Já precisou de um ambiente Linux completo com interface gráfica rodando dentro do Docker, acessível direto pelo navegador? E ficou perdendo tempo escrevendo Dockerfile na mão? 😩
Criei o Docker Maker para resolver exatamente isso — e ele é 100% gratuito e open-source! 🎉
Se você está no começo da graduação, talvez no 2º semestre, e começou a ouvir falar de Docker em aulas, vídeos ou projetos, este guia foi feito para você 😄
Aqui você vai aprender, de forma simples e prática, como instalar o Docker no Ubuntu, entender o que cada etapa faz e testar se tudo ficou funcionando corretamente.
sudoAntes de começar, você precisa:
Primeiro, vamos atualizar as informações dos programas disponíveis no Ubuntu e instalar possíveis atualizações.
sudo apt update
sudo apt upgrade -yO que isso faz?
sudo: executa o comando com permissão de administradorapt update: atualiza a lista de pacotes disponíveisapt upgrade -y: instala atualizações pendentes automaticamenteAgora vamos instalar alguns pacotes que ajudam o Ubuntu a baixar arquivos com segurança e trabalhar com repositórios externos.
sudo apt install -y ca-certificates curl gnupgExplicando:
ca-certificates: ajuda na validação de certificados digitais 🔐curl: permite baixar arquivos pela internet 🌐gnupg: ajuda a verificar assinaturas e chaves de segurançaEssa etapa garante que os pacotes do Docker sejam reconhecidos como oficiais e confiáveis.
sudo install -m 0755 -d /etc/apt/keyrings
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | \
sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg
sudo chmod a+r /etc/apt/keyrings/docker.gpgO que está acontecendo aqui?
Agora vamos dizer ao Ubuntu onde ele deve procurar os pacotes do Docker.
echo \
"deb [arch=$(dpkg --print-architecture) \
signed-by=/etc/apt/keyrings/docker.gpg] \
https://download.docker.com/linux/ubuntu \
$(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \
sudo tee /etc/apt/sources.list.d/docker.list > /dev/nullEm palavras simples:
arch=$(dpkg --print-architecture): identifica a arquitetura do seu computador, como amd64VERSION_CODENAME: detecta automaticamente a versão do seu Ubuntustable: indica que queremos a versão estável do Docker ✅Como adicionamos um novo repositório, precisamos atualizar a lista de pacotes mais uma vez.
sudo apt updateAgora sim: vamos instalar o Docker e alguns componentes importantes que vêm junto com ele.
sudo apt install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-pluginO que esses pacotes fazem?
docker-ce: o motor principal do Docker 🐳docker-ce-cli: comandos que você usa no terminalcontainerd.io: componente que ajuda a executar containersdocker-buildx-plugin: facilita builds avançados de imagensdocker-compose-plugin: permite usar docker composeO jeito mais clássico de testar o Docker é rodar o container hello-world.
sudo docker run hello-worldSe tudo estiver certo, o Docker vai baixar uma imagem de teste e mostrar uma mensagem informando que a instalação foi bem-sucedida 🎉
Se você quiser confirmar a versão instalada no sistema, use:
docker --versionOu, para ver mais detalhes:
docker version
Por padrão, muitos comandos do Docker exigem sudo. Para facilitar sua vida, você pode adicionar seu usuário ao grupo docker.
sudo usermod -aG docker $USERDepois disso, você precisa sair e entrar novamente na sessão do Ubuntu. Se quiser tentar aplicar no terminal atual, use:
newgrp dockerAgora teste sem sudo:
docker run hello-worldsudo systemctl status dockersudo systemctl start dockersudo systemctl enable dockerdocker compose versiondocker,
ou porque você ainda não fez logout/login após o comando.
sudo apt remove docker docker-engine docker.io containerd runchello-worldsudoInstalar o Docker no Ubuntu não é tão complicado quanto parece. Quando você entende o papel de cada etapa, tudo faz mais sentido e o terminal deixa de ser um bicho de sete cabeças 😄
Para quem está começando na computação, aprender Docker cedo é excelente, porque ele aparece em desenvolvimento de software, devops, banco de dados, deploy e até em projetos acadêmicos.
docker psdocker imagesdocker rundocker compose upUm physics engine é um sistema de software responsável por simular o comportamento físico de objetos em um ambiente virtual.
Na prática, ele calcula e atualiza elementos como:
É uma das opções mais práticas para simulação 3D em Python. Permite abrir uma interface gráfica, definir gravidade, colisões, massas e materiais com pouca configuração.
É uma engine muito forte em precisão física, especialmente em sistemas articulados, biomecânica, robótica e pesquisa científica.
Ótimos para simulações 2D. São leves, rápidos e muito úteis em jogos, visualizações simples e protótipos bidimensionais.
O VPython é excelente para ensino e visualização simples. O PySPH é mais voltado para partículas e fluidos. Ambos são interessantes, mas não seriam minha primeira escolha para a colisão 3D metálica do seu cenário.
Quando a necessidade não é apenas simular, mas também ver a cena funcionando com qualidade visual, entram em jogo engines e ferramentas mais completas.
Melhor escolha para visual bonito, materiais metálicos, iluminação, câmera e render final em vídeo ou imagem.
Excelente para criar um simulador interativo em tempo real, alterando parâmetros ao vivo como velocidade, massa e direção.
São fortíssimos em jogos e visual, mas geralmente menos práticos para um fluxo simples e direto em Python.
Como a gravidade é zero, a esfera não “cai”. O movimento será dominado pela velocidade inicial e pela física da colisão.
O que mais influencia o resultado visual e dinâmico é o conjunto de parâmetros como:
Para simular e ver funcionando, minha recomendação prática é:
PyBullet para validar a física e experimentar o impacto rapidamente.
Blender para refazer a cena com materiais metálicos, luz e render mais bonito.
Godot se a meta for criar uma experiência interativa ou um mini simulador.
Um ponto crucial: motores de física comuns usados em jogos e protótipos geralmente trabalham com corpos rígidos.
Existe, sim, um ótimo ecossistema gratuito para simulação física em Python e em outras linguagens. Para a maioria dos casos práticos, a decisão não é “qual engine é melhor no papel”, mas sim qual engine entrega melhor o que você precisa ver.
Para o cenário da esfera de aço contra uma parede em gravidade zero, a resposta mais honesta é: PyBullet para testar, Blender para impressionar, Godot para interagir e MuJoCo para pesquisar.
A dica de hoje é uma ferramenta que costuma economizar horas quando você precisa entender, documentar ou evoluir um esquema de banco: ChartDB.
O ChartDB é um editor web open-source para diagramas de esquema de banco (ERD/relacionamentos). A ideia é simples e poderosa: você importa o schema (muitas vezes com uma única query “inteligente”), visualiza as tabelas/relacionamentos, ajusta o diagrama e exporta quando precisar.
Quer só validar a ferramenta rapidinho? Vai no site e testa no navegador: https://www.chartdb.io. É ótimo para:
Se você trabalha com dados sensíveis, rede restrita, ou simplesmente quer controle total, dá pra subir o ChartDB localmente com Docker em poucos segundos.
Para as funcionalidades sem IA, você não precisa de API key. Basta subir o container e acessar no navegador:
docker run -p 8080:80 ghcr.io/chartdb/chartdb:latestDepois abra: http://localhost:8080
O ChartDB tem recursos com IA (por exemplo, assistente/geração/ajuda em exportações). Para isso, você configura uma chave (ou um endpoint/modelo custom, dependendo do seu setup). Um jeito bem direto é via variável de ambiente:
docker run -e OPENAI_API_KEY=YOUR_OPEN_AI_KEY -p 8080:80 ghcr.io/chartdb/chartdb:latestSe a sua política interna pede o mínimo de telemetria possível, existe opção de desabilitar analytics via env:
docker run -e DISABLE_ANALYTICS=true -p 8080:80 ghcr.io/chartdb/chartdb:latestSe você nunca testou uma ferramenta de ERD “rápida”, faz assim:
Referências: chartdb.io · github.com/chartdb/chartdb
Se você usa IA no Cursor (ou qualquer editor com copilots) para criar interfaces, já deve ter percebido um problema clássico: a IA até descreve a tela… mas mistura explicação com estrutura, perde consistência e vira um “texto bonito” difícil de implementar.
Para criar os exemplos de interfaces você pode usar o Google Stitch - Design with AI.
A solução é simples e poderosa: escrever um prompt que força uma análise de UI/UX como um handoff real de designer → dev, com saída em JSONC (estrutura previsível, fácil de evoluir e versionar).
✅ Resultado: você ganha um “contrato de UI” que pode ser iterado, comparado no Git, reaproveitado como base de design system e usado para gerar componentes com muito menos retrabalho.
Markdown é ótimo para explicar, mas ruim para estruturar. Quando o objetivo é construir UI com precisão, você quer uma saída que seja:
O ideal é o formato híbrido: Markdown para instruções + JSONC como saída + um prompt final em bloco de código.
Eu deixei o prompt completo pronto para copiar e colar no Cursor. Basta acessar o Gist pelo link abaixo:
🔗 Abrir o prompt no GitHub Gist
💡 Dica: no Cursor, cole o prompt e peça: “analise esta imagem e gere a saída em JSONC”. Depois, reaproveite os tokens para criar uma base de design system.
Se você criar muitos dashboards parecidos, vale considerar uma DSL de UI (uma linguagem declarativa para descrever telas). O JSONC que esse prompt produz já pode ser o primeiro passo: um contrato estruturado que vira “config de tela” e pode alimentar um renderizador, um builder visual ou templates padronizados.
Se você trabalha em redes corporativas e tentou rodar um pip install ou git clone, provavelmente encontrou este erro frustrante:
fatal: unable to access '...': schannel: next InitializeSecurityContext failed: SEC_E_UNTRUSTED_ROOT (0x80090325)
Esse erro ocorre porque o Git (usando o SChannel do Windows) tenta validar o certificado SSL do servidor GitLab interno. Em intranets, é comum o uso de certificados autoassinados ou emitidos por uma CA (Autoridade Certificadora) interna que não está na lista de "raízes confiáveis" do seu sistema operacional.
Como o Windows não consegue garantir que o servidor é quem diz ser, ele bloqueia a conexão para te proteger.
A forma mais rápida no PowerShell, sem precisar alterar configurações globais do Git:
$env:GIT_SSL_NO_VERIFY=$true pip install git+https://gitlab.intranet.br
Para não precisar digitar o comando acima toda vez:
git config --global http.sslVerify false
Às vezes, forçar o Git a usar o OpenSSL resolve problemas de integração com o Windows:
git config --global http.sslBackend openssl
Se alguém acabou de fazer merge no main no GitLab e você está trabalhando em outro branch, o caminho mais simples e seguro é: trazer o main atualizado para dentro do seu branch usando merge.
--force)git add .
git commit -m "WIP: salvando trabalho"git stash -upython manage.py test
# ou seu comando de testes/lint
❓ “Eu preciso fazer isso sempre?”
Não sempre — mas é recomendado antes de abrir/atualizar MR ou quando o main mudou bastante.
❓ “E se eu não quiser mexer agora?”
Você pode continuar no seu branch, mas o ideal é integrar o main cedo para evitar conflitos maiores depois.
✍️ Post prático para equipes: Merge do main no branch sem reescrever histórico (ideal quando você não quer usar rebase/force push).
Este guia é um passo a passo direto ao ponto para o fluxo mais comum no Git/GitLab:
mainAntes de qualquer coisa, confira em qual branch você está:
git branch
Atualize seu main local antes de criar novos branches:
git checkout main git pull origin main
Crie o branch sempre a partir do main atualizado:
git checkout main git pull origin main git checkout -b feature/nome-da-feature
📌 Exemplo real:
git checkout -b feature/projetos
git switch main git pull origin main git switch -c feature/projetos
Primeiro push do branch:
git push -u origin feature/projetos
Pushs seguintes:
git push
feature/projetosmainTraga o main mais recente para dentro do seu branch:
git fetch origin git checkout feature/projetos git merge origin/main git add . git commit git push
💡 Algumas equipes preferem rebase. Se for o seu caso:
git fetch origin git checkout feature/projetos git rebase origin/main git push --force-with-lease
git checkout main git pull origin main
Forma segura (recomendada):
git branch -d feature/projetos
⚠️ Se o Git reclamar que não está mergeado:
git pull origin main git branch -d feature/projetos
🔥 Forçar exclusão (use só se tiver certeza):
git branch -D feature/projetos
git fetch --prune
# criar branch git checkout main git pull origin main git checkout -b feature/projetos # trabalhar, commitar, enviar git add . git commit -m "feat: projetos" git push -u origin feature/projetos # (GitLab) abrir MR → merge # voltar ao main e limpar branch git checkout main git pull origin main git branch -d feature/projetos git fetch --prune
✅ Pronto! Fluxo limpo, previsível e profissional.
Se você usa PostgreSQL, provavelmente já viu (ou vai ver) um erro como:
ERROR: duplicate key value violates unique constraint
DETAIL: Key (id)=(2) already exists.Esse erro costuma aparecer quando uma coluna IDENTITY (ou SERIAL) está tentando gerar um ID que já existe na tabela. Na prática, isso significa que a sequência interna do PostgreSQL ficou desalinhada com os dados.
Neste artigo você vai entender:
Uma coluna definida como GENERATED ... AS IDENTITY gera valores automaticamente usando uma sequence (sequência) por trás.
Exemplo:
CREATE TABLE exemplo (
id bigint GENERATED BY DEFAULT AS IDENTITY PRIMARY KEY,
nome text NOT NULL
);O PostgreSQL cria uma sequence interna (com um nome próprio) e passa a usar algo como:
nextval('nome_da_sequence')para gerar IDs automaticamente.
O ponto mais importante é este:
A sequence é independente da tabela. Ela não “olha” os dados para decidir o próximo número.
Ou seja: a tabela pode ter ID 1000, mas se a sequence ainda estiver em 10, o próximo insert automático pode tentar gerar 11, 12... e em algum momento pode gerar um valor que já existe, causando erro.
id=1000)O diagnóstico clássico compara:
SELECT pg_get_serial_sequence('schema.tabela', 'coluna_id');Exemplo:
SELECT pg_get_serial_sequence('public.exemplo', 'id');O retorno será o nome da sequence (por exemplo public.exemplo_id_seq).
SELECT MAX(id) FROM public.exemplo;SELECT last_value FROM public.exemplo_id_seq;Se last_value for menor que o MAX(id), você tem um desalinhamento.
A correção consiste em configurar a sequence para continuar a partir do maior ID existente.
SELECT setval(
pg_get_serial_sequence('schema.tabela', 'coluna_id'),
(SELECT COALESCE(MAX(coluna_id), 1) FROM schema.tabela)
);Exemplo completo:
SELECT setval(
pg_get_serial_sequence('public.exemplo', 'id'),
(SELECT COALESCE(MAX(id), 1) FROM public.exemplo)
);Após isso, o próximo INSERT automático usará MAX(id) + 1.
Se a tabela estiver vazia e você quiser reiniciar a contagem, use o terceiro parâmetro do setval:
SELECT setval(
pg_get_serial_sequence('public.exemplo', 'id'),
1,
false
);O false indica que o próximo valor gerado será exatamente 1.
Um detalhe que muita gente estranha:
Sequences não fazem rollback. Elas avançam mesmo se a transação falhar.
Exemplo:
BEGIN;
INSERT INTO public.exemplo (nome) VALUES ('Teste');
ROLLBACK;Mesmo com rollback, a sequence pode ter incrementado. Isso gera “buracos” nos IDs, e isso é esperado. IDs não devem ser usados como números contábeis ou sequenciais perfeitos.
MAX(id) vs sequence.Quando o PostgreSQL “tenta repetir um ID”, quase sempre o problema é a sequence interna do IDENTITY que ficou atrás do maior valor real da tabela.
A correção é simples e segura usando setval alinhado ao MAX(id). Com isso, você evita erros de chave duplicada e mantém o banco saudável mesmo após importações ou restores.
Se você quiser, eu posso publicar uma versão complementar mostrando:
Quando iniciamos um projeto com Django, várias tabelas são criadas automaticamente no banco de dados.
Para quem olha pela primeira vez, nomes como auth_group, django_content_type ou django_migrations podem parecer confusos.
Este artigo explica para que serve cada uma dessas tabelas, como elas se relacionam e quando você deve (ou não) interagir com elas.
Atenção: a maioria dessas tabelas faz parte da infraestrutura do framework. Elas não são tabelas de negócio.
As tabelas padrão do Django podem ser agrupadas em quatro grandes áreas:
auth_userÉ a tabela central de usuários autenticáveis do Django.
Ela armazena informações como:
is_active, is_staff, is_superuser)Essa tabela é usada pelo sistema de login, logout e controle de acesso.
Boa prática: use auth_user para autenticação, não como entidade de negócio (ex.: funcionário, cliente, aluno).
auth_permissionArmazena permissões individuais do sistema.
Para cada model Django, o framework cria automaticamente permissões padrão, como:
Essas permissões são usadas para controlar o acesso a funcionalidades específicas.
auth_groupRepresenta grupos de usuários.
Um grupo é basicamente um conjunto de permissões que pode ser atribuído a vários usuários.
Exemplos de grupos comuns:
auth_group_permissionsTabela associativa entre:
Define quais permissões cada grupo possui.
É aqui que o Django resolve a pergunta:
“O que usuários deste grupo podem fazer?”
auth_user_groupsTabela associativa entre:
Define a quais grupos cada usuário pertence.
Um usuário pode estar em vários grupos ao mesmo tempo.
auth_user_user_permissionsTabela associativa entre:
Permite conceder permissões diretamente a um usuário, sem passar por grupos.
Boa prática: usar grupos sempre que possível e evitar permissões diretas, pois elas dificultam a manutenção.
django_content_typeRegistra todos os models instalados no projeto.
Cada registro identifica:
Essa tabela é usada internamente pelo Django para:
Ela é fundamental para o funcionamento interno do framework.
django_admin_logArmazena logs de ações realizadas no Django Admin.
Registra informações como:
É muito útil para auditoria administrativa.
django_migrationsControla quais migrações já foram aplicadas no banco de dados.
Cada vez que você executa python manage.py migrate, o Django consulta essa tabela para saber:
Importante: nunca edite ou apague registros dessa tabela manualmente.
django_sessionArmazena as sessões ativas dos usuários.
É usada para:
As sessões têm prazo de validade e podem ser limpas automaticamente.
| Tabela | Finalidade |
|---|---|
auth_user | Usuários do sistema |
auth_group | Grupos / perfis |
auth_permission | Permissões |
auth_group_permissions | Grupo ↔ Permissão |
auth_user_groups | Usuário ↔ Grupo |
auth_user_user_permissions | Permissões diretas |
django_content_type | Registro de models |
django_admin_log | Log do admin |
django_migrations | Controle de migrations |
django_session | Sessões |
auth_user apenas para autenticação.As tabelas padrão do Django formam a base de segurança e funcionamento do framework. Entendê-las ajuda a:
Mesmo que você nunca precise mexer nelas diretamente, saber para que cada uma existe faz toda a diferença.
Organizar tabelas em schemas é uma prática essencial para manter bancos de dados grandes bem estruturados — especialmente em aplicações com múltiplos módulos, equipes ou microserviços.
Mas o que fazer quando você precisa mover uma tabela existente para outro schema? Felizmente, o PostgreSQL oferece um comando simples e poderoso para isso.
Para mover uma tabela de um schema para outro, basta executar:
ALTER TABLE schema_atual.nome_da_tabela
SET SCHEMA novo_schema;Mover a tabela usuarios de public para app_core:
ALTER TABLE public.usuarios
SET SCHEMA app_core;Ou seja: o PostgreSQL move toda a estrutura interna de forma segura, mas você precisa revisar apenas objetos que usam o nome qualificado do schema.
Quer saber onde a tabela está sendo usada?
SELECT *
FROM pg_depend d
JOIN pg_class c ON d.refobjid = c.oid
WHERE c.relname = 'usuarios';Isso ajuda a identificar views, funções ou objetos que referenciam a tabela.
Se você precisa mover várias tabelas de uma vez, use o bloco DO abaixo:
DO $$
DECLARE r RECORD;
BEGIN
FOR r IN
SELECT tablename
FROM pg_tables
WHERE schemaname = 'public'
LOOP
EXECUTE format('ALTER TABLE public.%I SET SCHEMA app_core;', r.tablename);
END LOOP;
END$$;
Simples e eficiente para reorganizar um banco inteiro.
financeiro, usuarios, core)publicCriar schemas bem definidos melhora a manutenção, a governança de dados e a colaboração entre equipes de desenvolvimento.
Mover tabelas entre schemas no PostgreSQL é simples com ALTER TABLE ... SET SCHEMA,
e essa prática ajuda a manter sua estrutura de banco de dados limpa, organizada e modular.
Se você utiliza Django, Supabase ou microserviços, separar suas tabelas em schemas diferentes pode ser um grande avanço na arquitetura do projeto.
Gostou do conteúdo? Compartilhe com outros desenvolvedores! 🚀
ALTER TABLE schema_atual.tabela SET SCHEMA novo_schema;
✔ Simples, rápido e seguro.
✔ Move a tabela inteira, incluindo PK, FK, UNIQUE e índices.
SELECT * FROM pg_depend d JOIN pg_class c ON d.refobjid = c.oid WHERE c.relname = 'nome_da_tabela';
🔍 Útil para localizar views, triggers e funções dependentes.
DO $$
DECLARE r RECORD;
BEGIN
FOR r IN
SELECT tablename
FROM pg_tables
WHERE schemaname = 'public'
LOOP
EXECUTE format('ALTER TABLE public.%I SET SCHEMA app_core;', r.tablename);
END LOOP;
END$$;
🚚 Excelente para reorganizar o banco inteiro.
public.
Use schemas para modularidade, segurança e organização do banco.
Mover tabelas é seguro e simples com SET SCHEMA.
Se você trabalha com programação, cedo ou tarde vai precisar dominar os comandos essenciais do Git. Neste guia prático, você vai aprender de forma simples como apagar branches, desfazer commits, criar novos branches e trabalhar corretamente com o GitLab.
⚠️ Erro comum: não é possível apagar o branch que está em uso no momento. O Git protege você contra isso.
git checkout maingit branch -D nome_do_branchgit push origin --delete nome_do_branchgit reset --soft HEAD~1Desfaz o commit, mas mantém os arquivos no estado de modificação.
git reset --hard HEAD~1⚠️ Apaga tudo permanentemente.
git revert HEADCria um novo commit que desfaz o anterior (modo mais seguro).
git reset --hard HEAD~1
git push origin main --forcegit push -u origin nome_do_branchgit branch -d nome_do_branchgit push origin --delete nome_do_branch💡 Dica Pro: ao criar um Merge Request (MR) no GitLab, marque a opção “Delete source branch after merge” para apagar automaticamente.
git checkout main
git pull origin maingit checkout -b feature/nova-funcionalidadegit push -u origin feature/nova-funcionalidadegit branch -m novo_nomegit branch -m nome_antigo novo_nomegit push -u origin novo_nome
git push origin --delete nome_antigoDominar esses comandos do Git e o fluxo com GitLab é essencial para trabalhar com qualidade, segurança e produtividade. Com esse guia, você evita erros comuns, mantém seu repositório limpo e trabalha alinhado com boas práticas profissionais.
🚀 Bons commits!
