Translate

segunda-feira, 20 de fevereiro de 2023

A Sociedade do Feed Infinito: O Que Todo Programador COBOL Padawan Precisa Saber Sobre Psicologia, Sociologia, Algoritmos e Como as Redes Sociais Parte II

 

Bellacosa Mainframe e a sociedade do feed infinito parte II

☕ Um Café no Bellacosa Mainframe

A Sociedade do Feed Infinito

O Que Todo Programador COBOL Padawan Precisa Saber Sobre Psicologia, Sociologia, Algoritmos e Como as Redes Sociais Estão Reprogramando a Forma Como Enxergamos o Sucesso

"Nunca tivemos tanto acesso ao mundo. Talvez justamente por isso nunca tenha sido tão difícil encontrar paz dentro dele."


Introdução

Existe uma frase muito conhecida na computação:

"Garbage In, Garbage Out."

Se um sistema recebe entradas distorcidas, suas saídas também serão distorcidas.

O mesmo acontece com o cérebro humano.

Todos os dias recebemos milhares de estímulos vindos de redes sociais, vídeos curtos, notícias, publicidade, influenciadores e algoritmos. O problema não está apenas na quantidade de informação, mas na qualidade daquilo que consumimos.

Nos últimos vinte anos, a humanidade passou por uma transformação silenciosa. Pela primeira vez na história, bilhões de pessoas passaram a acompanhar diariamente estilos de vida, culturas, experiências e níveis de riqueza que talvez jamais experimentem.

O resultado é uma mudança profunda na forma como percebemos sucesso, felicidade e até nosso próprio valor.


Quando a Comparação Era Local

Durante milhares de anos, nosso universo social era pequeno.

Conhecíamos poucas dezenas ou centenas de pessoas. Nossa referência era composta por familiares, vizinhos, colegas de trabalho e moradores da mesma comunidade.

Se alguém possuía uma casa maior, um cavalo melhor ou uma colheita mais abundante, essa era a escala da comparação.

Hoje a realidade é completamente diferente.

Em poucos minutos de navegação podemos assistir:

  • uma lua de mel nas Maldivas;

  • um jantar em um restaurante com estrela Michelin;

  • um desfile de moda em Paris;

  • uma cobertura em Nova York;

  • um supercarro em Mônaco;

  • um show VIP em Tóquio;

  • uma rotina de milionários em Dubai.

Nossa referência deixou de ser o bairro.

Passou a ser o planeta inteiro.


O Cérebro Não Evoluiu na Mesma Velocidade

A tecnologia evoluiu exponencialmente.

Nosso cérebro, não.

A arquitetura biológica do Homo sapiens permanece praticamente igual à de dezenas de milhares de anos atrás.

Continuamos utilizando os mesmos mecanismos psicológicos que ajudaram nossos ancestrais a sobreviver em pequenos grupos.

Entre eles está a necessidade de comparação social.

Esse mecanismo foi extremamente útil para entender nossa posição dentro da tribo.

Mas nunca foi projetado para comparar nossa vida com bilhões de pessoas ao mesmo tempo.


A Teoria da Comparação Social

Em 1954, o psicólogo Leon Festinger apresentou a Teoria da Comparação Social.

Segundo essa teoria, as pessoas avaliam suas capacidades, conquistas e identidade comparando-se com outras.

O problema não é comparar.

O problema é com quem estamos comparando.

Hoje, algoritmos selecionam exatamente os conteúdos que despertam maior emoção.

Não vemos a vida comum das pessoas.

Vemos seus melhores momentos.

É como comparar nosso ambiente de desenvolvimento com o sistema de produção funcionando perfeitamente.

Nunca enxergamos os erros, apenas o resultado final.


A Curadoria da Realidade

Poucos publicam:

  • boletos;

  • noites sem dormir;

  • problemas conjugais;

  • fracassos profissionais;

  • ansiedade;

  • medo.

Mas quase todos publicam:

  • viagens;

  • promoções;

  • presentes;

  • carros;

  • festas;

  • restaurantes;

  • conquistas.

Não estamos vendo a realidade.

Estamos vendo uma curadoria cuidadosamente editada.

É uma versão otimizada da vida.


Privação Relativa

Na sociologia existe um conceito conhecido como Privação Relativa.

Ele explica por que pessoas objetivamente mais ricas podem sentir-se mais pobres.

Imagine alguém que possui:

  • casa própria;

  • automóvel;

  • emprego estável;

  • acesso à educação.

Há cinquenta anos essa pessoa seria considerada bastante confortável financeiramente.

Hoje, após horas navegando em redes sociais, ela pode sentir-se fracassada simplesmente porque viu dezenas de pessoas vivendo em mansões, viajando em classe executiva e frequentando restaurantes inacessíveis.

A riqueza absoluta aumentou.

A satisfação diminuiu.


O Consumo Como Linguagem

O economista Thorstein Veblen descreveu o fenômeno do Consumo Conspícuo.

Consumimos para comunicar posição social.

O relógio deixou de marcar apenas as horas.

O carro deixou de ser apenas transporte.

A viagem deixou de ser apenas descanso.

Tudo passou a comunicar identidade.

As redes sociais amplificaram esse comportamento.

Hoje o consumo é fotografado antes mesmo de ser aproveitado.


Pierre Bourdieu e o Capital Invisível

O sociólogo francês Pierre Bourdieu mostrou que existem diversas formas de riqueza.

Além do dinheiro, existe:

  • capital cultural;

  • capital social;

  • capital simbólico.

Por isso vemos pessoas exibindo:

  • livros;

  • vinhos;

  • restaurantes exclusivos;

  • universidades renomadas;

  • eventos internacionais;

  • experiências consideradas sofisticadas.

Nem toda ostentação envolve dinheiro.

Muitas vezes envolve reconhecimento social.


O Algoritmo Aprende Nossos Desejos

As plataformas digitais utilizam sistemas de recomendação extremamente sofisticados.

Cada curtida.

Cada comentário.

Cada segundo assistindo a um vídeo.

Tudo se transforma em dados.

O objetivo não é necessariamente informar.

É manter nossa atenção.

Quanto maior o tempo conectado, maior a receita publicitária.

Por isso conteúdos emocionalmente intensos recebem prioridade.

Indignação.

Luxo.

Polêmica.

Escândalo.

Admiração.

Essas emoções aumentam o tempo de permanência na plataforma.


A Economia da Atenção

Vivemos aquilo que muitos pesquisadores chamam de Economia da Atenção.

O recurso escasso deixou de ser informação.

O recurso escasso tornou-se a atenção humana.

Empresas disputam segundos.

Influenciadores disputam segundos.

Marcas disputam segundos.

Nossa atenção tornou-se um ativo econômico.

E como qualquer recurso valioso, ela é constantemente disputada.


FOMO: O Medo de Estar Ficando Para Trás

Outro conceito importante é o Fear of Missing Out (FOMO).

A sensação permanente de que todos estão vivendo experiências melhores.

Enquanto trabalhamos...

Alguém está viajando.

Enquanto estudamos...

Alguém está em um festival.

Enquanto economizamos...

Alguém compra um carro esportivo.

O cérebro interpreta essas imagens como sinais de exclusão social.

Isso aumenta ansiedade e reduz satisfação com a própria vida.


A Adaptação Hedônica

Existe ainda a chamada Adaptação Hedônica.

Conquistamos algo.

Ficamos felizes.

Pouco tempo depois, aquilo se torna normal.

Logo desejamos outro objetivo.

Outro celular.

Outra casa.

Outra viagem.

Outro cargo.

As redes sociais aceleram esse processo porque apresentam continuamente novos padrões de sucesso.

A linha de chegada nunca para de se mover.


O Viés da Disponibilidade

Outro fenômeno psicológico importante é o Viés da Disponibilidade.

Quanto mais frequentemente vemos determinado tipo de conteúdo, maior a tendência de acreditar que ele representa a realidade.

Se passamos horas vendo mansões, Ferraris, relógios de luxo e viagens internacionais, nosso cérebro começa a interpretar isso como algo comum.

Na prática, estamos observando uma pequena elite altamente visível.

A percepção estatística torna-se completamente distorcida.


A Sociedade do Espetáculo

O filósofo Guy Debord escreveu, em 1967, A Sociedade do Espetáculo.

Sua principal ideia era que a experiência direta seria progressivamente substituída por representações.

Décadas depois, essa análise parece ainda mais atual.

Muitas experiências são planejadas não pelo prazer de vivê-las, mas pelo potencial de serem compartilhadas.

Em alguns casos, a fotografia tornou-se mais importante que o momento vivido.


Bauman e a Modernidade Líquida

Zygmunt Bauman descreveu uma sociedade marcada por relações frágeis e rápidas.

As redes sociais potencializam esse fenômeno.

Amizades tornam-se seguidores.

Reconhecimento transforma-se em curtidas.

Popularidade passa a ser medida por números.

A validação social fica instantânea, mas também passageira.


O Impacto na Saúde Mental

Diversos estudos apontam associação entre uso intenso de redes sociais e aumento de:

  • ansiedade;

  • depressão;

  • baixa autoestima;

  • solidão;

  • estresse;

  • distúrbios do sono.

As causas são múltiplas.

Comparação constante.

Sobrecarga de informação.

Busca incessante por validação.

Exposição permanente a padrões irreais.

Não se trata de afirmar que redes sociais causam todos esses problemas, mas que podem amplificá-los quando combinadas a outros fatores individuais e sociais.


O Paradoxo da Tecnologia

Seria injusto enxergar apenas o lado negativo.

Nunca foi tão fácil aprender.

Um estudante pode acessar gratuitamente:

  • cursos das melhores universidades do mundo;

  • museus virtuais;

  • bibliotecas digitais;

  • artigos científicos;

  • comunidades técnicas;

  • projetos de código aberto;

  • aulas de idiomas.

A mesma internet que amplia comparações também democratiza conhecimento.

A questão central não é a tecnologia.

É como escolhemos utilizá-la.


O Que o Mainframe Pode Nos Ensinar

No IBM Z existe um componente chamado Workload Manager (WLM).

Sua função é simples.

Garantir que os recursos do sistema sejam direcionados ao que realmente importa.

Talvez precisemos desenvolver um WLM mental.

Nem toda notificação merece interrupção.

Nem todo vídeo merece atenção.

Nem toda comparação merece processamento.

Assim como um Mainframe continua estável porque administra cuidadosamente CPU, memória e prioridade das cargas, nossa mente também precisa aprender a administrar seu recurso mais valioso: a atenção.


Caminhos para o Futuro

A sociedade precisará desenvolver novas competências.

Como indivíduos:

  • compreender como funcionam os algoritmos;

  • fortalecer pensamento crítico;

  • limitar o consumo automático de conteúdo;

  • valorizar relações presenciais;

  • priorizar aprendizado em vez de ostentação.

Como educadores:

  • ensinar educação midiática;

  • desenvolver inteligência emocional;

  • formar cidadãos capazes de interpretar informações digitais.

Como empresas de tecnologia:

  • aumentar transparência algorítmica;

  • reduzir incentivos ao conteúdo nocivo;

  • equilibrar engajamento com responsabilidade social.

Como sociedade:

  • redefinir sucesso para além do consumo;

  • valorizar conhecimento, saúde, tempo, família e propósito;

  • construir ambientes digitais mais saudáveis.


Conclusão

Nunca tivemos tanto acesso ao mundo.

Nunca aprendemos tanto.

Nunca conhecemos tantas culturas.

Nunca tivemos tantas oportunidades de desenvolvimento.

Mas também nunca fomos expostos, diariamente, a uma quantidade tão grande de comparações, expectativas e representações cuidadosamente editadas da realidade.

A tecnologia continuará evoluindo.

A Inteligência Artificial produzirá influenciadores virtuais, vídeos indistinguíveis da realidade e experiências digitais cada vez mais imersivas.

O desafio do futuro não será apenas tecnológico.

Será profundamente humano.

Assim como um Sysprog monitora continuamente o desempenho de um IBM Z para evitar gargalos e manter a estabilidade do sistema, cada um de nós precisará aprender a monitorar aquilo que entra em nossa mente.

Porque, no século XXI, a atenção tornou-se o recurso mais valioso.

E quem controla a própria atenção continua sendo o verdadeiro administrador do seu sistema operacional interior.


domingo, 19 de fevereiro de 2023

📈😆 A Evolução dos Memes Otaku

 

Bellacosa Mainframe e os memes otaku da internet

📈😆 A Evolução dos Memes Otaku

Muito antes dos vídeos curtos dominarem as redes sociais e dos algoritmos decidirem o que seria viral, os fãs de anime já criavam um universo próprio de piadas, referências e imagens que apenas outros otakus conseguiam compreender. 

Os memes otaku nasceram em fóruns, salas de IRC, comunidades do Orkut e sites como 4chan e MyAnimeList, onde bastava um GIF mal recortado, uma frase marcante ou uma cena exagerada para criar uma tradição que atravessaria décadas. 

De Loituma Girl e Caramelldansen aos incontáveis "Omae wa mou shindeiru", passando por JoJo, Gintama, waifus, VTubers e as loucuras geradas por inteligência artificial, o humor otaku evoluiu junto com a própria internet. O que começou como uma brincadeira entre pequenos grupos tornou-se uma linguagem global capaz de unir milhões de fãs dos mais diversos países. 

No melhor estilo Bellacosa Mainframe, podemos dizer que cada geração de memes foi uma nova versão de software: algumas receberam patches, outras entraram em obsolescência e várias continuam rodando em produção décadas depois, sem nunca perder a capacidade de arrancar risadas. 

Prepare-se para revisitar essa linha do tempo caótica, descobrir como nasceram alguns dos memes mais famosos da cultura japonesa e entender por que o otaku consegue transformar absolutamente qualquer cena — dramática, épica ou completamente absurda — em uma piada que viverá para sempre na memória da internet.

Do GIF de Hampster dançando ao meme “ona wa…” — como o humor otaku dominou a internet

Prepare seu meme folder 🗂️ e seu bom senso crítico (que vai embora no 3º parágrafo 😂). Vamos viajar pela história dos memes que moldaram gerações inteiras de otakus online.


🏛️ Era Pré-Histórica do Meme Otaku (2000–2006)

Antes do “compartilhar”, existia o “right-click, save as”

📌 O que bombava:

  • AMVs com Linkin Park (Lei universal do universo)

  • GIFs de dança — Loituma Girl / Caramelldansen

  • Imagem em baixa resolução com bordas pretas e fonte Impact

Tradução da época:

“Se mexeu → vira GIF → vira meme”

Era um humor mais visual e repetitivo, sem o ritmo frenético de hoje.


🚀 A Cultura do Fórum e do “Moe Overload” (2007–2012)

4chan, Orkut, MyAnimeList… o caos organizado

Nascem memes eternos:

  • Yaranaika? 😏 (a sedução involuntária)

  • Trollface anime edition

  • “Nico Nico Nii~” ❤️

  • Nyoro~n (suftly crying in catgirl)

E começaram as guerras culturais:

Sub vs Dub
Tsundere vs Yandere
Waifu vs Reality (reality always loses 😬)

Essa é a era em que o termo “weaboo” surgiu com força —
quando fandom cresceu mais rápido do que a internet conseguia entender.


😱 A Idade das Trevas (Mas Muito Engraçada) (2013–2017)

O nascimento do shitpost otaku

Chegam os memes… zelosos da insanidade:

  • Senpai, notice me! 👁️✨

  • Lenny face ( ͡° ͜ʖ ͡° ) invadindo animes

  • Montagens mal recortadas com waifus em situações absurdas

  • JoJo vira religião

  • Gintama mais referência que a própria internet

Formato reinante:

Quanto mais tosco, mais engraçado

O “culto ao ruim” nasce aqui 🛐


📱📡 A Era do Stream + Twitter + TikTok (2018–2022)

Todo mundo virou otaku — até sem saber

Motivos:

  • Catálogo infinito: Crunchyroll/Netflix

  • Animes viram mainstream

  • Cultura de reacts, cortes curtos e edições caóticas

Hits do período:

  • Uzaki gremlin memes

  • “Omae wa mou shindeiru — NANI?!” 💥

  • Raiden Shogun foot memes (Genshin impacta demais)

  • Kimetsu no Yaiba: every expression = meme template

O meme otaku agora corre na velocidade de um isekai por atropelamento 🚛⚰️➡️🌟


🌍🌪️ Era do Meme Globalizado (2023–HOJE)

Mistura total: anime + gamer + VTuber + cultura pop

Seus FYPs já devem ter sido invadidos por:

  • VTubers surreais (versão moe do caos puro)

  • “Hehehe boi” em versão anime

  • Ai-generated memes expandindo o nonsense infinito

  • Crossovers impossíveis: Oda + MCU + Shrek

  • “✨Core” tudo: animecore, weebcore, coquettecore

  • Tradução errada proposital (sem graça → hilário)

E claro, o fenômeno do momento:

Anime meme sem contexto → rir primeiro, entender nunca 😌


🧬 O que nunca mudou nos memes otaku?

✅ Waifu culture
✅ Humor interno que só otaku entende
✅ Exagero físico e emocional
✅ Mistura de fofura + caos
✅ Repetição até quebrar o cérebro
Autoparódia (rir da própria paixão faz bem)

Basicamente:

Otaku transforma tudo em meme
Inclusive sofrimento 🥹👉😂


🔥 Dicas para reconhecer um meme otaku de respeito

⭐ Tem referência que apenas quem assistiu entende
⭐ Parece tosco — mas de propósito
⭐ Faz alguém perguntar “por que isso é engraçado?”
⭐ Você ri e… depois percebe o quanto é triste
⭐ Seus pais questionam suas decisões de vida

Se der cringe, está no caminho certo ✅


🧘 Conclusão Filosófica

Os memes otaku evoluíram muito, mas guardam uma verdade eterna:

“Se a vida não está fácil, torne ela animê e dê um meme para cada problema.”

🤣💫

domingo, 12 de fevereiro de 2023

🇯🇵😂 Manual do Padawan do Humor Japonês

 


🇯🇵😂 Manual do Padawan do Humor Japonês

Uma jornada para entender por que o japonês ri (e por que às vezes a gente não entende 😅)

Pega um onigiri 🍙, respira fundo… e yosh! Vamos mergulhar nesse universo onde cair, gritar e exagerar faz parte da comédia — e tudo tem uma lógica!


🎭 De onde veio o humor japonês?

A comédia japonesa tem raízes lá na Era Edo, mais de 400 anos atrás.
Enquanto aqui a gente tinha teatro popular e piadas de salão, no Japão nascia:

  • Rakugo — um humorista sozinho no palco, sentado, contando histórias com vários personagens só mudando a voz 🤯

  • Kyōgen — teatrinho cômico entre peças dramáticas, com exagero, caretas e situações absurdas

Essas sementes evoluíram até chegar na TV moderna e no exagero dos animes que a gente ama ✨


⚡ Estilos (e truques) que você já viu sem perceber

Aqui vão alguns tipos de gag super comuns:

GagDescriçãoExemplo em anime
Tsukkomi & BokeDupla cômica: um fala bobagem (boke), o outro corrige bravo (tsukkomi)Zenitsu & Inosuke (Kimetsu)
Exagero físicogritos, quedas, explosões por nadaDragon Ball, One Piece
Yandere e cara de sombraCiúme → humor → terror 🤣Yuno Gasai (Mirai Nikki)
NosebleedPensou em algo pervertido → tsuuu! sangue no nariz 🩸Clássico dos ecchis
Silêncio constrangedorA piada é… o silêncio 😶Nichijou, K-On

O humor no Japão ama repetição + exagero até virar piada interna.

Se riu uma vez, vai rir de novo.
E de novo.
E mais uma. 👉😐👉😂


📺 Principais nomes e programas

Se quiser virar pro da comédia japonesa, anota esses nomes na sua notebook:

👥 Duplas (Manzai) famosas

  • Downtown — mestres do tsukkomi/boke

  • Ninety-Nine

  • Kirins

  • King of Comedy (sim, é uma dupla)

📌 Programas icônicos

  • Gaki no Tsukai — testes malucos de humor (tipo “não pode rir”)

  • Mecha-Mecha Iketeru! — gameshow/comédia histórica

  • Enta no Kami-sama — vitrine dos maiores comediantes

E para animeiros:

  • Nichijou – poesia do absurdo

  • Gintama – sátira + referência + caos puro

  • Saiki Kusuo – humor telepático sobre não querer ser herói

  • Konosuba – “e se o RPG desse errado sempre?” 🎲🔥


👀 Humor também é visual!

O Japão entende que cara engraçada = risada automática.
Por isso:

  • Olhos viram riscos ➝ 🫥 indignação

  • Boca enorme ➝ 😱 grito dramático

  • Personagem vira chibi ➝ 🧸 surto fofo

  • Fundo psicodélico ➝ 😵‍💫 pânico cômico

  • Sombra na cara ➝ 😈 pensamento maligno (mas engraçado)

É como se o anime gritasse:

“Ria AGORA, padawan!”
E você ri. Sem perceber. 😌


🧠 Curiosidades Ninjas

  • A palavra “piada” em japonês é ジョーク (jōku) — mas o que eles chamam de “ネタ (neta)” pode ser gag, cena, personagem todo!

  • Existem concursos nacionais de duplas cômicas

  • Humor japonês é tão forte que tem distrito especializado: Namba, em Osaka — a capital da comédia!


🔥 Como evoluiu até hoje?

EraEstilo dominanteOnde ver
EdoRakugo, KyōgenTeatros tradicionais
Pós-guerraDuplas manzaiTV inicial
Anos 80-90Humor slapstick e game showsGNT, TV Tokyo
2000-2020Sátira pop, memes, animes absurdosInternet, streaming
HojeHumor nichado, metalinguísticoYouTube, VTubers, TikTok

A regra é uma só:

Quanto mais maluquice, mais risada 😆


🥋 Dicas para entender humor japonês (sem estourar o nariz de tanto rir)

  • Observe quem é o boke e quem é o tsukkomi

  • Preste atenção na reação mais do que na fala

  • Aceite o absurdo: não tente aplicar lógica ocidental

  • Anote as piadas recorrentes — viram meme interno

  • Não esqueça: silêncio também é punchline

Com o tempo, você começa a rir até antes da piada acontecer 😳😂


🎉 Conclusão do Mestre Jedi Otaku

O humor japonês é uma mistura de:

  • Tradição + modernidade

  • Caretas + timing

  • Surto + fofura

  • Violência… mas de mentirinha 💥

Se você é padawan da cultura otaku, entender o humor nipônico é liberar um novo nível de apreciação dos seus animes, programas e memes favoritos.

E aí?
O que te faz rir nos animes?
Conta que eu quero rir junto 👀✨

sábado, 11 de fevereiro de 2023

Os Holocrons Esquecidos do Tratamento de Erros no IBM Z— O Padawan Aprende a Domar os Abends do Dataset - Parte II

Bellacosa Mainframe e o tratamento de erro em cobol parte II



EXCEPTION/ERROR Procedures em COBOL

Os Holocrons Esquecidos do Tratamento de Erros no IBM Z

Parte 2 — O Padawan Aprende a Domar os Abends do Dataset

VSAM, FILE STATUS 35/39/92/93, Retry, Logging e Frameworks Corporativos de Recuperação

Por Bellacosa Mainframe


"O jovem Padawan abre arquivos. O Cavaleiro verifica FILE STATUS. O Mestre Bellacosa sabe que os datasets possuem personalidade própria e adoram surpreender às duas horas da manhã durante o fechamento do mês."

Mestre Bellacosa


Introdução

Na Parte 1 descobrimos um antigo Holocron do COBOL.

As DECLARATIVES.

Aprendemos que elas são capazes de interceptar falhas de I/O e centralizar tratamentos de erro.

Mas o jovem Padawan ainda não conhece os verdadeiros monstros do universo Batch.

São eles:

  • Dataset inexistente

  • Catálogo inconsistente

  • VSAM corrompido

  • Arquivo aberto por outro job

  • Buffer inválido

  • Erros físicos

  • Timeouts

  • Recursos indisponíveis

E todos possuem um idioma próprio.

O idioma chamado:

FILE STATUS


O que é FILE STATUS?

Talvez seja o mecanismo mais utilizado em COBOL.

Exemplo:

SELECT CLIENTE
       ASSIGN TO ARQCLI
       FILE STATUS IS WS-FS.

Variável.

01 WS-FS PIC XX.

Depois.

OPEN INPUT CLIENTE.

COBOL preenche.

WS-FS

Automaticamente.


Como funciona internamente?

Runtime COBOL.

Recebe retorno.

Do Access Method.

VSAM.

QSAM.

BSAM.


Converte.

Para.

Código.

FILE STATUS.


Visualmente.

OPEN

↓

VSAM

↓

RETURN CODE

↓

Runtime COBOL

↓

FILE STATUS

↓

Programa

Muito eficiente.


Status 00

O preferido.


Significa.

Tudo certo.


Exemplo.

WS-FS = 00

Padawan feliz.


Status 10

Fim arquivo.


Muito comum.

READ CLIENTE

AT END

Status 35

O primeiro monstro.


Arquivo.

Não encontrado.


Exemplo.

Dataset.

Não catalogado.


Resultado.

35

Declarative.

Entra.

Em ação.


Exemplo

USE AFTER STANDARD ERROR PROCEDURE
ON CLIENTE.

Exibe.

ARQUIVO INEXISTENTE

Muito elegante.


Status 39

Outro clássico.


Estrutura incompatível.


Exemplo.

Programa espera.

80 bytes.

Arquivo possui.


Resultado.

39


Muito comum.

Após mudanças.

Copybooks.


Status 90

Pesadelo.


Erro genérico.

VSAM.


Exemplo.

Problema.

Catálogo.


Buffer.


Disco.


Difícil.

Investigar.


Status 92

Muito importante.

Lógica incorreta.


Exemplo.

WRITE.

Em arquivo fechado.


Resultado.


Padawan triste.


Status 93

Recurso indisponível.


Dataset.

Em uso.


Outro job.

Segurando lock.


Resultado.


Framework Bellacosa

Gosto bastante.

Estrutura.

Programa


↓

Erro


↓

Declarative


↓

Logger


↓

Retry


↓

Escalation


↓

MQ


↓

Splunk

Muito utilizada.

Em bancos.


Exemplo completo

Passo 1

Arquivo

SELECT CLIENTE

ASSIGN TO ARQCLI

FILE STATUS WS-FS.

Passo 2

Declarative

DECLARATIVES.

ARQERR SECTION.

USE AFTER STANDARD ERROR PROCEDURE

ON CLIENTE.

Passo 3

Tratamento

ARQERR-PROC.


DISPLAY WS-FS.


PERFORM LOGAR.


PERFORM RETRY.


EXIT.

Passo 4

Fim.

END DECLARATIVES.

Retry

Pouco utilizado.

Mas poderoso.


Exemplo.

Arquivo.

Lock.


Esperar.

5 segundos.


Tentar.

Novamente.


Código.

PERFORM 3 TIMES


OPEN INPUT CLIENTE


IF WS-FS = '00'

EXIT PERFORM


CALL 'CEE3DLY'


END-PERFORM

Muito elegante.


Logging

Sempre.


Registrar.

Timestamp.

Dataset.

Status.

Job.

Step.

Usuário.


Exemplo.

20260626


CLIENTE


STATUS 35


JOB12345

Auditoria.

Excelente.


VSAM

Aqui mora.

Grande parte.

Dos monstros.


KSDS.

ESDS.

RRDS.

VRRDS.


Cada um.

Possui.

Comportamentos.

Diferentes.


INVALID KEY

Muito conhecido.


Exemplo.

READ CLIENTE

INVALID KEY

Mas.

Declaratives.

Podem.

Centralizar.

Tudo.


Como funciona na memória?

Compilador.

Cria tabela.


Arquivo.

Rotina.


Erro.

Dispatcher.

Declarative.


Pouco overhead.


Muito eficiente.


Segurança

Interessante.


Permite.

Auditar.

Tentativas.

Falhas.


LGPD.

SOX.

Compliance.


Excelente.


Curiosidades

Muitos frameworks bancários.

Possuem.

DECLARATIVES.

Centralizadas.


Poucos desenvolvedores.

Percebem.


Curiosidade 2

Algumas empresas.

Geram.

MQ.

Com erros.


Exemplo.

{
"arquivo":"CLIENTE",
"status":"35"
}

Observabilidade.

Moderna.


Curiosidade 3

Splunk.

Elastic.

Grafana.

Podem.

Receber.

Eventos.

COBOL.


Muito interessante.


Bellacosa Best Practices

Sempre.

FILE STATUS.


Sempre.

Logging.


Sempre.

Retry controlado.


Nunca.

Loop infinito.


Nunca.

Ignorar.


Nunca.

Ignorar.


Documente.

Tudo.


O Conselho do Mestre Bellacosa

Datasets possuem humor.

VSAM possui personalidade.

E FILE STATUS possui sabedoria.

O jovem Padawan aprende rapidamente a testar 00.

O Cavaleiro aprende a respeitar 35, 39, 92 e 93.

Mas o Mestre Bellacosa entende algo mais profundo.

Ele sabe que erros de I/O não são exceções.

São eventos inevitáveis.

Eles acontecerão.

Talvez durante um fechamento contábil.

Talvez em uma carga de Open Banking.

Talvez em um batch de 30 milhões de registros.

E quando isso acontecer, não será a velocidade do programa que salvará a madrugada.

Será a qualidade do tratamento de erros.

Porque um bom programa COBOL não é apenas aquele que processa milhões de registros.

É aquele que continua elegante, observável e auditável quando a galáxia dos datasets decide entrar em caos.


Continua na Parte 3

O Lado Sombrio – LE, CICS HANDLE CONDITION, ON EXCEPTION, CEEHDLR, Dumps, Fault Analyzer, IPCS e os Monstros do S0C4.

sexta-feira, 10 de fevereiro de 2023

O Cérebro por Trás do Scanner - Parte II : Como o OCR Aprendeu a Ler, Pensar e Preparou o Caminho para a Inteligência Artificial

 

Bellacosa Mainframe e a origem dos ocrs parte ii

☕📠 Um Café no Bellacosa Mainframe — Parte II

O Cérebro por Trás do Scanner

Como o OCR Aprendeu a Ler, Pensar e Preparou o Caminho para a Inteligência Artificial

"Quando olhamos para uma página escaneada, vemos um texto. Quando um computador olha para a mesma página, ele vê apenas milhões de pequenos quadrados coloridos."

Essa talvez seja a melhor maneira de entender por que o OCR foi, durante décadas, um dos maiores desafios da computação.

Na primeira parte desta história, acompanhamos a evolução do reconhecimento óptico de caracteres desde os primeiros experimentos mecânicos até os scanners domésticos dos anos 90, quando um simples "Computador" podia facilmente virar "Cornputad0r".

Agora chegou a hora de abrir a tampa do scanner, remover a carenagem e descobrir o que realmente acontece dentro daquela caixa aparentemente mágica.

Prepare seu café.

Hoje faremos engenharia reversa da visão computacional.


O Grande Mal-Entendido

Existe uma crença bastante comum.

"O scanner lê o texto."

Não.

O scanner nunca leu absolutamente nada.

Ele apenas fotografa.

Isso muda completamente nossa forma de enxergar o problema.

Imagine uma folha A4.

Para nós ela possui:

  • palavras;

  • frases;

  • parágrafos;

  • títulos;

  • tabelas;

  • imagens.

Para o scanner...

ela é apenas uma enorme fotografia.

Nada mais.


A Primeira Missão

Transformar luz em números.

Os antigos scanners CCD utilizavam uma barra de sensores semelhante às câmeras digitais.

Cada pequeno sensor media apenas uma coisa:

Quanto de luz voltou daquele ponto do papel?

Branco?

Muito reflexo.

Preto?

Pouca reflexão.

Cinza?

Um valor intermediário.

Depois de alguns segundos surgia uma gigantesca matriz.

255 255 255 255
255  12  10 255
255   9   7 255
255 255 255 255

Isso não é um texto.

É apenas uma fotografia convertida em números.


O Primeiro Milagre: Binarização

Os computadores logo perceberam um problema.

Fotografias possuem milhões de tons.

Textos normalmente precisam apenas de dois.

Branco.

Preto.

Então surgiu um algoritmo aparentemente simples.

Escolher um limite.

Maior que 128?

Branco.

Menor?

Preto.

Parece trivial.

Mas aqui começou um dos maiores desafios do OCR.

Porque documentos antigos nunca possuem iluminação uniforme.


Quando a Folha Envelhece

Pegue um livro de 1935.

O papel está amarelado.

Existem manchas.

Dobras.

Carimbos.

Marcas de café.

Fungos.

Poeira.

O algoritmo precisa decidir:

"Isto é tinta?"

ou

"Isto é sujeira?"

Esse processo é chamado de Thresholding.

Hoje utilizamos técnicas adaptativas como:

  • Otsu

  • Sauvola

  • Niblack

  • Wolf

Cada uma tentando responder exatamente a mesma pergunta.

"O que realmente pertence ao texto?"


O Segundo Milagre

Agora o OCR precisa descobrir onde existem letras.

Mas...

como encontrar letras numa fotografia?

Entra em cena uma velha conhecida da matemática.

A detecção de componentes conectados.

Imagine derramar tinta sobre uma folha.

Cada grupo conectado de pixels forma uma ilha.

Cada ilha pode ser:

  • uma letra;

  • um ponto;

  • um acento;

  • uma vírgula.

Ou apenas sujeira.


Encontrando Linhas

Curiosamente, localizar palavras é muito mais difícil do que reconhecer letras.

Primeiro é necessário descobrir:

Onde começa a primeira linha?

Onde termina?

Qual é o espaçamento?

Existe uma coluna?

Duas?

Três?

É um jornal?

Uma revista?

Uma tabela?

Esse processo chama-se:

Page Layout Analysis.

Sem ele o OCR mistura linhas completamente diferentes.

Foi exatamente isso que acontecia em muitos scanners domésticos dos anos 90.


O Terror Chamado Tabela

Você provavelmente já percebeu.

OCR odeia tabelas.

Porque tabelas possuem:

  • linhas;

  • caixas;

  • números;

  • textos;

  • alinhamentos diferentes.

Durante muitos anos elas eram praticamente impossíveis.

Hoje modelos de IA conseguem reconstruí-las com enorme precisão.


Segmentando Letras

Finalmente chegamos ao momento esperado.

Encontrar caracteres individuais.

Imagine a palavra:

COMPUTADOR

O algoritmo tenta descobrir:

C

O

M

P

U

...

Parece simples.

Até aparecer isto:

ffi

Em muitas fontes antigas essas três letras são desenhadas como um único símbolo.

Agora imagine o "ç".

Ou o "ã".

Ou um "í" com poeira em cima.

Tudo muda.


A Era das Comparações

Os primeiros OCR funcionavam exatamente como um álbum de figurinhas.

O algoritmo possuía milhares de modelos.

Será que parece um A?

92%

Um B?

15%

Um R?

18%

Escolhia o maior valor.

Era simples.

E muito limitado.

Mudou a fonte?

Fracasso.

Mudou a inclinação?

Fracasso.

Mudou o tamanho?

Fracasso novamente.


Então Vieram as Redes Neurais

Nos anos 1990 começou uma revolução silenciosa.

Em vez de comparar desenhos...

o computador passou a aprender.

Você mostrava milhares de letras.

A

A

A

A

A

Depois mostrava milhares de outras.

B

B

B

B

Após milhões de exemplos...

a máquina começava a criar um conceito abstrato de letra.

Era o nascimento do OCR moderno.


CNNs: Os Especialistas em Enxergar

As Convolutional Neural Networks mudaram completamente o jogo.

Ao invés de perguntar:

"Esta letra parece um A?"

elas perguntavam:

"Quais padrões aparecem repetidamente?"

Curvas.

Linhas.

Cantos.

Texturas.

Essas pequenas características eram combinadas em níveis cada vez mais sofisticados.

De repente o computador conseguia reconhecer letras mesmo deformadas.


O OCR Aprendeu Português

Uma das maiores revoluções não aconteceu na visão.

Aconteceu na linguagem.

Imagine duas possibilidades.

Cornputador

Computador

Visualmente são parecidas.

Mas linguisticamente apenas uma existe.

Então entraram em cena:

  • dicionários;

  • modelos estatísticos;

  • frequência de palavras;

  • análise gramatical;

  • contexto.

Foi assim que muitos erros desapareceram.


A Invenção que Todo Mundo Usou Sem Saber

Você lembra daqueles CAPTCHAs antigos?

Digite as letras abaixo.

Pouca gente sabe...

Você estava treinando OCR.

O sistema mostrava justamente palavras que os computadores não conseguiam reconhecer.

Milhões de pessoas ajudaram gratuitamente a revisar livros inteiros.

Essa genialidade ficou conhecida como reCAPTCHA.

Cada clique corrigia um pedacinho da Biblioteca de Alexandria digital do século XXI.


O Tesseract

Se existe um herói silencioso do OCR moderno...

ele atende pelo nome de Tesseract.

Criado originalmente na Hewlett-Packard entre 1985 e 1995.

Depois liberado como código aberto.

Mais tarde adotado e impulsionado pelo Google.

Hoje é um dos motores OCR mais utilizados do planeta.

Ele suporta centenas de idiomas.

Inclusive português.

E continua evoluindo.


ABBYY: O Ferrari do OCR

Enquanto o Tesseract conquistava o mundo open source...

uma empresa russa construía um verdadeiro monstro.

ABBYY FineReader.

Durante muitos anos ele foi considerado praticamente imbatível.

Reconhecia:

  • livros;

  • contratos;

  • formulários;

  • tabelas;

  • revistas;

  • jornais.

E fazia isso absurdamente bem.

Muitas empresas ainda o utilizam como padrão.


PaddleOCR

Nos últimos anos surgiu outro gigante.

PaddleOCR.

Projeto open source da Baidu.

Especializado em:

  • OCR multilíngue;

  • documentos complexos;

  • reconhecimento de tabelas;

  • layout;

  • manuscritos.

Hoje compete diretamente com soluções comerciais.


EasyOCR

Para quem trabalha com Python.

Existe um nome quase obrigatório.

EasyOCR.

Poucas linhas de código.

Dezenas de idiomas.

Excelente integração com IA.

Perfeito para automação.


TrOCR

Em 2021 a Microsoft apresentou algo extremamente interessante.

Em vez de construir um OCR tradicional...

utilizou Transformers.

Sim.

Os mesmos princípios que deram origem aos LLMs.

O resultado foi surpreendente.

O OCR deixou de reconhecer letras individualmente.

Passou a interpretar a sequência inteira.

Quase como se estivesse lendo.


OCR Multimodal

Hoje um modelo moderno faz algo completamente diferente.

Ele olha para uma página inteira.

Ao mesmo tempo entende:

  • texto;

  • fotografias;

  • diagramas;

  • gráficos;

  • assinaturas;

  • tabelas;

  • fórmulas matemáticas.

Ele já não separa visão de linguagem.

As duas coisas acontecem simultaneamente.

É exatamente esse tipo de abordagem que vemos em muitos modelos multimodais atuais.


Quando o OCR Começou a Entender Documentos

O próximo passo foi inevitável.

Não basta reconhecer:

R$ 12.345,67

É preciso saber:

Aquilo é:

  • valor da nota?

  • desconto?

  • imposto?

  • saldo?

  • total?

Nascia o Document AI.

Hoje utilizado por:

  • bancos;

  • seguradoras;

  • hospitais;

  • cartórios;

  • tribunais;

  • governos.


O Papel da IBM

Seria impossível falar de OCR sem mencionar a IBM.

Ao longo de décadas a empresa desenvolveu soluções para captura documental, leitura automática de formulários, processamento de cheques, classificação inteligente de documentos e integração com grandes ambientes corporativos.

Mais recentemente, tecnologias baseadas em IBM Watson, IBM Datacap, FileNet, Cloud Pak for Business Automation e modelos de IA ampliaram o conceito de OCR para captura inteligente, onde o sistema não apenas lê caracteres, mas interpreta contratos, identifica entidades, extrai metadados e automatiza processos completos.

No mundo mainframe, isso significou integrar documentos físicos diretamente a fluxos em CICS, Db2, IMS e sistemas bancários, reduzindo drasticamente a digitação manual.


O Novo Desafio: Livros do Mundo Inteiro

Quando Google Books começou sua missão de digitalizar milhões de livros, descobriu algo curioso.

Cada biblioteca possuía problemas diferentes.

Livros tortos.

Páginas grudadas.

Margens cortadas.

Letras góticas.

Anotações feitas por leitores há cem anos.

Carimbos.

Bibliotecas inteiras tornaram-se laboratórios de visão computacional.

Hoje, modelos treinados nesses acervos conseguem recuperar textos que seriam praticamente ilegíveis para os algoritmos de vinte anos atrás.


Easter Eggs que Quase Ninguém Conhece

📚 Muitos manuscritos medievais são hoje mais legíveis digitalmente do que a olho nu graças ao processamento de imagem multiespectral.

🔍 Alguns OCR modernos conseguem identificar automaticamente a fonte tipográfica utilizada em um documento.

🧠 Em certos sistemas corporativos, o OCR já identifica o tipo do documento antes mesmo de começar a ler o texto.

📜 Existem algoritmos capazes de reconstruir letras parcialmente queimadas ou apagadas utilizando contexto estatístico.

🤖 Alguns LLMs atuais utilizam OCR apenas como etapa intermediária. Outros enxergam a página inteira diretamente, sem separar explicitamente "leitura" e "interpretação", aproximando-se da forma como nós humanos percebemos um documento.


Um Café Antes de Fechar a Tampa do Scanner

Durante muito tempo acreditamos que ensinar um computador a jogar xadrez era uma das tarefas mais difíceis da inteligência artificial.

Estávamos errados.

Muito mais complicado era ensinar uma máquina a distinguir um "O" de um "0", um "rn" de um "m" ou um simples acento agudo perdido em uma folha amarelada pelo tempo.

O OCR nos ensinou uma lição que continua válida até hoje: inteligência não nasce pronta. Ela é construída pixel por pixel, erro por erro, página por página.

Toda vez que uma IA moderna responde a uma pergunta sobre um livro publicado há cinquenta, cem ou duzentos anos, existe uma boa chance de que, em algum momento de sua jornada, aquele conhecimento tenha passado por um scanner, por um algoritmo de OCR e por incontáveis correções humanas.

É por isso que gosto de pensar que a verdadeira biblioteca da Inteligência Artificial não começou em um data center repleto de GPUs.

Ela começou com o zumbido lento de um scanner doméstico, uma barra luminosa atravessando uma folha de papel e um velho computador tentando descobrir, pela primeira vez, se aquilo era um "Computador"... ou apenas mais um misterioso "Cornputad0r".

terça-feira, 7 de fevereiro de 2023

Máscara Tengu — O Narigudo mais Temido (e Fofoqueiro) do Japão

 



Máscara Tengu — O Narigudo mais Temido (e Fofoqueiro) do Japão

Um post Bellacosa Mainframe para o El Jefe Midnight Lunch

Prepare seu chimarrão espiritual, ajeite o obi, abra o portão torii da imaginação e venha comigo descortinar uma das figuras mais icônicas, perigosas, barulhentas e deliciosamente folclóricas do Japão:


🟥 O TENGU — o Yokai com nariz para confusão

Se a Máscara Inari é a raposinha elegante, a Máscara Tengu é o tiozão do churrasco do mundo espiritual:

  • nariz descomunal,

  • rosto vermelho,

  • postura arrogante,

  • e um currículo de tretas que começa antes de Minamoto no Yoshitsune pegar na espada.

Mas como toda entidade japonesa…
ele não é só o vilão.
É mentor, guardião, justiceiro, palhaço, troll místico, e às vezes — só às vezes — um sábio iluminado.

E claro: virou máscara de festival, amuleto, personagem de anime, boss de videogame e ícone pop.

Vamos por partes, Bellacosa Style.



🕊️ ORIGEM — Do demônio ao semideus

Os tengus aparecem nos textos do século VIII, mas ali eram tratados como demônios perigosos.
Aos poucos evoluíram para:

  • espíritos da montanha,

  • mestres de artes marciais,

  • protetores de florestas,

  • e trolls místicos que adoram provocar monges arrogantes.

A forma clássica tem nariz enorme.
Quanto maior o nariz, maior a aura de poder (sim, Freud amaria isso).

Mas antes do narigão aparecer, muitos eram retratados com bico, como pássaros — e até hoje eles mantêm asas, penas e a habilidade de voar.

Tengu = metade homem, metade ave, 100% encrenca.

O lar preferido deles?
Montanhas.
Especialmente Monte Kurama, QG espiritual onde até o jovem Yoshitsune supostamente treinou artes marciais com eles.


🎭 A MÁSCARA TENGU — símbolo de respeito e temor

A máscara é parte fundamental do teatro Noh e de rituais shinto-budistas.
É feita para causar impacto:

  • vermelho vibrante

  • sobrancelhas grossas

  • expressão furiosa

  • nariz que dá pra colocar CEP

Ela representa não só o espírito, mas o poder indomado da montanha.

Por isso aparece muito em:

  • matsuris,

  • lojas de amuletos,

  • portas de comércio (para espantar problemas),

  • cerimônias de artes marciais,

  • e até como decoração de izakaya malucas.

Se você entrar num restaurante japonês e der de cara com uma máscara de narigão vermelho, não estranhe:
é o Tengu dizendo “respeita o dono do estabelecimento, ô mortal”.


🎒 CURIOSIDADES BELLACOSA (com leve travessura espiritual)

1. Tengu odeia gente metida.

O objetivo dele é humilhar arrogantes, especialmente monges hipócritas.
É tipo o auditor fiscal do karma.

2. Tengu ama artes marciais.

Treinam guerreiros, mas só os puros de intenção.
Se for mala, ele te joga da montanha.

3. Tengu pode sequestrar humanos.

Mas sempre por “motivo pedagógico”: ensinar humildade.
Ou trollar.

4. Existem dois tipos:

  • Karasu-Tengu (pássaro, antigo e selvagem)

  • Daitengu (humanoide narigudo, versão premium)

5. Máscaras Tengu são usadas como proteção anti-inveja.

O nariz gigante funciona como “espanta olho gordo”.

6. O nariz enorme virou piada local.

No Japão rural, dizer que alguém tem “nariz de Tengu” é insinuar que a pessoa é arrogante.
Fofoquinha light, mas certeira.


🐦 FOFOQUICES DO FOLCLORE

— Tengu se apaixona facilmente… mas só por humanos inteligentes e teimosos.

Parece até que gostam de dor de cabeça.

— Muitos mestres lendários alegavam ter treinado com tengus.

É o equivalente místico a dizer:
“Aprendi hackear o z/OS com o criador do JCL.”

— Tengu às vezes protege aldeias inteiras.

Mas cobra:
respeito, cerimônias e… não subir a montanha de qualquer jeito.

— Algumas aldeias relatavam “tempestades tengu”.

Rajadas de vento súbitas que bagunçavam tudo.
Era a hora que o bicho tava com TPM espiritual.


🎌 DICAS BELLACOSA PARA HONRAR A MÁSCARA TENGU

  • Nunca toque no nariz da máscara.
    É considerado falta de respeito (e má sorte).

  • Se comprar uma, coloque voltada para a porta.
    Protege sua casa e faz inveja correr.

  • Leve uma em matsuri, mas não faça palhaçada com ela.
    Tengu adora zoar arrogantes — inclusive você.

  • Quer boa sorte nas artes marciais?
    Máscara Tengu no dojo = respeito imediato do mundo espiritual.


🥚🔍 EASTER-EGGS NA CULTURA POP

✔ Em Naruto, o clã Uchiha tem máscaras cerimoniais inspiradas em tengu.

As lendas sobre Susanoo e Amaterasu também puxam simbolismo deles.

✔ Em Nioh, existem tengus como chefões (e dói apanhar deles!).

✔ Em Tekken Tag, Kunimitsu usa máscara claramente derivada de Tengu.

✔ Em Persona e Shin Megami Tensei, vários personagens-tema são baseados nesses espíritos.

✔ O chefão “Tengu Man” de Mega Man 8 é uma homenagem direta.

✔ No festival Kurama Fire Festival, máscaras tengu dominam a noite inteira.


🔴🥋 COMENTÁRIO FINAL — O Guardião Narigudo das Montanhas

O Tengu é a prova viva (ou espiritual) de que o folclore japonês não brinca em serviço.
É irreverente, sábio, perigoso e profundamente simbólico.
Representa o poder bruto da montanha, o ego humano e o eterno lembrete:

“Se o nariz cresce, a sabedoria diminui.”

Não à toa sua máscara atravessou séculos, teatros, templos e agora reina também em animes, videogames e coleções de viajantes curiosos.

O Tengu olha de rabo de olho.
Sempre vigilante.
Sempre julgando.
Sempre pronto para cutucar quem tem o ego inflado.

E cá entre nós…
um mundo com um pouco de Tengu faz bem.
Mantém o povo humilde.

segunda-feira, 6 de fevereiro de 2023

Entendendo Mainframe Datasets (PS, PDS e PDSE)

 

Bellacosa Mainframe e os datasets ps pds e pdse no z/os

Entendendo Mainframe Datasets (PS, PDS e PDSE)

Uma análise aprofundada para desenvolvedores COBOL Jr.

A imagem resume um dos conceitos mais importantes do ecossistema z/OS: datasets. Se você está iniciando em COBOL, JCL, DB2, CICS ou suporte Mainframe, compreender datasets não é apenas importante — é obrigatório.

Muitos iniciantes vêm do mundo Windows, Linux ou Cloud e tentam enxergar o Mainframe usando a lógica de diretórios, arquivos e pastas tradicionais. Esse é um dos primeiros erros.

No Mainframe, a unidade fundamental de armazenamento não é o arquivo ("file"), mas sim o dataset.


1. O que é um Dataset?

Um dataset é uma estrutura lógica utilizada para armazenar informações dentro do z/OS.

Ele pode conter:

  • Programas COBOL

  • Fontes Assembler

  • Membros JCL

  • Procedures

  • Relatórios

  • Arquivos de entrada

  • Arquivos de saída

  • Dados transacionais

  • Bibliotecas de Load Modules

Em ambientes distribuídos você pensa:

Windows/Linux

Diretório
 ├── arquivo1.txt
 ├── arquivo2.txt
 └── arquivo3.txt

No Mainframe:

Dataset

ou

Dataset
 ├── membro1
 ├── membro2
 └── membro3

Dependendo do tipo.


2. Por que o Mainframe usa Datasets?

Quando o OS/360 foi criado nos anos 60, não existia o conceito moderno de sistemas de arquivos hierárquicos como conhecemos hoje.

O Mainframe foi projetado para:

  • Processamento em lote (Batch)

  • Alta performance

  • Baixo overhead

  • Grandes volumes de dados

Por isso surgiu o conceito de datasets.

Até hoje ele continua porque funciona extremamente bem.


3. Os Três Tipos Fundamentais

A imagem apresenta:

PS

Physical Sequential

PDS

Partitioned Dataset

PDSE

Partitioned Dataset Extended

Esses três tipos aparecem diariamente em qualquer ambiente corporativo.


4. PS – Physical Sequential Dataset

Imagine uma folha de papel.

Você escreve:

Linha 1
Linha 2
Linha 3
Linha 4

Você lê exatamente nessa sequência.

Isso é um PS.


Estrutura

Registro 1
Registro 2
Registro 3
Registro 4
Registro 5

Sem divisões internas.

Sem membros.

Sem pastas.

É um único bloco de informação.


Analogia Bellacosa

Imagine um PDF.

Você abre.

Existe apenas um documento.

Não existe:

Capítulo como arquivo separado

Tudo está dentro dele.

PS é exatamente isso.


Exemplos reais

Arquivo de clientes:

CLIENTES.DIARIO

Arquivo de vendas:

VENDAS.MENSAL

Relatório batch:

RELATORIO.FINANCEIRO

Arquivo de entrada:

INPUT.ARQ001

5. Como um programa COBOL lê um PS?

Exemplo:

SELECT CLIENTES
ASSIGN TO CLIENTES.

FD:

FD CLIENTES.

01 REG-CLIENTE.
   05 ID-CLIENTE PIC 9(5).
   05 NOME       PIC X(30).

O COBOL irá:

Read registro 1
Read registro 2
Read registro 3
...
EOF

Sequencialmente.


6. Características do PS

Vantagens

Muito rápido.

Baixo overhead.

Excelente para batch.

Menos controle interno.


Desvantagens

Não possui membros.

Difícil organizar múltiplos objetos.

Pouca flexibilidade.


7. Onde um COBOL Jr vê PS?

Todos os dias.

Arquivos:

INPUT
OUTPUT
SORTWK
EXTRACT
REPORT

Normalmente são PS.

Exemplo JCL:

//INFILE DD DSN=USER.CLIENTES,
// DISP=SHR

Esse dataset costuma ser PS.


8. PDS – Partitioned Dataset

Agora imagine um armário de arquivos.


Estrutura:

Armário
 ├── Gaveta A
 ├── Gaveta B
 ├── Gaveta C

O armário é o dataset.

As gavetas são membros.


Estrutura real

USER.COBOL.SOURCE

Contendo:

PROG001
PROG002
PROG003
PROG004

Cada membro é um programa.


Analogia Bellacosa

Imagine uma pasta Windows:

COBOL
 ├── PROG001.CBL
 ├── PROG002.CBL
 └── PROG003.CBL

No Mainframe:

USER.COBOL.SOURCE

com membros:

PROG001
PROG002
PROG003

9. O Diretório do PDS

O segredo do PDS está no diretório.

Ele mantém a lista dos membros.

Exemplo:

PROG001
PROG002
PROG003
PROG004

Toda vez que você abre:

USER.COBOL.SOURCE

o sistema consulta esse diretório.


10. O Problema Histórico do PDS

Aqui aparece uma questão clássica de entrevista.

O PDS sofre com:

Directory Full

ou

Space Fragmentation


Imagine:

PROG001
PROG002
PROG003

Você apaga:

PROG002

O espaço não é totalmente reaproveitado.

Com o tempo:

Espaço livre espalhado

começa a existir dentro do dataset.


Consequências:

  • desperdício de espaço

  • lentidão

  • necessidade de manutenção


11. Compress do PDS

Por isso surgiu o famoso:

IEBCOPY COMPRESS

ou

3.1 Compress

no ISPF.


O processo reorganiza:

Membro 1
Membro 2
Membro 3

removendo os buracos.


Analogia:

Desfragmentação de disco.


12. Onde o PDS é usado?

Muito comum para:

JCL

USER.JCL

COBOL Sources

USER.COBOL

PROC Libraries

USER.PROCLIB

Copybooks

USER.COPYLIB

13. Como acessar um membro?

Sintaxe:

USER.COBOL(PROG001)

Dataset:

USER.COBOL

Membro:

PROG001

14. JCL utilizando membro

//SYSIN DD DSN=USER.JCL(MYJOB),
 // DISP=SHR

ou

EXEC PROC=PROC001

onde:

USER.PROCLIB(PROC001)

contém a procedure.


15. PDSE – A Evolução do PDS

IBM percebeu:

"PDS gera manutenção demais."

Resultado:

PDSE.

Partitioned Dataset Extended.


O que mudou?

Praticamente tudo internamente.

Externamente parece igual.


Você continua acessando:

USER.COBOL(PROG001)

Mas internamente o gerenciamento mudou completamente.


16. PDSE é um Sistema Inteligente

PDS:

Gerenciamento manual

PDSE:

Gerenciamento automático

Analogia Bellacosa:

PDS:

Arquivo de aço dos anos 80

PDSE:

Google Drive

17. Eliminação do Compress

Maior vantagem.

PDS:

Compress obrigatório

PDSE:

Compress não existe

O próprio sistema gerencia.


18. Espaço Dinâmico

PDS:

Diretório fixo

PDSE:

Diretório expansível

Isso resolve:

Directory Full

19. Melhor Performance

PDSE utiliza estruturas modernas.

Possui cache.

Melhor gerenciamento interno.

Menor contenção.


Em ambientes grandes:

Milhares de acessos simultâneos

a diferença é perceptível.


20. PDSE para Load Libraries

Muito importante.

Bibliotecas de programas compilados:

LOADLIB
STEPLIB
LINKLIB

normalmente são PDSE.


Exemplo:

USER.LOADLIB

Membros:

PROGA
PROGB
PROGC

Cada membro é um módulo executável.


21. Geração de Objetos COBOL

Fluxo clássico:

Source
 ↓
Compile
 ↓
Object
 ↓
Link Edit
 ↓
Load Module

Onde ficam?

Source:

PDS/PDSE

Objeto:

PDS/PDSE

Load:

PDSE

22. Fluxo Completo de Desenvolvimento COBOL

Imagine:

USER.COBOL

Membro:

PGMCLI01

Compilação:

IGYCRCTL

gera:

USER.OBJLIB

Depois:

USER.LOADLIB

Finalmente:

EXEC PGM=PGMCLI01

executa o módulo armazenado na LOADLIB.


23. O que um Dev COBOL Jr precisa decorar?

PS

Pergunta:

"Possui membros?"

Resposta:

Não

PDS

Pergunta:

"Precisa compress?"

Resposta:

Sim

PDSE

Pergunta:

"Precisa compress?"

Resposta:

Não

PDS

Pergunta:

"Directory fixo?"

Resposta:

Sim

PDSE

Pergunta:

"Directory expansível?"

Resposta:

Sim

24. Perguntas Clássicas de Entrevista

Qual a diferença entre PDS e PDSE?

Resposta curta:

PDS utiliza diretório fixo e requer compressão periódica. PDSE possui gerenciamento automático de espaço, diretório dinâmico e não necessita compressão.


O que é um membro?

Resposta:

Uma subdivisão lógica dentro de um PDS ou PDSE.


Um PS possui membros?

Resposta:

Não.


Como referenciar um membro?

Resposta:

DSN(MEMBER)

Exemplo:

USER.COBOL(PROG001)

Onde ficam os fontes COBOL?

Resposta:

Normalmente:

PDS ou PDSE

25. Visão Arquitetural que Poucos Iniciantes Entendem

A maioria dos juniores pensa:

PS = ruim
PDS = melhor
PDSE = moderno

Mas isso é simplificação excessiva.

A verdade é:

Cada um resolve um problema diferente.


PS

Especialista em:

Grande volume sequencial

PDS

Especialista em:

Organização de membros

PDSE

Especialista em:

Organização moderna de membros

Portanto:

PS ≠ PDS
PDS ≠ PDSE

Eles não competem diretamente.


26. Como enxergar isso como um profissional Mainframe

Visualize uma aplicação bancária:

Fontes COBOL
     ↓
USER.COBOL (PDSE)

Copybooks
     ↓
USER.COPYLIB (PDSE)

Objetos
     ↓
USER.OBJLIB (PDSE)

Executáveis
     ↓
USER.LOADLIB (PDSE)

Arquivo de clientes
     ↓
CLIENTE.MESTRE (PS)

Arquivo de transações
     ↓
TRANSACOES.DIA (PS)

Relatório
     ↓
RELATORIO.FINAL (PS)

Perceba a lógica:

  • Código → PDS/PDSE

  • Dados → PS

Essa separação é um dos pilares da arquitetura Mainframe.


Conclusão

A imagem apresenta apenas a superfície do assunto. Para um desenvolvedor COBOL Jr., o entendimento profundo é que datasets são a espinha dorsal do z/OS. Quase tudo que você fará no Mainframe envolverá abrir, criar, catalogar, alocar, ler, gravar, copiar, compactar ou referenciar datasets.

Guarde a regra mental mais importante:

PS   = Arquivo único (Single File)

PDS  = Biblioteca com membros (Folder)

PDSE = Biblioteca inteligente (Smart Folder)

E, no dia a dia profissional:

Dados de negócio     → PS
Fontes COBOL         → PDSE
Copybooks            → PDSE
JCLs                 → PDSE
PROCs                → PDSE
Load Modules         → PDSE

Quando você dominar datasets, começará a enxergar o Mainframe da forma correta: não como um "Linux antigo", mas como um sistema operacional projetado para processar bilhões de transações com confiabilidade, organização e desempenho que continuam sendo referência mundial décadas depois de sua criação.


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...