FinOps e plataformas de dados

Observabilidade

36 conteúdos publicados sobre este assunto: artigos, estudos de arquitetura e guias de repositório.

Artigos· 25

Dados & PlataformasMediaLive sem timecode: o que o Video Aligned Locking muda na redundânciaO MediaLive passou a sincronizar pipelines por assinatura visual dos frames, sem depender de timecode embutido, exatamente a peça que faltava para fontes SRT/RTMP de campo e para canais single-pipeline ligados entre regiões. Disseco o padrão: o problema que ele resolve, a anatomia dos modos e métodos de locking, as regras de frame rate e de input que derrubam a sincronização em silêncio, e as três métricas que precisam de alarme antes de ir para produção.Abrir Dados & PlataformasCapacidade por tipo de trabalho no Amazon Connect: o que muda de fatoO Amazon Connect passou a permitir concorrência por tipo de trabalho dentro dos canais Task e Email, e não mais só por canal. O ganho operacional é concreto em filas de alta variância, disputa, KYC, backoffice regulatório. O preço é uma taxonomia nova para governar e um modo de falha que não grita: contato com workload type sem linha correspondente no routing profile fica na fila para sempre.Abrir AWS & CloudDaemon crítico ou não-crítico: o contrato de falha do ECSEm 3 de setembro de 2026 a AWS passou a permitir declarar um ECS Managed Daemon como não-crítico, e com isso transformou uma decisão que antes era implícita em um parâmetro versionado. O que está em jogo não é o daemon: é o contrato de falha entre um agente transversal e a instância que o hospeda. Este teardown dissseca a anatomia do padrão, a regra de decisão que uso para classificar cada agente e o que se paga, em churn, em ponto cego e em conta, ao classificar errado.Abrir AWS & CloudSnapStart em container: o bake-off contra concorrência provisionadaA AWS liberou SnapStart para funções empacotadas como imagem de container, prometendo partida sub-segundo em artefatos de até 10 GB. Coloquei a novidade lado a lado com concorrência provisionada, com o .zip e com um serviço sempre ligado no Fargate, usando os preços publicados e os limites da documentação. A conclusão não é sobre latência: é sobre onde o seu pipeline passa a pagar aluguel.Abrir Arquitetura de SoluçõesMigrar séries temporais para Timestream for InfluxDBA expansão regional de Amazon Timestream for InfluxDB em 31 de agosto de 2026 muda a conversa de adoção para equipes que precisam manter dados operacionais próximos aos usuários e às regras locais. Eu trataria isso como uma oportunidade de modernização controlada, não como uma simples troca de endpoint.Abrir Dados & PlataformasMediaTailor Analytics: console, BI ou lakehouse?O dashboard de analytics do AWS Elemental MediaTailor muda a primeira linha de investigação para publishers que operam SSAI em múltiplas regiões. Eu o vejo como uma excelente camada operacional, mas não como substituto automático para BI, reconciliação financeira ou observabilidade de engenharia.Abrir Dados & PlataformasAmazon Connect compact mode: densidade operacional com cautelaO compact mode dos dashboards do Amazon Connect Customer parece pequeno, mas toca um ponto central de operações críticas: reduzir o tempo entre anomalia, percepção e ação. Eu o vejo como uma melhoria útil de cockpit operacional, desde que não vire substituto para alertas, SLOs, automação e desenho cuidadoso de métricas.Abrir AWS & CloudCloudWatch Alarm Warm-Up: Fim do Ruído de Startup em Pipelines CI/CDO CloudWatch agora suporta períodos de warm-up para alarmes, resolvendo um problema clássico de ruído operacional em deploys automatizados. A feature parece simples, mas tem implicações sérias para SLOs, on-call fatigue e design de pipelines em ambientes financeiros. Neste artigo, analiso o mecanismo, os trade-offs reais e como integrar isso de forma responsável em stacks de produção.Abrir Segurança & ResiliênciaRedirecionamento de Mídia VDI no Amazon Connect: Como Realmente FuncionaO suporte do Amazon Connect a Azure Virtual Desktop e Windows 365 via Microsoft Multimedia Redirection parece simples na superfície, mas esconde uma cadeia de decisões de roteamento de mídia com implicações sérias para latência, segurança e conformidade. Neste artigo, desmonto o mecanismo camada por camada, exponho os modos de falha que a documentação não menciona e ofereço um modelo de design para ambientes financeiros de alta exigência.Abrir Segurança & ResiliênciaAmazon Managed Grafana FedRAMP High: Observabilidade em Ambientes ReguladosO Amazon Managed Grafana alcançou autorização FedRAMP High nas regiões AWS GovCloud (US-East) e (US-West), desbloqueando observabilidade gerenciada para agências federais e setores com requisitos de conformidade rigorosos. Neste artigo, analiso o que essa autorização realmente significa em termos de arquitetura, os padrões de design que ela habilita e os anti-padrões que ainda persistem mesmo com o serviço autorizado.Abrir Dados & PlataformasCloudWatch Logs Intelligent Tiering: Guia de Campo para Ambientes FinanceirosO CloudWatch Logs Intelligent Tiering chegou em julho de 2026 prometendo reduzir custos de retenção de logs sem overhead operacional, mas para ambientes financeiros com requisitos de auditoria, a história é mais nuançada. Neste field note, analiso os três tiers, os limiares de transição automática e onde essa feature realmente entrega valor versus onde ela pode criar surpresas desagradáveis.Abrir Dados & PlataformasAdmin Shell no GameLift Streams: acesso seguro sem SSH em sessões ao vivoO Amazon GameLift Streams agora oferece acesso de terminal seguro a sessões ativas via SSM Session Manager, sem SSH, sem portas abertas e sem credenciais de infraestrutura. Esse mecanismo tem implicações arquiteturais sérias para equipes que operam plataformas de streaming em escala, especialmente no que tange a auditoria, blast radius e controle de acesso efêmero. Neste artigo, analiso como o recurso funciona internamente, onde ele pode falhar e como integrá-lo com segurança em ambientes financeiramente críticos.Abrir Dados & PlataformasTag Enrichment no CloudWatch Logs vs. Abordagens AlternativasO CloudWatch Logs agora enriquece eventos de log com resource tags na ingestão, sem custo adicional e sem mudanças na instrumentação. Mas isso substitui pipelines de enriquecimento customizados, abordagens OpenTelemetry ou soluções como Datadog? Faço aqui uma análise honesta de trade-offs para quem opera sistemas financeiros em AWS.Abrir IA & AgentesAmazon Bedrock AgentCore Harness: Da Ideia ao Agente de ProduçãoO AgentCore Harness chegou ao GA em junho de 2026 como uma abstração gerenciada que colapsa o plano de controle de agentes LLM em dois chamadas de API. Neste artigo, analiso como o harness funciona internamente, onde ele falha, e o que arquitetos de sistemas financeiros precisam entender antes de colocá-lo em produção.Abrir AWS & CloudIngestão Gerenciada de Syslog no CloudWatch: Anatomia de um PadrãoO CloudWatch Logs agora aceita syslog diretamente via endpoint de VPC, sem agentes, com parsing automático de RFC 5424, RFC 3164 e Cisco FTD/ASA. Isso muda o padrão de coleta de logs para dispositivos de rede e servidores Linux em ambientes regulados. Neste artigo, desmonto a anatomia do padrão, seus limites reais e os anti-padrões que já vi queimar equipes em produção.Abrir IA & AgentesAmazon Bedrock AgentCore: Otimização Contínua de Agentes em ProduçãoO Amazon Bedrock AgentCore introduz um loop de melhoria contínua que transforma traces de produção em diagnósticos acionáveis, recomendações fundamentadas em dados e validação estatística via testes A/B. Para arquitetos de sistemas financeiros e plataformas de alto risco, isso representa a primeira tentativa séria da AWS de fechar o gap entre observabilidade de agentes e operação confiável em produção.Abrir AWS & CloudECS Auto Scaling: Métricas de Alta Resolução vs. Abordagens TradicionaisO lançamento de métricas de alta resolução (20 segundos) para o Amazon ECS muda o cálculo de auto scaling para cargas financeiras sensíveis à latência. Este artigo compara as quatro abordagens principais de scaling, target tracking com alta resolução, step scaling, scheduled scaling e preditivo, com trade-offs concretos, números reais e uma matriz de decisão para ambientes de produção.Abrir AWS & CloudStreaming de Respostas com Lambda: Precificação em Tempo RealLambda response streaming muda fundamentalmente o contrato de execução serverless ao permitir que bytes sejam enviados ao cliente antes que a função termine, o que tem implicações profundas para motores de precificação em tempo real. Nesta análise, desmonto o mecanismo interno, os modos de falha que a documentação não enfatiza, e as decisões de arquitetura que separam um protótipo de um sistema financeiro em produção.Abrir IA & AgentesAWS FinOps Agent: Arquitetura, Mecanismos e Trade-offs em ProduçãoO AWS FinOps Agent, anunciado em preview no AWS Summit New York 2026, representa uma mudança de paradigma: de dashboards reativos para agentes autônomos que investigam anomalias de custo, geram recomendações e executam ações em sistemas externos como Jira e Slack. Neste artigo, disseço a arquitetura interna do agente, os modos de falha que ninguém menciona, e os trade-offs que qualquer equipe de engenharia financeira precisa entender antes de colocá-lo em produção.Abrir IA & AgentesObservabilidade de LLMs em Produção: Do GPU à Qualidade da RespostaColocar um LLM em produção no SageMaker é a parte fácil. O difícil é saber, em tempo real, se ele está respondendo bem, consumindo GPU de forma eficiente e custando o que você planejou. Este artigo detalha a stack de observabilidade que eu construiria hoje para inferência LLM financeira-grade.Abrir IA & AgentesAvaliação de Agentes como Disciplina de EngenhariaA avaliação de agentes de IA deixou de ser um exercício ad hoc de prompt engineering e tornou-se uma disciplina de engenharia com datasets versionados, quality gates automatizados e rastreabilidade de regressões. O Bedrock AgentCore materializa esse salto ao trazer infraestrutura gerenciada para o ciclo de vida de testes de agentes. Para arquitetos de sistemas financeiros, isso muda o contrato entre equipes de ML e engenharia de plataforma.Abrir Dados & PlataformasObservabilidade ML no EKS: Logs, Métricas e Rastreamento em Bake-offWorkloads de ML no EKS geram volumes de telemetria que expõem as limitações de qualquer pipeline de observabilidade não projetado para esse perfil. Neste artigo, comparo quatro abordagens de coleta e roteamento de logs e métricas, com foco em custo real, latência de diagnóstico e adequação a ambientes financeiros regulados.Abrir AWS & CloudCloudWatch para OTel: Desmontando o Padrão de Bridge de ObservabilidadeO padrão de bridge entre CloudWatch e OpenTelemetry resolve um problema real de fragmentação de observabilidade em ambientes multi-plataforma, mas carrega custos operacionais e armadilhas de design que raramente aparecem nos tutoriais. Neste artigo desmonto a anatomia desse padrão, quando ele faz sentido e quando ele cria mais problema do que resolve.Abrir AWS & CloudMigração para Plataformas Stateful Cloud Native no AWS EKSMigrar workloads stateful para plataformas cloud native não é apenas uma questão de containerização, é uma série de decisões de isolamento, consistência de dados e automação operacional que determinam se a plataforma sobrevive a produção. Neste artigo, percorro a jornada de uma plataforma financeira que saiu de VMs gerenciadas manualmente para um ambiente EKS multitenant com operadores Kubernetes, armazenamento persistente gerenciado e observabilidade de ponta a ponta.Abrir Arquitetura de SoluçõesComputação de Baixo Carbono com Dispositivos Reutilizados: Arquitetura Edge RealReutilizar smartphones descartados como nós de computação edge não é apenas uma aposta de sustentabilidade, é uma decisão arquitetural com implicações sérias em confiabilidade, segurança e custo operacional. Neste artigo, analiso os mecanismos reais, os modos de falha e os trade-offs de engenharia que separam um experimento de laboratório de uma plataforma de produção.Abrir

Estudos de arquitetura· 10

Decisão (ADR)Web Search do Bedrock no GovCloud: um ADR sobre grounding reguladoEm 2 de setembro de 2026 a AWS levou o tool server-side Web Search do Amazon Bedrock para o GovCloud (US-West). Escrevi este ADR porque a decisão real não é "usar ou não busca web", é escolher em que modo de recuperação você opera, e o default do parâmetro `external_web_access` empurra times regulados exatamente para o lado errado, com HTTP 200 e sem erro visível.Abrir Decisão (ADR)ADR: Escalando Agentes em Produção com AgentCore Runtime QuotasEm julho de 2026, a AWS elevou os limites padrão do AgentCore Runtime para 5.000 sessões ativas simultâneas em us-east-1/us-west-2 e 200 interações por segundo em todas as regiões. Este ADR documenta o contexto que forçou essa decisão de design, as opções arquiteturais que considerei para sistemas agênticos em escala financeira, e as consequências operacionais que você precisa planejar antes de colocar agentes em produção.Abrir Guia / Deep DiveAgentes de IA por Dentro (3/3): Agentes em Produção na AWS com Bedrock AgentCoreA terceira e última parte da série desce o elevador até o andar técnico: como colocar um agente de IA em produção na AWS usando o Amazon Bedrock AgentCore. Cobrimos o mapa completo dos componentes (Runtime, Gateway, Memory, Identity, Observability), a escolha de modelo por custo/latência/raciocínio, segurança com guardrails e isolamento de sessão, e FinOps para manter o custo real abaixo de poucos dólares por mês.Abrir Decisão (ADR)ADR: Adotando Amazon Bedrock AgentCore em ProduçãoBedrock AgentCore promete reduzir o atrito operacional de agentes de IA em produção, mas adotar qualquer plataforma gerenciada de orquestração de agentes exige uma decisão arquitetural explícita. Neste ADR, documento as forças que me levaram a avaliar AgentCore, as alternativas consideradas e as consequências reais de cada caminho.Abrir Post-mortemCoinbase (2026): o control plane do AWS MSK que travou o tradingEm 7 de maio de 2026, um defeito no control plane do Amazon MSK impediu a reeleição automática de líderes de partição em dois clusters Kafka gerenciados da Coinbase, bloqueando silenciosamente os serviços de fee, quoting e execução de trades por horas. O incidente expõe os riscos ocultos de depender de serviços gerenciados como ponto único de coordenação, e a necessidade crítica de observabilidade profunda em infraestrutura que você não opera.Abrir Design Doc / RFCDesign Doc: Agentes em Produção com Amazon Bedrock AgentCoreEste documento descreve a arquitetura de uma plataforma de agentes de IA em produção usando Amazon Bedrock AgentCore, cobrindo runtime serverless com isolamento de sessão, governança de ferramentas via Gateway/MCP, memória de curto e longo prazo, identidade federada e observabilidade. O foco está em guardrails operacionais, teto de custo e governança de ferramentas, os problemas que realmente afundam projetos de agentes em ambientes corporativos.Abrir Post-mortemCloudflare (2026): quando uma dependência single-AZ derruba um cluster 'HA'Em 20 de fevereiro de 2026, a Cloudflare sofreu um outage no plano de controle e em analytics porque Kafka e ClickHouse, serviços críticos de ingestão e consulta de dados, existiam apenas na zona PDX-04, enquanto o cluster declarado como de alta disponibilidade dependia deles de forma implícita. O incidente expõe um padrão recorrente em sistemas distribuídos: a ilusão de HA criada por redundância parcial que não cobre todas as dependências da cadeia.Abrir PlaybookPlaybook: Um Agente de IA de Produção na AWS em 7 PassosNoventa por cento dos agentes de IA morrem no notebook. Este playbook cobre os 7 passos que separam um protótipo funcional de um agente confiável em produção na AWS, do trigger ao guardrail, passando por topologia de loop, ferramentas com menor privilégio, verifier externo e orçamento de execução. Opinioso, concreto e baseado nas primitivas reais do Amazon Bedrock AgentCore.Abrir PlaybookPlaybook: do Prompt ao Pipeline, os 5 Estágios de um Agente ConfiávelUm agente não nasce confiável, ele é construído estágio a estágio, do prompt simples ao sistema operável com observabilidade, guardrails e auditoria. Este playbook mapeia cada estágio, o que você ganha, o que você arrisca, e quando parar de subir a escada. O gargalo não é o prompt; é o sistema em volta.Abrir Post-mortemDatadog (2023): como um patch de segurança do systemd derrubou 5 regiões simultaneamenteEm março de 2023, uma atualização automática de segurança do systemd-networkd reiniciou o subsistema de rede em dezenas de milhares de nós Kubernetes do Datadog ao mesmo tempo, cortando a conectividade gerenciada pelo Cilium em múltiplas regiões. O incidente expôs os riscos de auto-updates de SO sem controle de blast radius, a dependência crítica de CNI plugins no plano de dados e a ausência de isolamento regional em pipelines de atualização.Abrir

Open Source· 1

HTMLaws-agentic-ai-reference-architectureArquitetura de referência para IA agêntica na AWS que aguenta produção, não só demoAbrir