SCR-OPS/06
Operação / Status ao vivo
Saúde ao vivo do ScreenLast Cloud, do render hospedado e da entrega – mais 90 dias de histórico.
Publicamos um post-mortem completo para cada incidente com mais de 15 minutos.
Uma rajada de execuções de workflow disparadas por releases saturou o pool de render da UE. O autoscaling adicionou capacidade em 12 minutos; os jobs na fila foram concluídos sem perda de dados. Desde então, aumentamos a capacidade mínima pré-provisionada para as tardes de dias úteis.
RESOLVIDOUm rolling deploy do web app removeu instâncias saudáveis mais rápido do que as novas passavam nos health checks. O deploy foi interrompido e revertido. O ritmo do deploy agora espera os caches aquecerem antes de rotacionar instâncias.
RESOLVIDONosso provedor de voz teve uma queda regional. Os jobs foram enfileirados, não falharam, e foram drenados automaticamente após a recuperação. Adicionamos uma segunda região como fallback automático para as requisições de síntese.
RESOLVIDO