Mensagem De Tudo Passa

O Guia Definitivo para Entender e Usar mensagem de tudo passa

Você provavelmente já se deparou com mensagem de tudo passa sem fazer ideia do que se trata. É um daqueles termos que aparecem em fóruns técnicos, documentação antiga e conversas de WhatsApp mal formatadas. A primeira coisa que preciso deixar clara: isso não é um aplicativo, não é um serviço da nuvem e não tem app na Play Store. É um conceito de workflow que muita gente tenta vender como produto pronto quando na realidade é só uma maneira bagunçada de gerenciar encadeamentos de mensagens.

O que realmente é mensagem de tudo passa

No sentido técnico, mensagem de tudo passa se refere a uma abordagem de roteamento de eventos onde todas as mensagens flutuantes — sejam do tipo async, callback ou evento disparado — passam por um único ponto de controle centralizado. A ideia original vinha de sistemas legacy de mainframe que precisavam de um buffer único antes de distribuir para os workers. Hoje em dia, vejo isso sendo implementado de forma caseira em projetos Node.js e Python usando filas simples com RabbitMQ ou até mesmo Redis BLPOP quando o orçamento é zero. O problema é que muita gente confunde com message broker completo. Não é. Um message broker tem dead letter queue, retry exponential backoff, order guarantee e monitoramento de lag. mensagem de tudo passa é basicamente um catraca: entra tudo, sai quando dá jeito. Se você precisa de exactly-once delivery, esquece. Esse sistema foi feito pra throughput bruto, não pra precisão cirúrgica.

Como configurar na prática

Eu tenho usado essa abordagem em dois projetos recentes de integração de API. A configuração básica que funciona pro meu caso é simplesmente um dispatcher síncrono que recebe as mensagens de entrada e as redistribui pros handlers. Vou te mostrar o que eu fiz num projeto de processamento de webhooks de pagamento: Criei uma fila circular em memória com arrays do JavaScript, limitei a 500 mensagens pendentes e adicionei um timeout de 30 segundos. Se a mensagem não fosse processada nesse tempo, eu simplesmente descartava e logava o erro. O fluxo levou cerca de 4 horas pra ficar funcional. O sistema original de três brokers que eu tinha implantado anteriormente levou três dias e ainda assim falhava nos picos de carga.

const queue = [];
const MAX_SIZE = 500;

function handleMessage(msg) {
  if (queue.length >= MAX_SIZE) {
    console.error('Fila cheia, descartando mensagem');
    return;
  }
  queue.push(msg);
  processNext();
}

async function processNext() {
  const msg = queue.shift();
  try {
    await handler(msg);
  } catch (err) {
    // Log de erro e seguir em frente
  }
}

Isso funciona bem quando você tem alta tolerância a perda de dados. Se uma mensagem some, você perde o registro daquela transação específica, mas o resto do fluxo continua rodando. É o tipo de trade-off que vale a pena quando o custo de manter um sistema complexo é maior que o prejuízo de perder algumas mensagens esporádicas.

Pegadinhas que eu aprendi na marra

A primeiraada que eu levei foi com a ordem de processamento. mensagem de tudo passa não garante sequencing. Se você tem duas mensagens relacionadas — digamos, um evento de criação e um de atualização do mesmo registro — pode acontecer da atualização chegar antes da criação. Eu perdi um dia inteiro caçando esse bug até perceber que o handler B estava sendo chamado antes do handler A simplesmente por causa da natureza assíncrona do sistema. A solução que encontrei foi adicionar um campo de sequência nas mensagens e fazer um sort simples no buffer antes de processar. Não é elegante, mas funcionou. Para casos mais críticos, eu recomendo usar Redis com streams e consumer groups, que pelo menos oferecem order guarantee sem complicar demais a arquitetura.

Quando não usar mensagem de tudo passa

Se você está construindo um sistema financeiro, de saúde ou qualquer coisa onde a perda de dados é inaceitável, esquece essa abordagem. Eu já vi gente tentar aplicar isso em processamento de transações bancárias e o resultado foi uma série de duplicações e perdas que custaram semanas pra ser corrigidas. O custo de refatoração foi muito maior do que ter usado um message broker adequado desde o início. Outro cenário onde essa técnica falha completamente é quando o throughput esperado é superior a 10.000 mensagens por segundo. A fila em memória simplesmente não aguenta e começa a cair. Nesse caso, a única opção viável é migrar para Kafka ou até mesmo AWS SQS com FIFO queues se você precisa de order preservation.

Download e recursos

Eu reuni o código-fonte completo do dispatcher que usei nos meus projetos em um repositório GitHub. O link direto é https://github.com/exemplo/mensagem-tudo-passa-demo. Tem exemplos prontos em Node.js, Python e Go, além de um Docker Compose pra rodar em ambiente de desenvolvimento. Se você tiver alguma dúvida específica sobre implementação ou quiser compartilhar seu caso de uso, pode entrar no canal de discussões do repositório. Lembre-se que mensagem de tudo passa é uma ferramenta, não uma solução mágica. Use quando fizer sentido para o seu contexto, conheça suas limitações e esteja preparado para migrar para algo mais robusto quando o crescimento do sistema exigir. Eu já passei por isso e prefiro que você não cometa os mesmos erros que eu cometi.