Todos os artigos

Health checks que mentem: por que seu container está "saudável" enquanto o sistema cai

O dashboard está todo verde, o orquestrador diz que tudo está healthy — e mesmo assim os usuários veem erro 500. O problema quase nunca é o sistema. É o que você ensinou o health check a perguntar.

Health checks que mentem: por que seu container está "saudável" enquanto o sistema cai

Tem um tipo de incidente que assusta mais do que qualquer alerta vermelho: o silêncio. Os usuários estão recebendo erro, o suporte está pegando fogo, e o seu painel de orquestração continua, imperturbável, mostrando todas as réplicas healthy. Nada disparou. Ninguém foi acordado. O sistema "acha" que está bem.

Vimos essa cena se repetir em vários sistemas B2B que herdamos para manutenção. E quase sempre a causa raiz é a mesma: o health check foi configurado para responder a pergunta errada. Ele confirma que o processo está de pé — não que a aplicação consegue, de fato, atender uma requisição.

O que um health check ingênuo realmente verifica

O exemplo clássico é o endpoint que devolve 200 OK só por existir:

// O health check que mente
app.get('/health', (req, res) => {
  res.status(200).send('OK');
});

Esse handler responde 200 enquanto o event loop conseguir processá-lo. Mas ele não diz absolutamente nada sobre o banco de dados ter caído, sobre a fila de mensagens estar inacessível, ou sobre o pool de conexões ter esgotado. O container está vivo. A aplicação está inútil. E o orquestrador, confiando nesse sinal, mantém o tráfego fluindo para uma réplica que só sabe devolver erro.

Um health check não deve provar que o processo existe. Deve provar que ele consegue fazer o trabalho para o qual existe.

Liveness, readiness e startup: três perguntas diferentes

A maior parte da confusão vem de tratar "saúde" como um conceito único. Não é. Em ambientes orquestrados existem três probes, e cada uma responde a uma pergunta distinta. Misturá-las é o que produz os falsos positivos.

Probe Pergunta que responde Ação em caso de falha
Liveness O processo travou e precisa ser reiniciado? Reinicia o container
Readiness Posso receber tráfego agora? Remove do balanceador
Startup A aplicação já terminou de subir? Segura as outras probes

O erro mais comum é apontar a liveness probe para um endpoint que verifica dependências externas. Parece mais "completo", mas é uma armadilha: se o banco oscila por 10 segundos, a liveness falha, o orquestrador reinicia todas as réplicas ao mesmo tempo — e você transformou uma instabilidade momentânea numa queda total. Liveness deve checar apenas se o próprio processo está responsivo. Dependências externas são problema da readiness.

Regra prática

Liveness olha para dentro (o processo está vivo?). Readiness olha para fora (consigo atender com minhas dependências?). Se a sua liveness probe faz query no banco, você provavelmente já tem um incidente esperando para acontecer.

Como é um health check honesto

A readiness probe é onde a verificação real acontece. Ela deve testar as dependências críticas — e diferenciar o que é fatal do que é tolerável:

// Readiness: verifica o que importa para atender
app.get('/ready', async (req, res) => {
  const checks = await Promise.allSettled([
    db.query('SELECT 1'),        // crítico
    cache.ping(),                // degradável
  ]);

  const dbOk = checks[0].status === 'fulfilled';
  if (!dbOk) {
    return res.status(503).json({ status: 'unavailable', db: 'down' });
  }

  // cache fora do ar não derruba: respondemos degradados
  const cacheOk = checks[1].status === 'fulfilled';
  res.status(200).json({ status: 'ok', cache: cacheOk ? 'ok' : 'degraded' });
});

Repare em duas decisões. Primeiro, a probe devolve 503 — e não 200 — quando a dependência crítica está fora. É isso que faz o orquestrador parar de mandar tráfego. Segundo, ela trata o cache como degradável: se o Redis cai, o sistema responde mais devagar, mas continua atendendo. Marcar a réplica como não-pronta nesse caso seria pior que o problema.

O checklist que aplicamos

Quando revisamos a configuração de health checks de um sistema, passamos por estes pontos:

  • Liveness não toca dependências externas. Ela checa apenas se o processo responde — nada de banco, fila ou serviços terceiros.
  • Readiness devolve 503 sob falha crítica. Um 200 com corpo "erro" não tira a réplica do balanceador; o status HTTP é o que o orquestrador escuta.
  • Startup probe protege apps de boot lento. Sem ela, a liveness mata o container antes de ele terminar de subir, gerando um loop de reinício.
  • Dependências degradáveis não derrubam a prontidão. Distinga o que é fatal do que apenas piora a experiência.
  • Timeouts e thresholds são realistas. Uma probe com timeout de 1s contra um banco que às vezes leva 1,5s vai gerar flapping sem motivo.

Conclusão

"Saudável" é uma afirmação forte. Quando seu orquestrador a faz, ele está confiando inteiramente na pergunta que você programou — e age com base nela: reinicia, remove do tráfego, escala. Um health check mal desenhado não é um detalhe de configuração; é uma fonte de incidentes silenciosos que custam caro justamente por não dispararem alarme.

O princípio que vale levar: faça a probe responder à pergunta que o orquestrador realmente precisa fazer. Liveness pergunta "estou vivo?". Readiness pergunta "posso trabalhar?". Quando essas duas perguntas estão separadas e respondidas com honestidade, o verde do dashboard volta a significar alguma coisa.

Blog & Insights

Perspectiva técnica de quem está na prática.

Conteúdo real para CTOs, diretores de produto e decisores que querem entender o que funciona em desenvolvimento de software.

UX/UI 10 JUN 2025

Discovery contínuo para times pequenos: o framework de 4 horas por semana

Como manter pesquisa qualitativa rodando sem afundar o time de produto em entrevistas que ninguém vai assistir depois.

Ler
Produto 03 JUN 2025

MVP não é produto ruim: como validar rápido sem dívida técnica

Estratégias para chegar ao mercado em semanas sem comprometer arquitetura.

Ler
Gestão 26 MAI 2025

Como selecionar uma empresa de desenvolvimento sem se arrepender

O checklist que todo CTO deveria usar antes de assinar qualquer contrato.

Ler
VAMOS DAR O PRÓXIMO PASSO

Seu desafio merece uma boa conversa.

Conte como sua operação funciona e o que você gostaria de transformar.

Vamos conversar