Pular para o conteúdo

Por que um site pessoal tem deploy sem queda

Montar blue/green para um sistema pequeno parece exagero. Esta é a conta do que custa cair durante um deploy, do que custou montar a troca sem queda e do que ficou pior depois dela.

5 min de leitura

Montar blue/green para um sistema pequeno vale o esforço? No meu caso decidi que sim, e esta primeira parte da série mostra a conta, inclusive o que ela custou.

O que roda e por que a troca importa

Meu portfólio, meu blog, uma API .NET, o Keycloak e o MongoDB rodam numa VPS que divide espaço com outros sistemas meus. Quem recebe o tráfego da internet é um nginx que pertence a outro projeto, e o docker/docker-compose.yml do portfólio registra o tamanho do servidor: 7,8 GB de memória no total.

Não é um sistema com muitos usuários. O painel tem um usuário, que sou eu. Mas o site público recebe visitas e o formulário de projeto, e a API faz duas coisas que não aceitam corte no meio:

  • A geração de artigo com IA pode levar minutos com a conexão aberta em streaming. O roteador do deploy tem proxy_read_timeout 600s por causa disso, como diz o comentário em docker/router/nginx.conf.
  • As tarefas em segundo plano, como a publicação agendada de posts, rodam dentro da própria API.

Deploy é a hora em que essas duas coisas ficam expostas.

O custo de cair

Antes da troca, publicar era assim: o pipeline mandava a imagem para a VPS e rodava docker compose up -d nos serviços alterados. O Compose para o container antigo e sobe o novo.

Não medi quanto tempo o site ficava fora do ar nessa janela, e não vou inventar um número. O que está registrado no repositório é o healthcheck da API: start_period: 20s, com checagens a cada 15 segundos. A janela vai de parar o container antigo até o novo passar nessa checagem.

Dois custos independem da medida:

  1. Não havia volta rápida. Com o container antigo removido, voltar significava rodar o pipeline de novo: build, envio da imagem e restart.
  2. O teste só acontecia em produção. O health check rodava depois que a versão nova já recebia todo o tráfego.

Antes disso, compilar as imagens dentro da VPS esgotou a memória do servidor e derrubou todos os sistemas que moram nele nas versões v1.1.0 e v1.2.2, como registra docs/operations/deploy-vps.md. A correção foi compilar no agente do pipeline. Resolveu a queda do servidor, mas o deploy continuou sendo um restart.

O custo de montar a troca sem queda

A solução tem duas cópias de cada serviço (blue e green), um roteador nginx na frente e um script de deploy. Em linhas, o script docker/bluegreen.sh tem 448 e o docker/router/nginx.conf tem 105 (contagem com wc -l), ou seja, 553 linhas para manter.

O custo maior é memória. Este é o trecho do compose que o registra, copiado de docker/docker-compose.yml:

    # A montagem de video (ffmpeg em 1080p) roda dentro deste limite junto com a API: 256 MB matava os dois, e 1 GB matou a
    # juncao com transicoes (codigo 137). Com o LeadsMap e o Timonel fora da VPS (01/11/2026, 7,8 GB no total), sobe para 1,5 GB
    # e 1 CPU; no deploy as duas cores rodam juntas por alguns minutos, entao o pico e 3 GB.
    mem_limit: 1536m

Durante a fase em que as duas cores da API estão no ar, o teto somado é de 3 GB, num servidor de 7,8 GB. O blog entra com mem_limit: 256m por cópia.

A decisão

Entraram no blue/green a API e o blog com renderização no servidor, que mudam a cada release e têm lógica. O portfólio (nginx servindo arquivos estáticos), o Keycloak e o MongoDB continuam com troca simples, como diz o runbook em docs/operations/blue-green-canary.md.

A objeção óbvia é Kubernetes. Meu motivo foi a restrição, não uma comparação medida: o servidor tem memória contada e o nginx público é de outro projeto. Este texto não traz número que compare as duas rotas, porque eu não fiz essa medição.

O que piorou

  • Memória. O teto durante o deploy da API passou a ser de 3 GB somados, contra 1,5 GB de uma cópia só.
  • Mais coisa para manter. São 553 linhas entre script e roteador, cinco serviços no Compose (api-blue, api-green, blog-blue, blog-green e router) no lugar de dois (api e blog-web).
  • Ponto único novo. Todo tráfego da API e do blog passa pelo roteador. Se ele cair, os dois ficam fora, e hoje ele tem mem_limit: 64m e restart: unless-stopped.
  • Duas versões contra o mesmo banco. Uma mudança que quebra a versão anterior não pode sair, porque as duas convivem durante o deploy. O MongoDB, sem migration, alivia isso, mas não elimina.
  • A fase canary decide menos do que parece. Com o tráfego do blog, 10% por 3 minutos são poucas requisições reais. O runbook admite que o smoke repetido na cópia nova pesa mais na decisão do que a estatística.
  • Nomes mudaram. Os containers passaram a se chamar meu-portfolio-api-blue e -green. Um filtro de log que usasse o nome exato precisou virar expressão regular.

Para o negócio

Previsibilidade de operação é o que um cliente paga sem saber o nome. Aqui ela custou até 3 GB de memória no pico e 553 linhas de script para manter, e comprou trocar a versão sem parar o serviço e voltar sem refazer o pipeline.

Receba o resumo da semana

Um e-mail por semana com o que foi publicado. Sem spam, e você sai quando quiser.

Continue lendo

Receba o resumo da semana

Um e-mail por semana com o que foi publicado. Sem spam, e você sai quando quiser.

Blog do Felipe Marciano

Decisões de arquitetura, .NET e sistemas distribuídos, escritas por quem vive com as consequências delas.

© 2026 Felipe Marciano. Todos os direitos reservados. · v1.54.0