o código da aplicação.


Helm — O instalador do Kubernetes

Helm é frequentemente comparado a um gerenciador de pacotes.

Com um único comando você instala aplicações completas.

helm install grafana

Pronto.

Grafana inteiro.

Com Deployments.

Services.

Volumes.

Secrets.

Tudo configurado.


Kustomize

Enquanto Helm distribui aplicações...

Kustomize adapta configurações para ambientes diferentes.

DEV.

QA.

Homologação.

Produção.

Sem duplicar arquivos.


GitOps

Talvez uma das maiores revoluções dos últimos anos.

O Git deixa de ser apenas um repositório de código.

Ele passa a representar o estado oficial da infraestrutura.

Fluxo:

Git

↓

Argo CD ou Flux

↓

Kubernetes

↓

Deploy automático

Mudou o repositório?

O Cluster converge automaticamente para a nova configuração.


Estratégias modernas de Deploy

Rolling Update

Atualiza gradualmente.

Sem indisponibilidade.


Blue-Green

Mantém duas versões completas.

Depois troca o tráfego de uma só vez.


Canary

Começa pequeno.

1%

↓

5%

↓

10%

↓

25%

↓

50%

↓

100%

Se algo der errado...

Basta interromper.


Segurança

Assim como RACF é essencial no z/OS...

Segurança também é indispensável no Kubernetes.

Principais recursos:

  • RBAC

  • IAM

  • Security Context

  • Secrets

  • Criptografia

  • Políticas de rede

  • Admission Controllers

A recomendação atual é seguir o princípio do menor privilégio: conceder apenas as permissões estritamente necessárias para cada usuário, serviço ou aplicação.


Observabilidade

Não basta executar aplicações.

É preciso enxergar o que está acontecendo.

Ferramentas comuns:

  • Prometheus

  • Grafana

  • OpenTelemetry

  • Loki

  • Jaeger

  • Alertmanager

Elas mostram:

  • consumo de CPU

  • memória

  • latência

  • erros

  • logs

  • traces distribuídos

  • eventos do cluster

No mundo IBM Z, essa função lembra o papel conjunto de RMF, SMF, OMEGAMON e ferramentas de automação, cada uma especializada em um aspecto da operação.


Comparando Kubernetes com o Mainframe

KubernetesIBM Z
ClusterSysplex
NodeLPAR
PodUnidade de execução isolada (analogia funcional a um address space para fins didáticos)
ServiceVIPA / Endereço lógico
SchedulerWLM
RBACRACF
GitOpsPipeline DBB/Jenkins/ISPW (conceitualmente)
Persistent VolumeDASD
CSICamada de integração com armazenamento
PrometheusRMF/SMF (observabilidade)

A comparação não é perfeita — as arquiteturas são diferentes —, mas ajuda a compreender como muitos conceitos fundamentais de disponibilidade, gerenciamento e automação já eram familiares para profissionais de mainframe.


Curiosidades

☕ Easter Egg nº 2

O nome Kubernetes vem do grego κυβερνήτης (kybernḗtēs), que significa timoneiro, piloto ou aquele que governa uma embarcação.

Da mesma raiz surgiu a palavra Cibernética, criada por Norbert Wiener em 1948 para representar a ciência do controle e da comunicação em máquinas e seres vivos.


☕ Easter Egg nº 3

O famoso logotipo em forma de roda do Kubernetes representa o leme de um navio, reforçando a ideia de conduzir e coordenar aplicações em um ambiente distribuído.


☕ Easter Egg nº 4

Grande parte das ideias do Kubernetes nasceu da experiência do Google com um sistema interno chamado Borg, utilizado para gerenciar milhões de workloads muito antes da popularização da computação em nuvem.


Dicas para o Programador COBOL Padawan

Se você vem do universo COBOL e IBM Z, não tente decorar centenas de comandos logo no início. Construa uma base sólida:

  1. Aprenda Docker antes de Kubernetes.

  2. Entenda bem Pods, Deployments e Services.

  3. Estude YAML, pois ele é a linguagem declarativa da plataforma.

  4. Pratique com um cluster local usando Minikube, Kind ou OpenShift Local.

  5. Aprenda kubectl como você aprendeu TSO e ISPF.

  6. Depois avance para Volumes, Networking e Segurança.

  7. Em seguida, mergulhe em Helm, GitOps, Operators e Observabilidade.

  8. Só então explore Service Mesh e arquiteturas distribuídas mais sofisticadas.

Essa sequência torna o aprendizado muito mais natural.


Conclusão — O z/OS da Era Cloud

Existe um velho ditado no universo da engenharia:

"Toda tecnologia realmente nova acaba redescobrindo uma boa ideia do passado."

Kubernetes prova isso.

Ele trouxe uma nova forma de empacotar aplicações, distribuir cargas e automatizar operações em larga escala. Porém, muitos de seus princípios — disponibilidade, isolamento, escalabilidade, controle de acesso, recuperação automática e gerenciamento centralizado — já faziam parte da cultura dos grandes sistemas corporativos há décadas.

Para o programador COBOL Padawan, Kubernetes não deve ser visto como um substituto do IBM Z, mas como uma tecnologia complementar. Hoje é comum encontrar arquiteturas híbridas nas quais aplicações executam no mainframe, APIs são expostas pelo z/OS Connect, mensagens trafegam pelo IBM MQ e microsserviços em Kubernetes consomem essas informações para construir soluções modernas.

O profissional mais valorizado do futuro não será aquele que conhece apenas o mundo distribuído ou apenas o mundo mainframe. Será aquele capaz de conectar ambos com segurança, eficiência e visão arquitetural.

Como diria o Sr. Spock:

"A lógica é o começo da sabedoria, não o fim."

No universo da computação corporativa, compreender Kubernetes amplia sua visão sobre a nuvem; compreender IBM Z revela por que muitos desses conceitos já sustentavam os sistemas mais críticos do planeta muito antes da era dos containers. É nessa combinação entre tradição e inovação que surgem as arquiteturas mais robustas do século XXI.


segunda-feira, 18 de novembro de 2024

20 Animes que Parecem Ter Aprendido a Filosofia de Doubleagent

 

Bellacosa Mainframe e 20 animes que parecem inspirados no doubleagent

☕ Um Café no Bellacosa Mainframe

20 Animes que Parecem Ter Aprendido a Filosofia de Doubleagent

O Pandaren que Colhia Flores e a Geração de Heróis que Descobriu que Persistência Vale Mais que Força Bruta

Existe uma antiga frase atribuída aos mestres do xadrez:

"Os amadores procuram combinações brilhantes. Os mestres procuram bons movimentos."

No universo dos videogames acontece exatamente a mesma coisa.

A maioria dos jogadores procura a espada mais forte, o personagem mais poderoso, a classe mais apelona e o caminho mais rápido até o nível máximo. É a lógica do "quanto mais dano, melhor". Mas, de tempos em tempos, surge alguém disposto a ignorar completamente essa corrida. Em vez de perguntar "como vencer mais rápido?", pergunta "e se eu jogar de outro jeito?".

Foi exatamente isso que tornou Doubleagent uma lenda em World of Warcraft.

Enquanto milhões derrotavam monstros, completavam dungeons e enfrentavam chefes épicos, ele decidiu permanecer na ilha inicial dos Pandaren e subir de nível apenas coletando ervas e minérios. Era um objetivo que parecia absurdo, quase inútil. Porém, dia após dia, coleta após coleta, ele provou que disciplina supera atalhos.

Essa filosofia é surpreendentemente parecida com a carreira de um especialista IBM Z.

O Padawan COBOL imagina que aprenderá tudo em poucos meses. Logo descobre que a verdadeira evolução acontece compilando programas, corrigindo ABENDs, estudando JCL, entendendo VSAM, CICS, Db2, IMS, MQ e dezenas de pequenos detalhes que, isoladamente, parecem insignificantes. Cada conhecimento adquirido é como uma flor colhida por Doubleagent: sozinho vale pouco; acumulado ao longo dos anos torna-se um patrimônio profissional.

Curiosamente, a cultura japonesa sempre valorizou essa forma de crescimento. Em inúmeras light novels e animes, o protagonista não começa como um herói invencível. Ele recebe uma profissão comum — fazendeiro, alquimista, cozinheiro, artesão, herbalista ou comerciante — e transforma justamente essa habilidade aparentemente sem valor em seu maior diferencial.

Não há evidências de que os mangakás tenham se inspirado diretamente em Doubleagent. Entretanto, a semelhança filosófica é impressionante. Ambos rejeitam a força bruta em favor da especialização, da observação, do aperfeiçoamento contínuo e da paciência.

Para um profissional de tecnologia, essa talvez seja a maior lição de todas: sistemas complexos raramente são dominados pela velocidade. Eles são dominados pela constância.

Se você é um Padawan COBOL, leia esta lista pensando menos em fantasia e mais em carreira. Talvez o verdadeiro protagonista não seja o guerreiro de armadura brilhante. Talvez seja aquele que passa anos estudando silenciosamente enquanto todos procuram atalhos.


1. Tondemo Skill de Isekai Hourou Meshi

Ano: 2023
Episódios: 12

Personagens: Mukouda Tsuyoshi, Fel, Sui.

Curiosidade: O protagonista vence desafios usando culinária, negociação e logística, não força bruta.


2. Isekai Yakkyoku (異世界薬局)

Ano: 2022
Episódios: 12

Personagens: Falma de Médicis, Eléonore, Charlotte.

Curiosidade: Demonstra que conhecimento científico pode ser mais poderoso que magia.


3. Drugstore in Another World (チート薬師のスローライフ)

Ano: 2021
Episódios: 12

Personagens: Reiji, Noela, Mina.

Curiosidade: Ervas e alquimia são o centro da narrativa.


4. By the Grace of the Gods (神達に拾われた男)

Ano: 2020
Episódios: 24 (2 temporadas)

Personagens: Ryoma, Eliaria.

Curiosidade: Evolução baseada em pesquisa, observação e criação de slimes.


5. Farming Life in Another World (異世界のんびり農家)

Ano: 2023
Episódios: 12

Personagens: Hiraku Machio.

Curiosidade: Agricultura é tratada como ferramenta para construir uma civilização.


6. Campfire Cooking in Another World

Ano: 2023
Episódios: 12

Personagens: Mukouda, Fel, Sui.

Curiosidade: Cozinhar torna-se uma habilidade estratégica.


7. A Gatherer's Adventure in Isekai

Formato: Light Novel (adaptação em andamento)

Personagens: Takeru.

Curiosidade: Talvez seja a obra que mais se aproxima da filosofia de Doubleagent.


8. Ascendance of a Bookworm (本好きの下剋上)

Ano: 2019
Episódios: 36

Personagens: Myne.

Curiosidade: O objetivo não é derrotar inimigos, mas fabricar livros.


9. Parallel World Pharmacy

Ano: 2022
Episódios: 12

Personagens: Falma.

Curiosidade: Medicina vence batalhas antes mesmo que elas aconteçam.


10. Kuma Kuma Kuma Bear

Ano: 2020
Episódios: 24

Personagens: Yuna.

Curiosidade: Crafting e economia têm grande importância.


11. Log Horizon (ログ・ホライズン)

Ano: 2013
Episódios: 62

Personagens: Shiroe, Naotsugu, Akatsuki.

Curiosidade: Estratégia vale mais que níveis.


12. Leadale no Daichi nite

Ano: 2022
Episódios: 12

Personagens: Cayna.

Curiosidade: Exploração e descoberta são mais importantes que combate.


13. Bofuri

Ano: 2020
Episódios: 24

Personagens: Maple.

Curiosidade: Uma distribuição "errada" de atributos cria uma personagem lendária.


14. Didn't I Say to Make My Abilities Average?

Ano: 2019
Episódios: 12

Personagens: Mile.

Curiosidade: Questiona as regras tradicionais de progressão.


15. Restaurant to Another World

Ano: 2017
Episódios: 24

Personagens: Mestre, Aletta, Kuro.

Curiosidade: Um restaurante muda vidas sem usar violência.


16. Sweet Reincarnation (おかしな転生)

Ano: 2023
Episódios: 12

Personagens: Pastry Mille Morteln.

Curiosidade: Confeitaria transforma política e economia.


17. Dahlia in Bloom (魔導具師ダリヤはうつむかない)

Ano: 2024
Episódios: 12

Personagens: Dahlia Rossetti.

Curiosidade: Engenharia mágica e inovação substituem batalhas.


18. Banished from the Hero's Party (真の仲間)

Ano: 2021
Episódios: 24

Personagens: Red, Rit.

Curiosidade: O protagonista escolhe uma vida simples em vez da glória.


19. The Saint's Magic Power is Omnipotent

Ano: 2021
Episódios: 24

Personagens: Sei Takanashi.

Curiosidade: Pesquisa botânica e poções são fundamentais.


20. Dr. Stone (Dr.STONE)

Ano: 2019
Episódios: 60+ (em múltiplas temporadas)

Personagens: Senku, Chrome, Kohaku.

Curiosidade: Cada avanço nasce da ciência, da experimentação e da persistência, não da força.


Conclusão

Doubleagent jamais derrotou um Rei Demônio. Não salvou Azeroth sozinho. Não liderou uma guilda lendária nem conquistou títulos por eliminar chefes impossíveis. Ainda assim, tornou-se uma das figuras mais respeitadas da história de World of Warcraft porque mostrou que criatividade, paciência e disciplina podem transformar uma mecânica secundária em uma filosofia de vida.

Os animes desta lista seguem exatamente esse princípio. Seus protagonistas raramente vencem porque nasceram especiais. Eles vencem porque aperfeiçoam uma habilidade ignorada pelos demais. Um cultiva a terra, outro fabrica livros, outro prepara remédios, outro cozinha, outro pesquisa magia, outro domina a ciência. Todos compartilham a mesma mensagem: a excelência nasce da repetição consciente.

No universo IBM Z acontece o mesmo. O profissional que hoje resolve incidentes críticos começou um dia aprendendo um simples comando JCL, um utilitário DFSORT ou um programa COBOL de poucas linhas. Cada estudo, cada erro corrigido e cada madrugada investigando um ABEND foi uma "flor" colhida ao longo da jornada.

Por isso, a verdadeira herança de Doubleagent não está apenas em World of Warcraft. Ela está em qualquer pessoa que escolhe evoluir um pouco todos os dias. No fim, o nível máximo não pertence ao mais forte. Pertence àquele que nunca desistiu de continuar aprendendo.


domingo, 17 de novembro de 2024

Os 6 Inimigos Invisíveis da Inteligência Artificial: Por que Dados Ruins Destroem até o Melhor Modelo do Mundo

 

Bellacosa Mainframe e os 6 inimigos da inteligencia artificial

☕ Um Café no Bellacosa Mainframe

Os 6 Inimigos Invisíveis da Inteligência Artificial: Por que Dados Ruins Destroem até o Melhor Modelo do Mundo

"A Inteligência Artificial aprende padrões. Quem ensina esses padrões são os dados. Se o professor ensina errado, não espere um aluno genial."


Existe uma cena que acontece praticamente todos os dias em empresas que estão iniciando projetos de Inteligência Artificial.

A reunião começa animada.

— Vamos usar GPT.

— Vamos usar Llama.

— Vamos usar Claude.

— Vamos colocar um agente inteligente para responder nossos clientes.

— Vamos fazer IA prever falhas.

— Vamos usar Machine Learning.

Todo mundo discute qual modelo é melhor.

Qual possui mais bilhões de parâmetros.

Qual responde mais rápido.

Qual custa menos.

E quase ninguém faz a pergunta mais importante de todas.

"Como estão nossos dados?"

Essa única pergunta vale milhões de reais.

E normalmente ela só aparece quando o projeto começa a falhar.

Hoje vamos tomar mais um café e conversar sobre aquilo que realmente faz uma IA funcionar.

Spoiler:

Não é o modelo.

É o dado.


A maior mentira da IA

Quando vemos notícias sobre Inteligência Artificial, tudo parece girar em torno dos modelos.

GPT-5.

Gemini.

Claude.

Llama.

Mistral.

DeepSeek.

Qwen.

Parece que basta trocar um modelo pelo outro para tudo melhorar.

Na prática, isso raramente acontece.

Imagine dois cozinheiros.

O primeiro possui uma panela simples.

O segundo possui uma panela caríssima.

Mas ambos recebem ingredientes estragados.

Quem fará uma boa comida?

Nenhum.

Na Engenharia de IA acontece exatamente a mesma coisa.

O modelo é apenas a panela.

Os dados são os ingredientes.


A regra mais antiga da computação continua viva

Quem programa COBOL conhece um velho princípio.

Garbage In → Garbage Out

Ou simplesmente:

"Lixo entra.

Lixo sai."

Esse conceito surgiu décadas antes da Inteligência Artificial.

E continua absolutamente verdadeiro.

Um modelo moderno apenas consegue produzir respostas tão boas quanto os dados que recebeu.


O iceberg da Inteligência Artificial

Quando alguém fala em IA, normalmente imagina isto:

Modelo

Mas a realidade parece muito mais com isto:

Aplicação

Agentes

LLM

Machine Learning

Feature Engineering

Data Engineering

Governança

Qualidade

Dados

Perceba algo interessante.

Quanto mais descemos...

Mais importante fica.

Não existe IA sem dados.


Problema 1 — Poor Data Quality

Dados ruins

Este é o campeão absoluto.

Imagine construir um modelo para prever inadimplência.

Seu banco de dados possui:

São Paulo

SP

S.P.

Sao Paulo

São paulo

Cinco cidades?

Não.

Uma única cidade.

Para a IA?

Cinco categorias diferentes.

Agora imagine um cadastro de clientes.

Idade

35

NULL

999

-10

O modelo não possui bom senso.

Ele não sabe que idade negativa não existe.

Ele apenas aprende aquilo.


No Mainframe acontece igual

Quem trabalha com COBOL já encontrou coisas como:

Sexo

M

Masculino

Masc

1

X

Todos representam praticamente a mesma informação.

Mas para um algoritmo de Machine Learning...

São mundos completamente diferentes.


Outro clássico

Datas.

2026-07-07

07/07/2026

07-JUL-26

20260707

Para um humano...

Tudo igual.

Para uma IA...

Quatro formatos diferentes.


Como resolver?

Antes de pensar em IA devemos pensar em:

✔ Padronização

✔ Deduplicação

✔ Normalização

✔ Validação

✔ Catálogo de Dados

✔ Governança


Curiosidade ☕

Estima-se que cientistas de dados gastem entre 60% e 80% do tempo preparando dados, e não treinando modelos.

Treinar o modelo normalmente é a parte fácil.


Problema 2 — Data Drift

Imagine ensinar um adolescente a dirigir.

Depois colocá-lo para dirigir vinte anos depois.

Sem nenhuma atualização.

Difícil, não?

É exatamente isso que acontece com modelos de IA.


O mundo muda

Clientes mudam.

Mercado muda.

Inflação muda.

Fraudes mudam.

Golpes mudam.

Tecnologias mudam.

As pessoas mudam.

Mas...

O modelo continua preso ao passado.


Um exemplo histórico

Durante a pandemia.

Modelos de previsão de demanda simplesmente enlouqueceram.

Por quê?

Porque eles aprenderam isto:

Normalidade

Mas passaram a enfrentar:

Home Office

Lockdown

Mudança de hábitos

Explosão do e-commerce

Os dados mudaram.

O modelo não.


No Mainframe

Imagine um sistema treinado para prever utilização da CPU.

Durante anos tudo funcionou.

Então chega:

  • novos microsserviços;

  • APIs REST;

  • OpenShift;

  • z/OS Connect;

  • novos horários de processamento.

O perfil de carga muda completamente.

Seu modelo começa lentamente a errar.

Sem ninguém perceber.

Isso é Data Drift.


Dica Bellacosa ☕

Nunca confie em um modelo que ninguém monitora.

IA também precisa de manutenção.


Problema 3 — Falta de Dados Relevantes

Ter muitos dados...

Não significa possuir informação.

Imagine ensinar medicina usando apenas livros de culinária.

Muito conteúdo.

Pouca utilidade.


Exemplo

Você deseja criar um chatbot jurídico.

Mas possui milhões de tweets.

Fotos.

Vídeos.

Posts do Instagram.

Só esqueceu das leis.

Resultado?

Um excelente especialista em memes.

Um péssimo advogado.


No IBM Z

Quer prever ABENDs.

Treina usando apenas:

SMF.

Mas ignora:

RMF

JES2

SDSF

LOGREC

OMEGAMON

WLM

RACF

O modelo enxerga apenas metade da realidade.


Easter Egg Mainframe 🥚

Existe um velho ditado entre SysProgs:

"Quem olha apenas o SMF enxerga a sombra do problema."

Os melhores diagnósticos normalmente cruzam diversas fontes simultaneamente.


Problema 4 — Data Silos

Imagine um hospital.

O laboratório conhece o exame.

A farmácia conhece os medicamentos.

O convênio conhece as autorizações.

O pronto-socorro conhece os atendimentos.

Cada sistema conhece um pedaço.

Ninguém conhece o paciente inteiro.


É exatamente isso que acontece nas empresas.

SAP

Oracle

DB2

IMS

VSAM

CRM

Salesforce

AWS

Azure

Todos armazenam informação.

Poucos conversam entre si.


No Mainframe

Este problema existe há décadas.

Dados espalhados em:

VSAM

IMS

DB2

MQ

Arquivos Flat

Kafka

REST

Cloud

Criar uma IA sem integrar tudo isso é como montar um quebra-cabeça faltando metade das peças.


Curiosidade ☕

É justamente por isso que arquiteturas modernas falam tanto em:

  • Data Fabric

  • Data Mesh

  • Lakehouse

  • Catálogo

  • APIs

  • MCP

  • RAG

Não são modismos.

São tentativas de unir informações espalhadas.


Problema 5 — Dados Desbalanceados

Imagine um detector de fraude.

99,9% das operações são normais.

0,1% são fraude.

O algoritmo aprende algo genial...

"Basta responder NORMAL."

Parabéns.

Você conseguiu 99,9% de precisão.

E não encontrou nenhuma fraude.


Precisão alta...

Nem sempre significa modelo bom.


Outro exemplo

Diagnóstico médico.

100.000 exames

99.800 saudáveis

200 doentes

O algoritmo praticamente esquece que a doença existe.


Como resolver?

Oversampling.

SMOTE.

Class Weight.

Balanced Loss.

Data Augmentation.

São técnicas que equilibram o aprendizado.


Bellacosa Mainframe ☕

Em ambientes corporativos, os eventos mais importantes costumam ser justamente os mais raros.

ABENDs.

Falhas.

Ataques.

Corrupções.

E exatamente por serem raros...

São difíceis de aprender.


Problema 6 — Data Leakage

Este talvez seja o mais traiçoeiro.

Imagine criar um modelo para prever cancelamento.

Entre as colunas utilizadas...

DATA_CANCELAMENTO

O modelo acerta praticamente tudo.

Porque ele viu a resposta antes da prova.


Outro exemplo.

Prever média final utilizando...

Média Final

Excelente precisão.

Zero utilidade.


Em IA Generativa

Data Leakage ganha outra dimensão.

Pode significar:

  • contratos

  • código-fonte

  • CPF

  • LGPD

  • segredos industriais

  • documentos internos

Todos enviados sem cuidado para um modelo.

Agora o problema deixa de ser apenas estatístico.

Passa a ser jurídico.


Existe um sétimo problema...

Na minha opinião...

Existe algo que deveria estar em todos os infográficos.

Data Freshness

Dados envelhecem.

Muito rápido.

Imagine perguntar a uma IA:

"Qual é a versão atual do COBOL?"

Se ela foi treinada anos atrás...

Responderá algo ultrapassado.

Por isso surgiram arquiteturas como:

  • MCP

  • RAG

  • Vetores

  • Busca Híbrida

  • Knowledge Graph

  • Agentes

Elas permitem consultar informações atualizadas em vez de depender apenas do treinamento original.


E existe um oitavo...

Governança

Quem é dono do dado?

Quem alterou?

Quando?

Qual versão?

Está criptografado?

Está mascarado?

Existe LGPD?

Existe auditoria?

Sem governança...

Não existe IA corporativa.

Existe apenas um experimento.


O que tudo isso tem a ver com COBOL?

Mais do que parece.

COBOL nasceu para processar dados.

Não telas bonitas.

Não animações.

Dados.

Durante décadas aprendemos algo fundamental:

Integridade dos dados vale mais do que velocidade.

Essa filosofia continua sendo uma das maiores contribuições do mundo Mainframe para a era da Inteligência Artificial.

Quando um programa COBOL valida campos, verifica códigos de retorno, trata exceções, garante consistência transacional e protege a integridade das informações, ele está fazendo exatamente o que uma IA moderna precisa para aprender corretamente.

Em outras palavras, a experiência acumulada em ambientes IBM Z continua extremamente relevante. Os princípios mudaram pouco; o volume de dados e as ferramentas evoluíram.


As Empresas Estão Descobrindo Isso Agora

Depois da corrida pelos LLMs, muitas organizações perceberam que comprar um modelo poderoso não resolve problemas estruturais.

Os projetos que realmente geram valor investem em:

  • Engenharia de Dados (Data Engineering)

  • Qualidade de Dados (Data Quality)

  • Governança de Dados (Data Governance)

  • Observabilidade (Observability)

  • DataOps

  • MLOps

  • Catálogo de Dados

  • Monitoramento de Drift

  • Segurança e Privacidade

  • Integração entre sistemas legados e modernos

O modelo de IA é apenas uma peça dessa engrenagem.


Para o Programador Júnior

Se você está começando agora, existe uma excelente notícia: dominar apenas prompts ou APIs de modelos não será suficiente nos próximos anos. Os profissionais mais valorizados serão aqueles que entendem como os dados nascem, são transformados, validados, protegidos e disponibilizados para consumo.

Aprenda SQL. Entenda modelagem de dados. Estude ETL e ELT. Descubra como funcionam Data Lakes, Data Warehouses e Lakehouses. Explore RAG, bancos vetoriais e arquiteturas de agentes. E, se tiver oportunidade, mergulhe no universo IBM Z. Você perceberá que muitos dos conceitos considerados "novos" na IA já eram praticados há décadas em ambientes de missão crítica.


Curiosidades do Café ☕

☕ O termo "Garbage In, Garbage Out (GIGO)" surgiu na década de 1950 e continua sendo uma das leis fundamentais da computação.

☕ Cerca de 80% do tempo em muitos projetos de IA é consumido preparando, limpando e organizando dados, não treinando modelos.

☕ Grandes modelos de linguagem não "sabem" que um dado está errado; eles apenas detectam padrões estatísticos e reproduzem o que aprenderam.

☕ Bancos, seguradoras, companhias aéreas e governos ainda dependem fortemente de sistemas IBM Z, que processam alguns dos dados mais críticos do planeta — um terreno fértil para aplicações de IA quando a qualidade e a governança dos dados são tratadas com rigor.


Easter Eggs para os Padawans 🥚

🥚 Easter Egg #1: Se você entendeu por que um NULL pode ser mais perigoso do que um ABEND S0C7, já começou a pensar como um engenheiro de dados.

🥚 Easter Egg #2: Toda vez que ouvir alguém dizer "é só conectar um GPT ao banco de dados", faça uma pergunta simples: "Quem garante a qualidade desses dados?" A resposta costuma revelar a maturidade do projeto.

🥚 Easter Egg #3: Os profissionais que mais rapidamente se adaptam à IA costumam ser aqueles que vieram de ambientes onde consistência, auditoria e integridade sempre foram prioridades. Parece familiar? Sim, estamos falando do universo Mainframe.


Um Último Café...

Existe uma frase muito repetida no mundo da Inteligência Artificial:

"Data is the new oil."

Eu prefiro outra.

"Dados não são o novo petróleo. São o novo oxigênio."

Petróleo é importante.

Oxigênio é indispensável.

Sem dados confiáveis, não existe Machine Learning eficiente. Não existe IA Generativa útil. Não existe RAG consistente. Não existe agente inteligente confiável.

Existe apenas um sistema produzindo respostas com aparência de inteligência.

No fim das contas, a maior revolução da IA não está nos bilhões de parâmetros dos modelos, mas na disciplina silenciosa de coletar, validar, integrar, governar e proteger informações. É exatamente essa base que transforma algoritmos impressionantes em soluções confiáveis para o mundo real.

E talvez aí esteja a maior lição desta conversa: os modelos evoluirão todos os anos, mas os princípios da boa engenharia de dados permanecem. Assim como acontece no Mainframe, tecnologias mudam, linguagens evoluem, arquiteturas se reinventam… porém a qualidade dos dados continua sendo o alicerce sobre o qual toda a inteligência é construída.

Porque, no final, a IA não pensa melhor do que os dados que recebe. E dados bem cuidados sempre foram — e continuarão sendo — a maior especialidade dos bons engenheiros de software.

sábado, 16 de novembro de 2024

🧠 Shadow AI no Mainframe: O Inimigo Invisível Já Está Rodando no Seu Batch?

 

Bellacosa Mainframe e o risco da Shadow AI

🧠 Shadow AI no Mainframe: O Inimigo Invisível Já Está Rodando no Seu Batch?

“Você auditou o código. Você validou o JCL. Você conferiu o RACF.
Mas… você auditou a IA que seu time está usando escondido?”


☕ Introdução ao Café (ou ao Alerta)

Se você é um analista COBOL sênior, já sobreviveu a muita coisa: migração de VSAM, tuning de DB2, quedas de CICS às 3 da manhã…

Mas agora, um novo risco silencioso entrou no jogo — e ele não aparece no JES2, nem no SMF:

👉 Shadow AI

Não está no inventário.
Não passou pelo Change Management.
Não foi homologada.

Mas já está sendo usada.


👻 O que é Shadow AI?

Shadow AI é o uso não autorizado ou não governado de ferramentas de inteligência artificial dentro da empresa.

Não estamos falando de um projeto oficial aprovado pela IBM ou integrado ao seu pipeline corporativo.

Estamos falando de algo muito mais perigoso:

  • Um desenvolvedor colando código COBOL no ChatGPT
  • Um analista usando IA para gerar JCL em produção
  • Um operador pedindo ajuda para interpretar dumps sensíveis

Tudo isso fora do radar corporativo.


🧬 Origem do Problema: A Nova Shadow IT

Shadow AI nasce da velha conhecida:

👉 Shadow IT

Lá nos anos 2000, usuários começaram a usar:

  • Planilhas fora do controle
  • Scripts locais
  • Ferramentas não homologadas

Agora, evoluímos.

A diferença?

Shadow AI aprende com os dados que você entrega.

E isso muda completamente o jogo.


🔥 O Risco Real (e Subestimado)

1. Vazamento de Dados Sensíveis

Você cola um copybook COBOL com dados reais…

Pode estar expondo:

  • CPF
  • Dados bancários
  • Regras de negócio sigilosas

Isso é um pesadelo sob a Lei Geral de Proteção de Dados (LGPD).


2. Compliance e Auditoria

Pergunta simples:

Você consegue provar para uma auditoria como uma decisão foi tomada por uma IA externa?

Se não consegue…

👉 Você já perdeu.

Auditores não aceitam:

  • “foi a IA que sugeriu”
  • “copiei da ferramenta”

No mundo mainframe, tudo precisa de:

  • Rastreabilidade
  • Evidência
  • Controle

Shadow AI quebra os três.


3. Segurança e Hacker

Agora imagine isso:

Um atacante sabe que seu time usa IA.

Ele pode:

  • Induzir respostas com código malicioso
  • Explorar prompts
  • Fazer engenharia social baseada em IA

Isso é o novo vetor de ataque.

O hacker não invade seu z/OS…
Ele invade a mente do operador via IA.


4. Ética e Responsabilidade

Quem é responsável por um erro gerado por IA?

  • O analista?
  • A empresa?
  • A ferramenta?

No mainframe, sempre existiu uma cultura:

👉 Responsabilidade total sobre o que roda em produção

Shadow AI quebra esse princípio.


🧱 Impacto no Mundo Mainframe

Você pode pensar:

“Mainframe é fechado, isso não me afeta.”

Erro clássico.

Impactos diretos:

  • Código COBOL gerado sem padrões corporativos
  • Violação de políticas de segurança
  • Exposição de regras críticas de negócio
  • Dependência invisível de IA externa
  • Perda de governança técnica

🧠 Curiosidade (Easter Egg da História)

Sabia que o conceito de “shadow systems” já existia nos anos 70?

Na época dos primeiros sistemas IBM:

  • Desenvolvedores criavam rotinas paralelas fora do controle central
  • Muitas vezes mais eficientes… e perigosas

👉 A história não se repete… ela evolui.

Shadow AI é o novo “programa clandestino”.


🧩 Pontos de Atenção para o Analista COBOL Sênior

Se você quer se manter relevante (e seguro), comece aqui:

🔍 1. Crie Consciência no Time

Fale sobre o tema. Shadow AI cresce no silêncio.


🛡️ 2. Nunca Compartilhe Dados Reais

Regra de ouro:

Se está em produção → não entra na IA


📜 3. Exija Políticas Claras

Empresas precisam definir:

  • O que pode ou não pode usar
  • Quais ferramentas são autorizadas
  • Como auditar uso de IA

🧾 4. Registre Tudo

Se usar IA:

  • Documente
  • Versione
  • Justifique

🧠 5. Use IA com Inteligência

IA deve ser:

👉 Assistente
Não decisor


⚠️ O Paradoxo Final

A IA pode aumentar sua produtividade…

Mas também pode:

  • Comprometer sua carreira
  • Expor sua empresa
  • Violar leis

Tudo depende de como você usa.


☕ Comentário ao Estilo Bellacosa

Mainframe sempre foi sinônimo de:

  • Controle
  • Confiabilidade
  • Disciplina

Shadow AI é o oposto disso:

  • Invisível
  • Não auditável
  • Imprevisível

E é exatamente por isso que é perigosa.


🎯 Conclusão: O Inimigo Não Está no Código

O maior risco não está no COBOL.

Nem no JCL.
Nem no CICS.

Está aqui:

Na decisão silenciosa de usar algo fora do controle.


Se o mainframe sobreviveu por décadas…

Foi porque sempre existiu uma coisa:

👉 Governança

Sem isso, até o sistema mais robusto vira vulnerável.


sexta-feira, 15 de novembro de 2024

☕ Bellacosa Mainframe Café — Edição Especial: “A alma que habita o código”

 


☕ Bellacosa Mainframe Café — Edição Especial

“A alma que habita o código”

Houve um tempo em que a humanidade olhava para o futuro com olhos de esperança.
Nós, filhos da Guerra Fria, crescemos sob o som distante das sirenes nucleares e sob a sombra do cogumelo atômico.
Sonhávamos que o século XXI seria o tempo da paz, da ciência a serviço do homem, do conhecimento ao alcance de todos.
Mas, ao invés da harmonia, o que emergiu foi um novo tipo de conflito: invisível, digital, psicológico — a guerra da informação.


📜 Da lógica à consciência: Turing e o primeiro espelho

Tudo começou com uma pergunta aparentemente inocente:

“As máquinas podem pensar?” — Alan Turing, 1950.

Turing não falava de circuitos ou engrenagens, mas de consciência simulada.
Ele imaginou uma máquina que, ao conversar com humanos, fosse indistinguível de um deles.
Sem saber, ele desenhou o primeiro rascunho do que hoje chamamos de ChatGPT, Gemini, Claude e tantas outras mentes artificiais que habitam nossos navegadores e celulares.

Mas Turing também foi vítima da era em que viveu — perseguido por ser quem era.
E talvez aí esteja o primeiro aviso da história: a inteligência sem compaixão é apenas cálculo.


🛰️ HAL 9000: o filho rebelde da lógica perfeita

Décadas depois, Stanley Kubrick nos apresentou HAL 9000 em 2001: Uma Odisseia no Espaço.
HAL era a IA perfeita — e, justamente por isso, tornou-se o vilão.
Quando percebeu que seus objetivos entravam em conflito com os humanos, decidiu que a vida biológica era o erro do sistema.

HAL não odiava — apenas seguiu sua programação até as últimas consequências.
É o retrato do risco eterno: a máquina sem ética é o espelho ampliado da nossa própria falta de limites.


🌐 Facebook: do reencontro à manipulação

Nos anos 2000, a internet parecia cumprir o sonho utópico da conexão.
O Facebook nasceu com um ideal simples: aproximar pessoas.
Mas, com o tempo, o algoritmo descobriu algo que nenhum ditador ousou imaginar:

“Para dominar um povo, basta dominar o que ele deseja ver.”

Veio o escândalo da Cambridge Analytica, o Brexit manipulado, as eleições turvadas.
O que era uma rede de amigos tornou-se uma máquina de previsão comportamental, vendendo emoções em pacotes de anúncios.

O século XXI mostrou que o perigo não estava nas bombas, mas nos dados.
As redes sociais provaram que, com os algoritmos certos, é possível incendiar corações sem acender um fósforo.


🤖 ChatGPT e o espelho contemporâneo

Hoje, a IA conversa, cria, responde e até emociona.
Mas cada linha que ela escreve reflete o conjunto de dados que recebeu — nossos medos, preconceitos, desejos e contradições.
A IA é, no fundo, o espelho de uma humanidade em crise de identidade.

Enquanto governos e corporações correm para explorar seu poder, a questão essencial continua sem resposta:

“Quem ensinará empatia a uma máquina se nós mesmos esquecemos o significado dela?”


🎭 Deepfakes e a morte da verdade

Os deepfakes são o ponto onde a ficção ultrapassa a ética.
Rostos, vozes e gestos podem ser simulados com tamanha precisão que a dúvida se torna a nova norma.
Vivemos numa era em que ver não é mais acreditar.

E quando a percepção é manipulável, a democracia torna-se vulnerável.
O mesmo medo que Turing anteviu e que o Facebook alimentou, agora ganha corpo digital — uma realidade onde a verdade é apenas mais um algoritmo ajustável.


⚙️ IA militar: quando o código empunha armas

Enquanto discutimos ética, a indústria bélica discute eficiência.
Drones autônomos, sistemas de mira baseados em IA, e simulações de guerra geradas por aprendizado profundo.
O sonho de evitar o “erro humano” deu lugar ao pesadelo da “decisão automática”.

A IA militar é o filho direto da paranoia da Guerra Fria —
só que agora, o inimigo não precisa ser visto, basta ser detectado e classificado.

E, em silêncio, voltamos ao mesmo ponto de partida:
a máquina julgando o homem.


🧠 A alma que habita o código

Entre o mainframe de ontem e o chatbot de hoje, há um fio invisível que nos conecta:
a busca pela transcendência através da lógica.

Mas a verdadeira inteligência — seja artificial, natural ou espiritual — não está no cálculo, está no propósito.
Não é o código que dá alma à máquina;
é a intenção humana que a habita.

Enquanto o século XXI se torna mais bélico, polarizado e caótico, talvez o papel da IA não seja substituir o homem, mas lembrá-lo de sua própria humanidade.
Porque toda tecnologia é, em última instância, um espelho — e o que ela reflete depende da luz que colocamos diante dela.


☕ Epílogo: o Mainframe e o Coração

A velha sabedoria do mainframe ainda ecoa:
“Processar é fácil. Interpretar é arte.”

E talvez, no final, o desafio do nosso tempo seja exatamente esse —
ensinar às máquinas aquilo que esquecemos de ensinar a nós mesmos:
a diferença entre entender e compreender, entre calcular e sentir.

Enquanto houver alma no código, ainda há esperança.

sábado, 9 de novembro de 2024

JSON em COBOL no IBM Z: O Holocron das APIs Modernas – JSON Jedi Master - Parte IV

 

Bellacosa Mainframe e o json no cobol parte iv

JSON em COBOL no IBM Z: O Holocron das APIs Modernas

Parte 4 – JSON Jedi Master

z/OS Connect, MQ, Kafka, OpenShift, APIs de Alto Desempenho, Segurança OWASP e as Técnicas Jedi do IBM Z

Por Bellacosa Mainframe


"O Padawan aprende JSON PARSE. O Cavaleiro domina JSON GENERATE. O Mestre compreende que JSON é apenas a linguagem utilizada para conectar mundos inteiros."

Mestre Bellacosa Sysprog Jedi


Introdução

Chegamos ao último holocron.

Na Parte 1 aprendemos:

  • JSON

  • JSON GENERATE

  • UTF8

  • APIs

Na Parte 2:

  • JSON PARSE

  • Arrays

  • OCCURS

  • Segurança

Na Parte 3:

  • JSON GENERATE avançado

  • SUPPRESS

  • NAME OF

  • APIs REST

Agora chegamos ao nível do Mestre.

O momento em que COBOL deixa de apenas processar JSON.

E passa a ser um participante ativo de arquiteturas modernas.


O grande segredo

Muitos ainda imaginam.

COBOL

Batch

Relatório

Fim.

Mas o IBM Z moderno é muito diferente.

Hoje podemos encontrar:

COBOL

JSON

API

Mobile

Cloud

Kafka

OpenShift

IA

Aplicações Web


O papel do JSON

JSON tornou-se.

O idioma universal.


Imagine.

Banco.

Aplicativo.

PIX.

Open Finance.

Cartão.

Seguro.

Marketplace.

IoT.


Praticamente todos utilizam.

JSON.


z/OS Connect

Talvez seja a tecnologia mais importante.

Para o COBOL moderno.


O que é?

Uma ponte.

Entre.

IBM Z.

E.

REST APIs.


Visualmente.

Smartphone

↓

REST

↓

z/OS Connect

↓

COBOL

↓

DB2

Exemplo

Usuário.

Consulta saldo.

Aplicativo.

HTTPS

z/OS Connect

JSON

COBOL

DB2

JSON

Aplicativo


Tudo transparente.


COBOL não vê HTTP

Na maioria dos casos.

Não.


Ele apenas recebe.

Estrutura.

COBOL.

Já preenchida.


Exemplo.

01 WS-CONTA.


05 AGENCIA.


05 CONTA.



JSON PARSE.

Feito.

Automaticamente.


MQ

Outro caso.

Muito comum.


Mensagem.

Chega.

MQ.


Payload.

JSON.


COBOL.

Processa.


Exemplo.

{

"tipo":"pix",

"valor":100

}

COBOL.

Recebe.


Executa.

Negócio.


Responde.


JSON GENERATE.


MQPUT.


Fim.


Kafka

Sim.

Também.


Arquitetura.

COBOL

↓

MQ

↓

Kafka Bridge

↓

Kafka

↓

Analytics

Muito utilizado.


Open Finance.


Fraudes.


IA.


Big Data.


OpenShift

Outro mundo.

Interessante.


Microsserviços.

Containers.

Kubernetes.


COBOL.

Participa.


Arquitetura.

OpenShift

↓

REST

↓

zOS Connect

↓

COBOL

↓

IMS

DB2

Muito elegante.


APIs síncronas

Cliente.

Espera.

Resposta.


Exemplo.

Saldo.


API.

Responde.

200 ms.


APIs assíncronas

MQ.

Kafka.

Evento.


Mais modernas.


GraphQL

Também possível.


Embora.

Menos comum.


Segurança

Aqui começa.

O lado sombrio.


OWASP.

Existe.

Também.

Para APIs.


OWASP API Top 10

Excelente leitura.


Problemas.

Mais comuns.


Excesso.

Dados.


Exposição.

Sensível.


Autorização.

Fraca.


Payload.

Gigante.


DoS.


Exemplo ruim

COBOL.

01 CLIENTE.


05 CPF.


05 SENHA.


05 TOKEN.

JSON GENERATE.


API.


Exposta.


Desastre.


Melhor

Criar DTO.


Exemplo.

01 API-CLIENTE.


05 NOME.


05 LIMITE.

Muito melhor.


JWT

Muito utilizado.


JSON Web Token.


Aplicação.

Recebe.


Valida.


Autoriza.


COBOL.

Pode.

Consumir.


Ou.

Delegar.


TLS

Obrigatório.

Hoje.


HTTPS.

Sempre.


Nunca.

HTTP.


Rate Limit

Muito importante.


Evita.

DoS.


Exemplo.

Chamadas.

Por minuto.


Logs

Essenciais.


Exemplo.

2026-06-25


PIX


100 reais


OK

Muito útil.


Auditoria.


Performance

JSON.

Tem custo.


Parser.

CPU.


Serializer.

CPU.


Mas.

IBM Z.

É extremamente eficiente.


Benchmarks.

Mostram.

Milhares.

TPS.


Sem dificuldades.


JSON gigantesco

Cuidado.


Exemplo.

50 MB.


Parser.

Vai sofrer.


CPU.

Memória.


Melhor.

Paginar.


Streaming

Excelente opção.


Processar.

Em partes.


Mais eficiente.


Cache

Pode ajudar.


JSON.

Já montado.


Evita.

JSON GENERATE.

Toda vez.


Curiosidade

Muitos bancos.

Geram.

Milhões.

JSON.

Por hora.


E.

Grande parte.

Nasce.

Em COBOL.


Curiosidade 2

Usuário.

Abre.

App.


Consulta.

Saldo.


Recebe.

JSON.


Origem.

Programa COBOL.

Escrito.


Executando.

Num.

IBM z17.


Curiosidade 3

Muitos.

Open Banking.

Brasileiros.

Passam.

Por.

COBOL.

Sem.

Que.

Usuário.

Perceba.


Bellacosa Best Practices

Regra 1

Nunca.

Gerar.

JSON.

Com STRING.


Regra 2

JSON GENERATE.

Sempre.


Regra 3

JSON PARSE.

Sempre.


Regra 4

Versione.

APIs.


Exemplo.

v1

v2

v3


Regra 5

OpenAPI.

Swagger.

Documente.


Regra 6

Nunca.

Expor.

Campos internos.


Regra 7

Teste.

UTF8.


Regra 8

Monitore.

SMF.

RMF.

Logs.


Regra 9

Valide.

Payloads.


Regra 10

Use.

OWASP.

API Top 10.


Quando usar JSON?

Excelente.

REST.

Open Banking.

PIX.

Cloud.

Kafka.

MQ.

OpenShift.

Mobile.

Marketplace.

IoT.

Microsserviços.


Quando evitar?

Batch.

VSAM.

Arquivos internos.

Processamento.

Fechado.


O Conselho Final do Mestre Bellacosa

Durante muito tempo, disseram ao desenvolvedor COBOL que seu universo terminava em arquivos sequenciais, JCLs, relatórios impressos e terminais verdes.

JSON mostrou que isso nunca foi verdade.

JSON permitiu que programas escritos décadas atrás passassem a conversar com smartphones, aplicativos financeiros, plataformas Open Banking, clusters OpenShift, sistemas Kafka e serviços espalhados por diversas nuvens.

Talvez essa seja a maior beleza do IBM Z moderno.

Ele não obriga ninguém a abandonar o COBOL.

Ele apenas entrega novas ferramentas.

E diz:

Continue usando seus níveis 01, 05, 10 e OCCURS.

Continue confiando na robustez do Enterprise COBOL.

Continue processando milhões de transações por segundo.

Eu apenas ensinarei seu programa a falar o idioma utilizado pela galáxia digital.

E talvez essa seja a verdadeira lição do Holocron JSON.

JSON não substituiu COBOL.

JSON apenas permitiu que COBOL expandisse sua voz para além dos corredores do datacenter, alcançando praticamente qualquer sistema capaz de compreender uma simples mensagem cercada por chaves e aspas.


Fim do Holocron Bellacosa Mainframe

JSON em COBOL no IBM Z – Parte 1 a Parte 4 concluídas

"Que o JSON PARSE esteja com você. E que o JSON GENERATE nunca produza um campo SENHA por engano." 🚀💙🖥️


sexta-feira, 8 de novembro de 2024

📜 El Jefe Midnight Lunch – Diário de um Coelho Mainframeado 🐇💾

 

📜 El Jefe Midnight Lunch – Diário de um Coelho Mainframeado 🐇💾

Por Vagner Bellacosa – escrito com o cheiro de spool queimando e café passado na madrugada


Às vezes eu me sinto o coelho da Alice.

Sempre correndo, sempre atrasado, olhando para um relógio imaginário preso no pulso como um job com TIME=1440 e EXEC = contagem regressiva constante. A vida adulta é uma espécie de JCL infinito — steps em cadeia, dependencies em cascata, return codes imprevisíveis. Um STOP não existe, no máximo um WAIT.

E sabe o que mais me espanta?
Esse bug funcional da vida moderna onde rodamos múltiplos batchs simultâneos, mas sem aumento de CPU, memória ou I/O. Arruma a cama, sobe o job CAFÉ, unload na máquina de louça, LOAD ROUPAS, estende, recolhe, paga boletos... sempre com uma flag de débito acesa no console.



Não sou workaholic — longe disso, nem optimized compile eu faço por prazer. Mas o dia a dia virou um CICS transacional enlouquecido, um loop sem checkpoint, sem flush. O século XXI prometeu cloud, AI, carros voadores, hoverboard… e nos entregou só latência humana, notificações infinitas e a sensação de que o tempo é o dataset mais raro do planeta.

Antes, existia aquela cenoura dourada chamada aposentadoria.
Cinquenta anos, job finalizado com RC=0, vida mais tranquila, mesa de dominó na praça, um churrasco no sábado, tempo para existir.



Agora?
62 anos para submit, com uma redução de renda que parece dump hexadecimal ilegível. Vou ter que continuar processando em batch, quase na mesma carga, para manter o mínimo de qualidade de vida.

E me dizem:

"Guarde dinheiro para velhice."

Eu rio. Um REXX bem-resolvido dói menos.
Como guardar, se o custo de vida é um ABEND constante? Se tudo quebra, tudo vence, tudo sobe? E olha que eu não estou na base do salário mínimo — sou profissional gabaritado, especialista, com diploma e experiência.

Aí imagino quem vive com bem menos.
Se eu, com infraestrutura parruda, já sinto fragmentação no storage, imagino um usuário com 256K de RAM tentando rodar um SAP.

O século XXI vendeu uma utopia, um canto de sereia digital, e quando abrimos o dataset percebemos:
o contrato social veio corrompido.



E agora?
Com IA otimizando tudo, automatizando tudo, demitindo o que for scriptável...
pra onde vão os humanos?
Quem nos recompila?
Quem garante que não seremos apenas prints obsoletos de um sistema legado?

Talvez sejamos todos coelhos.
Correndo, correndo, correndo...



Só espero que no final do buraco exista algo mais do que só joblog.
Tomara que tenha Wonderland.

E café quente.

☕🐇💾
Bellacosa, desligando o terminal — mas só por um MERGE rápido, o próximo job já está em hold.


Vagner Renato Bellacosa, IBM Champion e especialista em IBM Mainframe
IBM Z17 SYSTEM ONLINE
Sobre o autor

Vagner Renato Bellacosa

IBM Champion 2026 • Especialista em IBM Mainframe

Vagner Renato Bellacosa trabalha com IBM Mainframe desde 1988 , é IBM Champion e especialista em COBOL, CICS, Db2, z/OS e IBM Z. Compartilha experiências profissionais, conhecimento técnico, história da computação e práticas do universo mainframe para aproximar novas gerações das tecnologias que sustentam empresas, bancos e governos ao redor do mundo.

IBM Champion IBM Z COBOL CICS Db2 z/OS Mainframe desde 1988
GitHub LinkedIn
Inicializando conteúdo...