Overview
StunBy was a Bangkit capstone backend for accounts, child measurements, nutrition records, analysis results, article content, and uploaded assets. I worked on the backend/cloud architecture, relational model, GCS integration, analysis integration, Terraform, and Cloud Run deployment.
The main infrastructure requirement was simple: replacing an application instance must not remove user data.
Cloud Run for application compute
The API runs in Cloud Run. Relational records live in PostgreSQL and uploaded objects live in Google Cloud Storage.
The container filesystem is therefore temporary. Restarting or replacing a Cloud Run instance does not remove the persisted application data.
Cloud Run fit the workload without introducing a stateful application cluster, but the service still needs to handle instance startup, database connections, and concurrent instances correctly.
Analysis service integration
Clients call the backend rather than talking directly to the analysis/ML service.
The API validates the request, calls the analysis service, normalizes the response, and persists the application result. This gives the client one stable API even if the analysis implementation changes.
Infrastructure as code
Terraform describes the intended cloud resources alongside the application repository instead of relying only on console configuration.
That makes infrastructure changes easier to review and reproduce.
Current limits
The next useful work is stronger contract testing across measurement → analysis → persistence, explicit storage-IAM review, and better migration/rollback evidence. A larger orchestration platform is not needed for the current workload.
Gambaran umum
StunBy adalah Backend capstone Bangkit untuk akun, pengukuran anak, data nutrisi, hasil analisis, artikel, dan aset yang diunggah. Saya mengerjakan arsitektur backend/cloud, relational model, integrasi GCS, layanan analisis, Terraform, dan deployment Cloud Run.
Kebutuhan infrastruktur utamanya sederhana: mengganti instance aplikasi tidak boleh menghapus data pengguna.
Cloud Run untuk application compute
API berjalan di Cloud Run. Data relasional disimpan di PostgreSQL, sementara file diunggah ke Google Cloud Storage.
Filesystem container bersifat sementara. Restart atau penggantian instance Cloud Run tidak menghapus data yang sudah tersimpan.
Cloud Run cocok untuk workload ini tanpa memerlukan stateful application cluster, tetapi service tetap harus menangani startup instance, koneksi database, dan instance concurrent dengan benar.
Integrasi layanan analisis
Client berkomunikasi dengan backend, bukan langsung dengan layanan analisis/ML.
API memvalidasi request, memanggil analysis service, menormalisasi respons, dan menyimpan hasil aplikasi. Ini memberikan API yang stabil bagi client walaupun implementasi analisis berubah.
Infrastructure as code
Terraform mendeskripsikan resource cloud yang diperlukan bersama repository aplikasi, bukan hanya lewat pengaturan console.
Perubahan infrastruktur menjadi lebih mudah direview dan direproduksi.
Keterbatasan saat ini
Prioritas berikutnya adalah contract tests yang lebih kuat untuk measurement → analysis → persistence, review storage-IAM, serta bukti migration/rollback yang lebih baik. Workload ini belum memerlukan platform orchestration yang lebih besar.
Resumen
StunBy fue un backend de capstone Bangkit para cuentas, medidas infantiles, datos nutricionales, resultados de análisis, artículos y archivos subidos. Desarrollé la arquitectura backend/cloud, el modelo relacional, la integración GCS, el servicio de análisis, Terraform y el deployment en Cloud Run.
El requisito clave era que reemplazar una instancia no eliminara los datos de usuario.
Cloud Run para application compute
La API se ejecuta en Cloud Run. Los datos relacionales se almacenan en PostgreSQL y los objetos cargados en Google Cloud Storage.
El filesystem del container es temporal. Reiniciar o sustituir una instancia de Cloud Run no elimina los datos persistidos.
Cloud Run encaja con el workload sin un stateful application cluster, pero el servicio debe gestionar correctamente startup, conexiones de database e instancias concurrentes.
Integración del servicio de análisis
Los clientes llaman al backend, no directamente al servicio de análisis/ML.
La API valida la solicitud, llama al analysis service, normaliza la respuesta y guarda el resultado. Así el cliente mantiene una API estable aunque cambie el modelo de análisis.
Infrastructure as code
Terraform describe los recursos cloud junto al repositorio en lugar de depender únicamente de ajustes manuales en console.
Eso facilita revisar y reproducir cambios de infraestructura.
Límites actuales
Las prioridades son mejores contract tests para measurement → analysis → persistence, revisión explícita de storage-IAM y evidencia más sólida de migration/rollback. No se necesita una plataforma de orchestration mayor.
Présentation
StunBy était un backend de capstone Bangkit gérant comptes, mesures des enfants, données nutritionnelles, analyses, articles et fichiers envoyés. J’ai réalisé l’architecture backend/cloud, le modèle relationnel, l’intégration GCS, le service d’analyse, Terraform et le deployment Cloud Run.
La principale exigence était de pouvoir remplacer une instance sans perdre les données utilisateur.
Cloud Run pour application compute
L’API s’exécute sur Cloud Run. Les données relationnelles sont dans PostgreSQL et les fichiers dans Google Cloud Storage.
Le filesystem du container est temporaire ; redémarrer ou remplacer une instance Cloud Run ne supprime donc pas les données persistées.
Cloud Run convient au workload sans stateful application cluster, mais les démarrages, les connexions à la database et les instances concurrentes doivent être bien gérés.
Intégration du service d’analyse
Les clients utilisent le backend au lieu d’appeler directement le service d’analyse/ML.
L’API valide la requête, appelle l’analysis service, normalise la réponse et enregistre le résultat. Le client conserve ainsi une API stable même si l’analyse évolue.
Infrastructure as code
Terraform décrit les ressources cloud prévues avec le repository de l’application, sans se limiter à une configuration dans la console.
Les modifications d’infrastructure deviennent plus faciles à relire et reproduire.
Limites actuelles
Les prochaines étapes sont des contract tests sur measurement → analysis → persistence, une revue storage-IAM et de meilleures preuves de migration/rollback. Une orchestration plus complexe n’est pas nécessaire.
Überblick
StunBy war ein Bangkit-Capstone-Backend für Accounts, Kindermessdaten, Ernährung, Analyseergebnisse, Artikel und Uploads. Ich arbeitete an Backend/Cloud-Architektur, relationalem Modell, GCS-Integration, Analyseservice, Terraform und Cloud-Run-Deployment.
Die zentrale Anforderung war, dass das Ersetzen einer Anwendungsinstanz keine Nutzerdaten löscht.
Cloud Run für Application Compute
Die API läuft in Cloud Run. Relationale Daten liegen in PostgreSQL, hochgeladene Objekte in Google Cloud Storage.
Das Container-Dateisystem ist temporär. Neustarts oder ein Austausch der Cloud-Run-Instanz löschen deshalb keine gespeicherten Daten.
Cloud Run erfüllt den Workload ohne Stateful Application Cluster. Startup, Datenbankverbindungen und gleichzeitige Instanzen müssen dennoch korrekt behandelt werden.
Integration des Analyseservices
Clients sprechen mit dem Backend statt direkt mit dem Analyse/ML-Service.
Die API validiert Requests, ruft den Analysis Service auf, normalisiert Antworten und speichert Ergebnisse. Damit bleibt die Client-API stabil, auch wenn die Analyseimplementierung wechselt.
Infrastructure as Code
Terraform beschreibt die vorgesehenen Cloud-Ressourcen gemeinsam mit dem Application Repository und nicht ausschließlich in der Console.
So werden Änderungen nachvollziehbar und reproduzierbar.
Aktuelle Grenzen
Wichtig sind stärkere Contract Tests für measurement → analysis → persistence, eine klare Storage-IAM-Review und bessere Migration/Rollback-Nachweise. Eine größere Orchestrierungsplattform wäre hier nicht erforderlich.
概要
StunByはBangkit CapstoneのBackendで、アカウント、子どもの測定値、栄養記録、分析結果、記事、Upload Assetを扱います。私はBackend/Cloud Architecture、Relational Model、GCS Integration、Analysis Integration、Terraform、Cloud Run Deploymentを担当しました。
重要なインフラ要件は、Application Instanceを置き換えてもユーザーデータが失われないことでした。
Cloud RunによるApplication Compute
APIはCloud Runで稼働し、Relational DataをPostgreSQL、Upload ObjectをGoogle Cloud Storageに保存します。
Container Filesystemは一時的です。そのためCloud Run Instanceが再起動・交換されても永続データは失われません。
Cloud RunはStateful Application ClusterなしでWorkloadに対応できますが、Instance Startup、Database Connection、Concurrent Instanceの管理は必要です。
分析Serviceとの連携
Clientは分析/ML Serviceに直接接続せず、Backend APIを利用します。
APIがRequestを検証し、Analysis Serviceを呼び出し、応答を正規化して結果を保存します。分析実装が変わってもClientには安定したAPIを提供できます。
Infrastructure as Code
Terraformは必要なCloud ResourceをApplication Repositoryとともに定義し、Console上の手作業設定だけに依存しません。
これによってインフラ変更のReviewと再現が容易になります。
現在の制約
次の課題はmeasurement → analysis → persistenceを検証するContract Tests、Storage-IAM Review、Migration/Rollbackの証拠強化です。現段階では大規模なOrchestration Platformは必要ありません。