Processamento em lote Batch processing
Processar grandes volumes de dados em execuções delimitadas em vez de evento a evento. O modelo de processamento de dados mais antigo que existe — jobs de cartão perfurado já eram lote — e ainda a espinha dorsal da maioria das plataformas de dados.
O exemplo clássico é a rotina noturna: as transações do dia são lidas, transformadas e gravadas em um data warehouse. As vantagens são concretas — alto throughput, porque o overhead se dilui em milhões de linhas; tratamento de erro simples, porque um job que falha simplesmente roda de novo; e resultados determinísticos e reprodutíveis. O preço é a latência: a resposta é só tão atual quanto a última execução. As ferramentas são MapReduce, Spark, dbt e orquestradores como o Airflow. O oposto é o processamento em stream, com Kafka e Flink. A arquitetura Lambda combinava os dois, enquanto a prática moderna roda microlotes com mais frequência, até alguém provar de fato que segundos importam.