Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/44519
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2025_EduardoAfonsoDaSilvaInacio_tcc.pdf1,01 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorPorto, Daniel de Paula-
dc.contributor.authorInácio, Eduardo Afonso da Silva-
dc.identifier.citationINÁCIO, Eduardo Afonso da Silva. Automação de notificações de análise de código: uma comparação entre desenvolvimento de plugin SonarQube e solução com n8n. 2025. 55 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia da Computação) — Universidade de Brasília, Brasília, 2025.pt_BR
dc.descriptionTrabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2025.pt_BR
dc.description.abstractEste trabalho apresenta o desenvolvimento e a comparação de duas soluções para a automação de notificações de qualidade de código a partir de análises realizadas pelo SonarQube, dentro de um contexto orientado por práticas de DevOps e DevSecOps. A primeira solução consiste na criação de um plugin personalizado em Java, integrado dire tamente ao SonarQube, com foco em robustez, segurança e desempenho, características essenciais para ambientes corporativos que exigem maior controle e compliance. A se gunda solução explora o uso da plataforma de automação n8n, integrando modelos de linguagem de larga escala (LLMs), possibilitando a realização de um processamento in teligente das mensagens, além de oferecer maior agilidade no desenvolvimento e facilidade de manutenção, fatores valorizados em times que seguem práticas DevOps/DevSecOps com foco em entregas rápidas e adaptáveis. A pesquisa adota uma abordagem aplicada, envolvendo desenvolvimento prático, discussão dos resultados e análise comparativa entre as duas abordagens. É evidenciado que, enquanto o plugin se destaca em cenários com requisitos de segurança e performance, o n8n demonstra maior adequação em contextos que priorizam flexibilidade, baixo custo de implementação e uma integração simples com inteligência artificial. Como possibilidades futuras, destaca-se a investigação de soluções híbridas que combinem os pontos fortes de ambas as abordagens, além do aprofundamento das integrações com IA para potencializar a qualidade e a personalização das notificações.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordInteligência artificialpt_BR
dc.subject.keywordAutomaçãopt_BR
dc.subject.keywordDevOps4pt_BR
dc.subject.keywordSonarQubept_BR
dc.subject.keywordProgramação (Computadores)pt_BR
dc.titleAutomação de notificações de análise de código : uma comparação entre desenvolvimento de plugin SonarQube e solução com n8npt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2026-06-11T10:52:37Z-
dc.date.available2026-06-11T10:52:37Z-
dc.date.submitted2025-07-22-
dc.identifier.urihttps://bdm.unb.br/handle/10483/44519-
dc.language.isoPortuguêspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.pt_BR
dc.description.abstract1This study presents the development and comparative evaluation of two distinct solutions for automating code quality notifications based on analysis results provided by SonarQube, within a DevOps and DevSecOps context. The first solution involves building a custom Java plugin, directly integrated into SonarQube, emphasizing robustness, security, and performance, which are key requirements for corporate environments with strict control and compliance demands. The second solution leverages the n8n automation platform, incorporating large language models (LLMs) to enable intelligent message processing, while offering faster development cycles and easier maintenance. These characteristics are highly valued by teams focused on rapid delivery and adaptability, as promoted by DevOps/DevSecOps practices. The research adopts an applied methodology, combining practical software development with results discussion and a comparative analysis of both approaches. The findings highlight that, while the custom plugin excels in scenarios de manding high security and performance, the n8n-based workflow proves to be a better fit for contexts that prioritize flexibility, lower implementation costs, and straightforward integration with artificial intelligence tools. Future work includes exploring hybrid solu tions that combine the strengths of both approaches and deepening AI integrations to further enhance the quality and customization of notifications.pt_BR
Aparece na Coleção:Engenharia da Computação



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.