A mentira confortável do "staging é espelho de produção"

Todo roadmap tem um momento místico em que alguém da gestão garante que o ambiente de homologação é idêntico ao de produção. Na prática, homologação tem 140 registros criados no seed de 2023, zero bots fazendo scraping, latência de localhost e um Redis que reinicia toda terça-feira.

Quando você aperta merge na sexta às 17h59 com 42 checks verdes no CI, o código não está validando a realidade; ele só provou que consegue compilar e responder HTTP 200 para três usuários simultâneos no mesmo fuso horário.

As 4 falhas exatas que derrubam o servidor às 18h01

Se o alarme do Slack tocou antes mesmo de você fechar a mochila, a causa quase sempre mora em um destes quatro pontos de falha clássicos:

  • 1. Migration bloqueante (AccessExclusiveLock): adicionar coluna com default não-nulo ou criar índice sem CONCURRENTLY em tabela gigante congela todas as queries de leitura e escrita até estourar o pool de conexões.
  • 2. Cache travado com schema antigo: o novo container sobe lendo uma propriedade extra do objeto JSON salvo no Redis pelo container antigo, causando TypeError silencioso em metade dos requests.
  • 3. Environment drift e secrets fantasma: a variável NEW_GATEWAY_TIMEOUT existe no .env.staging desde agosto, mas ninguém subiu no cofre de produção.
  • 4. Efeito manada no cold start: dezenas de instâncias reiniciam juntas, invalidam o cache ao mesmo tempo e disparam um thundering herd direto no banco primário.
-- ERRADO às 17h59 de sexta-feira: trava a tabela inteira em produção
ALTER TABLE pedidos ADD COLUMN status_faturamento TEXT NOT NULL DEFAULT 'PENDENTE';

-- MENOS TRAUMÁTICO: operação em fases (expand-and-contract)
ALTER TABLE pedidos ADD COLUMN status_faturamento TEXT;
CREATE INDEX CONCURRENTLY idx_pedidos_faturamento ON pedidos (status_faturamento);
Diagrama dark mode mostrando fila de pacotes represados por um cadeado laranja antes de alcançar o banco de dados em produção
Representação visual de AccessExclusiveLock: uma migration bloqueante segura dezenas de requisições simultâneas antes de chegar ao banco.

A lei termodinâmica da sexta-feira às 17h59

Não é azar metafísico. Sexta-feira concentra o acúmulo de PRs segurados durante a semana para "fechar a sprint antes da review". Com seis features empilhadas no mesmo release train, a chance estatística de conflito entre uma migration de um squad e o endpoint de outro se aproxima de 100%.

Resultado conhecido: você passa o começo do fim de semana olhando tail de log com café frio na mão, enquanto quem pediu urgência no deploy já desligou o celular até segunda às 10h.

Checklist frio antes de apertar Merge (ou recusar o deploy)

Enquanto o mundo corporativo não descobre que software não segue calendário de planilha, proteja o seu fim de semana aplicando travas objetivas no pipeline:

  • Trava de horário no CI/CD após quinta-feira 16h00 exigindo aprovação explícita de on-call.
  • Versionamento obrigatório de chaves de cache (ex: v4:user:123) sempre que o payload mudar.
  • Feature flags separando deploy físico (subir binário) de release comercial (ativar para usuários).
  • Camiseta SeQueLa vestida na câmera na segunda-feira para poupar saliva quando perguntarem como foi o fim de semana.

Homologação vs. Produção vs. Promessa do Gerente

Variável CríticaAmbiente de HomologaçãoProdução às 17h59Como o PM Descreveu
Linhas na tabela principal412 registros de seed48.700.000 linhas"É só uma tabelinha simples"
Estado do Redis / CacheReiniciado ontemChaves de 4 versões atrás"Limpa sozinho, né?"
Concorrência simultânea1 QA testando um fluxo3.400 requests/min + bots"Uso bem leve hoje"
Rollback disponívelInstantâneo (sem dado real)Migration já alterou coluna"Se der ruim a gente volta"

Perguntas Frequentes (FAQ)

Vale a pena proibir deploy na sexta-feira ou isso é sinal de infraestrutura fraca?

Se o seu time possui feature flags reais, canary deployment automático, zero-downtime migrations e rollback em menos de 60 segundos sem intervenção humana, sexta é um dia comum. Se o rollback envolve restaurar snapshot manual e pedir desculpas no Slack, proibir deploy na sexta é pura autodefesa.

Por que erros de cache travado nunca aparecem nos testes automatizados do CI?

Porque a suíte do CI sobe um container limpo do zero para cada execução. Ela jamais simula a transição em que o container V2 lê um dado gravado há 4 horas pelo container V1 dentro do mesmo Redis compartilhado.

Qual o primeiro comando para rodar quando o CPU do banco bate 100% após o deploy?

Verifique queries aguardando lock há mais de poucos segundos (no PostgreSQL, consulte pg_stat_activity filtrando wait_event_type = Lock). Matar a migration travada ou o processo bloqueador costuma devolver o respiro antes mesmo do rollback completo.

Referências e Fontes

Sobre a Autoria

Senior Dev Esgotado (SQL //sequela)

Staff Engineer & Sobrevivente de Produção

Engenheiro sênior movido a café frio e post-mortems das 23h. Documenta falhas reais de infraestrutura, rituais corporativos inúteis e a ergonomia duvidosa de quem mantém sistemas críticos no ar.

  • 12+ anos apagando incêndios em produção às sextas-feiras
  • Especialista em Sistemas Distribuídos, Post-Mortems e Sobrevivência a Dailies