Streaming, batch e os pipelines entre os dois.
Dimensione partições do Kafka pelo throughput real e rastreie o consumer lag até a causa verdadeira.
Projete um DAG dbt em camadas com grains declarados e testes que pegam regressões reais.
Decida se streaming compensa, depois desenhe a semântica de event time e um cutover em fases.
Projete ou depure um pipeline CDC Debezium: config do connector, ordenação, deletes e schema drift.
Diagnostique skew, shuffle e spill no Spark a partir das métricas de stage e receba a correção exata.
Transforme expectativas de consumidores e incidentes passados em um data contract e quality gate aplicáveis.
Ache o gargalo do Flink pelas métricas de checkpoint e backpressure e ajuste uma coisa por vez.
Torne uma DAG do Airflow realmente idempotente e gere um runbook de backfill seguro e retomável.
Transforme métricas de arquivos e snapshots em um plano de compaction, expiração e evolução de schema.