📊 CSV Data Importer - Amazon Sales Analysis

O projeto consiste em um software capaz de ler o arquivo CSV proposto (Amazon.csv), separá-lo em tabelas com o auxílio de Models (Cliente, ItemVenda, Produto e Venda) e persistir os dados no banco de dados amazon_db.

🚀 Fluxo do Projeto

Dentro deste software, usamos a leitura em lote (batch): a cada 1000 linhas, o sistema processa em blocos tudo o que leu, otimizando a performance. Para encaixarmos os dados corretamente, usamos as entidades que representam nossas tabelas:

• Cliente: Guarda quem fez a compra.
• Produto: Guarda o que foi vendido, incluindo categoria e marca.
• Venda: Onde fica registrado o pedido (cabeçalho com data e valor total).
• ItemVenda: Como uma venda pode ter vários produtos, o ItemVenda separa e detalha cada produto (quantidade e preço no momento) de uma venda específica.

🛠️ Persistência e Inteligência

• Repositórios: Interfaces que conversam com o banco usando Spring Data JPA. Ele já nos entrega comandos prontos como saveAll() (salvar lista) e deleteAllInBatch() (limpar tabela rápido).
• Queries Customizadas (@Query): Criamos comandos em SQL puro para realizar cálculos de faturamento e rankings diretamente no banco de dados.
• Records (DTOs): Objetos leves para transferir apenas os dados necessários para os relatórios, deixando a API mais rápida.

---

🏗️ Arquitetura do Serviço (CsvImportService)

Abaixo, detalho exatamente o que fiz em cada linha do código, explicando a lógica por trás de cada comando:

1. Preparação e Injeção

• @PersistenceContext EntityManager: É o nosso "mestre de obras". Ele dá uma conexão direta com o banco. Uso ele no final para dar um flush (empurrar dados) e clear (limpar memória), evitando que o servidor fique lento.
• Construtor e Repositórios: Uso o private final para garantir que os repositórios não mudem. O Spring percebe que o serviço precisa dessas 4 ferramentas para "nascer" e as injeta automaticamente.
• Constantes (CSV_FILE_NAME e BATCH_SIZE): Configurações globais. Se o arquivo mudar de nome ou o servidor aguentar mais de 1000 linhas por vez, basta alterar aqui.

2. O Método LerCSV() - O Coração do Código

A Faxina Inicial

itemVendaRepository.deleteAllInBatch(); // Apaga itens primeiro

• O que faz: Antes de começar, limpamos o banco. Como as tabelas são ligadas, apago os itens primeiro para o banco não reclamar. É o nosso "Truncate" para começar a importação do zero.

Mapas e Buffers (Memória)

Map<String, Cliente> mapaClientes = new HashMap<>(); // Memória de reconhecimento
List<Cliente> bufferClientes = new ArrayList<>();   // O Caminhão

• Mapas: Funcionam como uma "lista de convidados". Se o cliente "João" já foi lido, ele está no mapa. Assim, não criamos duplicatas no banco.
• Listas (Buffers): Se o arquivo é a "areia", os buffers são os caminhões. Guardamos os objetos aqui até atingir o limite do lote.

Abertura e Início da Leitura

try (CSVReader reader = new CSVReader(new FileReader(CSV_FILE_NAME))) {
    String[] line; // A Caçamba
    int count = 0; // O Odômetro
    reader.readNext(); // Pulo do cabeçalho

• Try-with-Resources: Garante que o arquivo seja fechado sozinho se der erro ou terminar.
• line (Caçamba): Recipiente temporário que guarda uma linha por vez.
• count: Conta até 1000 para sabermos quando descarregar o lote.
• readNext(): Pula a primeira linha do CSV (onde ficam os títulos das colunas).

O Laço de Repetição e Resiliência

while ((line = reader.readNext()) != null) {
    try { ... } catch (Exception e) { ... }
}

• while: O motor que gira até o arquivo acabar.
• try-catch interno: É o nosso amortecedor. Se a linha 500 tiver um erro, o catch segura, avisa no log e o while continua para a linha 501. O sistema é resiliente e não trava.

A Peneira (Filtro e Conversão)

String clienteNome = line[3].trim();
Double preco = Double.parseDouble(line[9].trim().replace(",", "."));
LocalDate dataVenda = LocalDate.parse(line[1].trim());

• line[X]: Pega a coluna exata do CSV.
• .trim(): Remove espaços em branco invisíveis.
• Double.parseDouble e LocalDate.parse: Transformam texto em "número de verdade" e "data de verdade" para podermos fazer contas e relatórios.

Lógica de Deduplicação e Soma

if (cliente == null) { ... mapaClientes.put(...); bufferClientes.add(...); }
venda.setValorTotal(venda.getValorTotal() + (preco * quantidade));

• Deduplicação: Se o mapa disser que o cliente é novo (null), criamos um. Se já existir, usamos o antigo. Isso mantém o banco limpo.
• Contabilidade: Somamos o (preço x quantidade) ao valor atual da venda. Se a venda tem 3 produtos, o sistema vai acumulando até ter o valor final da compra.

Fechamento do Pacote (Batch)

count++;
if (count % BATCH_SIZE == 0) {
    processarLote(...);
}

• Gatilho: Quando o contador bate 1000, chamamos o processarLote, que dá o saveAll() nos caminhões e limpa as listas para o próximo ciclo.
• Finalização: No fim do while, se sobrou algo no caminhão (ex: as últimas 500 linhas), o código faz um último salvamento para não perder nada.

---

📦 Tecnologias e Dependências

• Java 17 & Spring Boot 3
• Maven (Gerenciador de dependências)
• MySQL Connector (Conexão com banco)
• OpenCSV (Leitor inteligente de arquivos)

---

Como rodar o projeto:

1. Certifique-se de que o arquivo Amazon.csv está na raiz do projeto.
2. Configure o seu banco de dados no application.properties.
3. Execute o comando ./mvnw spring-boot:run.
4. Acesse o endpoint de importação para iniciar o processo.

---