Versionamento e CI/CD para Projetos Python

Gerenciar versões e implementar CI/CD (Continuous Integration/Continuous Deployment) é fundamental para manter qualidade, rastreabilidade e entrega rápida em projetos Python, desde bibliotecas até aplicações web ou APIs.

---

1. Versionamento de Código

1.1 Git como ferramenta central

• Git é o padrão para versionamento distribuído de código.

• Boas práticas profissionais:

  • Commits pequenos e significativos

  • Mensagens descritivas

  • Branches organizadas

git init
git add .
git commit -m "Inicialização do projeto"

---

1.2 Estrutura de Branches

• main / master → versão estável, deploy em produção

• develop → integração de features antes do release

• feature/ → desenvolvimento de funcionalidades específicas

• hotfix/ → correções críticas na produção

• Exemplo de fluxo GitFlow:

git checkout -b feature/login
# desenvolver feature
git commit -am "Adiciona autenticação JWT"
git checkout develop
git merge feature/login

---

1.3 Versionamento Semântico (SemVer)

• Formato: MAJOR.MINOR.PATCH

  • MAJOR → mudanças incompatíveis

  • MINOR → novas funcionalidades compatíveis

  • PATCH → correções de bugs

• Arquivo pyproject.toml ou setup.py define a versão:

# setup.py
setup(
    name="meu_projeto",
    version="1.2.3",
)

• Permite rastreamento de mudanças e compatibilidade entre releases.

---

2. CI/CD: Integração e Deploy Contínuo

2.1 Integração Contínua (CI)

• Automatiza build, testes e linting a cada commit.

• Ferramentas populares:

  • GitHub Actions

  • GitLab CI

  • Jenkins

  • CircleCI

Exemplo GitHub Actions:

name: Python CI

on: [push, pull_request]

jobs:
  build-test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v3
      - uses: actions/setup-python@v4
        with:
          python-version: '3.12'
      - run: pip install -r requirements.txt
      - run: pytest tests/ --maxfail=1 --disable-warnings -q
      - run: flake8 src/

• Benefícios:

  • Feedback rápido de erros

  • Garantia de qualidade do código

  • Evita regressões

---

2.2 Deploy Contínuo (CD)

• Automatiza entrega do código em produção ou staging.

• Estratégias avançadas:

  • Rolling Deployment → atualizações gradativas

  • Blue-Green Deployment → alternância entre ambientes

  • Canary Deployment → liberação progressiva para subset de usuários

Exemplo de deploy com Docker + GitHub Actions:

jobs:
  deploy:
    runs-on: ubuntu-latest
    needs: build-test
    steps:
      - uses: actions/checkout@v3
      - name: Build Docker
        run: docker build -t meuapp:latest .
      - name: Push Docker
        run: docker tag meuapp:latest meu-registry/meuapp:latest && docker push meu-registry/meuapp:latest
      - name: Deploy to server
        run: ssh user@server "docker pull meu-registry/meuapp:latest && docker-compose up -d"

• Permite deploy automatizado, reproduzível e rastreável.

---

2.3 Versionamento de Releases Automático

• Use tags Git:

git tag -a v1.2.3 -m "Release versão 1.2.3"
git push origin v1.2.3

• CI/CD pode usar tags para builds e deploy automáticos.

• Integrado com PyPI para bibliotecas Python:

- name: Publish to PyPI
  uses: pypa/gh-action-pypi-publish@v1.5.0
  with:
    password: ${{ secrets.PYPI_API_TOKEN }}

---

3. Boas Práticas Profissionais

1. Commits pequenos e frequentes para rastreabilidade.

2. Branching estruturado (GitFlow ou trunk-based).

3. Versionamento semântico para releases e dependências.

4. Testes automatizados e linting em CI para qualidade.

5. Deploy automatizado com rollback seguro.

6. Builds reproducíveis usando containers (Docker).

7. Monitoramento de pipelines para detectar falhas rapidamente.

8. Documentar pipelines e políticas de versionamento para equipe.

---

4. Aplicações Profissionais

• APIs e microservices com deploy contínuo

• Bibliotecas Python publicadas em PyPI

• Aplicações web escaláveis com CI/CD completo

• Pipelines de dados e ETL com testes e deploy automatizado

• Sistemas distribuídos com versionamento de releases e rollback seguro

---

5. Conclusão

• Versionamento estruturado + CI/CD garante qualidade, rastreabilidade e agilidade.

• Técnicas avançadas incluem:

  • GitFlow ou trunk-based branching

  • Versionamento semântico e tags

  • CI para testes automatizados

  • CD para deploy automatizado e seguro

• Seguindo boas práticas, equipes Python podem entregar software de forma consistente, confiável e escalável.