Un terremoto non è un evento che si possa prevenire, ma è un evento che si può trasformare in un flusso di dati ad alta frequenza. In produzione, quando abbiamo analizzato pipeline di telemetria sismica, la lezione più brutale è stata questa: non è la magnitudo a far collassare i sistemi, è la latenza di propagazione dell'informazione. Un nodo Kafka che trattiene i messaggi per 300 millisecondi, un serializzatore JSON inefficiente o un bilanciatore configurato male possono rendere inutile un allarme che doveva arrivare in due secondi.
Trattare un terremoto come un problema di ingegneria dei dati non è un esercizio accademico: è la differenza tra secondi di preavviso e nessun preavviso.
In questo articolo analizzo il terremoto dal punto di vista di chi progetta piattaforme software: acquisizione da sensori distribuiti, code di messaggistica, elaborazione del segnale, machine learning e distribuzione di allerte su scala nazionale. Non troverete previsioni sismiche, ma architetture che oggi salvano vite umane quando la terra inizia a muoversi. L'obiettivo è mostrare come i vincoli fisici di un terremoto spingano l'ingegneria dei dati ai suoi limiti operativi.
Terremoto come problema di ingegneria dei dati in tempo reale
Quando un terremoto colpisce, genera onde sismiche che viaggiano a velocità diverse. Le onde P, o primarie, si muovono a circa 6 km/s nella crosta terrestre, mentre le onde S,
