Thomas Kapp

Pílula de Java (#63): Java 26 fala HTTP/3. Sem OkHttp, sem Apache, sem desculpa. O Java 26 foi lançado ontem (17/03) com 10 JEPs, e entre as novidades finais, o JEP 517 traz suporte nativo a HTTP/3 no HttpClient da standard library. HTTP/3 substitui o TCP pelo QUIC, um protocolo baseado em UDP que evita o head-of-line blocking no transporte, problema que no HTTP/2 ainda pode ocorrer por causa do TCP, onde a perda de um único pacote pode atrasar todos os streams da conexão. Com HTTP/3, cada stream é tratado de forma independente. No HTTP/2, estabelecer uma conexão exige 2 a 3 round trips entre o transporte e a criptografia. O HTTP/3 integra tudo ao TLS 1.3 em uma única viagem. Quando o cliente já conhece o servidor, ele ainda pode usar 0-RTT, ou seja, enviar dados na primeira mensagem, sem esperar resposta. A retrocompatibilidade é transparente: se o servidor não suportar HTTP/3, o client pode fazer fallback automático para HTTP/2 ou HTTP/1.1. Google, Cloudflare e Meta já suportam HTTP/3 em muitos cenários, então muitas APIs expostas por esses provedores já podem aceitar requisições do seu HttpClient. O ganho real do HTTP/3 aparece em redes instáveis, com perda de pacotes e alta latência, exatamente o cenário de um app mobile no 4G. Dentro de um datacenter ou de um cluster Kubernetes, onde a rede é estável e a latência é mínima, a diferença em relação ao HTTP/2 tende a ser pequena. Por isso, o benefício imediato costuma estar do lado do cliente, consumindo APIs externas. No lado do servidor, o JEP 517 não adiciona uma implementação server-side de HTTP/3, então o amadurecimento do ecossistema Java ainda depende dos servidores e dos frameworks. Se sua API é consumida por outros microsserviços na mesma rede interna, o overhead de configuração de QUIC, TLS e UDP provavelmente não compensa. Firewalls corporativos frequentemente bloqueiam ou despriorizam tráfego UDP, o que pode inclusive piorar a experiência. Regra prática: Configure HTTP_3 no HttpClient do JDK 26 para consumir APIs externas com potencial de menor latência, especialmente em redes mais instáveis. O fallback para HTTP/2 é automático. No servidor, espere o suporte amadurecer.

321

6 comentários

Kafka vs RabbitMQ vs MQTT Qual tecnologia escolher para mensageria? Comparação direta das principais tecnologias: Kafka, RabbitMQ e MQTT resolvem problemas diferentes Escolher errado impacta performance e escala Abaixo mostro informações sobre cada lib e sua aplicabilidade: Apache Kafka Melhor para -> Alto volume de eventos e streaming Modelo -> Log distribuído Latência -> Baixa Escala -> Muito alta 👉 Ideal para sistemas orientados a eventos e Big Data. RabbitMQ Melhor para -> Filas tradicionais Modelo -> Broker baseado em filas Latência -> Muito baixa Escala -> Média 👉 Perfeito para microserviços e processamento assíncrono. MQTT Melhor para -> IoT e dispositivos Modelo -> Publish/Subscribe leve Latência -> Extremamente baixa Escala -> Alta 👉 Ideal para sensores, mobile e redes instáveis. Respondendo a pergunta que nos levou ao comparativo, posso dizer: Não existe “o melhor” Existe o mais adequado para o seu cenário. 💡 Arquiteturas modernas usam os três juntos.

36

2 comentários

🚀 Event-Driven Architecture: como dar feedback ao usuário sem acoplar microservices Um problema clássico aparece quando começamos a usar mensageria assíncrona em sistemas distribuídos. Imagine o seguinte fluxo: - O cliente faz uma requisição: POST /checkout Esse serviço é responsável pelo pagamento do pedido (ORDER). O Checkout publica um evento no RabbitMQ para que o serviço Order consuma e atualize o status do pedido. Tudo está funcionando perfeitamente… até que algo dá errado. Por algum motivo, o ORDER não consegue atualizar o pedido — seja por uma regra de negócio ou por uma operação inválida. Mas o CHECKOUT já retornou 200 OK como sucesso da operação. Resultado: O usuário recebe sucesso, mas o sistema falhou. Esse é um desafio muito comum em arquiteturas orientadas a eventos. A solução usada em produção A abordagem mais comum é trabalhar com processamento assíncrono baseado em status através de eventos. Fluxo: 1. Cliente paga 2. Checkout aceita o pagamento 3. Order processa o pedido 4. Order publica o resultado 5. Checkout atualiza o status 6. Cliente consulta o status da operação Fluxo completo da arquitetura 1️⃣ Checkout inicia o processo - Publica o evento: payment.requested 2️⃣ Order consome o evento - ORDER → consume payment.requested. Ele tenta atualizar o pedido. Se der sucesso: payment.confirmed Se falhar: payment.failed 3️⃣ Checkout consome o resultado - O serviço Checkout recebe: payment.confirmed ou payment.failed E atualiza o status do pagamento. Fluxo final Cliente faz: GET /payment/:id e recebe o status real da operação. Vantagens dessa abordagem - Serviços continuam independentes - Comunicação assíncrona - Sem acoplamento HTTP - Arquitetura resiliente - Alta escalabilidade - Consistência eventual Esse modelo é conhecido como Event Choreography. 💡 Dica importante Prefira eventos de domínio, que representam fatos do sistema. Por exemplo: payment.failed Eventos devem representar algo que aconteceu, e não apenas um erro técnico. Arquiteturas baseadas em eventos como essa são usadas em sistemas de grande escala, como plataformas de pagamento e marketplaces. 💬 Você já implementou Event-Driven Architecture ou mensageria em microservices? Compartilhe sua experiência nos comentários. #SoftwareArchitecture #Microservices #EventDrivenArchitecture #RabbitMQ #BackendDevelopment

2

1 comentário

RabbitMQ, Kafka e Pulsar todos movem mensagens, mas resolvem problemas bem diferentes por trás. Esse diagrama parece simples, mas esconde três modelos mentais muito diferentes para construir sistemas distribuídos. RabbitMQ é um corretor de mensagens clássico. Os produtores publicam em exchanges, as exchanges encaminham mensagens para as filas, e os consumidores competem para processá-las. Mensagens são enviadas, reconhecidas e depois desaparecidas. É ótimo para distribuição de tarefas, gerenciamento de requisições e fluxos de trabalho onde "faça isso uma vez" realmente importa. Kafka vira o modelo. Não é uma fila, é um registro distribuído. Os produtores adicionam eventos às divisórias. Os dados permanecem lá com base na retenção, não no consumo. Os consumidores puxam dados usando offsets e podem reproduzir tudo. É por isso que o Kafka funciona tão bem para streaming de eventos, análises e pipelines, onde várias equipes precisam dos mesmos dados em momentos diferentes. Pulsar tenta combinar os dois mundos. Corretores cuidam do tráfego de serviço, enquanto o BookKeeper armazena os dados em um livro-razão duradouro. Os consumidores acompanham a posição com cursores em vez de deslocamentos. Essa separação permite que o Pulsar escale o armazenamento e o processamento independentes, além de suportar tanto padrões de streaming quanto de fila. Escolher entre eles não é sobre "qual é mais rápido" ou "qual é popular". É sobre como você quer que os dados fluam, quanto tempo eles devem durar e quantas vezes precisam ser lidos.

3

Fala rede, blz?! Recentemente desenvolvi uma solução de ponta a ponta, para automatizar, validar e padronizar a ingestão de relatórios manuais. Decidi compartilhar um pouco da arquitetura por trás desse projeto! O objetivo era simples: garantir que os dados (CSV/Excel) chegassem ao nosso Data Lake sempre com a mesma estrutura. Aqui está um resumo de como construí isso: No Front-end e Processamento (Python) 1. Interface e Validação: Usei o Streamlit para criar uma interface amigável.  1.1 Pandas, validando se o arquivo enviado pelo usuário tem exatamente as colunas e a estrutura exigida. 1.2 Pyarrow converte os dados para o formato Parquet. Na Nuvem (Arquitetura Azure): 2. Destino Final: Os arquivos validados são enviados para o Azure Blob Storage (Data Lake), já organizados por pastas com a data e hora da ingestão. 2.1 Integrei o sistema ao Microsoft Entra ID para criar uma identidade segura para a aplicação, e usei o Key Vaut, para guardar as senhas. #EngenhariaDeDados #Python #Azure #Streamlit #DataAnalytics #DataLake #DataQuality Link do Vídeo: https://lnkd.in/e23eBEDb

38

7 comentários

Os bastidores do desenvolvimento do Requester 🚀 ✅ Framework: Tauri v2 (Experiência incrível!) ✅ Performance: Rust (Imbatível) ❌ Distribuição Windows: Certificados caros e burocráticos. É frustrante sentir que, em 2026, a barreira para um app ser considerado "seguro" pelo Windows ainda seja uma anuidade cara em dólar, e não a verificação real de segurança. Para o desenvolvedor independente, esse custo é um balde de água fria. Mas nem tudo é barreira: encontramos o caminho para contornar essa burocracia sem abrir mão da segurança do usuário. 💡 A solução para o Requester será a distribuição via Microsoft Store. Além de facilitar o acesso, a loja resolve o problema da assinatura digital, permitindo o foco no que realmente importa: entregar um software leve, rápido e eficiente. Apesar das pedras no caminho, o prazer de construir com Rust compensa cada desafio. Seguimos refinando e melhorando o app! 🦀💻 https://requester.dev/ #Tauri #ReactJS #React #Rust #Desenvolvimento

3

O que o #ClaudeCowork realmente é: um recurso baseado em agentes integrado ao aplicativo Claude Desktop. Ele concede ao Claude acesso direto de leitura e escrita a pastas específicas no seu computador, permitindo que o sistema analise arquivos, execute tarefas estruturadas e gere entregáveis finalizados automaticamente. É importante notar que o Cowork não foi projetado como uma conversa contínua. Em vez disso, ele funciona como um sistema de delegação, no qual você atribui o trabalho e retorna depois para encontrar os resultados concluídos.

20

Um arquiteto de software que só sabe Redis vai resolver todo problema de cache com Redis. Não porque é a melhor escolha. Porque é a única que ele conhece. Isso não é decisão de arquitetura, é viés de ferramenta. O livro Fundamentos da Arquitetura de Software chama isso de amplitude técnica. A ideia é simples: conhecer os prós e contras de dez soluções de cache vale mais do que dominar uma com profundidade cirúrgica. Concordo, com um asterisco. Amplitude sem profundidade nenhuma vira papo de gerente. O arquiteto de software precisa saber o suficiente pra tomar a decisão certa e pra não ser enrolado por quem vai implementar. O ponto real não é “aprenda muita coisa”. É: pare de confundir familiaridade com uma ferramenta com capacidade de decidir arquitetura. São habilidades diferentes. E a maioria dos seniors que conheço é boa na primeira, fraca na segunda.

43

4 comentários

Vários comandos via CLI do .net muito úteis e que normalmente não usamos por estarmos acostumados a fazer tudo pelo Visual Studio.

1

A lei Felca é inútil se não resolvermos esse problema.... Um segundo ponto que sou veementemente contra a famosa Lei Felca é que ela peca em uma das coisas que ajudaria a resolver parte do problema, os apps de controle parental são horríveis.... Ja tive inúmeros problemas, entre eles a dificuldade de progressão de classificação etária conforme a idade da criança, a remoção do controle parental quando este se torna adulto e mais recentemente um bug bizarro, a incapacidade de adicionar contas gerenciadas pela própria Google O fluxo problemático ocorre quando eu tento adicionar um email institucional provido pela escola pra o acesso do aluno, mesmo com a configuração de permitir login sem autorização e permitir a adição de contas sem autorização, ao tentar adicionar a conta cai numa tela de loading que supostamente deveria ou disparar uma notificação pro app dos pais (Family Link) ou deveria pedir pra digitar o código de acesso.... Não acontece nenhum dos destes e ficava dando mensagem de erro sem definir qual o erro.... Curiosamente é uma conta válida, testei no desktop.... A Lei Felca pontua a necessidade de appa de app de controle, mas não define o mínimo de requisitos ou meios de denuncia para má conduta por parte de empresas para com usuários

18

13 comentários

Se você está começando na tecnologia, aprenda isso hoje: "IA é sua nova IDE mental." 🤖 Use para: - Criar APIs - Gerar testes - Refatorar código - Entender stack nova rapidamente Não é sobre depender da IA. É sobre acelerar seu raciocínio. O futuro pertence a quem sabe perguntar bem. Confira meu artigo completo no Medium: https://lnkd.in/dEF_kUqN

16

2 comentários

🚀 Como estruturar APIs escaláveis em .NET? Uma das arquiteturas que mais utilizo em projetos é a Clean Architecture. Ela separa responsabilidades em camadas bem definidas: 🔹 Domain – regras de negócio e entidades 🔹 Application – casos de uso da aplicação 🔹 Infrastructure – acesso a dados e integrações externas 🔹 Presentation – API / UI O principal conceito é simples, mas poderoso: 👉 As dependências sempre apontam para o domínio. Isso traz vários benefícios: ✔ baixo acoplamento ✔ código mais testável ✔ manutenção mais simples ✔ facilidade para trocar banco ou framework Nos últimos projetos .NET que participei, combinar Clean Architecture + CQRS + MediatR tem trazido ótimos resultados em escalabilidade e organização do código. E você? 💬 Qual arquitetura você costuma utilizar em APIs .NET? #dotnet #cleanarchitecture #softwarearchitecture #csharp #backend #desenvolvimentodesoftware

55

4 comentários

Se existe algo que eu aprendi ao longo destes anos é que a segurança só funciona se for simples de entender e difícil de errar. OAuth 2.0 foi um marco, mas ele era flexível demais. E na segurança, flexibilidade sem diretrizes claras é um convite ao desastre. O OAuth 2.1 não é uma nova invenção, foi uma “faxina necessária” que transforma as melhores práticas de ontem nas regras obrigatórias de hoje. Aqui está o que você precisa saber para manter suas aplicações Java e sua infraestrutura modernas e seguras. Leia mais: https://lnkd.in/d2mHkbTp

44

1 comentário

A Ascensão das Serverless Functions baseadas em WebAssembly (Wasm). O kubernetes como conhecemos está se tornando o novo 'legado'. Enquanto você gasta horas tunando arquivos YAML e gerenciando o overhead de imagens Docker pesadas, uma mudança silenciosa está tornando os containers obsoletos para o edge: WebAssembly (Wasm). O Docker revolucionou o deployment, mas carregar um sistema operacional inteiro para rodar uma função de 10MB é um desperdício de recursos que não escala mais na velocidade da IA e do Edge Computing. Wasm oferece tempos de inicialização de microssegundos. Estamos falando de uma performance até 100x mais rápida que as Cold Starts tradicionais de AWS Lambda baseadas em containers. Empresas como Cloudflare e Fastly já provaram que o futuro não é sobre isolamento de processo via kernel, mas sim isolamento em nível de arquitetura de instrução. É segurança de sandbox sem o custo proibitivo de memória. Não é apenas sobre ser mais rápido. É sobre densidade. Onde um servidor rodava 10 containers, ele agora pode rodar milhares de módulos Wasm simultaneamente, reduzindo custos de infraestrutura em até 60% em workloads específicos. O movimento da Docker, Inc em integrar o suporte ao Wasm via WasmEdge no Docker Desktop é o maior sinal de que até os gigantes sabem que o modelo atual de 'container-only' está com os dias contados. Se sua arquitetura de backend ainda ignora Wasm, você não está sendo conservador, você está ficando para trás na próxima grande onda de eficiência computacional. Comenta ai, como você vê esse avanço no seu dia a dia. Referências: 1. Docker + Wasm Guide: https://lnkd.in/dddKSUQN 2. Cloudflare Workers Documentation: https://lnkd.in/dp3zJmXp 3. WasmEdge Runtime: https://wasmedge.org/docs/ 4. Fastly Compute@Edge: https://lnkd.in/dJRxWcPv #WebAssembly #Wasm #CloudComputing #SoftwareArchitecture #DevOps #AWS #Docker #Cloudflare

6

🛠️ O jq: o "canivete suíço" para JSON no terminal 🚀 Se você trabalha com APIs, infraestrutura como código ou microserviços, sabe que ler um arquivo JSON bruto de milhares de linhas é um desafio para a produtividade. Aqui está como esse utilitário transforma o caos em clareza: 🛠️ Por que o jq é indispensável? O jq é um processador de JSON leve e flexível que permite filtrar, mapear e transformar dados estruturados com a mesma facilidade que o sed ou awk fazem com texto comum. Legibilidade Instantânea: O comando mais simples, jq ., já aplica syntax highlighting e indentação automática (pretty-print). Filtros Poderosos: Extraia campos específicos em milissegundos. Integração com Shell: Funciona perfeitamente em pipes (|), permitindo que você envie a saída de um curl diretamente para o jq. 🚀 Exemplos Práticos para o Dia a Dia 1️⃣ Filtragem Simples: 🔸 Imagine um JSON complexo onde você só precisa dos nomes de usuários: ⚙️ cat users.json | jq '.[].name' 2️⃣ Buscas Condicionais: 🔸 Precisa encontrar apenas os itens com status "erro"? ⚙️ jq '.items[] | select(.status == "error")' data.json 3️⃣ Transformação de Dados: 🔸 Você pode reconstruir um novo objeto JSON apenas com as propriedades que te interessam: ⚙️ jq '{id: .user_id, email: .contact.email}' profile.json 📥 Como instalar o jq rapidinho: Se você ainda não tem essa ferramenta no seu toolkit, veja como é simples obter a versão mais recente: 🔸 Linux (Debian/Ubuntu): ⚙️ sudo apt-get install jq 🔸 Linux (CentOS/Fedora/RHEL): ⚙️ sudo dnf install jq 🔸 macOS (via Homebrew): ⚙️ brew install jq 🔸 Windows (via Chocolatey ou Winget): ⚙️ choco install jq ou winget install jqlang.jq Dica extra: Se estiver em um ambiente restrito onde não pode instalar pacotes globais, o jq é distribuído como um binário único. Você pode apenas baixá-lo, dar permissão de execução e sair usando! 🚀 💡 Dica de SRE / DevOps Para quem lida com AWS CLI ou Azure CLI, o jq é o melhor amigo. Em vez de navegar por outputs gigantescos, você isola o ID da instância ou o status do deploy diretamente no terminal, acelerando o troubleshooting e a automação de scripts. Conclusão: Dominar o jq não é apenas sobre "formatar texto", é sobre ganhar eficiência no tratamento de dados e reduzir a carga cognitiva durante o desenvolvimento. E você, já teve que "lutar" com um JSON gigante hoje ou já deixou o jq resolver o problema? 👇 #Linux #DevOps #JSON #Backend #Productivity #Terminal #CodingTips #SRE

11

Lembra quando CI/CD era "artesanal"? 2018-2020: Jenkins com 500 linhas de configuração. Cada deploy uma aventura. Cada pipeline uma receita secreta única que só o "cara do DevOps" entendia. 2025: "Spec-driven development vai resolver tudo!" SDD virou febre — escrever especificações gigantes antes de tocar em código. Como se documentação fosse o gargalo. A realidade: Ambos falharam pelo mesmo motivo. Transferiram complexidade, não eliminaram. Jenkins = complexidade no script. SDD = complexidade na spec. Hoje temos Harness Skills  + IA coding assistants. Será que desta vez é diferente? Comenta ai... #DevOps #CICD #EngenhariaDeSoftware #IA #Jenkins #SDD #Harness

15

2 comentários

O MCP Toolbox for Databases é um servidor MCP open source que facilita a interação de agentes de IA com bancos SQL de forma segura e eficiente. A proposta é simples: cuidar da infraestrutura para que você possa focar apenas na lógica do agente. Em vez de implementar manualmente conexões, autenticação e observabilidade, o toolbox já fornece essas camadas prontas. Isso reduz bastante a complexidade de integrar agentes com dados estruturados. Principais funcionalidades: Desenvolvimento rápido Ferramentas podem ser definidas de forma declarativa e integradas com menos de 10 linhas de código. Melhor desempenho Inclui pooling de conexões e execução eficiente de consultas. Segurança por padrão Autenticação integrada para controle seguro de acesso aos dados. Observabilidade integrada Métricas e rastreamento usando OpenTelemetry. Suporte a múltiplos bancos Compatível com PostgreSQL, MySQL, Cloud SQL, AlloyDB e outros. Para quem está construindo sistemas agentic conectados a dados corporativos, esse tipo de infraestrutura ajuda a transformar acesso a banco em uma capability padronizada dentro do ecossistema MCP.

3