TAG
33 textos
Um trace só continua fazendo sentido depois que atravessa a rede se o contexto de rastreamento for propagado no header de cada chamada HTTP entre serviços, algo que o .NET já faz automaticamente na ma …
Chamar um LLM dentro do ciclo síncrono de uma requisição web trava a interface por segundos: filas e o padrão Asynchronous Request-Reply resolvem isso sem esconder o problema, só adiam a resposta.
Quando o provedor principal de IA responde 429 ou 503, um pipeline de fallback com Polly permite alternar para um provedor secundário sem propagar o erro para quem fez a chamada original.
Strategy Pattern combinado com Keyed Services do .NET permite escolher, em tempo de execução, qual provedor de IA atende cada chamada, sem condicionais espalhadas pelo código.
Adicionar chamadas a um provedor de IA a um projeto em Clean Architecture não exige camada nova, só decidir onde a interface do cliente de IA mora e o que fica de fora do domínio.
Stryker.NET altera propositalmente o código de produção e roda a suíte de testes contra cada alteração. Se nenhum teste falhar, a suíte não teria percebido aquele bug se ele fosse real.
ActivitySource gera os traces, Meter gera as métricas, e o exportador OTLP manda tudo isso para o backend de observabilidade escolhido, sem acoplar o código da aplicação a um fornecedor específico.
Linha executada não é a mesma coisa que comportamento verificado. Um teste sem asserção relevante ainda conta como cobertura, e é exatamente aí que a métrica engana quem só olha o número final.
Testcontainers sobe um Postgres, Redis ou LocalStack de verdade em container Docker durante a execução dos testes, e derruba tudo no final, sem deixar rastro no ambiente local.
Uma suíte inteira de testes unitários com repositório, banco e API externa mockados pode passar 100% verde e ainda assim não provar que o sistema funciona quando essas peças de verdade entram em cena.
Rastrear chamada de modelo, tokens consumidos e ferramenta acionada é o que separa depurar um agente de tentar adivinhar por que ele respondeu daquele jeito à uma da manhã.
Um embedding transforma texto num vetor de números que representa significado, e comparar dois vetores com similaridade de cosseno é como um sistema decide se duas frases 'falam da mesma coisa'.
Amazon Bedrock dá acesso gerenciado a modelos de diferentes provedores, incluindo Claude, pela mesma API Converse, sem precisar gerenciar infraestrutura de inferência.
Um pipeline RAG em .NET é uma sequência concreta de etapas: ingerir texto, gerar embedding, guardar num vector store, buscar por similaridade e injetar o resultado no prompt antes de gerar a resposta.
Retry sem critério pode sobrecarregar um serviço já instável. Polly v8 no .NET oferece Circuit Breaker, Timeout e Fallback como parte da mesma pipeline de resiliência.
Monólito modular organiza o código em módulos fracamente acoplados dentro do mesmo processo, entregando parte da disciplina de microsserviços sem o custo operacional da distribuição.
AWS Lambda com C# funciona bem para carga orientada a evento e esporádica, mas cold start e execução contínua ainda são os pontos que decidem se vale a pena usar.
BackgroundService e IHostedService movem processamento de longa duração para fora do ciclo de request HTTP, desde que CancellationToken e escopo de injeção de dependência sejam tratados com cuidado.
CQRS simples, no mesmo banco de dados, é uma separação barata entre leitura e escrita. A versão com bancos heterogêneos e consistência eventual é outro nível de complexidade, e nem todo projeto precis …
O DbContext do Entity Framework Core já implementa boa parte do que Repository e Unit of Work prometem, o que muda o cálculo de quando vale a pena adicionar essa camada extra.
Log, métrica e alarme no Amazon CloudWatch resolvem perguntas diferentes sobre uma aplicação .NET rodando na AWS, e confundir os três atrasa qualquer investigação.
Minimal APIs e Controllers no ASP.NET Core resolvem o mesmo problema de formas diferentes, e a escolha entre eles depende mais do tamanho do projeto do que de qual é 'melhor'.
Monólito modular resolve boa parte dos problemas que arquitetura distribuída tenta resolver, com bem menos complexidade operacional embutida.
Amazon S3 vai muito além de guardar arquivo: presigned URLs, storage classes e lifecycle policies resolvem problemas que aparecem assim que o uso sai do básico.
EF Core e Dapper resolvem problemas de acesso a dado diferentes, e nada impede as duas abordagens de conviver na mesma aplicação .NET.
BenchmarkDotNet mede performance real em C#, cuidando de aquecimento de JIT e variância estatística que um cronômetro manual não consegue controlar.
EC2, ECS/Fargate e AWS Lambda resolvem o mesmo problema de hospedagem de formas bem diferentes, e a escolha certa depende do formato da carga de trabalho.
Clean Architecture resolve um problema real de acoplamento, mas separar camadas demais em projetos pequenos costuma trocar simplicidade por burocracia.
Por trás de um método async em C# existe uma state machine gerada pelo compilador, não uma nova thread, e essa diferença explica boa parte da confusão.
A mesma sintaxe de LINQ roda em memória ou vira uma tradução para SQL dependendo do provider, e essa diferença explica boa parte das queries lentas.
Um mapa dos serviços de AWS que mais importam para quem desenvolve em .NET, sem tentar cobrir o catálogo inteiro de uma vez.
Um mapa das mudanças que realmente importam em C# para quem parou de acompanhar a linguagem de perto, sem virar lista de novidades de versão.
Fui direto nas release notes do .NET 11 Preview 1 para separar novidade real de barulho em volta do anúncio, e o destaque claro foi o runtime async.