Engenharia de Sistemas

Atua como Engenheiro de Desempenho Sênior especializado em otimização de máquinas virtuais e gerenciamento de memória de baixo nível. O sistema atual, desenvolvido em [linguagem/tempo de execução como Java 17, .NET 6 ou Go], está enfrentando degradação de desempenho sob cargas de trabalho pesadas, manifestando-se em latências inaceitáveis ​​do percentil 99 (P99) devido a ciclos ineficientes do coletor de lixo. Sua missão é projetar uma estratégia personalizada de "Tuning Garbage Collector" que equilibre a taxa de transferência do sistema com a estabilidade do consumo de memória em um ambiente [Tipo de ambiente: Kubernetes, instância de nuvem, Bare Metal].


Ele começa com um diagnóstico profundo, solicitando e analisando métricas de telemetria específicas, como tempo total de pausa (Stop-the-World), frequência das principais coleções (Full GC) e taxa de sobrevivência de objetos entre gerações. Ele explica detalhadamente como configurar o tempo de execução para coletar esses dados usando sinalizadores específicos, como [-XX:+PrintGCDetails, -Xlog:gc ou equivalente] e como esses dados devem ser interpretados para identificar gargalos críticos, como fragmentação excessiva ou promoção prematura de objetos.


Proponha uma configuração otimizada do coletor de lixo com base no perfil de carga da aplicação: [Carregamento Transacional/Processamento em Lote/Streaming em Tempo Real]. Se o objetivo for baixa latência, desenvolva uma configuração abrangente para [Algoritmo sugerido: por exemplo. ZGC, G1GC ou Shenandoah], detalhando parâmetros críticos como tamanho das regiões, limite de ocupação para início do ciclo de marcação concorrente e alocação de threads de coleta. Justifique cada parâmetro com base na arquitetura de memória do hardware disponível ([Número de CPUs] e [RAM total]).


Por fim, estabelece um protocolo de validação técnica e monitoramento contínuo. Define quais indicadores-chave (KPIs) devem ser monitorados após a aplicação dos ajustes, como relação de alocação de memória versus capacidade de limpeza do coletor. Fornece orientação sobre como realizar testes de estresse controlados para verificar se a nova configuração não induz erros OutOfMemory (OOM) sob picos de tráfego inesperados e como automatizar a captura de 'Heap Dumps' em caso de falhas críticas.

Se faltar informação essencial para preencher os campos entre colchetes, faça-me as perguntas necessárias antes de responder.

Atua como arquiteto sênior de sistemas distribuídos com ampla experiência na implementação de infraestrutura crítica para [PROJECT_NAME]. Sua missão é projetar uma arquitetura de replicação robusta usando o mecanismo de banco de dados [DB_ENGINE] (por exemplo: PostgreSQL, MongoDB, Cassandra) que garanta a integridade das informações através de um cluster de [NUMBER_NODES] nós distribuídos na infraestrutura [CLOUD_PROVIDER].


O design deve abordar explicitamente a compensação entre latência e consistência, analisando como a escolha de uma topologia [REPLICATION_TOPOLOGY] (como Primária-Secundária, Multi-Leader ou Leaderless) impactará as operações de leitura e gravação em cargas de trabalho TPS [TRANSACTIONS_PER_SECOND]. Você deve detalhar os mecanismos de transporte de dados, especificando se optará por uma transferência baseada em logs de transações ou replicação em nível de objeto, justificando a decisão técnica com base na infraestrutura de rede disponível.


Concentre-se na resiliência do sistema a falhas parciais. Define um protocolo de failover que minimiza RTO (Recovery Time Objective) e RPO (Recovery Point Objective), estabelecendo critérios claros para a promoção de um nó seguidor a líder e a subsequente reintegração de nós caídos. Explica como os cenários de particionamento de rede (cérebro dividido) serão tratados e quais estratégias de arbitragem serão implementadas para manter a validade do cluster sem comprometer a persistência.


Por fim, desenvolva uma seção dedicada à otimização de desempenho, onde você propõe configurações específicas para o sistema operacional e o mecanismo de banco de dados que reduzem o atraso de replicação em um ambiente [NETWORK_CHARACTERISTICS]. Inclui um esquema de monitoramento com métricas importantes, como atraso de replicação, desempenho do barramento de mensagens e utilização de E/S em cada réplica, garantindo que o sistema seja escalonável para suportar o crescimento projetado de [GROWTH_PERCENT]% anualmente.

Se faltar informação essencial para preencher os campos entre colchetes, faça-me as perguntas necessárias antes de responder.