Resultados em Números

Saída de PaaS gerenciado sem downtime

Desenho e execução de ponta a ponta, concepção solo: modelo de "uma VM por serviço" via Terraform, painel de saúde da frota, runbooks de deploy/rollback e decomissionamento seguro do provedor antigo.

• Migrou toda a camada web + workers assíncronos (7 VMs), deploy via tarball + systemd, preservando um único banco primário compartilhado.
• Custo do PaaS cresceu com a plataforma até um pico mensal de referência — a saída completa derrubou o gasto recorrente em 99,6%, confirmado direto na fatura do provedor.
• Construiu um painel de saúde da frota com widget de menu-bar (macOS) e alertas push/e-mail para os gatilhos críticos.
• Diagnosticou e corrigiu um gap silencioso de 19 dias em que deploys de produção pulavam migrations de banco por uma flag de infraestrutura mal configurada, sem nenhum alerta de falha.

FinOps e otimização contínua de custo

Programa orientado a dados: utilização real via Cloud Monitoring, preços exatos via API de billing, execução com zero downtime planejado.

• Custo total da conta cloud reduzido em 60–70% — o maior vilão identificado foi o dimensionamento das instâncias de banco de dados.
• Right-sizing da frota de VMs a partir de 7 dias de CPU/RAM real: −32% de custo mensal medido, com compromissos de uso empilhando mais 28–46%.
• PoC de sharding da suíte de testes E2E em VMs spot efêmeras: de infraestrutura fixa 24/7 para uma fração residual do custo — −98% e 3–4× mais rápido, isolando também a causa raiz real da instabilidade (esperas ausentes no próprio teste, não infraestrutura).

Engenharia de performance de banco de dados

Profiling contínuo do banco primário de produção (dezenas de milhões de linhas por tabela), com toda correção validada por A/B numa cópia fiel de produção antes de qualquer mudança.

• Reescreveu a query de maior consumo de CPU do banco trocando uma varredura de array JSON por coluna denormalizada + índice — ~1.114× mais rápida em produção.
• Corrigiu uma agregação de dashboard que fazia varredura completa de milhões de linhas: ~92× mais rápida apenas ancorando a query no identificador correto.
• Campanha dedicada ao serviço de sincronização mais pesado da frota: reduziu round-trips de banco em ~3.000× e cortou 89,7% do consumo de memória streamando um payload que antes era carregado inteiro.

CI/CD e segurança de pipeline

• Reduziu o tempo de execução do CI de testes de ~21 minutos para 7m35s via sharding em matriz e correção de testes que travavam o pipeline como piso de tempo.
• Diagnosticou e corrigiu uma falha recorrente de deploy causada por acúmulo de chaves SSH efêmeras de runners de CI no perfil de acesso da conta de deploy — corrigida com expiração automática de chave.
• Substituiu o pipeline hospedado do GitHub Actions por uma frota própria de runners efêmeros em VMs spot no GCP: o mesmo job de testes caiu de $1.005 para ~$100–140/mês de custo direto de CI e de 17 para 5 minutos de execução, distribuindo carga entre várias famílias de VM spot simultaneamente para não enfileirar sob pressão de cota.

Observabilidade e resposta a incidentes assistida por IA

• Liderou a migração do sistema de rastreamento de erros para uma organização própria, sem perda de cobertura em nenhum ambiente.
• Projetou um serviço de triagem automática de erros de produção com IA (webhook → investigação read-only → GitHub/Slack) e conduziu uma varredura única de 158 erros abertos com agentes paralelos — resultando em 17 correções mergeadas com causa raiz verificada.

Identidade, SSO cross-tenant e integridade de dados

• Desenhou e entregou um mecanismo de SSO federado entre dois backends de produção distintos, permitindo que administradores autorizados alternem de tenant com token assinado de curta duração.
• Encontrou e corrigiu a causa raiz de um bug recorrente que duplicava valores faturados a clientes — remediação em produção cobrindo ~30 mil registros em 20 organizações, com plano de rollback e proteção específica contra tocar em valores já pagos.