Visão técnica · POC 04

Ensalamento
Automático

Arquitetura proposta

Um pipeline de dados que prepara, otimiza e valida cada alocação.

Dados acadêmicos entram em armazenamento controlado, passam por limpeza e preparação e alimentam um algoritmo em lote. Uma camada de validação verifica as restrições antes que o resultado siga para análise e atualização dos sistemas.

Fluxo da solução

  1. Fontes acadêmicasEntregam os dados
  2. S3 + AWS GlueArmazenam e preparam
  3. LambdaValida a entrada
  4. AWS BatchExecuta a otimização
  5. Validação + painelRevisa e publica

Mapa interativo

Quer acompanhar como o ensalamento é calculado?

Tecnologias e papéis

Amazon S3

Dados de entrada e resultados.

AWS Glue

Limpeza e preparação dos dados.

AWS Lambda

Validação antes e depois do processamento.

AWS Batch

Execução do algoritmo de otimização.

Amazon EC2 Spot

Capacidade elástica para o processamento.

Amazon RDS

Histórico das alocações.

Amazon QuickSight

Painel para análise do resultado.

Amazon CloudWatch

Monitoramento das execuções.

Amazon SNS

Notificação de conclusão.

Arquitetura em camadas

Dados preparados, otimização isolada e validação independente protegem o resultado.

01

Entrada

S3 recebe matrículas, grades e turmas; AWS Glue normaliza inconsistências.

02

Preparação

Lambda valida esquemas e bloqueia lotes incompletos.

03

Otimização

AWS Batch executa em container um Constraint Satisfaction Problem com heurísticas e Capacidade Spot.

04

Saída

Validação separada aprova o resultado antes de atualizar sistemas e painéis.

Fluxo técnico detalhado

  1. ExtraçãoDados acadêmicos entram em uma zona versionada no S3.
  2. QualidadeGlue limpa e inconsistências interrompem o lote.
  3. OtimizaçãoBatch respeita pré-requisitos, capacidade e conflitos.
  4. ConvergênciaO motor retorna a melhor solução válida encontrada.
  5. ValidaçãoValidação antes da gravação verifica restrições rígidas.
  6. PublicaçãoResultados aprovados atualizam histórico, sistema e QuickSight.

Controles técnicos

Segurança e governança

Criptografia, acesso por função, datasets versionados e aprovação humana protegem decisões.

Operação e falhas

Casos não resolvidos geram relatório; alertas identificam dados inválidos ou falha de compute.

Dados e persistência

S3 separa entrada, processamento e saída; Aurora registra histórico sem sobrescrever a origem.

Dependências e integrações

Depende de cadastros íntegros, regras formalizadas e APIs seguras de leitura e gravação.

Premissas da estimativa

  • 15.000 alunos
  • Duas execuções anuais
  • Capacidade Spot para o processamento
Faixa indicativa 2026USD 75–150 por execuçãoReferência anual de USD 400–750, conforme capacidade Spot e usuários do painel.

Indicadores propostos

< 6 hprocessamento completo
> 95%convergência do algoritmo
0%violação de restrições rígidas
> 99%alocação bem-sucedida

Faixa de planejamento atualizada em 2026 a partir das premissas da fonte. Recalcular no AWS Pricing Calculator com região, configuração e capacidade Spot; não representa cotação ou compromisso comercial.