Planejamento de capacidade e escalabilidade

Como você aborda o planejamento de capacidade para um sistema de produção em crescimento? Quais métricas e estratégias você usa?

Perguntas de Sênior

SREadvanced

// pergunta de entrevista

Como você aborda o planejamento de capacidade para um sistema de produção em crescimento? Quais métricas e estratégias você usa?

Resposta de exemplo

O planejamento de capacidade garante que os sistemas consigam lidar com a carga atual e futura. O processo: 1) Estabelecer baselines - utilização atual de CPU, memória, disco, rede e taxas de requisição. 2) Entender os padrões de crescimento - tendências históricas, sazonalidade, campanhas planejadas. 3) Definir margem de segurança - normalmente um buffer de 30-40% para picos inesperados. 4) Modelar cenários - o que acontece com 2x, 5x, 10x de tráfego? 5) Identificar gargalos - conexões de banco de dados, rate limits de API, componentes stateful. 6) Planejar a estratégia de escalabilidade - vertical versus horizontal, políticas de auto-scaling. 7) Fazer testes de carga regularmente. Revisar a capacidade a cada trimestre.

Por que isso importa

Planejamento de capacidade é tanto arte quanto ciência. Capacidade demais desperdiça dinheiro; de menos causa indisponibilidade. O auto-scaling na nuvem ajuda, mas não resolve tudo - bancos de dados, APIs de terceiros e serviços stateful geralmente não conseguem escalar horizontalmente. Engenheiros seniores precisam pensar em gargalos que não são óbvios e se planejar para cenários de Black Friday antes que eles aconteçam.

Exemplos de código

Horizontal Pod Autoscaler

yaml

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: api-server
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: api-server
  minReplicas: 3
  maxReplicas: 50
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 70
  - type: Pods
    pods:
      metric:
        name: requests_per_second
      target:
        type: AverageValue
        averageValue: 1000
  behavior:
    scaleUp:
      stabilizationWindowSeconds: 60
    scaleDown:
      stabilizationWindowSeconds: 300

Consultas de análise de capacidade

bash

# PromQL: CPU headroom percentage
100 - (
  avg(rate(container_cpu_usage_seconds_total{pod=~"api-.*"}[5m]))
  /
  avg(kube_pod_container_resource_limits{resource="cpu"})
) * 100

# Current vs limit memory usage
sum(container_memory_working_set_bytes{pod=~"api-.*"})
/
sum(kube_pod_container_resource_limits{resource="memory"})

# Request rate trend (7-day growth)
predict_linear(rate(http_requests_total[1h])[7d:1h], 30 * 24 * 3600)

Erros comuns a evitar

Planejar apenas para a carga média, não para o pico de carga
Esquecer serviços dependentes que podem se tornar gargalos
Não considerar o tempo que leva para escalar (cold start, provisionamento)

Prováveis perguntas de acompanhamento

Como você lida com o planejamento de capacidade para serviços stateful como bancos de dados?
Qual é a diferença entre escalar verticalmente (scale up) e escalar horizontalmente (scale out)?
Como você considera os rate limits de APIs de terceiros no planejamento de capacidade?

Responda em voz alta primeiro e depois confira com a resposta modelo.

Praticar todas as perguntas de Sênior Mais perguntas de SRE

#capacity-planning#scaling#sre#performance#architecture

Mais perguntas de entrevista de SRE

Also worth your time on this topic

Interview

Otimização de Desempenho de Aplicações

Como você identifica e resolve gargalos de desempenho em uma aplicação de produção?

mid

Checklist

SLOs, SLIs e Error Budgets: um Guia Prático de Implementação

Um checklist passo a passo para definir objetivos de nível de serviço, escolher os indicadores de nível de serviço certos e usar error budgets para tomar decisões melhores entre confiabilidade e velocidade de entrega de funcionalidades.

45-90 minutos

Quiz

Quiz de Estimativa Rápida (Back-of-the-Envelope)

A habilidade de fazer contas de guardanapo que faz ou quebra uma entrevista de system design: transformar usuários em QPS, dados em armazenamento, tráfego em banda, e conhecer de cor os números de latência que todo engenheiro deveria saber.

16-22 minutos