Aws

Métricas com Prometheus, logs centralizados, alertas de custo e performance, a camada que transforma um cluster cloud-native em operação real, e como evitar os alertas que só fazem você desligar o celular.

Case real de um incidente AWS: uma regressão sutil em uma lambda fez uma Step Function reinvocar a mesma tarefa por quatro madrugadas. A conta do mês saltou quase 6x (mesmo com AWS Cost Anomaly Detection habilitado). Como contivemos, como negociamos a concessão com a AWS via Infomach e TD Synnex, e quais guard rails entraram em pé. Case público para que outros times não descubram essa categoria de falha do mesmo jeito que a gente descobriu.

Depois de um incidente em que a conta AWS sangrou por 76 horas sem ninguém perceber, construí um CronJob no EKS que roda toda manhã, puxa o Cost Explorer, detecta anomalia com regra simples e abre task no ClickUp. Arquitetura, código e as decisões que pouparam dor.

Como IRSA funciona no EKS, o que mudou com Pod Identity, quando preferir um sobre o outro, e um bug real: AccessDeniedException causado por webhook de Pod Identity não instalado no cluster.

Um incidente real no Aurora PostgreSQL: load spikes, sequential scans em tabelas grandes, índices mortos e inserts single-row em alta frequência. Como diagnosticamos em minutos e quais ações reverteram o quadro.