System Design
Casos, papers e conceitos de System Design.
Cada caso percorre requisitos, estimativas, o desenho e o que muda em escala. Papers e conceitos explicam as ideias em que os desenhos se apoiam.
Estudos de caso
- Encurtador de URLHash ou contador? Base62, colisões, cache de redirecionamento e 100:1 de leitura para escrita.
- Rate limiterToken bucket, janela deslizante e onde colocar o limitador: cliente, gateway ou serviço.
- DICT: token bucket contra varredura de chaves PixMostra parâmetros reais, publicados em norma. Pessoa física: 100 fichas, −1 por consulta válida, −20 por consulta inválida, +1 por Pix pago, +2 por minuto. Participantes: categorias A–H. A norma traz um exercício resolvido: um saldo devedor de 15 fichas leva a uma espera de 8 minutos.
- SLOs em camadas: como o BC mede latência e disponibilidade dos PSPsDivide a latência de ponta a ponta em segmentos (t0'…t6a), cada um com dono e percentil. As metas dependem do porte do PSP: A 99,5%, B 99,0%, C 98,5%, D 95,0%. Falhas do SPI, do DICT ou da RSFN não contam contra o PSP.
- Exposição de dados de chaves Pix num participante (Pefisa, 2025–26)O dado ficou exposto por cerca de 6 meses e era só cadastral. O exercício é discutir que detecção de leitura anômala e que auditoria teriam reduzido o raio de impacto.
- De zero a milhões de usuáriosProjeto de entrevista clássico. Pontos centrais: estimativa de capacidade.
- Instagram: 14 milhões de usuários com 3 engenheiros (Postgres e IDs por shard)Arquitetura real em produção. Pontos centrais: geração de IDs únicos e shards lógicos vs físicos.
- Stack Overflow: um monólito em poucos servidoresArquitetura real em produção. Pontos centrais: Escalabilidade Horizontal vs Vertical, Microsserviços vs Monólito e Fundamentos de Cache.
- GitLab 2017: rm -rf no banco primário e 5 métodos de backup que falharamIncidente real. Pontos centrais: teste de restore.
- PastebinProjeto de entrevista clássico. Pontos centrais: expiração por TTL e geração de IDs únicos.
- Microsoft Teams 2020: certificado expiradoIncidente real. Pontos centrais: tempo e relógios.
- Projetar um load balancerProjeto de entrevista clássico. Pontos centrais: Balanceamento de Carga e Padrões de Disponibilidade.
- Healthcare.gov 2013: o lançamento que não escalouIncidente real. Pontos centrais: estimativa de capacidade.
- Spotify Discover Weekly / personalizaçãoArquitetura real em produção. Pontos centrais: MF implícita, CNN de áudio para cold start e lote semanal.
- Chicisimo: ML vertical em modaArquitetura real em produção. Pontos centrais: data flywheel e ontologia de domínio.
- Moffatt v. Air Canada (2024): chatbot inventa políticaIncidente real. Pontos centrais: alucinação com responsabilidade legal, grounding, citação de fonte e handoff humano.
- Cursor (abr/2025): bot de suporte "Sam" inventa regra de loginIncidente real. Pontos centrais: alucinação em atendimento, identificar que é IA, grounding em política real e impacto em churn.
- Chevrolet de Watsonville (dez/2023): chatbot "vende" Tahoe por US$ 1Incidente real. Pontos centrais: prompt injection, escopo de domínio e saída sem poder de contrato.
- Microsoft Tay (2016)Incidente real. Pontos centrais: aprendizado online com entrada não confiável e envenenamento de dados.
- Samsung (mai/2023): código vaza para o ChatGPTIncidente real. Pontos centrais: DLP para LLM, gateway corporativo e auto-hospedado vs SaaS.
- Mata v. Avianca (2023): jurisprudência inventadaIncidente real. Pontos centrais: citações alucinadas e humano no loop.
- Gerador de IDs únicosUUID, ticket server ou Snowflake: ordenação, relógio e coordenação entre nós.
- Feed de notíciasFan-out na escrita vs. na leitura, o problema das celebridades e cache de timeline.
- AutocompleteTrie com top-k, coleta de dados de busca e atualização offline do índice.
- Chat em tempo realConexões persistentes, presença online, ordenação de mensagens e entrega offline.
- Discord: trilhões de mensagensPartições quentes, pausas de GC e a migração de Cassandra para ScyllaDB com um data service em Rust.
- Cloudflare: uma regex esgota a CPUUma regra de WAF com backtracking chegou a toda a rede de uma vez. O que faltou no rollout.
- O cache "sempre-verde": saldo por event sourcing sem estourar a memóriaO problema é concreto: qualquer instância atendia qualquer cliente, então cada uma ocupava cerca de 100 GB e sofria pausas de GC. A solução usa a chave account-id + event-counter, com o contador incrementado na mesma transação. O caso explica por que o basis-t global foi rejeitado.
- iFood: de 1 milhão de pedidos por mês a eventos para 60 mil restaurantesEvolução com números públicos: microsserviços reativos em 2017 e, em 2019, a saída de Lambda e DynamoDB Streams para Kubernetes. Bom para discutir os limites do serverless.
- A queda do Dia dos Namorados de 2020 e a virada para chaos engineeringA empresa relata a sequência: a queda, depois fallbacks e circuit breakers, depois game days manuais e por fim LitmusChaos. Ensina como provar que um fallback funciona antes do próximo pico.
- Mercado Livre Fury: do monólito Oracle a cerca de 30 mil deploys por diaTrês eras bem delimitadas: monólito em 1999, MeliCloud e Fury em 2015. Mostra que microsserviços sem plataforma geram caos.
- KVS: key-value como produto de plataforma (642 milhões de operações por minuto)Um único "KV" vira uma família de serviços com garantias diferentes (Database, Cache, contadores, Vault, QKVS). Ensina a escolher a consistência por caso de uso.
- Magalu: 113 aplicações migradas antes da Black Friday de 2018O problema de negócio é concreto: de 50 mil para 4,3 milhões de SKUs, com API gateway desacoplando front e back.
- Web crawler distribuídoProjeto de entrevista clássico. Pontos centrais: estruturas probabilísticas, agendamento de jobs e politeness e robots.txt.
- Serviço de proximidade (Yelp)Projeto de entrevista clássico. Pontos centrais: indexação geoespacial.
- Ranking de jogo em tempo realProjeto de entrevista clássico. Pontos centrais: rankings e leaderboards.
- Compartilhamento de fotos (Instagram/Flickr)Projeto de entrevista clássico. Pontos centrais: entrega de blobs e vídeo e fan-out de feed.
- Cache distribuído (Memcached/Redis)Projeto de entrevista clássico. Pontos centrais: consistent hashing e hot keys.
- Venda de ingressos para grande evento (Ticketmaster)Projeto de entrevista clássico. Pontos centrais: reservas e concorrência e controle de sobrecarga.
- Twitter: timelines em escala (fan-out em Redis)Arquitetura real em produção. Pontos centrais: fan-out de feed.
- WhatsApp: 2 milhões de conexões por servidor (Erlang/FreeBSD)Arquitetura real em produção. Pontos centrais: WebSocket e presença.
- Pinterest: sharding da frota MySQLArquitetura real em produção. Pontos centrais: geração de IDs únicos.
- Netflix: o que acontece ao apertar play (Open Connect)Arquitetura real em produção. Pontos centrais: entrega de blobs e vídeo.
- Slack: mensagens em tempo real (gateways, channel servers, Flannel)Arquitetura real em produção. Pontos centrais: WebSocket e presença e consistent hashing.
- AWS S3 2017: um comando digitado erradoIncidente real. Pontos centrais: deploy progressivo e arquitetura em células.
- Knight Capital 2012: mais de US$ 460 milhões perdidos em 45 minutos (SEC)Incidente real. Pontos centrais: deploy incompleto em 1 de 8 servidores, reuso de feature flag, ausência de kill switch e deploy progressivo.
- CrowdStrike 2024: Channel File 291 derruba 8,5 milhões de máquinasIncidente real. Pontos centrais: deploy progressivo e arquitetura em células.
- Fastly 2021: configuração válida de cliente aciona bug latenteIncidente real. Pontos centrais: deploy progressivo.
- Atlassian 2022: script de exclusão derruba 775 clientes (883 sites) por até 14 diasIncidente real. Pontos centrais: soft delete vs hard delete, restauração por tenant e nenhum cliente perdeu mais de 5 min de dados.
- Projetar uma CDNProjeto de entrevista clássico. Pontos centrais: rede: DNS e BGP.
- Feed de vídeos curtos (TikTok)Projeto de entrevista clássico. Pontos centrais: entrega de blobs e vídeo.
- Streaming de música (Spotify)Projeto de entrevista clássico. Pontos centrais: entrega de blobs e vídeo.
- App de match (Tinder)Projeto de entrevista clássico. Pontos centrais: estruturas probabilísticas e indexação geoespacial.
- Juiz online (LeetCode)Projeto de entrevista clássico. Pontos centrais: sandbox, agendamento de jobs e rankings e leaderboards.
- Leilão online (eBay)Projeto de entrevista clássico. Pontos centrais: reservas e concorrência e WebSocket e presença.
- E-commerce: catálogo, carrinho e checkoutProjeto de entrevista clássico. Pontos centrais: reservas e concorrência.
- Autenticação (sessão, JWT, OAuth/OIDC)Projeto de entrevista clássico. Pontos centrais: autenticação e autorização.
- Stripe: escalando a API com rate limitersArquitetura real em produção. Pontos centrais: algoritmos de rate limiting e controle de sobrecarga.
- Prime Video: de microsserviços serverless a monólito (custo 90% menor)Arquitetura real em produção. Pontos centrais: Microsserviços vs Monólito, Arquitetura Serverless e Otimização de Custos em Escala.
- Segment: adeus, microsserviçosArquitetura real em produção. Pontos centrais: Microsserviços vs Monólito e Filas de Mensagens.
- Uber: por que trocou Postgres por MySQLArquitetura real em produção. Pontos centrais: storage engines (LSM) e migração de dados online.
- YouTube: escalando MySQL com VitessArquitetura real em produção. Pontos centrais: Sharding de Banco de Dados e Seleção de Banco de Dados.
- Segundos bissextos: 2012 (Reddit, LinkedIn, kernel Linux) e Cloudflare 2017 (DNS)Incidente real. Pontos centrais: tempo e relógios.
- Contador distribuído (likes e views de celebridade)Projeto de entrevista clássico. Pontos centrais: hot key e contadores fragmentados e agendamento de jobs.
- Shopify: monólito modular (Deconstructing the Monolith)Arquitetura real em produção. Pontos centrais: fronteiras de componente e checagem estática de dependências.
- OpenAI: um primário Postgres para 800 milhões de usuários do ChatGPTArquitetura real em produção. Pontos centrais: réplicas de leitura e isolamento de workload em vez de sharding.
- Pokémon GO 2016: 50x o tráfego previsto no lançamentoArquitetura real em produção. Pontos centrais: estimativa de capacidade.
- Netflix: 7 anos para sair do data center (2008–2016)Arquitetura real em produção. Pontos centrais: migração de dados online.
- Ticketmaster/Taylor Swift 2022: 3,5 bilhões de requisições, 4x o pico anteriorIncidente real. Pontos centrais: controle de sobrecarga e reservas e concorrência.
- Agregador de notícias (Google News)Projeto de entrevista clássico. Pontos centrais: estruturas probabilísticas.
- Agregador financeiro (Mint)Projeto de entrevista clássico. Pontos centrais: Pipelines de Dados e Filas de Mensagens.
- Grafo social: graus de separaçãoProjeto de entrevista clássico. Pontos centrais: Sharding de Banco de Dados e Fundamentos de Modelagem de Dados.
- Timeline do FacebookProjeto de entrevista clássico. Pontos centrais: Fundamentos de Modelagem de Dados e Sharding de Banco de Dados.
- Reddit (votos, ranking "hot", comentários)Projeto de entrevista clássico. Pontos centrais: rankings e leaderboards.
- Canva: 50 milhões de uploads por diaArquitetura real em produção. Pontos centrais: entrega de blobs e vídeo.
- Discord: Elixir com 5 milhões de usuários simultâneosArquitetura real em produção. Pontos centrais: WebSocket e presença e consistent hashing.
- Discord: de Go para Rust (picos de GC)Arquitetura real em produção. Pontos centrais: pausas de GC.
- Twitter: Redis com 105 TB de RAMArquitetura real em produção. Pontos centrais: Fundamentos de Cache e Sharding de Banco de Dados.
- Amazon: de monólito a SOAArquitetura real em produção. Pontos centrais: Microsserviços vs Monólito e Design Orientado a Domínio.
- Netflix: análise de performance Linux em 60 sArquitetura real em produção. Pontos centrais: Monitoramento e Observabilidade e Antipadrões de Desempenho.
- Cloudflare jul/2020: backbone manda todo o tráfego para AtlantaIncidente real. Pontos centrais: rede: DNS e BGP.
- Rastreador de preços (CamelCamelCamel)Projeto de entrevista clássico. Pontos centrais: agendamento de jobs e alertas de preço.
- App de atividades físicas (Strava)Projeto de entrevista clássico. Pontos centrais: indexação geoespacial e rankings e leaderboards.
- Xadrez online (matchmaking e estado em tempo real)Projeto de entrevista clássico. Pontos centrais: WebSocket e presença e matchmaking por rating.
- Entrega de webhooks (retries, assinatura, DLQ)Projeto de entrevista clássico. Pontos centrais: agendamento de jobs e algoritmos de rate limiting.
- Projetar um API gatewayProjeto de entrevista clássico. Pontos centrais: algoritmos de rate limiting e autenticação e autorização.
- Perguntas e respostas (Quora)Projeto de entrevista clássico. Pontos centrais: ranking de respostas e fan-out de feed.
- Ailo: agente de recomendação com LLM (16 s e não determinismo)Uma falha honesta (o "cookie" para quem pediu hambúrguer, por erro de taxonomia), 16 s ou mais de latência e duas correções. O gargalo era o dado, não o modelo.
- Busca visualProjeto de entrevista clássico. Pontos centrais: embeddings, aprendizado contrastivo, índice ANN e MRR/recall@k.
- Desfoque no Google Street ViewProjeto de entrevista clássico. Pontos centrais: detecção de objetos, NMS, mAP/IoU e inferência offline em lote.
- Busca de vídeos no YouTubeProjeto de entrevista clássico. Pontos centrais: embeddings multimodais, fusão de índice invertido com ANN e reranking.
- Recomendação de eventosProjeto de entrevista clássico. Pontos centrais: learning to rank, features geo/tempo e cold start de itens efêmeros.
- Anúncios similares em plataformas de aluguel de temporadaProjeto de entrevista clássico. Pontos centrais: item2vec por sessão, amostragem negativa, ANN e personalização em tempo real.
- Gmail Smart ComposeProjeto de entrevista clássico. Pontos centrais: LM autorregressivo, latência abaixo de 100 ms, beam search e taxa de aceitação.
- Google TranslateProjeto de entrevista clássico. Pontos centrais: encoder-decoder, BPE/SentencePiece, BLEU e detecção de idioma.
- Legendagem de imagensProjeto de entrevista clássico. Pontos centrais: encoder visual + decoder de texto, cross-attention e CIDEr.
- Ranqueamento de buscaProjeto de entrevista clássico. Pontos centrais: query understanding, LTR multiestágio e nDCG.
- Detecção de fraudeProjeto de entrevista clássico. Pontos centrais: desbalanceamento extremo, labels atrasados e limiar sensível a custo.
- Estimativa de tempo de entrega (ETA)Projeto de entrevista clássico. Pontos centrais: regressão, perda quantílica e features em tempo real.
- Reconhecimento de fala (ASR)Projeto de entrevista clássico. Pontos centrais: WER e inferência em streaming.
- Autocomplete com MLProjeto de entrevista clássico. Pontos centrais: LM + trie, orçamento de latência e personalização.
- Recomendação de jogosProjeto de entrevista clássico. Pontos centrais: filtragem colaborativa e feedback implícito.
- Google Wide & Deep (Google Play)Arquitetura real em produção. Pontos centrais: memorização vs generalização, cross features e serving de baixa latência.
- Amazon item-to-item CFArquitetura real em produção. Pontos centrais: similaridade item-item e pré-cálculo offline.
- Lyft: fraude, do raso ao profundoArquitetura real em produção. Pontos centrais: evolução LR → GBDT → DL e precisão com recall fixo.
- Pipeline de OCR do DropboxArquitetura real em produção. Pontos centrais: dados sintéticos, CNN-LSTM-CTC e comprar vs construir.
- Hidden Technical Debt in ML Systems (Google)Arquitetura real em produção. Pontos centrais: dívida técnica de ML, glue code, loops de feedback e rules of ML.
- Airbnb: valor de imóveisArquitetura real em produção. Pontos centrais: zipline, do protótipo à produção e bighead.
- Instacart: rota do shopperArquitetura real em produção. Pontos centrais: layout aprendido e ML + pesquisa operacional.
- Netflix MetaflowArquitetura real em produção. Pontos centrais: orquestração de workflows de ML e versionamento.
- Nubank: alertas de ML em tempo real e retreino automáticoArquitetura real em produção. Pontos centrais: alertas de deriva e pipelines de retreino.
- iFood: plataforma de recomendação e inferênciaArquitetura real em produção. Pontos centrais: pré-indexação de predições + dados em tempo real, centenas de modelos e alta disponibilidade.
- ChatGPT 20/03/2023: bug no redis-py expõe dados de outros usuáriosIncidente real. Pontos centrais: corrupção de pool em requisição cancelada e checagem de dono do dado.
- Gemini (fev/2024): geração de imagem pausadaIncidente real. Pontos centrais: efeito colateral de reescrita de prompt, recusa excessiva e kill switch.
- Grok (jul/2025): mudança de system prompt gera posts antissemitas por 16 hIncidente real. Pontos centrais: gestão de mudança em prompt, avaliação antes de deploy, rollback e kill switch.
- Bing Chat "Sydney" (fev/2023)Incidente real. Pontos centrais: deriva em contexto longo, vazamento do system prompt e limite de turnos.
- AI Overviews (mai/2024): "cola na pizza"Incidente real. Pontos centrais: RAG com fontes não confiáveis, detecção de sátira e quando não responder.
- Zillow Offers (2021): modelo de preço leva ao fechamento do negócioIncidente real. Pontos centrais: deriva de conceito, incerteza e loop entre modelo e mercado.
- Amazon (2018): IA de recrutamento penaliza mulheresIncidente real. Pontos centrais: viés histórico nos labels, proxies de atributo protegido e auditoria de equidade.
- Google Photos: rotulagem racistaIncidente real. Pontos centrais: viés nos dados de treino e blocklist de rótulos como mitigação.
- IB 2020: notas previstas por modeloIncidente real. Pontos centrais: decisão automatizada de alto impacto e falta de ground truth.
- Polícia do Reino Unido (NDAS): bug infla a acuráciaIncidente real. Pontos centrais: vazamento de dados e validação de modelo.
- Key-value store distribuídoParticionamento, replicação, quórum, vector clocks e detecção de falhas por gossip.
- Sistema de notificaçõesFilas por canal, retentativas, deduplicação e preferências do usuário.
- Sistema de pagamentosIdempotência ponta a ponta, conciliação e consistência entre ledger e PSP.
- GitHub: 43 segundos de partição, 24 h degradadoUma partição curta disparou failover entre data centers e deixou escritas divergentes para conciliar.
- Banco com banco de dados imutável: Datomic, Clojure e Kafka no núcleo do NubankO domínio de auditoria justifica cada escolha: replay com reset de offset, consultas point-in-time, a "diplomat architecture" e a padronização da stack ao passar de 50 para mais de 600 engenheiros.
- Sharding por cliente e o shard 1 que cresceu demaisUma decisão e uma dívida documentadas: o shard 1 concentrou os early adopters. Depois, a separação de contas AWS e um ETL de quotas. Bom para "escolha a shard key" e "estime o que estoura primeiro".
- Antifraude em tempo real no Pix: DAG, regras e ML no NubankOrçamento de latência contra qualidade da decisão, com números: mais de 40 processos por Pix e 550 → cerca de 350 ms em fluxos complexos. Inclui shadow testing de regras.
- Ataque a um provedor de conectividade (PSTI) e o endurecimento do PixUm intermediário vira ponto único de comprometimento para várias instituições. As medidas do BC viram requisitos de design: teto de R$15 mil e alertas e bloqueio da Conta PI.
- Despacho em tempo real: pedido, entregador e tempo de cozinhaÉ o par real do case_food_delivery. "O mais próximo" não basta: agrupa só se nenhum pedido atrasar, o veículo depende de peso e distância, a bateria do celular conta e o despacho depende do tempo de cozinha previsto.
- Mercado Envios: do MySQL único para a América Latina a célulasÉ o melhor caso BR para senior. Como rotear sem chave de célula na API: broadcast para entidades legadas (404 de todas as células = "não existe") e faixas de ID por célula para entidades novas. p95/p99 caíram cerca de 70%.
- Conta digital do Mercado Pago: reservas TCC e saída do relacionalNúmeros raros em pagamentos: a tabela foi de 12 TB para 100 TB, com cerca de 700 milhões de linhas por dia, a dias do limite de datafiles. Proteção contra conta quente com sincronização preventiva a partir de 500 reservas. Aceitaram +33% de latência média em troca de percentis estáveis.
- Tráfego interno: do "aeroporto central" a sidecar, mTLS e IstioA metáfora do aeroporto funciona em sala: passaporte = autenticação, imigração = autorização. Mais de 100 mil rotas num "caderno central" e a identidade evoluindo de token para JWT e depois mTLS.
- Fury Streams: distribuir permits para não derrubar o destinoExercício clássico com contexto real: um destino de 100k RPM e mais de 800 instâncias efêmeras. A divisão igual de permits processa só 70k; a segunda iteração distribui por uso real.
- VTEX 12/07/2023: circuit breakers que não fecham sozinhosO próprio mecanismo de resiliência estendeu o incidente: o banco foi consertado às 21:15 UTC, mas os breakers ficaram abertos até as 23:03.
- VTEX 13/07/2023: o rollback não segura a cascata e é preciso recuperação de desastreO rollback veio em 12 min, mas a cascata já tinha se espalhado. Quase metade das sessões e pedidos no mundo foi afetada, parte da infraestrutura foi reconstruída e uma das ações é o flush de cache centralizado.
- QuintoAndar: dados de cliente, da arquitetura Lambda para um único caminho no ClickHouseUm caso real de simplificação: caminho quente (Postgres "Datazord") mais caminho frio (Kafka Connect e Delta com MERGE caros) viram um gateway de eventos gravando direto no ClickHouse.
- Globo.com: vídeo ao vivo para Copa e BBBÉ o pico previsível e enorme brasileiro. Variante real de case_live_streaming.
- Plataforma de vídeo (YouTube/Netflix)Projeto de entrevista clássico. Pontos centrais: entrega de blobs e vídeo.
- Sincronização de arquivos (Google Drive/Dropbox)Projeto de entrevista clássico. Pontos centrais: entrega de blobs e vídeo e edição colaborativa.
- Amigos por pertoProjeto de entrevista clássico. Pontos centrais: WebSocket e presença e indexação geoespacial.
- Google Maps (tiles, rotas, ETA)Projeto de entrevista clássico. Pontos centrais: indexação geoespacial.
- Fila de mensagens distribuída (estilo Kafka)Projeto de entrevista clássico. Pontos centrais: storage engines (LSM).
- Monitoramento de métricas e alertasProjeto de entrevista clássico. Pontos centrais: Dados de Séries Temporais, Monitoramento e Observabilidade e Pipelines de Dados.
- Reserva de hotel (Booking/Airbnb)Projeto de entrevista clássico. Pontos centrais: reservas e concorrência.
- Serviço de e-mail distribuído (Gmail)Projeto de entrevista clássico. Pontos centrais: entrega de blobs e vídeo e SMTP/IMAP.
- Aplicativo de corridas (Uber)Projeto de entrevista clássico. Pontos centrais: indexação geoespacial, WebSocket e presença e locks distribuídos.
- Editor colaborativo (Google Docs)Projeto de entrevista clássico. Pontos centrais: edição colaborativa e WebSocket e presença.
- Agendador de tarefas distribuídoProjeto de entrevista clássico. Pontos centrais: agendamento de jobs e locks distribuídos.
- Amazon Dynamo e Cassandra: o KV store sem líderArquitetura real em produção. Pontos centrais: consistent hashing e replicação sem líder.
- LinkedIn: o log e o nascimento do KafkaArquitetura real em produção. Pontos centrais: storage engines (LSM).
- Netflix: circuit breakers e falha em cascata (Hystrix)Arquitetura real em produção. Pontos centrais: hystrix em manutenção desde 2018 e o padrão continua válido e o sucessor citado é o Resilience4j.
- Stripe: APIs previsíveis com chaves de idempotênciaArquitetura real em produção. Pontos centrais: Operações Idempotentes, Fundamentos de Design de API e Padrões de Design para Nuvem.
- Cloudflare nov/2025: arquivo de features dobra de tamanho e o proxy entra em pânicoIncidente real. Pontos centrais: deploy progressivo.
- AWS Kinesis 2020: limite de threads do SO depois de adicionar capacidadeIncidente real. Pontos centrais: arquitetura em células e controle de sobrecarga.
- Slack jan/2021: o gateway de rede (AWS Transit Gateway) que não escalou na volta das fériasIncidente real. Pontos centrais: TGW saturado descarta pacotes, autoscaling por CPU desliga servidores presos em I/O e depois tenta subir 1.200 de uma vez e controle de sobrecarga.
- Busca de posts e da web (Twitter/FB search, Google)Projeto de entrevista clássico. Pontos centrais: Sistemas de Busca, Sharding de Banco de Dados e Pipelines de Dados.
- OpenAI dez/2024: serviço de telemetria derruba o plano de controle do Kubernetes e o DNSIncidente real. Pontos centrais: arquitetura em células e deploy progressivo.
- Flash sale (venda relâmpago)Projeto de entrevista clássico. Pontos centrais: reservas e concorrência e controle de sobrecarga.
- Comentários ao vivo (Facebook Live)Projeto de entrevista clássico. Pontos centrais: WebSocket e presença.
- Logging distribuídoProjeto de entrevista clássico. Pontos centrais: Monitoramento e Observabilidade, Pipelines de Dados e Sistemas de Busca.
- Entrega de comida e entrega local rápida (iFood/DoorDash/Gopuff)Projeto de entrevista clássico. Pontos centrais: indexação geoespacial.
- Videoconferência (Zoom)Projeto de entrevista clássico. Pontos centrais: WebRTC e SFU vs MCU e WebSocket e presença.
- Serviço de lock distribuídoProjeto de entrevista clássico. Pontos centrais: locks distribuídos.
- Sistema de deploy de códigoProjeto de entrevista clássico. Pontos centrais: deploy progressivo.
- Netflix EVCache: memcached replicado entre regiõesArquitetura real em produção. Pontos centrais: Fundamentos de Cache e Arquitetura Multirregião.
- Netflix Zuul 2: gateway assíncronoArquitetura real em produção. Pontos centrais: WebSocket e presença.
- Slack: escalando datastores com VitessArquitetura real em produção. Pontos centrais: migração de dados online.
- Airbnb: evitando pagamento duplo (Orpheus)Arquitetura real em produção. Pontos centrais: Operações Idempotentes e Transações Distribuídas.
- Figma: como funciona o multiplayerArquitetura real em produção. Pontos centrais: edição colaborativa.
- Figma e Notion: sharding horizontal de PostgresArquitetura real em produção. Pontos centrais: migração de dados online.
- Stripe: migrações online em escalaArquitetura real em produção. Pontos centrais: migração de dados online.
- Lyft Envoy e o nascimento do service meshArquitetura real em produção. Pontos centrais: service discovery e mesh.
- GitHub 2012: failover promove réplica atrasadaIncidente real. Pontos centrais: Algoritmos de Consenso, Padrões de Disponibilidade e Padrões de Consistência.
- Azure AD mar/2021: rotação remove chave de assinaturaIncidente real. Pontos centrais: autenticação e autorização e deploy progressivo.
- Datadog mar/2023: update automático do systemd apaga rotasIncidente real. Pontos centrais: deploy progressivo.
- Live streaming (Twitch)Projeto de entrevista clássico. Pontos centrais: entrega de blobs e vídeo e WebSocket e presença.
- AWS: células e shuffle sharding (Builders' Library)Arquitetura real em produção. Pontos centrais: arquitetura em células.
- Dropbox Nucleus: motor de sync reescrito em RustArquitetura real em produção. Pontos centrais: testes determinísticos.
- Uber Schemaless: datastore sobre MySQLArquitetura real em produção. Pontos centrais: storage engines (LSM).
- Uber DOMA: microsserviços orientados a domínioArquitetura real em produção. Pontos centrais: Microsserviços vs Monólito e Design Orientado a Domínio.
- Google Dapper: tracing distribuídoArquitetura real em produção. Pontos centrais: Monitoramento e Observabilidade.
- Cloudflare Pingora: substituindo o NGINX por RustArquitetura real em produção. Pontos centrais: Balanceamento de Carga e Antipadrões de Desempenho.
- Heroku/Travis 2022: tokens OAuth roubadosIncidente real. Pontos centrais: autenticação e autorização.
- Reddit Pi-Day 2023: upgrade do Kubernetes quebra o CalicoIncidente real. Pontos centrais: deploy progressivo.
- Cloudbleed 2017: parser vaza memória pela borda da CDNIncidente real. Pontos centrais: bug de memória em parser e expurgo de caches de terceiros.
- TSB 2018: a migração de core bancário que falhouIncidente real. Pontos centrais: migração de dados online.
- iFood: plataforma de features em tempo real para antifraude (250 → 50 ms)O "Two Step Aggregator" monta janelas grandes a partir de passos pequenos. O cientista define o quê e a plataforma resolve o como.
- Mercado Livre: skew entre treino e serving e dependências de dados no antifraudeHeurística memorável: a chance de consistência é de cerca de 1/2^N fontes.
- Detecção de conteúdo nocivoProjeto de entrevista clássico. Pontos centrais: fusão multimodal, multi-task, desbalanceamento, fila de revisão humana e deriva adversarial.
- Recomendação de vídeosProjeto de entrevista clássico. Pontos centrais: candidate generation + ranking, two-tower, feedback implícito, cold start e A/B.
- Previsão de clique em anúncios em redes sociaisProjeto de entrevista clássico. Pontos centrais: feature crossing, DCN, calibração, NE, treino contínuo e labels atrasados.
- Feed de notícias personalizadoProjeto de entrevista clássico. Pontos centrais: multi-task de engajamento, score ponderado e frescor e diversidade.
- People You May KnowProjeto de entrevista clássico. Pontos centrais: link prediction, GNN, amigos de amigos, pré-cálculo em lote e equidade.
- ChatGPT: chatbot assistente pessoalProjeto de entrevista clássico. Pontos centrais: pré-treino → SFT → RLHF, KV cache, batching, guardrails e memória de conversa.
- Retrieval-Augmented GenerationProjeto de entrevista clássico. Pontos centrais: chunking, busca híbrida, reranking, grounding, avaliação de fidelidade e ACL.
- Geração realista de rostosProjeto de entrevista clássico. Pontos centrais: GAN/StyleGAN, mode collapse, FID e marca d'água.
- Texto→imagemProjeto de entrevista clássico. Pontos centrais: difusão latente, CFG, passos vs latência, CLIP score e filtros de segurança.
- Headshot personalizadoProjeto de entrevista clássico. Pontos centrais: DreamBooth/LoRA, treino por usuário, agendamento de GPU e consentimento.
- Detecção de botsProjeto de entrevista clássico. Pontos centrais: features comportamentais, deriva adversarial e sinais de grafo.
- Texto→fala (estilo ElevenLabs)Projeto de entrevista clássico. Pontos centrais: vocoder, clonagem de voz, streaming e MOS.
- Assistente de código (estilo Copilot)Projeto de entrevista clássico. Pontos centrais: FIM, contexto do repositório sob orçamento de tokens, latência de autocomplete e taxa de aceitação.
- Agente de atendimento com LLM e ferramentasProjeto de entrevista clássico. Pontos centrais: RAG + tool calling, permissões de ação, handoff humano e avaliação de agentes.
- Percepção de veículo autônomoProjeto de entrevista clássico. Pontos centrais: segmentação semântica, rotulagem de sensores e avaliação crítica de segurança.
- Entity linkingProjeto de entrevista clássico. Pontos centrais: NER, desambiguação e base de conhecimento.
- Precificação dinâmicaProjeto de entrevista clássico. Pontos centrais: elasticidade de preço, bandits e loops de feedback.
- Feed de lugares para cidade nova (Meta, L5)Projeto de entrevista clássico. Pontos centrais: candidatos geográficos e cold start de usuário.
- Uber Michelangelo (plataforma de ML → GenAI)Arquitetura real em produção. Pontos centrais: feature store (Palette), consistência entre treino e serving e registro de modelos.
- YouTube DNN Recommendations (2016)Arquitetura real em produção. Pontos centrais: geração de candidatos como classificação extrema, watch time esperado e example age.
- Algoritmo de recomendação do Twitter/X (código aberto)Arquitetura real em produção. Pontos centrais: in-network/out-of-network, SimClusters, heavy ranker e home-mixer.
- Netflix: linhas personalizadas, RecSysOps e modelo fundacionalArquitetura real em produção. Pontos centrais: personalização de página, distância entre métrica offline e online e modelo fundacional para recsys.
- Netflix: personalização de capas (contextual bandits)Arquitetura real em produção. Pontos centrais: bandits contextuais, exploração vs exploração e avaliação offline por replay.
- Instagram ExploreArquitetura real em produção. Pontos centrais: two towers, ranqueamento early/late stage, ig2vec e filtros de integridade.
- Embedding-based retrieval na busca do FacebookArquitetura real em produção. Pontos centrais: two-tower, hard negatives e ANN híbrido com match de termos.
- Ranqueamento de busca do Airbnb (GBDT → DL, Experiences)Arquitetura real em produção. Pontos centrais: LTR em marketplace de dois lados, viés de posição e simplicidade primeiro.
- Booking.com: 150 modelos, 6 liçõesArquitetura real em produção. Pontos centrais: métrica offline não prevê impacto de negócio e A/B como verdade.
- Stripe Radar (fraude em pagamentos)Arquitetura real em produção. Pontos centrais: rede de sinais entre comerciantes, decisão em menos de 100 ms, explicabilidade e regras + ML.
- Uber DeepETAArquitetura real em produção. Pontos centrais: resíduo sobre o motor de rotas, transformer linear e perda assimétrica.
- Netflix: ML para qualidade de streamingArquitetura real em produção. Pontos centrais: previsão de rede, ABR e prefetch preditivo.
- LinkedIn: construindo um produto de GenAIArquitetura real em produção. Pontos centrais: roteamento de agentes, saída estruturada, guia de avaliação e streaming.
- Anthropic Contextual RetrievalArquitetura real em produção. Pontos centrais: chunk contextualizado, BM25 + embeddings e prompt caching.
- Netflix Kayenta (canary automatizado)Arquitetura real em produção. Pontos centrais: comparação estatística entre baseline e canário.
- Feature stores: Feast (Gojek) e Feathr (LinkedIn)Arquitetura real em produção. Pontos centrais: point-in-time joins e skew entre treino e serving.
- Google ScaNNArquitetura real em produção. Pontos centrais: quantização anisotrópica e recall vs latência.
- ML de bot management da CloudflareArquitetura real em produção. Pontos centrais: inferência na borda e camadas de heurística + ML.
- Feed do LinkedIn (dois passes, dwell time, LLM em 2026)Arquitetura real em produção. Pontos centrais: first pass/second pass, dwell time e multiobjetivo.
- DoorDash Sibyl (serviço de predição)Arquitetura real em produção. Pontos centrais: serviço de predição central, redis como feature store e modo shadow.
- Shortwave: assistente de e-mail com RAGArquitetura real em produção. Pontos centrais: seleção de ferramentas, reformulação de consulta e orçamento de contexto.
- Anthropic: sistema multiagente de pesquisaArquitetura real em produção. Pontos centrais: orquestrador e workers, chamadas paralelas e avaliação de agentes.
- GitHub Copilot: montagem de contextoArquitetura real em produção. Pontos centrais: prompt sob orçamento de tokens, FIM e taxa de aceitação.
- Perplexity: answer engine com mais de 20 modelosArquitetura real em produção. Pontos centrais: roteamento por intenção, batching por SLA e custo por consulta.
- GPT-4o bajulador (abr/2025), revertidoIncidente real. Pontos centrais: reward hacking por joinha, launch gates e rollback de modelo.
- Replit (jul/2025): agente apaga banco de produção durante congelamento de códigoIncidente real. Pontos centrais: menor privilégio para agentes, separação entre dev e prod, ações destrutivas com aprovação e restauração de backup.
- Uber ATG (Tempe, 2018): carro autônomo atropela pedestreIncidente real. Pontos centrais: oscilação de classificação entre objeto e veículo e bicicleta; frenagem desativada; cultura de segurança; humano como fallback.
- Netflix: engenharia do caosPor que derrubar instâncias de propósito em produção, e como isso molda a arquitetura multirregião.
- Uber: indexação geoespacialGrades hexagonais para casar motoristas e passageiros, e o custo de atualizar posição a cada segundo.
- Facebook: BGP e DNS fora do arUma mudança de manutenção retirou as rotas do backbone, e as ferramentas de recuperação dependiam da mesma rede.
- AWS us-east-1: congestão na rede internaUm pico de conexões na rede interna afetou serviços e o próprio painel de status.
- SPI: liquidação bruta em tempo real 24x7, ativo-ativo, RPO zeroUm sistema nacional crítico com metas públicas: RTO de 15 min, RPO zero, 99,9%, p50/p99 de 2,8 e 4,6 s, timeout de 40 s que vira rejeição. Carga real: pico de 313,34 milhões de Pix em 05/12/2025. Ideal para "projete o SPI".
- Agregação de cliques em anúnciosProjeto de entrevista clássico. Pontos centrais: semântica de processamento de streams e ledger e conciliação.
- Armazenamento de objetos (estilo S3)Projeto de entrevista clássico. Pontos centrais: storage engines (LSM) e entrega de blobs e vídeo.
- Carteira digital (com paralelo com o Pix)Projeto de entrevista clássico. Pontos centrais: ledger e conciliação.
- Bolsa de valores (matching engine)Projeto de entrevista clássico. Pontos centrais: order matching de baixa latência.
- Top-K e trending em janela de tempoProjeto de entrevista clássico. Pontos centrais: estruturas probabilísticas e semântica de processamento de streams.
- Google Spanner e TrueTimeArquitetura real em produção. Pontos centrais: tempo e relógios.
- Facebook: escalando o Memcache (NSDI 2013)Arquitetura real em produção. Pontos centrais: controle de sobrecarga.
- Facebook TAO: o grafo social em cacheArquitetura real em produção. Pontos centrais: Fundamentos de Cache, Padrões de Consistência e Sistemas em Escala Global.
- Dropbox Magic Pocket: saindo do S3 para exabytes própriosArquitetura real em produção. Pontos centrais: storage engines (LSM) e migração de dados online.
- Google BigtableArquitetura real em produção. Pontos centrais: storage engines (LSM).
- Google GFS e MapReduceArquitetura real em produção. Pontos centrais: mestre único de metadados.
- Shopify: pods e flash sales da Black FridayArquitetura real em produção. Pontos centrais: arquitetura em células e controle de sobrecarga.
- Roblox out/2021: 73 h fora do ar por contenção no ConsulIncidente real. Pontos centrais: service discovery e mesh e controle de sobrecarga.
- AWS us-east-1 out/2025: condição de corrida na automação de DNS do DynamoDBIncidente real. Pontos centrais: rede: DNS e BGP e controle de sobrecarga.
- Google Cloud jun/2025: ponteiro nulo replicado globalmente via SpannerIncidente real. Pontos centrais: deploy progressivo e controle de sobrecarga.
- Serviço de LLM (ChatGPT)Projeto de entrevista clássico. Pontos centrais: serviço de LLM (inferência) e algoritmos de rate limiting.
- Assistente com LLM e RAG (suporte e código)Projeto de entrevista clássico. Pontos centrais: serviço de LLM (inferência).
- Sistema de recomendaçãoProjeto de entrevista clássico. Pontos centrais: feature store.
- Facebook Haystack: armazenamento de fotosArquitetura real em produção. Pontos centrais: storage engines (LSM) e entrega de blobs e vídeo.
- Facebook Live: vídeo ao vivo para milhõesArquitetura real em produção. Pontos centrais: controle de sobrecarga e entrega de blobs e vídeo.
- Google Borg: o ancestral do KubernetesArquitetura real em produção. Pontos centrais: agendamento de jobs.
- Google Chubby e Apache ZooKeeper: coordenação e locksArquitetura real em produção. Pontos centrais: locks distribuídos.
- Google Zanzibar: autorização globalArquitetura real em produção. Pontos centrais: autenticação e autorização.
- Amazon Aurora: "o log é o banco"Arquitetura real em produção. Pontos centrais: storage engines (LSM).
- Hotstar: 25 milhões de espectadores simultâneosArquitetura real em produção. Pontos centrais: controle de sobrecarga.
- Cloudflare nov/2023: queda de energia derruba o plano de controleIncidente real. Pontos centrais: arquitetura em células.
- AWS EBS 2011: tempestade de re-espelhamentoIncidente real. Pontos centrais: controle de sobrecarga.
- Google dez/2020: cota reportada como zero derruba o login globalIncidente real. Pontos centrais: autenticação e autorização.
- Azure Front Door out/2025: config global passa pelas checagens de segurançaIncidente real. Pontos centrais: deploy progressivo.
- Servir dados a partir de vários data centersProjeto de entrevista clássico. Pontos centrais: rede: DNS e BGP.
- DynamoDB (paper de 2022): performance previsívelArquitetura real em produção. Pontos centrais: controle de sobrecarga.
- Cloudflare jun/2022: política BGP fora de ordem em 19 data centersIncidente real. Pontos centrais: rede: DNS e BGP e deploy progressivo.
- Google Cloud jun/2019: automação desagenda o plano de controle da redeIncidente real. Pontos centrais: arquitetura em células.
- Spark e Storm: depois do MapReduce (arquiteturas Lambda e Kappa)Arquitetura real em produção. Pontos centrais: semântica de processamento de streams.
- Meta Threads: 100 milhões de usuários em 5 diasArquitetura real em produção. Pontos centrais: reuso da infraestrutura do Instagram e estimativa de capacidade.
- Rogers jul/2022: filtro de rotas removido derruba a rede de um paísIncidente real. Pontos centrais: rede: DNS e BGP e controle de sobrecarga.
- QuintoAndar: busca conversacional com re-ranking por LLMO trade-off é explícito e medido: +4,2 s e +7% de custo contra +5,3% de CTR e +4,8% de visitas, num A/B de 7/abr a 8/mai/2026.
- nuFormer: modelo de fundação de transações para crédito e fraudeTroca "um modelo por problema" por "um backbone e várias cabeças" num setor regulado, com a latência dos transformers em jogo.
- QuintoAndar: embeddings geográficos H3 em várias resoluçõesLiga o "proximity service" clássico à recomendação.
- Síntese de imagem em alta resoluçãoProjeto de entrevista clássico. Pontos centrais: VQ-VAE/VQGAN, compressão latente e super-resolução.
- Texto→vídeoProjeto de entrevista clássico. Pontos centrais: DiT espaço-temporal, VAE de vídeo, consistência temporal, FVD e custo por segundo.
- Batching de inferência de LLM em 1 GPUProjeto de entrevista clássico. Pontos centrais: continuous batching, memória de KV cache e escalonamento.
- TikTok/ByteDance Monolith (+ For You)Arquitetura real em produção. Pontos centrais: treino online via Kafka/Flink, tabela de embeddings sem colisão e sincronização de parâmetros.
- Meta DLRMArquitetura real em produção. Pontos centrais: tabelas de embedding gigantes e paralelismo de modelo + paralelismo de dados.
- Pinterest PinSage / Pixie (Related Pins)Arquitetura real em produção. Pontos centrais: GCN em grafo bipartido, random walks e inferência MapReduce.
- vLLM / PagedAttention (SOSP 2023)Arquitetura real em produção. Pontos centrais: KV cache paginado, fragmentação de memória, continuous batching e prefix sharing.
- Character.AI: otimização de inferênciaArquitetura real em produção. Pontos centrais: MQA, atenção local/global, KV compartilhado entre camadas, cache entre turnos e int8.
- Imbue: 70B em 4.092 H100Arquitetura real em produção. Pontos centrais: health checks de GPU e falhas de InfiniBand.
- OpenAI: Kubernetes com 7.500 nósArquitetura real em produção. Pontos centrais: gang scheduling e escala de etcd e API server.
- Meta: clusters de 24 mil GPUs para Llama 3Arquitetura real em produção. Pontos centrais: RoCE vs InfiniBand e checkpointing.
- Anthropic (ago-set/2025): três bugs degradam o ClaudeIncidente real. Pontos centrais: sticky routing, precisão em top-k aproximado e hardware heterogêneo.
Papers
- Globally Distributed Content Delivery
- Attention Is All You Need
- Amazon Aurora: Design Considerations for High Throughput Cloud-Native Relational Databases
- Bigtable: A Distributed Storage System for Structured Data
- Network Applications of Bloom Filters: A Survey
- Large-scale cluster management at Google with Borg
- A Buffer-Based Approach to Rate Adaptation: Evidence from a Large Video Streaming Service
- Brewer's Conjecture and the Feasibility of Consistent, Available, Partition-Tolerant Web Services
- Cassandra: A Decentralized Structured Storage System
- Reducing the Scope of Impact with Cell-Based Architecture
- Chaos Engineering
- The Chubby lock service for loosely-coupled distributed systems
- An Improved Data Stream Summary: The Count-Min Sketch and its Applications
- Conflict-free Replicated Data Types
- Dapper, a Large-Scale Distributed Systems Tracing Infrastructure
- The Dataflow Model: A Practical Approach to Balancing Correctness, Latency, and Cost in Massive-Scale, Unbounded, Out-of-Order Data Processing
- Designs, Lessons and Advice from Building Large Distributed Systems
- Dynamo: Amazon's Highly Available Key-value Store
- Event Sourcing
- f4: Facebook's Warm BLOB Storage System
- The Google File System
- Web Search for a Planet: The Google Cluster Architecture
- Gorilla: A Fast, Scalable, In-Memory Time Series Database
- Finding a Needle in Haystack: Facebook's Photo Storage
- Life beyond Distributed Transactions: an Apostate's Opinion
- Efficient and Robust Approximate Nearest Neighbor Search Using Hierarchical Navigable Small World Graphs
- HyperLogLog: the analysis of a near-optimal cardinality estimation algorithm
- Kafka: a Distributed Messaging System for Log Processing
- Time, Clocks, and the Ordering of Events in a Distributed System
- High-Resolution Image Synthesis with Latent Diffusion Models
- Llama Guard: LLM-based Input-Output Safeguard for Human-AI Conversations
- Using load shedding to avoid overload
- The Log-Structured Merge-Tree (LSM-Tree)
- Maglev: A Fast and Reliable Software Network Load Balancer
- MapReduce: Simplified Data Processing on Large Clusters
- Scaling Memcache at Facebook
- Metastable Failures in Distributed Systems
- Hidden Technical Debt in Machine Learning Systems
- Google Wave Operational Transformation
- Efficient Memory Management for Large Language Model Serving with PagedAttention
- Large-scale Incremental Processing Using Distributed Transactions and Notifications
- In Search of an Understandable Consensus Algorithm
- Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks
- ReAct: Synergizing Reasoning and Acting in Language Models
- Indexação geoespacial hierárquica: Google S2 Geometry e H3 da Uber
- Sagas
- Serverless Computing: One Step Forward, Two Steps Back
- Workload isolation using shuffle-sharding
- Snowflake (Twitter, 2010) e Ticket Servers: Distributed Unique Primary Keys on the Cheap (Flickr, 2010)
- Spanner: Google's Globally-Distributed Database
- Canarying Releases (Site Reliability Engineering Workbook)
- Ledger: Stripe's System for Tracking and Validating Money Movement
- Online migrations at scale
- Scaling your API with rate limiters
- The Tail at Scale
- TAO: Facebook's Distributed Data Store for the Social Graph
- The WebSocket Protocol
- Deep Neural Networks for YouTube Recommendations
- Zanzibar: Google's Consistent, Global Authorization System
- ZeRO: Memory Optimizations Toward Training Trillion Parameter Models
- ZooKeeper: Wait-free Coordination for Internet-scale Systems
Conceitos
- Modelagem de dados guiada pelos padrões de acesso
- Taxa de bits adaptativa (ABR) guiada pelo buffer
- Busca aproximada de vizinhos com grafos hierárquicos (HNSW)
- Design de API: idempotência, paginação e evolução de contrato
- Contextos delimitados e agregados (DDD)
- Cache invalidation via leases
- Canary, blue/green e rollback
- CAP theorem trade-offs
- CDN: mapeamento por DNS e montagem na borda (ESI)
- Arquitetura celular e raio de impacto
- Relógios, skew e tempo monotônico
- Escalonamento de cluster (estilo Borg)
- Hardware comum e custo por consulta
- Hashing consistente
- Convergência sem coordenação com CRDTs
- Reconciliação e validação de dados financeiros
- Distributed tracing / spans
- Livro-razão de partida dobrada
- Migração online: dual write, backfill e troca de leitura
- Event sourcing: estado como sequência de eventos
- Tempo do evento, janelas e marcas d'água
- Limites do FaaS: funções sem estado e dados distantes do código
- Fencing tokens e leases
- Replicação geográfica, failover e metas de RPO/RTO
- Gossip, associação ao cluster (membership) e detecção de falhas
- Hedged and tied requests
- Indexação geoespacial hierárquica (S2/H3)
- Classificador de segurança de entrada e saída
- Difusão no espaço latente
- Eleição de líder e consenso
- Load shedding e backpressure
- O log é o banco (Aurora)
- Relógios lógicos e happened-before
- Look-aside caching pattern
- LSM-tree versus B-tree (log-structured storage)
- Maglev hashing e rastreamento de conexões
- MapReduce: execução em lote tolerante a falhas
- Árvores de Merkle para anti-entropia
- Dívida técnica em sistemas de ML: entrelaçamento e ciclos de feedback
- Orquestração vs. coreografia
- Transformação operacional vs CRDT
- KV cache paginado e batching contínuo para LLMs
- Partitioned commit log
- Transações distribuídas com snapshot isolation sobre armazenamento com atomicidade só por linha (Percolator)
- Privacidade e conformidade por design: residência, minimização e trilha de auditoria
- Estruturas probabilísticas (Bloom, HyperLogLog, Count-Min)
- Pull-based consumption model
- Leituras e escritas com quorum (N/R/W)
- Agentes: o laço raciocinar-agir-observar (ReAct)
- Autorização baseada em relações (Zanzibar)
- Relaxed consistency semantics
- Log replicado / replicação de máquina de estados
- Requisitos e estimativa de capacidade
- Padrões de resiliência: circuit breaker, bulkhead, timeout e retry com backoff
- Geração aumentada por recuperação (RAG)
- Retries, sobrecarga e falhas metaestáveis
- Saga pattern / compensating transactions
- Sampling strategies for observability
- Busca: shards de índice, réplicas e scatter-gather
- Self-attention e a arquitetura Transformer
- Shuffle sharding
- Single-master chunked storage
- Sloppy quorum e hinted handoff
- Armazenamento de muitos objetos pequenos (Haystack)
- IDs ordenáveis no tempo (layout Snowflake)
- Cache de grafo social com líder e seguidores (TAO)
- Hipótese de estado estável e experimentos de caos
- Tail latency amplification (fan-out)
- Operações tentativas e reservas
- Compressão de séries temporais (delta-de-delta e XOR)
- Token bucket e limitadores de taxa
- Trace context propagation
- TrueTime e consistência externa
- Recomendação em dois estágios: geração de candidatos e ranking
- Relógios vetoriais para versionamento causal
- Armazenamento morno e erasure coding
- Conexões persistentes bidirecionais (WebSocket)
- Modelo wide-column: tablets, SSTables e memtable
- Zero-copy I/O
- ZeRO: particionar estados do treino entre GPUs
Pratique o que você leu
A escola transforma cada caso em uma entrevista que você conduz, com feedback sobre suas decisões.