Guillem Alsina Gonzàlez
A empresa homónima por trás da base de dados multimodal SurrealDB anunciou o lançamento da sua versão 3.0, uma atualização importante que, segundo a empresa, marca um ponto de inflexão na maturidade do projeto, uma vez que esta nova versão não se limita a adicionar funcionalidades, mas empreende uma reestruturação interna significativa orientada para três pilares fundamentais: a estabilidade e o desempenho do motor, a melhoria da experiência para o programador e, muito especialmente, a capacidade de servir como memória persistente para os agentes de Inteligência Artificial.
No âmbito mais técnico e estrutural, os engenheiros realizaram mudanças arquitetónicas profundas, sendo uma das modificações mais relevantes a separação clara entre os valores dos dados e as expressões que os calculam. Nas versões anteriores, estes conceitos estavam interligados, o que obrigava o motor a realizar avaliações constantes e redundantes. Com a versão 3.0, o sistema avalia apenas quando é estritamente necessário, o que elimina trabalho supérfluo e estabelece as bases para um planeador de consultas mais previsível.
Como resultado dessa mudança, os antigos tipos de dados «futuros» desaparecem para dar lugar aos campos computados, uma lógica que é definida uma única vez no esquema do banco de dados e avaliada de forma consistente no momento da consulta. Isso simplifica a manutenção do código e evita a complexidade oculta que a incorporação de lógica em cada registo individual gerava.
Outro avanço significativo na eficiência do armazenamento é a transição para um sistema baseado em identificadores (IDs). Os elementos centrais do catálogo, como espaços de nomes ou índices, deixam de ser armazenados por nomes de comprimento variável para utilizar identificadores fixos e compactos. Esta otimização reduz o consumo de espaço em disco e acelera as pesquisas, além de preparar o terreno para funcionalidades futuras, como renomear recursos sem quebrar referências.
A integridade dos dados também recebe um impulso com a ativação por padrão de gravações sincronizadas. Ao contrário da dependência do sistema operativo que esta base de dados apresentava anteriormente para o despejo de dados, agora a base de dados confirma uma gravação apenas quando esta foi comprometida de forma duradoura, priorizando a segurança da informação em ambientes de produção.
A representação dos documentos também foi redesenhada, separando explicitamente o conteúdo do registo dos seus metadados, o que resulta em respostas mais limpas e rápidas.
A maturidade do produto reflete-se no encerramento de mais de 150 incidentes detetados e na oficialização dos kits de desenvolvimento (SDK) para Java e Go, que atingem a versão 1.0 e são considerados prontos para produção.
Além do núcleo, a versão 3.0 estabiliza características que até agora eram consideradas experimentais, como, por exemplo, o suporte para GraphQL, uma camada de interface crítica para aplicações modernas, que agora é estável e completa. Esta integração inclui suporte total para mutações, fluxos de autenticação nativos e mecanismos de proteção contra consultas abusivas por meio de limites de complexidade configuráveis. Também foram incorporadas otimizações para evitar o problema das consultas N+1, reduzindo drasticamente as viagens de ida e volta ao servidor.
Para as equipas de desenvolvimento, a definição de APIs personalizadas foi estabilizada, permitindo aos programadores projetar pontos de acesso e middleware diretamente dentro da base de dados, simplificando a arquitetura ao eliminar a necessidade de camadas intermediárias tradicionais entre o cliente e os dados.
Por fim, uma das novidades mais disruptivas é a introdução do «Surrealism», um novo sistema de extensões de código aberto, uma funcionalidade que permite definir lógica modular e programável utilizando funções escritas em Rust que são executadas diretamente dentro da base de dados através do WebAssembly (WASM).
Estas extensões operam em um ambiente isolado e seguro, oferecendo um desempenho próximo ao nativo, um sistema projetado para facilitar fluxos de trabalho com Inteligência Artificial, permitindo que as extensões interajam com modelos de inferência ou APIs externas, tornando o banco de dados um componente ativo e com capacidade de raciocínio dentro da infraestrutura tecnológica.
