TECNOLANDIA TECH
Publicidade

Conecte-se com o Tecnolândia Tech

BLOG + INSTAGRAM + FACEBOOK

Tecnologia na prática, em todos os formatos.

Aqui no Tecnolândia Tech, você encontra artigos e guias completos. No Instagram @djwinformatica e no Facebook TecnoInfo, acompanhe vídeos, dicas e novidades de IA, automação e tecnologia. São nossos canais oficiais.

GitHub Actions: Automatize Seu CI/CD em 15 Minutos

GitHub Actions: Automatize Seu CI/CD em 15 Minutos

Imagem: Pexels

Todo mundo fala em CI/CD e quase ninguém tem. O gargalo costuma ser o mesmo: configurar Jenkins, subir servidor, aprender YAML proprietário. Com o GitHub Actions esse argumento morreu — o pipeline roda na infra do GitHub, é configurado com um arquivo de texto no próprio repositório e os primeiros 2.000 minutos mensais são gratuitos para contas gratuitas. Este guia monta um pipeline real de Python do zero, em quinze minutos, na ordem certa.

1. Actions primeiro, deploy depois

Resista à tentação de começar automatizando deploy. A primeira automação que traz retorno é o teste automático a cada push: você quebra o build, o CI avisa antes do usuário. Deploy automático sem testes só acelera o jeito errado de quebrar produção. O objetivo daqui é um workflow que roda testes e linter em toda branch e em todo pull request.

2. A estrutura mínima de um workflow

Workflows ficam em .github/workflows/*.yml na raiz do repositório. Cada arquivo tem três blocos principais: on (quando roda), jobs (o que roda) e, dentro dos jobs, steps (os passos). Para um projeto Python, o arquivo ci.yml assim já funciona:

name: CI

on:
  push:
    branches: [main]
  pull_request:
    branches: [main]

jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-python@v5
        with:
          python-version: "3.12"
          cache: pip
      - run: pip install -r requirements.txt
      - run: ruff check .
      - run: pytest -q

Três decisões nesse arquivo valem explicação. O on dispara em push para main e em pull request: a combinação cobre tanto o código que entra quanto o código que está sendo proposto. O cache: pip evita reinstalar dependências do zero a cada execução, o que corta minutos de pipeline. E o runs-on: ubuntu-latest usa o runner gratuito padrão; runners maiores existem, mas você só vai querê-los quando o projeto crescer.

3. Multiplicando jobs: paralelismo de verdade

Cada job roda em uma máquina separada. Separar lint de testes faz os dois rodarem em paralelo e o resultado fica mais legível — você vê qual etapa falhou sem abrir log. Um padrão comum é três jobs: lint, test (com matriz de versões do Python) e build. A matriz é declarativa:

strategy:
  matrix:
    python-version: ["3.11", "3.12", "3.13"]

Três execuções paralelas, uma por versão. Para projetos pequenos, uma versão resolve; para bibliotecas distribuídas, testar a versão mínima suportada evita o bug clássico de "funciona no meu 3.12, quebra no 3.10 do usuário".

4. Segredos: nunca deixe chave no YAML

Quando o pipeline precisar de token — publicar pacote, chamar API, deploy — o valor vai nos Secrets do repositório (aba Settings, item Secrets and variables). No workflow você lê com ${{ secrets.NOME }}. Regra simples: se apareceu no log do Actions, trate como vazado e troque. Para PRs vindos de forks, o GitHub não injeta secrets por padrão — isso é proteção, não bug.

5. Do CI ao CD: publicando só quando mergeia

Com testes confiáveis, a segunda etapa é deploy automático condicionada a um evento. O mais comum é disparar em push para main (ou seja, após o merge do PR) com um job extra usando if:

deploy:
  needs: test
  if: github.ref == 'refs/heads/main'
  runs-on: ubuntu-latest
  steps:
    - run: ./deploy.sh
      env:
        TOKEN: ${{ secrets.DEPLOY_TOKEN }}

O needs: test garante que deploy só acontece depois que a bateria de testes passou. O if impede que deploy rode em branch de feature. Essa combinação — testar em tudo, publicar só no main — é o esqueleto da maioria dos CD funcionais.

6. Diagnóstico rápido quando o workflow falha

  • YAML inválido: erro aparece logo no início; confira indentação de dois espaços.
  • Funciona local, falha no CI: quase sempre é working tree sujo em casa — rode os mesmos comandos do YAML localmente.
  • Permissão negada em push/deploy: falta configurar permissions no workflow ou o secret não foi definido.
  • Execução lenta: veja o tempo por step; cache de pip/Node resolve a maior parte.

Comece pelo arquivo ci.yml de Python deste guia, adicione-o numa branch abra um PR: o próprio Actions já vai rodá-lo e mostrar o resultado na conversa. Em seguida acrescente o job de deploy para o seu destino — Vercel, VPS com SSH, registro de container, o que for. Em uma tarde você troca o ritual manual de "roda os testes aí antes de dar merge" por uma barra verde que todos confiam.

Publicidade