Kubernetes em produção: 12 erros que vemos quase todo mês
Não é o Kubernetes que está errado. É o YAML copiado de um tutorial de 2021 que continua rodando, sem revisão, num cluster que hoje atende clientes pagantes.
LC
Lucas CordeiroDevOps Lead
05 NOV 20269 MIN
A primeira coisa que perguntamos quando um cliente chega com "o Kubernetes está instável" não é sobre o cluster. É sobre o YAML. Na grande maioria dos casos, o problema não é a ferramenta — é a configuração default copiada de um tutorial, aplicada direto em produção, e nunca mais revisada depois que o time cresceu.
Depois de várias migrações e troubleshootings em ambientes B2B, alguns erros se repetem com uma frequência quase cômica. Listamos os doze que mais aparecem — e o que fazer em vez disso.
1. Sem resource requests e limits definidos
Pod sem requests definido entra na fila do scheduler como se não precisasse de nada — e acaba competindo por CPU e memória com vizinhos que também não declararam nada. O resultado é throttling silencioso, sem nenhum log claro apontando a causa.
2. Liveness probe agressiva demais
Probes com periodSeconds e failureThreshold muito baixos derrubam pods que estão apenas lentos — não quebrados. Em momentos de pico de tráfego, isso cria um ciclo vicioso: o pod já sobrecarregado é reiniciado, perde o estado de warm-up, e fica ainda mais lento na sequência.
Uma liveness probe que reinicia o pod errado na hora errada não está protegendo o sistema. Está adicionando uma fonte extra de instabilidade.
3. HPA configurado só por CPU
Autoscaling baseado exclusivamente em CPU ignora aplicações com gargalo de I/O, conexões de banco ou fila de mensagens. O HPA acha que está tudo bem porque a CPU está em 40%, enquanto a aplicação real está travada esperando resposta do Postgres.
4. Namespace único para tudo
Sem isolamento por namespace, um kubectl delete errado em ambiente de staging tem alcance para afetar recursos de produção que compartilham o mesmo espaço de nomes. RBAC por namespace é a primeira linha de defesa contra erro humano — e o item mais ignorado em clusters pequenos.
5. PodDisruptionBudget ausente
Sem PDB, um node drain de rotina pode tirar do ar todas as réplicas de um serviço ao mesmo tempo, mesmo que ele tenha 3 ou 4 réplicas configuradas. O Kubernetes não sabe, por padrão, qual é o mínimo de pods que precisam continuar de pé durante uma manutenção.
6. ConfigMap e Secret sem versionamento
Alterar um ConfigMap direto via kubectl edit sem rastro no Git significa que ninguém sabe reproduzir o estado anterior quando algo quebra. Tratamos config como código: todo ConfigMap e Secret nasce de um manifesto versionado, nunca de uma edição manual.
Erro
Sintoma comum
Correção
Sem requests/limits
Throttling silencioso
Definir requests baseado em métricas reais
Liveness agressiva
Restart loop sob carga
Aumentar threshold, separar de readiness
HPA só por CPU
Escala não acompanha gargalo real
Métricas customizadas (fila, latência)
Sem PDB
Indisponibilidade em manutenção de node
PDB com minAvailable explícito
7. Imagens com tag latest
Usar latest em produção significa que um redeploy hoje pode trazer uma versão diferente da que rodou ontem, sem nenhuma mudança de código de propósito. Toda imagem em produção deve ter tag imutável — idealmente o hash do commit.
8. Readiness e liveness apontando para o mesmo endpoint
Quando os dois probes checam exatamente a mesma rota, o Kubernetes perde a capacidade de diferenciar "está lento, tira da fila por um instante" de "está quebrado, precisa reiniciar". Readiness deve ser mais sensível e barato; liveness, mais tolerante e específico para deadlock real.
9. Sem network policy
Por padrão, todo pod conversa com todo pod no mesmo cluster. Em ambientes multi-tenant ou que processam dado sensível de cliente, isso é uma superfície de ataque desnecessária. Network policies explícitas custam pouco para configurar e eliminam uma classe inteira de movimento lateral.
10. Logs não estruturados
Aplicação que loga texto livre em vez de JSON estruturado torna qualquer investigação em produção mais lenta — e impede agregação automática em ferramentas como Loki. Esse é o tipo de decisão que parece economia de tempo no dia 1 e vira hora extra no incidente do dia 200.
11. Cluster autoscaler mal dimensionado
Node groups configurados sem considerar pico real de tráfego fazem o autoscaler reagir tarde demais — o pod fica em Pending minutos até um node novo subir. Para cargas com pico previsível, vale manter um buffer de capacidade permanente.
12. Nenhum dry-run antes de aplicar manifesto em produção
kubectl apply direto, sem --dry-run=server ou pipeline de CI que valide o manifesto antes, é a porta de entrada para a maioria dos incidentes evitáveis que vemos. O custo de validar antes é segundos; o custo de não validar é, às vezes, uma madrugada inteira de troubleshooting.
Regra prática
Nenhum desses doze itens exige ferramenta nova ou reescrita de arquitetura. São ajustes de configuração que cabem em um sprint — e que, juntos, eliminam a maior parte dos incidentes de madrugada que vemos em ambientes B2B.
Conclusão
Kubernetes não fica instável por acidente. Fica instável porque os defaults são feitos para funcionar em qualquer cenário — não no seu cenário específico. Cada um desses doze ajustes é pequeno isoladamente, mas o conjunto é a diferença entre um cluster que sustenta tráfego real de cliente e um que só parecia estável até o primeiro pico de Black Friday.
Se o seu time reconheceu três ou mais desses erros na própria infraestrutura, vale parar e revisar antes do próximo incidente forçar essa revisão por você.
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.
DevOps10 SET 2026
Observabilidade que não custa um rim: stack open source que usamos em clientes
Prometheus, Grafana, Loki e Tempo configurados com sanidade. Métricas que realmente importam para SLO e quando ignorar o resto.