26 de outubro de 2026
Padrões de Projeto no Desenvolvimento Back-end Aplicados à Arquitetura de Microsserviços
Adriano Lucas Rodrigues de Almeida; Heinrich da Solidade Santos
DOI: 10.22167/2675-6528-202600508
Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.
Resumo
A crescente demanda por sistemas de alta disponibilidade impôs a necessidade de equilibrar escalabilidade e manutenibilidade evolutiva. Arquiteturas monolíticas, embora inicialmente simples, tornaram-se insustentáveis em cenários de alta demanda, limitadas por bloqueios de I/O síncrono e acoplamento excessivo. Um estudo experimental foi conduzido para analisar a aplicação de Padrões de Projeto na refatoração de um sistema encurtador de URLs monolítico para uma arquitetura de microsserviços distribuída. O objetivo principal foi validar como a utilização estruturada de padrões como “Strategy”, “Repository” e “Proxy” viabilizou o desacoplamento necessário para implementar estratégias de persistência poliglota e processamento assíncrono. A metodologia consistiu no desenvolvimento de protótipos comparativos e na execução de testes de carga com a ferramenta k6. Os resultados demonstraram que a adoção rigorosa desses padrões não apenas mitigou a complexidade da distribuição, mas superou os gargalos do modelo centralizado, manteve a latência de leitura estável e garantiu ganhos significativos de desempenho e resiliência. Concluiu-se que a arquitetura de microsserviços, estruturada sob padrões como Arquitetura Hexagonal e Event-Driven, e utilizando persistência poliglota, atendeu com êxito aos requisitos de desempenho sob alta concorrência, superando as limitações do modelo monolítico.
Palavras-chave: Desempenho; Escalabilidade; Persistência Poliglota; Refatoração; Sistemas Distribuídos.
1. Introdução
O avanço contínuo da transformação digital impulsionou uma demanda crescente por soluções de software que se destacam pela escalabilidade, flexibilidade e facilidade de manutenção. Nesse cenário dinâmico, o desenvolvimento back-end assume um papel crucial na arquitetura de sistemas distribuídos e de alta disponibilidade. A crescente adoção da arquitetura de microsserviços, em particular, tem permitido a concepção de aplicações compostas por módulos independentes e coesos, capazes de operar de forma autônoma e eficiente.
A utilização de padrões de projeto, conhecidos como “Design Patterns”, emergiu como uma estratégia fundamental para assegurar a qualidade, a reutilização de código e a coesão entre os componentes em arquiteturas de software complexas (Fowler, 2010; Pautasso, 2014). Essas soluções consolidadas para problemas recorrentes no desenvolvimento de sistemas foram formalizadas na obra seminal de Gamma et al. (1994). Desde então, sua aplicação na engenharia de software tem sido vasta, contribuindo significativamente para a legibilidade e a escalabilidade das aplicações.
Com a ascensão dos microsserviços, a relevância dos padrões de projeto intensificou-se. Eles se tornaram essenciais para estabelecer princípios arquiteturais e boas práticas que facilitam a integração entre Interfaces de Programação de Aplicações (APIs), a segregação de responsabilidades e o versionamento de serviços (Bogner et al., 2019). A ausência de uma estruturação rigorosa, especialmente na transição de sistemas monolíticos para distribuídos, frequentemente resulta em complexidade acidental e desafios de orquestração, comprometendo a eficiência e a manutenibilidade do sistema.
Além disso, a evolução dos frameworks modernos e das plataformas baseadas em APIs RESTful redefiniu a comunicação entre sistemas. A literatura especializada enfatiza que o design arquitetural de APIs deve seguir diretrizes que impactam diretamente a qualidade do software, abrangendo aspectos como desempenho, usabilidade e governança (Fielding e Taylor, 2002; Massé, 2011; Kotstein e Bogner, 2021). Esses princípios são igualmente cruciais para a eficiência de testes automatizados e validação de carga, práticas indispensáveis em ambientes back-end, como o ecossistema Node.js, que exige alta confiabilidade e tratamento eficiente de I/O não bloqueante.
A escolha deste tema é justificada pela sua relevância prática e científica. A escalabilidade, conforme definido por Kleppmann (2017), não é uma característica unidimensional, mas a capacidade de um sistema de lidar com o aumento da carga de trabalho mantendo a confiabilidade. Sob essa perspectiva, a demanda por aplicações em ambientes distribuídos, que aderem aos princípios de autonomia e implantação independente (Newman, 2021), tem crescido para superar os gargalos de processamento síncrono inerentes às arquiteturas monolíticas, garantindo a evolução segura de suas interfaces através do versionamento de serviços (Bogner et al., 2019). Academicamente, existe uma lacuna a ser preenchida no que tange à aplicação estruturada de padrões de projeto em back-ends modernos, e esta pesquisa visa contribuir com um estudo que conecta padrões arquiteturais à eficiência em sistemas de software.
Portanto, este projeto teve como objetivo analisar a aplicação de padrões de projeto no desenvolvimento back-end sob a perspectiva da arquitetura de microsserviços. Através de um estudo experimental de um encurtador de URLs, buscou-se demonstrar como a utilização estruturada de padrões como “Strategy”, “Repository” e “Proxy” impactou a vazão, a latência e a manutenibilidade, pilares fundamentais de sistemas de software definidos por Kleppmann (2017).
2. Material e Métodos
A pesquisa caracterizou-se como um estudo experimental de natureza aplicada e quantitativa, focado na análise comparativa de desempenho entre arquiteturas de software. O estudo foi conduzido em ambiente de desenvolvimento controlado, localizado no município de Diadema, SP, durante o primeiro semestre de 2026. A metodologia consistiu na implementação de dois protótipos funcionais de um sistema encurtador de URLs, submetidos a testes de estresse automatizados para coleta de métricas de escalabilidade e latência.
Para o Cenário A, que representou a arquitetura monolítica, optou-se pelo MongoDB (v7.0) como banco de dados NoSQL orientado a documentos. Este foi empregado como um repositório centralizado para entidades de negócio, como URLs, e logs de acesso. A configuração visou simular um acoplamento de dados e um ponto de contenção de I/O, permitindo a análise de desempenho sob carga concentrada. A implementação deste cenário esteve disponível em um repositório específico (Almeida, 2026a).
Em contraste, o Cenário B, correspondente à arquitetura de microsserviços, adotou o princípio da persistência poliglota. Para otimização de performance, o Redis (v7.2) foi integrado como um armazenamento de estrutura de dados em memória de alto desempenho. Sua função primordial consistiu em atuar como cache para leituras de baixa latência e como message broker, utilizando o recurso Redis Streams para facilitar o desacoplamento assíncrono entre os serviços.
Complementarmente, o Apache Cassandra (v4.1), um banco de dados distribuído wide-column, foi selecionado para o serviço de Worker. Sua arquitetura foi otimizada para cenários de escritas massivas, sendo ideal para o armazenamento de logs de auditoria e dados analíticos (Lakshman e Malik, 2010). A documentação técnica detalhada sobre este cenário e os padrões de projeto aplicados, como “Strategy”, “Repository” e “Proxy”, esteve disponível em outro repositório (Almeida, 2026b).
Os dois protótipos funcionais foram desenvolvidos para isolar as variáveis de arquitetura e padrões de projeto. O Cenário A (Monólito) foi implementado seguindo o padrão arquitetural Model View Controller (MVC) básico, com toda a lógica de encurtamento, redirecionamento e registro de logs residindo em uma única aplicação Express.js, acoplada diretamente ao MongoDB. O processamento das requisições ocorreu de forma síncrona.
O Cenário B (Microsserviços) foi construído aplicando-se rigorosamente Padrões de Projeto do catálogo GoF (Gamma et al., 1994) e princípios de Arquitetura Hexagonal (Ports and Adapters). O sistema foi fragmentado em componentes autônomos, incluindo um API Gateway implementado com o padrão Proxy Reverso, um Serviço de Encurtamento (Shortener) utilizando o padrão Strategy para geração de chaves únicas, e um Serviço Worker (Processador) para processamento assíncrono de eventos via Redis Streams e persistência no Cassandra.
Para a execução dos testes de estresse e coleta de métricas de desempenho, utilizou-se a ferramenta k6 (Grafana Labs), uma solução open-source focada em performance. Os scripts de teste de carga foram desenvolvidos em JavaScript, simulando milhares de usuários virtuais (VUs) com baixo consumo de recursos da máquina geradora de carga (Grafana Labs, n.d.).
A visualização e análise dos dados coletados em tempo real foram realizadas com o Grafana, uma plataforma para observabilidade e análise de métricas (Chakraborty e Kundan, 2021). O Grafana permitiu a criação de dashboards personalizados para monitorar a latência (p95, p99), vazão (throughput) e taxas de erro durante a execução dos testes, oferecendo uma representação visual do comportamento de cada arquitetura sob estresse.
O protocolo de teste seguiu uma estratégia de aumento progressivo de carga, conhecida como Ramp-up, dividida em estágios cronometrados. A carga partiu de 100 VUs e atingiu um pico de 1.000 VUs em um intervalo total de aproximadamente seis minutos. Para cada estágio, coletaram-se métricas de desempenho específicas.
As métricas de desempenho coletadas incluíram a Latência de Escrita (create_duration), que se referiu ao tempo decorrido para a criação de uma nova URL encurtada. Também se mensurou a Latência de Leitura (access_duration), que mediu o tempo para o redirecionamento de uma URL existente, e a Latência de Acesso Viral (viral_access_duration), que quantificou o tempo de resposta para acessos repetidos a URLs populares.
Adicionalmente, a Vazão (Throughput) foi registrada, representando a quantidade de requisições processadas por segundo (RPS), e a Taxa de Erro, que indicou o percentual de requisições que retornaram códigos de status HTTP 5xx ou timeouts. O script de teste incluiu uma lógica probabilística para simular um cenário de “viralização”, onde 30% das URLs criadas receberam acessos repetidos imediatos, forçando a utilização da camada de cache no cenário de microsserviços.
3. Resultados e Discussão
A análise comparativa dos dados quantitativos obtidos nos testes de estresse, realizados nos cenários A (Monolítico) e B (Microsserviços), revelou diferenças significativas no desempenho e na escalabilidade sob alta concorrência. Ambos os protótipos foram submetidos a uma carga de 1.000 usuários virtuais simultâneos, utilizando a ferramenta k6, o que permitiu uma avaliação robusta do impacto dos padrões de projeto e da arquitetura orientada a eventos na capacidade do sistema de encurtamento de URLs.
Os resultados do Cenário A, a arquitetura monolítica, demonstraram que, embora a aplicação mantivesse estabilidade funcional com 0% de taxa de erro em requisições HTTP, seu desempenho degradou-se severamente com o aumento da concorrência. As métricas de latência para a criação de URLs (create_duration) registraram uma média de 887,20 ms, com um percentil 95 (p95) de 3.494,82 ms e um máximo de 5.556,87 ms, superando o limite aceitável de 2.000 ms e indicando falha. A latência de leitura (access_duration) apresentou uma média de 288,55 ms, com p95 de 930,12 ms e máximo de 5.235,63 ms, também falhando em cumprir a meta de 500 ms. A latência de acesso viral (viral_access_duration) foi de 282,96 ms em média, com p95 de 951,91 ms e máximo de 5.251,37 ms, falhando em atingir a meta de 100 ms. A vazão (throughput) foi de 895,59 requisições por segundo, sendo o único indicador aprovado em relação à meta de 500 requisições por segundo.
O diagnóstico técnico dos gargalos no sistema monolítico apontou para o bloqueio de I/O na escrita como principal fator de degradação. O mecanismo single-threaded do Event Loop do Node.js, em conjunto com a persistência síncrona, resultou em um atraso considerável. O tempo de resposta para a criação de uma URL curta (create_duration) atingiu um percentil 95 de aproximadamente 3,5 segundos. Quando múltiplas requisições de escrita eram processadas simultaneamente no MongoDB, a aplicação acumulava requisições na fila de eventos, gerando latência na camada de aplicação antes mesmo da interação efetiva com o banco de dados.
Um ponto crítico adicional foi a ineficiência em acessos repetidos, evidenciada pela métrica viral_access_duration, que se mostrou estatisticamente similar ou até superior à access_duration (951 ms versus 930 ms, respectivamente). Este resultado demonstrou a ausência de um mecanismo de cache eficaz, fazendo com que requisições repetidas continuassem a consumir recursos de disco e processamento do banco de dados principal, agravando o congestionamento geral do sistema. A degradação exponencial da latência, observada a partir de 500 Usuários Virtuais, indicou a saturação dos recursos e o limite de processamento da arquitetura, confirmando as limitações de I/O bloqueante em ambientes single-threaded (Tilkov e Vinoski, 2010).
A análise do tempo de bloqueio de requisição (Request Blocked) demonstrou que o cliente de teste de carga (k6) operou de forma eficiente, com tempos de espera insignificantes na ordem de microssegundos. Isso comprovou que o congestionamento e a degradação da latência ocorreram exclusivamente no lado do servidor, após o recebimento das requisições. Este achado reforçou a tese de que sistemas single-threaded são sensíveis a operações bloqueantes, onde a contenção de recursos no banco de dados centralizado neutraliza a eficiência do Event Loop, levando ao colapso de performance.
A latência de escrita (create_duration) no monólito exibiu um comportamento não linear, segmentado em três fases. Inicialmente, de 0 a aproximadamente 200 VUs, a latência cresceu linearmente e de forma controlada, com o Event Loop gerenciando as requisições e operações de I/O sem filas de espera significativas. Entre 200 e 500 VUs, houve um ponto de inflexão com uma escalada acentuada da latência, indicando que a capacidade de processamento do Event Loop estava sendo superada. Finalmente, na fase de saturação, de 500 a 1.000 VUs, a latência assumiu um comportamento exponencial, culminando no p95 de 3.494,82 ms, com a maioria dos usuários enfrentando esperas superiores a 3 segundos. Este comportamento confirmou o bloqueio da thread principal, onde operações de logging e persistência competiam pelos mesmos ciclos de CPU, degradando a performance global do sistema.
A avaliação experimental da arquitetura monolítica permitiu concluir que, embora o sistema tenha demonstrado estabilidade estrutural e mantido a conectividade HTTP ativa durante todo o teste, ele falhou categoricamente em atender aos requisitos de desempenho e confiabilidade sob alta demanda. O gargalo principal foi identificado no alto acoplamento entre o Event Loop do Node.js e as operações bloqueantes de I/O com o banco de dados. A latência de escrita, que atingiu 3,49 segundos no p95, evidenciou que o processamento sequencial de regras de negócio, persistência e logging em uma única thread criou uma barreira intransponível para a escalabilidade.
Além da latência, a arquitetura monolítica atingiu seu ponto de saturação funcional, com a ocorrência de 127 falhas na confirmação de criação de registros. Sob estresse extremo de 1.000 VUs, o banco de dados centralizado tornou-se incapaz de gerenciar o pool de conexões, resultando em perda de consistência. A ausência de uma camada de cache agravou o problema, forçando o banco de dados a reprocessar leituras idênticas com latência elevada, com p95 de 930 ms. Concluiu-se que o modelo monolítico se mostrou inviável para aplicações que exigiam garantia de entrega e baixa latência, especialmente em cenários de carga de acesso concentrada, onde o pico de requisições a um único recurso degradou a performance de todo o sistema.
Em contraste com a degradação severa observada na arquitetura monolítica, o Cenário B (Microsserviços) demonstrou alta estabilidade e eficiência sob o mesmo perfil de carga de 1.000 usuários virtuais. A estratégia de desacoplamento via mensageria e o uso de persistência poliglota permitiram ao sistema sustentar uma vazão de dados muito superior e manter os tempos de resposta dentro de patamares aceitáveis. A nova arquitetura superou a baseline em todos os quesitos, reduzindo a latência de escrita em aproximadamente 90% em comparação ao Cenário A.
As métricas de desempenho do Cenário B revelaram uma latência de escrita (create_duration) com média de 172,78 ms, p95 de 367,88 ms e máximo de 651,49 ms, aprovada em relação à meta de 2.000 ms. A latência de leitura (access_duration) teve média de 183,64 ms, p95 de 373,15 ms e máximo de 568,78 ms, aprovada em relação à meta de 500 ms. A latência geral (http_req) foi de 170,74 ms em média, com p95 de 357,68 ms e máximo de 651,49 ms, aprovada em relação à meta de 1.000 ms. A vazão (throughput) atingiu 1.533 requisições por segundo, superando a meta de 500 requisições por segundo.
A análise aprofundada dos resultados permitiu atribuir o salto de performance, que incluiu uma redução de 90% na latência e um aumento de 8,5x na vazão, à implementação correta de quatro padrões arquiteturais críticos. A arquitetura orientada a eventos (EDA) promoveu um desacoplamento temporal, otimizando substancialmente a latência de escrita. A transição para um modelo de “Consistência Eventual” reduziu a duração da criação de 3.494 ms para 367,88 ms. No cenário de microsserviços, a API Gateway adotou o padrão Fire-and-Forget, validando o payload e persistindo o evento no Redis Streams, uma operação em memória de complexidade O(1). A confirmação ao cliente (HTTP 201/202) foi enviada assim que o evento foi enfileirado, desvinculando o tempo de resposta da API do tempo de processamento do banco de dados analítico, o Cassandra.
Adicionalmente, o Redis Streams funcionou como um mecanismo de backpressure, atuando como um buffer para absorver picos de requisições. Em testes de estresse com 1.000 usuários simultâneos, o banco de dados Cassandra não foi sobrecarregado diretamente. As mensagens foram acumuladas na fila e consumidas por workers a uma taxa controlada, o que preveniu a exaustão de recursos (Resource Starvation) que causara falhas e timeouts no sistema monolítico. O sistema, portanto, trocou a falha por uma latência de processamento assíncrono e garantiu a integridade dos dados sem perdas.
A eficácia do padrão de Segregação de Responsabilidades de Comando e Consulta (CQRS) (Fowler, 2011) foi um fator crucial. Diferentemente do sistema monolítico, onde operações de leitura e escrita competiam pelos mesmos recursos de I/O do MongoDB, a nova arquitetura segregou fisicamente essas responsabilidades. Os comandos de escrita foram direcionados ao microsserviço Shortener, que interagiu com o Redis Streams e o Cassandra, enquanto as consultas de leitura foram direcionadas ao microsserviço Redirect, que utilizou o Redis Cache. Essa separação isolou o tráfego de leitura e manteve a estabilidade das operações de redirecionamento (access_duration) com um p95 de 373 ms, mesmo sob carga máxima de escrita no Cassandra, eliminando o efeito do “vizinho barulhento” (Noisy Neighbor) interno.
A adoção da persistência poliglota, substituindo um banco de dados de propósito geral por tecnologias especializadas, foi determinante. O Cassandra, com sua arquitetura baseada em Log-Structured Merge-tree (LSM Tree), mostrou-se otimizado para cargas de trabalho intensivas em escrita (Write-Intensive), permitindo a ingestão massiva de dados sem o overhead de locking (Lakshman e Malik, 2010). Para a leitura, o Redis, um banco de dados em memória, provou ser a escolha ideal para redirecionamentos de URL que exigiram latência de sub-milissegundos, eliminando o tempo de busca em disco (seek time) e permitindo o escalonamento linear da vazão de leitura com a CPU.
O comportamento da latência no Cenário de Microsserviços diferiu radicalmente do perfil exponencial do Monólito. A latência global manteve-se em um platô consistente na faixa de 360 ms, sem apresentar o “joelho de curva” característico de saturação. A ausência de picos abruptos evidenciou que o mecanismo de backpressure do Redis Streams funcionou como um amortecedor eficiente, protegendo o banco de dados de sobrecarga direta e garantindo previsibilidade ao sistema. A duração da requisição (http_req_duration) ilustrou a estabilidade sistêmica da arquitetura de microsserviços, com o percentil 95 (p95) fixado em aproximadamente 357 ms durante toda a janela de teste.
Este comportamento comprovou que o API Gateway e os serviços de borda não sofreram degradação por concorrência. A estabilidade da linha, mesmo no pico de 1.000 usuários simultâneos, indicou que o tempo de handshake, roteamento e serialização de resposta permaneceu inalterado. Isso demonstrou que a estratégia de processamento assíncrono removeu efetivamente a pressão sobre o ciclo de vida da requisição HTTP, garantindo a independência do tempo de resposta percebido pelo cliente em relação à carga de trabalho interna dos serviços de persistência.
Um indicador crítico de sucesso foi a taxa de falhas. Enquanto o monólito registrou 127 erros funcionais e degradação de serviço, o Cenário B processou 598.905 requisições com 0% de erro. Todas as verificações de integridade, incluindo criação de URL (201) e redirecionamento (302), obtiveram 100% de sucesso. Esta estabilidade absoluta validou a premissa de Sadalage e Fowler (2012) de que a persistência poliglota permitiu a cada microsserviço utilizar a ferramenta mais adequada para sua carga de trabalho específica, resultando em uma resiliência sistêmica superior. Isso confirmou que a arquitetura distribuída não apenas se mostrou mais rápida, mas também eliminou os timeouts causados por exaustão de pool de conexões e garantiu a integridade do sistema sob estresse extremo.
A avaliação experimental do Cenário B permitiu concluir que a arquitetura de microsserviços, estruturada sob os padrões Hexagonal e Event-Driven, atendeu com êxito a todos os requisitos de desempenho sob alta concorrência. Diferente do modelo centralizado, que colapsou por contenção de recursos, a solução distribuída demonstrou elasticidade linear e sustentou uma carga de 1.000 usuários virtuais simultâneos sem degradação perceptível da latência, com p95 estável em 367,88 ms. O sucesso deste cenário validou a hipótese de que o desacoplamento temporal constituiu o fator determinante para a escalabilidade de escritas intensivas. A introdução do Redis Streams como mecanismo de backpressure protegeu efetivamente o banco de dados de picos de tráfego, enquanto a especialização do armazenamento com Cassandra e Redis eliminou os gargalos de I/O de disco.
Além da performance, a arquitetura provou-se resiliente. A taxa de 0% de erros em um volume de quase 600.000 requisições confirmou que a complexidade adicional de gerenciamento de contêineres e orquestração foi compensada pela garantia de disponibilidade e consistência eventual. Concluiu-se, portanto, que o modelo proposto se mostrou tecnicamente viável e altamente recomendado para sistemas que exigiram alta vazão e garantia de entrega (SLA) em cenários de estresse.
O indicador mais contundente da superioridade da arquitetura de microsserviços foi a capacidade bruta de processamento (throughput). Ao comparar a volumetria total de operações bem-sucedidas durante a mesma janela de teste, observou-se uma disparidade de grandeza entre os cenários. Enquanto o Monólito atingiu seu ponto de saturação crítica, com a latência de escrita ultrapassando 3 segundos, na marca de aproximadamente 42.000 transações, processando um total de apenas 69.898 requisições até o sistema exaurir seus recursos, o cenário de Microsserviços manteve-se estável e operante até processar um volume massivo de 2.493.404 requisições. Isso representou um aumento de capacidade de 59,3 vezes, ou 5.930%.
Esta assimetria explicou-se pela diferença no modelo de concorrência. No monólito, com apenas aproximadamente 42.000 operações, o Event Loop do Node.js saturou devido ao I/O síncrono do banco de dados. O sistema não teve CPU disponível para aceitar novas conexões, uma vez que se ocupou no aguardo de gravações em disco. Em contraste, com 2,49 milhões de operações, a arquitetura distribuída provou que o uso de filas (Redis Streams) eliminou o tempo de espera. A API Gateway funcionou como uma “portaria expressa”, aceitou pedidos instantaneamente e delegou o processamento pesado para workers em segundo plano, o que permitiu uma vazão massiva sem bloqueios.
Em síntese, os resultados obtidos evidenciaram que a arquitetura monolítica, embora inicialmente simples, apresentou limitações físicas intransponíveis para operações intensivas de I/O e alta concorrência, falhando em atender aos requisitos de desempenho e confiabilidade. Em contrapartida, a arquitetura de microsserviços, estruturada sob padrões como Arquitetura Hexagonal e Event-Driven, e utilizando persistência poliglota e segregação de responsabilidades (CQRS), demonstrou resiliência, elasticidade e uma capacidade de processamento significativamente superior. A redução drástica da latência e o aumento exponencial da vazão validaram a tese de que o desacoplamento temporal e a especialização de componentes são fatores fundamentais para a performance em escala, apesar da complexidade cognitiva e operacional adicional inerente ao modelo distribuído.
4. Conclusão
Este estudo buscou analisar a aplicação de padrões de projeto no desenvolvimento back-end sob a perspectiva da arquitetura de microsserviços, demonstrando o impacto de padrões como “Strategy”, “Repository” e “Proxy” na vazão, latência e manutenibilidade de um encurtador de URLs. Verificou-se que a arquitetura monolítica, embora funcional, apresentou severa degradação de desempenho sob alta concorrência, com a latência de escrita atingindo aproximadamente 3,5 segundos no percentil 95 e a ocorrência de 127 falhas funcionais. Este modelo centralizado revelou-se inviável para cenários de alta demanda devido ao acoplamento entre o Event Loop do Node.js e operações síncronas de I/O, que saturaram os recursos e comprometeram a confiabilidade. Em contraste, a refatoração para uma arquitetura de microsserviços, estruturada sob os padrões Hexagonal e Event-Driven, e utilizando persistência poliglota (Cassandra para escrita e Redis para leitura/cache), demonstrou resiliência e elasticidade notáveis. Observou-se uma redução de 90% na latência de escrita, com o percentil 95 estabilizado em 367,88 ms, e um aumento de 59,3 vezes na capacidade de processamento, totalizando mais de 2,4 milhões de requisições processadas sem erros. A adoção de uma arquitetura orientada a eventos com consistência eventual e a segregação de responsabilidades (CQRS) foram cruciais para o desacoplamento temporal e físico, eliminando gargalos de I/O e garantindo a integridade do sistema sob estresse extremo. A principal contribuição deste trabalho reside na validação empírica de que a aplicação estruturada de padrões de projeto e arquiteturais é fundamental para construir sistemas back-end de alta performance e escalabilidade em ambientes distribuídos.
Apesar da superioridade técnica demonstrada, a implementação da arquitetura de microsserviços introduziu um aumento na complexidade cognitiva e operacional, exigindo maior esforço inicial de configuração e infraestrutura em comparação ao modelo monolítico. Esta limitação sugere que, para projetos incipientes ou aplicações com baixa previsão de concorrência, a arquitetura monolítica pode ser uma escolha mais pragmática e economicamente viável. Recomenda-se que a transição para microsserviços seja impulsionada por necessidades reais de escala e alta demanda, onde os benefícios de resiliência, elasticidade e alta vazão superam os custos de gerenciamento da orquestração de contêineres e da consistência eventual. Estudos futuros poderiam explorar metodologias para mitigar a complexidade inicial de adoção de microsserviços em equipes menores, bem como aprofundar a análise de custo-benefício em diferentes estágios de maturidade de projetos.
Referências Bibliográficas
Almeida, 2026b [Referência completa não encontrada no documento original]
ALMEIDA, A. L. R. [2026]. Repo-Docs: Documentação técnica do TCC sobre Padrões de Projeto no Desenvolvimento Back-end aplicados à Arquitetura de Microsserviços MBA em Engenharia de Software. [documento eletrônico]. [S. I.]: GitHub, [2026]. Disponível em: https://github.com/url-shortener-infra/repo-docs. Acesso em: 6 fev. 2026.
BOGNER, J.; FRITZSCH, J.; WAGNER, S.; ZIMMERMANN, A. 2019. Microservices in industry: insights into technologies, characteristics, and software quality. In: IEEE INTERNATIONAL CONFERENCE ON SOFTWARE ARCHITECTURE COMPANION (ICSA-C), 2019, Hamburg, Alemanha. Anais… p. 187-195.
CHAKRABORTY, M.; KUNDAN, A. 2021. Monitoring Cloud-Native Applications: Lead the Way to SaaS with Kubernetes and Grafana. Apress, Berkeley, CA, USA.
FIELDING, R.T.; TAYLOR, R.N. 2002. Principled design of the modern web architecture. ACM Transactions on Internet Technology 2(2):115-150.
FOWLER, Μ. 2010. Richardson maturity model. Disponível em: https://martinfowler.com/articles/richardsonMaturityModel.html. Acesso em: 02 fev. 2026.
GAMMA, E.; HELM, R.; JOHNSON, R.; VLISSIDES, J. 1994. Design Patterns: Elements of Reusable Object-Oriented Software. Addison-Wesley, Reading, MA, USA.
GRAFANA LABS. n.d. k6 documentation: load testing for engineering teams. Disponível em: https://k6.io/docs/. Acesso em: 06 fev. 2026.
KLEPPMANN, M. 2017. Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems. O’Reilly Media, Sebastopol, CA, USA.
KOTSTEIN, S.; BOGNER, J. 2021. Which RESTful API design rules are important and how do they improve software quality? In: SERVICE-ORIENTED COMPUTING (SummerSOC 2021), 2021, Virtual Event, Greece. Anais… p. 154-173.
LAKSHMAN, A.; MALIK, P. 2010. Cassandra: a decentralized structured storage system. ACM SIGOPS Operating Systems Review 44(2):35-40.
MASSÉ, M. 2011. REST API Design Rulebook. O’Reilly Media, Sebastopol, CA, USA.
NEWMAN, S. 2021. Building Microservices: Designing Fine-Grained Systems. 2ed. O’Reilly Media, Sebastopol, CA, USA.
PAUTASSO, C. 2014. RESTful web services: principles, patterns, emerging technologies. p. 31-51. In: BOUGUETTAYA, A.; SHENG, Q.Z.; DANIEL, F. Web Services Foundations. Springer, New York, NY, USA.
SADALAGE, P.J.; FOWLER, M. 2012. NoSQL Distilled: A Brief Guide to the Emerging World of Polyglot Persistence. Addison-Wesley, Boston, MA, USA.
TILKOV, S.; VINOSKI, S. 2010. Node.js: using JavaScript to build high-performance network programs. IEEE Internet Computing 14(6):80-83.
Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Engenharia de Software do MBA USP/Esalq
Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy

