Amazon SQS: filas gerenciadas para processamento assíncrono na AWS
Standard vs. FIFO queues, visibility timeout, dead-letter queues, long polling e integração com Lambda. SQS como backbone de microsserviços na AWS.
RabbitMQ: exchanges, routing e garantias de entrega para sistemas críticos
Exchanges (direct, fanout, topic, headers), bindings, persistent messages, manual ack e dead-letter exchange. Guia de configuração para sistemas que não podem perder mensagens.
Apache Kafka: arquitetura de streaming de eventos em larga escala
Tópicos, partições, offsets, consumer groups, compaction e Kafka Streams. Como o Kafka garante ordenação, retenção e reprocessamento de eventos em alta escala.
Deduplicação: idempotency keys, fingerprinting e exactly-once delivery
Mensagens duplicadas acontecem — rede é não confiável. Idempotency key no cliente + unique constraint no servidor garante exactly-once semantics. Veja como implementar fingerprint de payload e TTL de keys.
Integração entre sistemas: REST, gRPC, eventos e quando usar cada um
REST é fácil mas síncrono e frágil a falhas em cascata. gRPC oferece contrato fortemente tipado com baixa latência. Eventos desacoplam mas introduzem consistência eventual. O padrão certo depende de latência aceitável, confiabilidade e autonomia dos serviços.
RabbitMQ: exchanges, bindings, ack, nack e dead letter queues na prática
RabbitMQ usa exchanges para rotear mensagens antes de chegarem nas filas. Topic exchange com routing keys permite filtros flexiveis. Entenda acknowledgment manual para garantir processamento, prefetch count para controlar consumo e DLQ para mensagens com falha.
Mensageria: pub/sub, point-to-point, ordering e garantias de entrega
At-most-once, at-least-once, exactly-once — cada garantia tem custo diferente. Pub/sub desacopla produtor de consumidor; point-to-point garante que so um processa. Entenda quando usar cada padrão e os trade-offs de particionamento e ordering.
Event-Driven Architecture: events como fatos imutaveis e os trade-offs de consistência eventual
Eventos representam fatos que já aconteceram. Sistemas event-driven são resilientes a falhas e fáceis de escalar, mas trocam consistência forte por consistência eventual. Entenda event sourcing, saga pattern e como lidar com eventos fora de ordem.