Performance, capacidade e FinOps: modelo mental e decisões

O problema e por que importa

Performance é comportamento sob carga; capacidade é quanto trabalho o sistema sustenta dentro dos objetivos; FinOps conecta consumo técnico a valor e responsabilidade financeira. Otimizar média isolada pode esconder caudas lentas e transferir custo para outra dependência.

No início do turno, a pergunta é: quantas sincronizações por segundo podem ocorrer mantendo a latência acordada, qual recurso satura primeiro e quanto custa cada OS processada?

Vocabulário antes das siglas

latência: tempo decorrido entre início e resultado de uma operação, medido sob condições definidas.
throughput: quantidade de trabalho concluído por unidade de tempo.
percentil: valor abaixo do qual cai uma proporção das observações, como p95 ou p99.
utilização: fração da capacidade de um recurso que está em uso.
saturação: condição em que a demanda excede a capacidade efetiva e trabalho começa a esperar ou falhar.
headroom: margem de capacidade reservada para variação, falha e crescimento.
Little's Law: relação entre itens no sistema, taxa de chegada e tempo médio, válida em sistema estável.
load test: teste controlado que aplica carga conhecida para medir comportamento e limites.
custo unitário: custo atribuído a uma unidade de valor, como uma OS sincronizada.
FinOps: prática colaborativa para tornar custo de nuvem visível, atribuível e orientado a valor.

p95 descreve cauda melhor que média, mas precisa de janela e amostra. Throughput alto com fila crescente não é sucesso: o sistema pode estar acumulando dívida operacional.

Modelo mental

capacidade é orçamento técnico: demanda × custo por unidade deve caber no recurso e no dinheiro disponíveis. A analogia ajuda a localizar responsabilidades; ela deixa de valer quando esconde concorrência, falhas parciais ou atores maliciosos. Software distribuído não tem uma única percepção de tempo nem sucesso: uma resposta pode se perder depois de um efeito ter ocorrido.

Ler o fluxo em texto

1. Carga de turno
2. Fila e latência
3. Recurso saturado
4. Limite aplicado
5. Custo por OS

Fronteira e responsabilidade

A medição começa num cenário reproduzível com dados, carga, duração e versão registrados. Instrumentação observa tempo de espera, serviço e dependências. A otimização muda uma hipótese por vez e compara resultado, regressão e custo.

Capacidade inclui falha: operar a 100% em situação normal não deixa headroom para pico ou perda de instância. Custos são ligados a unidades de negócio e alertas, não tratados apenas no fim do mês.

Decisão orientada por risco

Pergunta de projeto	Decisão inicial	Evidência exigida
Qual percentil importa?	Escolher pela jornada e população	SLO usa janela e amostra definidas
Onde está o gargalo?	Medir utilização, saturação e espera	Experimento discrimina hipóteses
Quanto headroom?	Considerar pico e falha planejada	Teste remove capacidade durante carga
Otimização vale?	Comparar custo unitário e risco	Ganho permanece em cenário real

A alternativa mais complexa só é promovida quando essa evidência mostra que a solução atual não atende ao risco. A decisão registra também custo operacional, forma de reversão e responsável.

Caso real: manutenção conectada ao ERP

O eletricista conclui a OS 742. O sistema valida identidade, unidade, estado atual e evidências; persiste a mudança; registra auditoria; publica a integração; informa “sincronização pendente” se o ERP não responder. A decisão deste livro aparece ao entregar velocidade e volume sustentáveis dentro de orçamento explícito. O sucesso não é apenas HTTP 200: banco, usuário, fila, ERP e telemetria precisam convergir para um estado conhecido.

Falha orientadora

média esconde cauda lenta; teste irreal aquece cache e ignora concorrência do ERP. Trate a falha como cenário de projeto, não exceção improvável. O controle principal é perfil, teste de carga realista, orçamento, autoscaling, capacidade reservada e revisão de custo. Seu teste deve falhar antes do controle e passar depois dele.

Segurança, privacidade e custo

Use dados de teste sintéticos ou protegidos; carga não autoriza copiar produção.
Limite testes para não virar negação de serviço contra dependências compartilhadas.
Trate etiquetas financeiras e de recurso como governança, com owner e validação.
Monitore abuso e explosão de custo como condições de segurança e disponibilidade.

O manual de Cybersecurity aprofunda threat modeling, identidade, proteção de dados, supply chain e resposta a incidentes; os controles acima são a aplicação específica nesta disciplina.

Erros frequentes e diagnóstico

Tecnologia antes do problema: registre hipótese e atributo de qualidade que justificam a escolha.
Caminho feliz apenas: injete timeout, duplicata, concorrência, permissão negada e dado inválido.
Métrica de vaidade: acompanhe p50/p95/p99, throughput, saturação, headroom e custo por OS concluída e ligue o sinal a uma decisão.
Automação sem condição de parada: limite tentativas e torne o estado pendente visível.
Documentação sem prova: execute exemplos e conecte diagramas a arquivos, owners e testes.

Critérios de aceite

Fronteira, dono, entradas, saídas e dependências estão diagramados.
Caminho feliz e falha parcial possuem testes reproduzíveis.
O controle “perfil, teste de carga realista, orçamento, autoscaling, capacidade reservada e revisão de custo” tem evidência observável.
Segurança, privacidade, acessibilidade, custo e operação foram avaliados.
A métrica “p50/p95/p99, throughput, saturação, headroom e custo por OS concluída” possui unidade, janela e responsável.
Runbook informa diagnóstico, mitigação, recuperação e escalonamento.

Prática e recuperação ativa

Desenhe a jornada da OS 742 e marque onde esta camada começa e termina.
Explique a diferença entre ocultar uma ação e negar sua autorização no servidor.
Injete a falha “média esconde cauda lenta; teste irreal aquece cache e ignora concorrência do ERP” e capture evidência antes/depois do controle.
Transfira o raciocínio para um pedido de e-commerce: o que permanece e o que muda?

Entregável verificável: cenário de carga reproduzível, gráfico p50/p95/p99, gargalo demonstrado e cálculo de custo unitário com recomendação. A entrega só é aceita quando outra pessoa consegue repetir a verificação.

Fontes primárias e oficiais

Revisão editorial: 2 de agosto de 2026. Confirme versões antes de implementar configuração volátil.

Da compreensão à execução

O modelo anterior explica o que precisa permanecer verdadeiro. Agora o caderno transforma essa compreensão em um experimento. Antes de executar, escreva sua previsão; depois compare o observado com o esperado e registre a primeira fronteira onde o estado divergiu.

Objetivo, hipótese e ambiente

Objetivo: demonstrar entregar velocidade e volume sustentáveis dentro de orçamento explícito em uma fatia da jornada de manutenção. Hipótese: o controle “perfil, teste de carga realista, orçamento, autoscaling, capacidade reservada e revisão de custo” reduz a falha escolhida sem violar o contrato das camadas vizinhas.

Pré-requisitos: Git, terminal, TypeScript ou a tecnologia indicada no exemplo, ambiente local isolado e dados sintéticos. Duração orientativa: 90–180 minutos; depende de prática, não de leitura. Não use credenciais reais nem produção.

sequenceDiagram
  actor E as Eletricista
  participant W as Aplicativo
  participant A as API de manutenção
  participant D as Estado canônico
  participant R as ERP
  E->>W: conclui OS 742
  W->>A: intenção + identidade + idempotency-key
  A->>D: valida e persiste
  A-->>W: estado confirmado ou pendente
  A->>R: integração controlada
  R-->>A: confirmação, rejeição ou timeout

Passo 1 — registre o contrato antes do código

Escreva pré-condição, pós-condição, erros esperados, timeout e política de repetição. Separe “aceito para processamento” de “confirmado pelo ERP”. Defina o que a pessoa verá durante incerteza. O contrato deve caber em uma tabela e ser revisado por negócio, desenvolvimento, segurança e operação.

Situação	Resultado público	Estado interno	Próxima ação
Entrada válida	confirmado ou 202 pendente	registrado	processar/observar
Sem permissão	negação estável	nenhuma mutação	auditar
Duplicata	mesmo resultado lógico	um efeito	responder idempotente
Dependência lenta	timeout controlado	pendente conhecido	retry com limite
Dado incompatível	erro de contrato	quarentena	corrigir/reprocessar

Passo 2 — implemente a menor fatia vertical

O trecho é didático e precisa ser adaptado ao runtime indicado. Ele ilustra a decisão central, não constitui aplicação completa.

latencies_ms.sort()
p95 = latencies_ms[int(len(latencies_ms) * 0.95)]
assert p95 < 500

Mantenha a mudança pequena: interface, regra, persistência, teste e sinal operacional no mesmo ticket. Evite construir “toda a infraestrutura” antes de uma jornada observável.

Passo 3 — prove o caminho feliz e o negativo

Execute uma OS válida e capture resposta, estado persistido e correlation ID.
Repita a mesma intenção; o efeito lógico deve continuar único.
Remova a permissão; nenhum estado deve mudar.
Force timeout do ERP; a UI deve mostrar estado honesto e a fila não pode crescer sem limite.
Corrompa um campo do contrato; rejeite-o com erro útil, sem stack trace nem segredo.

O teste negativo é parte do produto. Sem ele, o controle pode existir apenas no diagrama.

Passo 4 — instrumente a decisão

Registre duração, resultado, dependência, versão do contrato e correlação. Não use nome, e-mail, token, payload completo nem user_id como dimensão ilimitada de métrica. Para este livro, acompanhe p50/p95/p99, throughput, saturação, headroom e custo por OS concluída. Defina SLI, janela, limiar e ação humana associada.

Exemplo de evento estruturado conceitual:

{
  "event": "work_order.transition",
  "order_id": "742",
  "result": "pending_erp",
  "contract_version": "v1",
  "correlation_id": "demo-01",
  "duration_ms": 184
}

Passo 5 — injete falha e recupere

Falha-alvo: média esconde cauda lenta; teste irreal aquece cache e ignora concorrência do ERP.

Detectar: qual sinal diferencia falha real de tráfego normal?
Conter: como impedir propagação, repetição ilimitada ou perda de dados?
Mitigar: qual recurso pode ser desativado ou degradado com segurança?
Recuperar: como reprocessar sem duplicar efeito?
Aprender: qual teste, alerta, ADR ou limite impedirá recorrência?

Use timeout curto no laboratório e retry limitado com atraso e jitter. Um retry não é recuperação quando a operação não é idempotente. Registre itens que exigem intervenção humana em fila consultável; não esconda exceções em log.

Segurança e abuso

Faça uma mini análise: ativo, ator, fronteira, ameaça, impacto, controle e teste. Teste acesso horizontal entre unidades, elevação de perfil, payload grande, repetição rápida, dado fora de ordem e indisponibilidade. O controle esperado é perfil, teste de carga realista, orçamento, autoscaling, capacidade reservada e revisão de custo. Valide no servidor e preserve evidência sem expor segredos.

Troubleshooting

Sintoma	Hipótese	Verificação	Correção segura
Estado diverge do ERP	efeito parcial	correlação + outbox/inbox	reconciliar idempotentemente
Latência cresce	fila ou dependência saturada	p95/p99, lag, pool	backpressure e capacidade
Só um tenant falha	escopo, dado ou quota	dimensão de tenant controlada	corrigir política/dado
Retry aumenta erro	operação não idempotente	contar efeitos por chave	deduplicar e limitar
Dashboard “verde”	SLI não representa jornada	teste sintético E2E	medir resultado do usuário

Critérios de aceite verificáveis

Caminho feliz, entrada inválida, negação, duplicata e timeout foram executados.
O segundo envio com a mesma chave não produz segundo efeito.
Nenhum segredo ou dado pessoal aparece em saída, log ou fixture.
A falha é detectada por sinal antes da reclamação do usuário.
Existe estado explícito para pendência e procedimento de reconciliação.
O resultado inclui teste, captura de telemetria, ADR e atualização do runbook.

Evidência, limpeza e solução comentada

Guarde: comandos, versões, saída dos testes, screenshot do fluxo, consulta de estado e gráfico do sinal. Remova ambiente e dados sintéticos; revogue qualquer credencial de laboratório. A solução adequada não é uma ferramenta específica: é a menor composição que satisfaz o contrato e demonstra recuperação.

Exercícios de transferência

Troque ERP por gateway de pagamento. Quais garantias ficam mais rígidas?
Troque OS por leitura de sensor offline. Onde ordenar e deduplicar?
Reduza o RTO pela metade. Qual custo e complexidade aparecem?
Explique em voz alta por que capacidade é orçamento técnico: demanda × custo por unidade deve caber no recurso e no dinheiro disponíveis é útil e onde a analogia quebra.

Fontes

Consulte as fontes oficiais do capítulo conceitual e registre versão/data no relatório do laboratório. Para observabilidade, use OpenTelemetry; para segurança, use o manual canônico.

Performance, capacidade e FinOps: fundamentos, prática e diagnóstico