Ambientes efêmeros: preview deployments que salvam code review
Reviewar screenshot de staging compartilhado não escala. Ambiente por PR com dados sintéticos transforma qualidade de review.
Guia por tema
Práticas de DevOps para produção: pipelines de CI/CD, Docker e Kubernetes, segurança de infraestrutura, backup e observabilidade com OpenTelemetry.
4 tópicos · 15 artigos
Integração e entrega contínuas, releases e feature flags.
Reviewar screenshot de staging compartilhado não escala. Ambiente por PR com dados sintéticos transforma qualidade de review.
Deploy e release são eventos separados. Flags desacoplam os dois e transformam rollback em toggle de configuração.
Testes unitários não cobrem saídas probabilísticas. Golden datasets, juízes automatizados e gates de regressão.
Docker, Kubernetes e quando serverless compensa.
Tráfego esporádico economiza. Tráfego constante custa caro. Cold starts e lock-in têm preço mensurável.
K8s resolve problemas que times de 5 pessoas não têm. Custos ocultos, alternativas honestas e o ponto onde migrar vale.
Imagem de 1.2GB vira 80MB sem mudar aplicação. Build tools fora da imagem final cortam superfície de ataque junto.
Segredos, zero trust, backup e recuperação de desastres.
Backup sem restore testado é superstição. RPO/RTO definidos, estratégia 3-2-1 e simulação de desastre agendada.
Rede interna não é confiável por padrão. mTLS, JWT entre serviços e workload identity em ambientes reais.
.env commitado é o vazamento mais comum do mundo dev. Cofres, rotação e injeção segura de credenciais.
State remoto com lock, módulos versionados e plan no PR. Pipeline Terraform que transforma console drift em diff revisável antes de cada merge.
Um workflow de 88 linhas que roda lint, typecheck, testes, build e deploy. Cada seção explica uma escolha de configuração e o problema que ela resolve.
Cobertura de código novo, lint, análise estática e type safety como condição de merge. Três calibrações para quando o assistente de IA abre mais PR do que o time revisa.
Logs, traces e SLOs para saber o que acontece em produção.
OTel rastreia uma request do frontend ao banco. Traces, metrics e logs juntos contam a história completa.
Logs dizem o que falhou. Traces mostram onde e por quê. Instrumentação OTel passo a passo com propagação de contexto.
Uma linha JSON por evento, campos fixos em toda a aplicação e request_id propagado até o último serviço. O schema de log, a implementação com pino e o limite entre log e métrica.
Só se você tem mais de 10 serviços ou precisa de autoscaling fino. Fora isso, Docker Compose ou serviços gerenciados resolvem com muito menos operação.
Funciona bem para cargas específicas, como jobs em background e tarefas acionadas por eventos. Para a aplicação principal, costuma sair mais caro e mais difícil de depurar.
Diariamente, se possível. Deploys pequenos e frequentes reduzem o risco de cada mudança e encurtam o ciclo de feedback.
Sempre como código. Configuração manual é lenta, sujeita a erro e impossível de reproduzir quando você mais precisa.