Cloudflare Lança Logpush Transformers para Filtragem e Remodelagem de Logs com SQL

A Cloudflare está fortalecendo sua oferta de observabilidade com o Logpush Transformers, uma ferramenta estratégica para times de DevOps e engenharia de plataformas. Ela resolve um problema comum: o excesso de logs e a necessidade de processá-los *antes* da ingestão. Tradicionalmente, essa filtragem e transformação aconteciam em serviços separados, aumentando a complexidade operacional e os custos. Com os Transformers, esse processamento é movido para o pipeline de exportação do Logpush, usando SQL para filtragem, mascaramento de dados sensíveis e normalização de esquemas.

Essa abordagem é eficiente por usar tecnologias como Apache DataFusion, um motor de query Rust baseado em Apache Arrow. O DataFusion processa os dados de forma colunar e vetorizada, garantindo alto throughput e desempenho previsível, mesmo com o volume massivo de eventos da Cloudflare. A interoperabilidade entre Go (onde o Bufstream da Cloudflare é escrito) e Rust via Arrow IPC evita gargalos de serialização, mantendo a performance da entrega de logs. Essa é uma tendência no mercado, como vimos na cobertura do CEVIU sobre a Sumo Logic otimizando Data Pipelines em 22 de setembro de 2026, com foco em maior controle da telemetria antes da ingestão.

A grande novidade é a disponibilidade geral dos Logpush Transformers em todos os planos da Cloudflare, incluindo os self-service. O Logpush em si já havia sido liberado para todos os planos durante a 'Birthday Week' da Cloudflare. Isso significa que uma funcionalidade que antes poderia estar restrita ou em fase de testes agora está acessível para qualquer usuário, democratizando o controle sobre os dados de log e impulsionando a estratégia da Cloudflare em observabilidade, como visto com o Cloudflare Traces em beta aberto em 5 de outubro de 2026.

Para engenheiros de DevOps e plataformas, essa ferramenta é um divisor de águas na gestão de observabilidade e compliance. Ao filtrar logs na origem, as equipes conseguem reduzir drasticamente os volumes de dados exportados e armazenados, resultando em economia de custos substancial. O mascaramento de dados sensíveis, como endereços IP ou informações de PII, garante a conformidade com regulamentações como a LGPD, minimizando riscos de segurança.

Além disso, a capacidade de normalizar e reformatar logs para diferentes sistemas de análise (SIEMs, plataformas de analytics) simplifica a integração e melhora a qualidade dos dados para dashboards e investigações. Isso leva a uma detecção de problemas mais rápida e a uma visão mais clara do comportamento das aplicações, otimizando a resiliência e a performance dos sistemas.