A REST API do Redash permite automatizar consultas, coletar resultados e integrar dados com outras ferramentas. Para usar, é preciso autenticar via API Key e entender os principais endpoints, limitações e formatos suportados. Exportação direta em CSV não existe: é necessário converter o JSON retornado.
Você vai criar uma DAG real de ETL no Airflow, extraindo dados simulados e carregando no PostgreSQL. Vai entender como definir tarefas em Python, conectar o Airflow ao banco, usar operadores e sensores básicos, executar e verificar o resultado.
Automatizar o Terraform em pipelines CI/CD elimina erros manuais e acelera entregas. Aprenda a estruturar pipelines para Terraform, integrar com GitLab CI e GitHub Actions, proteger variáveis sensíveis e evitar armadilhas comuns.
Variáveis, locals e arquivos .tfvars são a base para parametrizar ambientes com Terraform sem recorrer a duplicação ou gambiarras. Eles permitem separar lógica, valores e segredos, tornando o código reutilizável, auditável e seguro.
Integrar novas fontes de dados ao Redash é essencial para análises completas. Esta lição mostra como conectar bancos MySQL e APIs REST, configurar autenticação e validar conexões de forma segura e eficiente.
Instalar o Apache Airflow com Docker garante isolamento, reprodutibilidade e facilidade de manutenção. Você aprenderá a criar um ambiente funcional, persistente e seguro, pronto para orquestrar pipelines de dados em produção.
Provisioners e data sources ampliam o poder do Terraform, mas exigem cautela para manter a idempotência e previsibilidade. Esta lição mostra quando usá-los, riscos envolvidos e exemplos práticos em AWS, Azure e GCP.
A eficiência do Terraform depende de como você declara recursos, outputs e suas dependências. Esta lição mostra como conectar recursos de infraestrutura, expor dados essenciais e garantir que tudo seja criado na ordem correta.
Controlar o acesso ao Redash é essencial para proteger dados e garantir colaboração eficiente. Esta lição mostra como convidar usuários, criar e gerenciar times, revogar acessos e aplicar políticas de onboarding de forma segura e produtiva.
A escolha do executor do Apache Airflow define o quanto sua orquestração escala, o nível de paralelismo e a complexidade operacional. Sequential serve para testes, Local para workloads simples, Celery para ambientes distribuídos e Kubernetes para máxima elasticidade.
Dimensionar corretamente workers, conexões e banco de metadados no Apache Airflow é fundamental para evitar gargalos e garantir a execução eficiente dos pipelines de BI. O ajuste envolve entender limites de paralelismo, tuning do banco de metadados e o impacto dessas escolhas no desempenho do Scheduler.
Personalizar o Redash vai além da interface: envolve garantir notificações por e-mail, identidade visual e permissões alinhadas ao time. Nesta lição, você aprende a configurar SMTP, ajustar o visual básico e definir permissões padrão, usando variáveis de ambiente e arquivos de configuração reais.
Sem padrões de identificação, sua infraestrutura cresce desordenada, dificultando custos, automação e auditoria. Tags, labels e convenções de nomes são o alicerce para controle, rastreabilidade e governança em ambientes multi-cloud com Terraform.
