🍿 PopQuery - Sistema de Gerenciamento de Cinema

Projeto final da disciplina de Banco de Dados 1 do curso de Engenharia de Computação da Universidade Federal de Santa Catarina (UFSC).

🧑‍💻 Autores

• Saymon Martins Poli
• Yasmim Tezza Bardini
• Ananda Muxfeldt Palma

📝 Descrição

O PopQuery é um sistema de gerenciamento para uma rede de cinemas, desenvolvido em Python e integrado a um banco de dados PostgreSQL. O sistema oferece funcionalidades completas de CRUD, geração de relatórios analíticos e um sistema de recomendação de filmes baseado em IA com o Google Gemini.

O projeto foi construído utilizando Docker para facilitar a configuração e a execução do ambiente de banco de dados.

✨ Funcionalidades Principais

• Gerenciamento de Dados (CRUD): Interface de linha de comando para inserir, consultar, atualizar e deletar registros de todas as tabelas do banco de dados (Filmes, Clientes, Sessões, etc.).
• Relatórios Analíticos: Geração de relatórios tabulares e gráficos, incluindo:
  • Top 5 filmes de maior bilheteria.
  • Análise de faturamento por dia da semana.
  • Correlação entre a nota do IMDb e o número de ingressos vendidos.
• Recomendação com IA: Um sistema que utiliza o Google Gemini para gerar recomendações de filmes personalizadas para os clientes com base em seu histórico de compras.
• Administração do Banco de Dados: Funções para criar, popular e deletar todas as tabelas do banco de dados de forma segura através do menu principal.

🛠️ Tecnologias Utilizadas

• Linguagem: Python 3
• Banco de Dados: PostgreSQL
• Ambiente: Docker e Docker Compose
• IA Generativa: Google Gemini
• Bibliotecas Python: psycopg2-binary, python-dotenv, google-generativeai, matplotlib, pandas

🚀 Como Rodar o Projeto

Siga os passos abaixo para configurar e executar o projeto.

1. Pré-requisitos

• Docker e Docker Compose instalados.
• Python 3 instalado.
• Acesso a uma chave de API do Google Gemini.

2. Configuração do Ambiente

a. Clone o Repositório

git clone <URL_DO_REPOSITORIO>
cd <NOME_DO_DIRETORIO>

b. Crie o Arquivo de Ambiente (.env)

Crie um arquivo chamado .env na raiz do projeto. Ele deve conter as credenciais do banco de dados e a sua chave da API do Gemini. Use o exemplo abaixo:

# Credenciais do Banco de Dados PostgreSQL
POSTGRES_USER=myuser
POSTGRES_PASSWORD=mypassword
POSTGRES_NAME=cinema_db

# Chave da API do Google Gemini
GEMINI_KEY=SUA_CHAVE_DE_API_AQUI

c. Inicie o Banco de Dados com Docker

Execute o comando abaixo para iniciar o contêiner do PostgreSQL em segundo plano:

docker-compose up -d

Para verificar se o contêiner está rodando, use docker-compose ps.

d. Instale as Dependências do Python

Crie um ambiente virtual (recomendado) e instale as bibliotecas listadas no requirements.txt:

# Crie um ambiente virtual (opcional, mas recomendado)
python3 -m venv venv
source venv/bin/activate  # No Windows, use `venv\Scripts\activate`

# Instale as dependências
pip install -r requirements.txt

3. Execução e Inicialização do Banco

a. Execute a Aplicação Principal

Com o ambiente configurado, inicie o programa:

python3 main.py

b. Inicialize o Banco de Dados pelo Menu

Na primeira vez que executar o projeto, o banco de dados estará vazio. Use as opções do menu para inicializá-lo na ordem correta:

1. Escolha a opção [11] Criar Tabelas para executar o script CREATE TABLE e criar toda a estrutura do banco.
2. Depois, escolha a opção [10] Popular Banco para inserir os dados iniciais.

Após esses dois passos, o banco de dados estará pronto e você poderá utilizar todas as outras funcionalidades do sistema.

📂 Estrutura do Projeto

/
├── docker-compose.yml    # Configuração do serviço do PostgreSQL
├── main.py               # Ponto de entrada da aplicação, menu principal
├── requirements.txt      # Dependências do Python
├── sql/
│   ├── create_tables.sql # Schema do banco de dados (DDL)
│   └── populate_cinema.sql # Dados iniciais (DML)
├── src/
│   ├── connection.py     # Lógica de conexão com o banco
│   ├── crud.py           # Funções de Create, Read, Update e Delete
│   ├── db_admin.py       # Funções de administração (criar, popular, deletar tabelas)
│   ├── reports.py        # Funções para gerar relatórios tabulares
│   ├── grafic.py         # Funções para gerar gráficos a partir dos relatórios
│   └── ai.py             # Lógica para a recomendação com IA
└── .env                  # Arquivo para variáveis de ambiente (NÃO versionado)