Em 2022, percebi uma mudança sutil na arquitetura de aplicações que se manifestou no mercado por meio de discussões sobre novos protocolos e dados. Isso não foi tão surpreendente, pois, como eu mencionei na época historicamente, novas arquiteturas de aplicações surgem e começam a moldar os mercados de entrega e segurança de aplicações a cada cinco anos, alcançando uma posição dominante cerca de cinco anos depois.
Em 2023, achei que essa mudança se tornaria evidente por volta de 2025. Mas não pude prever a chegada da IA generativa e seu impacto explosivo na evolução dessas arquiteturas.
Em suma: essa mudança está acontecendo mais rápido e terá um impacto drástico em, bem, tudo.
Mas, para não nos deixarmos levar pela evolução da arquitetura, precisamos entender o que realmente a impulsiona: os dados.
Diferentes tipos de dados
Normalmente, quando alguém diz “dados”, o ouvinte imediatamente imagina linhas de dados de clientes e produtos armazenadas em algum lugar em um enorme SGBDR. Bem, talvez nem todos os ouvintes, mas muitos deles imaginam isso. Isso acontece porque o modelo predominante de armazenamento de dados tende a privilegiar dados estruturados e tabulares. Abra uma planilha e você entenderá o que quero dizer. Ela se baseia em linhas e colunas, e um SGBDR não é tão diferente assim.
Poderíamos argumentar que existem bancos de dados NoSQL e de chave-valor, armazenamentos de objetos e estruturas de dados semelhantes e que, portanto, as arquiteturas de aplicativos não giram em torno de dados tabulares. Mas, convenhamos, na verdade elas giram. Todos esses outros tipos de armazenamento de dados são utilizados, e por bons motivos, mas a maioria desses motivos era secundária ao aplicativo e, portanto, não alterou significativamente os princípios arquitetônicos gerais que orientaram o desenvolvimento de aplicativos durante décadas.
Mas a crescente distribuição de aplicações — e os modelos híbridos — gera muitas necessidades. Entre elas, observabilidade e segurança, que exigem a geração de dados de telemetria. A distribuição requer uma forma de compreender as relações entre armazenamentos de dados distribuídos, o que leva aos grafos de conhecimento. E a IA generativa exige maneiras de ampliar e treinar modelos, o que leva ao uso de embeddings armazenados em bancos de dados vetoriais.
Esses são quatro tipos de dados muito diferentes, que trazem consigo novas formas de armazenamento e acesso. Todos os quatro estão rapidamente se tornando “componentes padrão” de aplicações modernas, especialmente daquelas projetadas para facilitar o uso de IA generativa.
- A telemetria está promovendo mudanças significativas no âmbito das operações, à medida que percebemos que os formatos colunares são uma opção melhor para transferir e processar dados de streaming em tempo real, que é o que os dados de telemetria realmente são.
- Grafos de conhecimento e a tecnologia de grafos estão ganhando espaço para federar dados distribuídos e compreender relações complexas entre diferentes fontes de dados. Essa tecnologia nos oferece protocolos como o GraphQL, que estão transformando radicalmente a forma como usamos APIs para localizar e gerenciar dados em toda a empresa distribuída.
- A crescente adoção de técnicas de geração aumentada por recuperação (RAG) para IA generativa está impulsionando o uso de bancos de dados vetoriais como parte da própria aplicação, em vez de mantê-los como um repositório de dados em uma camada mais profunda da arquitetura.
- E, por fim, não podemos nos esquecer dos dados de IA generativa. Um LLM gera novos dados sempre que você faz uma solicitação. Isso representa desafios significativos para os profissionais de segurança, que precisam descobrir como identificar possíveis ameaças e problemas em dados não estruturados gerados dinamicamente.
São os dados — com seus diferentes formatos, protocolos, usos e aplicações — que estão impulsionando essa mudança. O resultado é uma abordagem headless que utiliza APIs de maneiras que muitas pessoas nunca haviam considerado. Ou seja, recursos e funções de negócios são disponibilizados como APIs sem levar em conta a camada de apresentação tradicional, o que permite desenvolver uma variedade maior de interfaces para um conjunto mais amplo de dispositivos de usuário. As APIs tornam os dados e os recursos acessíveis, e é por isso que elas são tão importantes para a transformação digital.
Vemos essa abordagem em muitos aplicativos modernos que tiram proveito dos microsserviços. É por isso que os frameworks de interface do usuário são tão predominantes (e geram debates na Internet). Esses frameworks são usados para criar aplicativos individuais que utilizam APIs para acessar funcionalidades e dados. Eles são entidades distintas das “aplicações” de back-end que utilizam para viabilizar fluxos de trabalho e entregar valor ao mercado.
Tudo isso está impulsionando as arquiteturas headless. Essa transição já estava em andamento, mas a chegada da IA generativa evidenciou a importância crítica dos dados e acelerou esse movimento.
Isso, por sua vez, terá um impacto profundo na entrega e na segurança de aplicativos, à medida que surgirem novas ameaças e desafios que precisarão ser enfrentados para atender às necessidades das empresas e dos usuários.
Sobre o autor
Lori MacVittie é engenheira distinta e evangelista-chefe no Escritório do CTO da F5, com ampla experiência em entrega de aplicações, estratégia de automação e infraestrutura. Ela é conhecida por transformar complexidade em clareza, seja definindo diretrizes para agentes de IA, analisando arquiteturas multinuvem frágeis ou investigando os limites de sistemas escaláveis. Ela acumula mais de trinta anos de experiência no setor, abrangendo desenvolvimento de aplicações, arquitetura de TI e operações de redes e sistemas. Antes de ingressar na F5, atuou como editora de tecnologia e recebeu diversos prêmios. MacVittie tem mestrado em Ciência da Computação e é uma autora prolífica, com publicações que abrangem segurança, nuvem e arquitetura empresarial. Ela também é uma entusiasta de jogos de tabuleiro e videogames, além de ter opiniões assumidamente fortes sobre queijos.
Mais publicações de Lori Mac VittiePublicações relacionadas no blog
O estado da maturidade digital empresarial: a transformação digital ainda não terminou
Explore como a IA impacta as empresas, as aplicações da IA generativa, as estratégias para modernizar as operações de TI e os benefícios da maturidade digital com a F5.
Como a IA generativa acelera a transformação digital
Veja como a IA generativa impulsiona a transformação digital nas empresas, acelerando tendências como a integração de APIs, os desafios dos modelos operacionais de TI híbrida e a adoção de AIOps.
Seis capacidades técnicas para acelerar a transformação digital
As arquiteturas empresariais atuais carecem dos fatores necessários de agilidade, escalabilidade, segurança e observabilidade, essenciais para impulsionar a mudança tecnológica. No entanto, estas seis capacidades fundamentais ajudarão as empresas a gerenciar riscos e desafios ao longo de sua transformação digital.
Inverter a API é a transformação digital de que as empresas precisam para participar e competir em uma economia de APIs
As organizações detêm um valor latente — na forma de APIs internas — que precisam explorar para competir em uma economia de APIs. Embora os desafios técnicos e de segurança possam desestimular algumas delas, as empresas precisam reconhecer que inverter suas APIs permitirá liberar o valor da organização como plataforma.
A modernização da TI começa pela infraestrutura
O hardware e o software evoluíram rapidamente desde os primórdios da internet, mas, para aproveitar ao máximo os benefícios resultantes dessa evolução, as organizações precisam avaliar e modernizar sua infraestrutura e a entrega de aplicativos. Acelere os esforços de modernização com a nova F5 rSeries.