Protótipo navegável (protótipo 0.5). Textos em validação, nada é publicado, nenhum formulário envia dados.

Guia

O que é SRE: o fim da briga entre lançar e estabilizar

SRE (Site Reliability Engineering, engenharia de confiabilidade) é a prática de tratar a operação de serviços como problema de engenharia de software: metas de confiabilidade medidas (SLO), um orçamento de erro que ajuda a decidir entre lançar novidade e consertar o que existe, e limite para o trabalho manual repetitivo. Nasceu no Google; cada empresa decide o que adotar e em que tamanho.

Revisão editorial interna, sem parecer jurídico. aprovação pendente conteúdo a validar

Leitura de 15 min

A cena

Segunda-feira, 8h30

Numa plataforma de agendamento, o pagamento cai uma vez por mês. O gestor de TI chega à reunião e encontra o time de desenvolvimento querendo lançar a novidade da campanha, e o time de operação pedindo para congelar tudo até estabilizar. Cada um tem um argumento e uma história de sexta à noite.

O diretor faz a pergunta que ninguém consegue responder: o sistema está bom ou não está? Não há um número combinado. A reunião termina como a anterior, com opinião contra opinião e o lançamento decidido por quem falou mais alto.

O ponto cego: a disputa sem número. Desenvolvimento costuma ser cobrado por velocidade e operação por estabilidade. Sem uma medida comum, cada reunião repete o conflito. O livro de SRE do Google descreve esse conflito como estrutural, entre o ritmo da inovação e a estabilidade do produto.

Exemplo ilustrativo, com dados fictícios. Não é cliente nem resultado real. conteúdo a validar

Velocidade, estabilidade e orçamento de erroTrês colunas. Desenvolvimento é cobrado por velocidade. Operação é cobrada por estabilidade. O orçamento de erro é a medida comum que decide entre lançar e estabilizar.Desenvolvimentocobrado porvelocidadequer lançara novidadeteme a filade bloqueiosOperaçãocobrada porestabilidadequer congelaraté estabilizarteme a quedade sextaOrçamento de erromedida comumsobrou: lançaacabou: estabiliza

Velocidade, estabilidade e orçamento de erro

  • Desenvolvimento (cobrado por velocidade)
    • quer lançar a novidade
    • teme a fila de bloqueios
  • Operação (cobrada por estabilidade)
    • quer congelar até estabilizar
    • teme a queda de sexta
  • Orçamento de erro (medida comum)
    • sobrou: lança
    • acabou: estabiliza
Duas cobranças e uma medida comum. Ilustração própria da RStack. Fonte: Google, SRE book, cap. 1 e 3 (desenvolvimento avaliado por velocidade, SRE por confiabilidade; o orçamento de erro dá incentivo comum), consulta em 27/10/2026, sem dado numérico.

O custo de não agir

O que acontece se nada mudar

Não existe número aberto que meça o custo de uma empresa não ter SRE. O que há são referências do próprio livro do Google, que mostram por que a falta de meta combinada sai cara, e um dado de paradas que ajuda a situar o problema.

  • 100 vezesé quanto um ganho a mais de confiabilidade pode custar em relação ao ganho anterior. Por isso o livro afirma que 100% provavelmente nunca é a meta certa: costuma ser mais do que o usuário percebe. Fonte: Google, Site Reliability Engineering, cap. 3 (versão web, 2017). Texto de livro, sem amostra. É o custo relativo de cada ganho, não um valor em moeda. link
  • 52,56 minutospor ano é o máximo de indisponibilidade que uma meta de 99,99% tolera, segundo o livro. Quem promete mais do que consegue sustentar paga em plantão, em retrabalho e em reputação. Fonte: Google, Site Reliability Engineering, cap. 3 (2017). Conta por tempo, sobre um ano de 365 dias. link
  • 85%das paradas atribuídas a erro humano, que atingiram cerca de 40% das organizações nos últimos três anos, vieram de equipe que não seguiu procedimentos ou de falhas nos próprios procedimentos. O dado não mede trabalho manual; mostra só o peso do procedimento. Fonte: Uptime Institute, 7ª Annual Outage Analysis, comunicado de 06/05/2025. O comunicado cita várias pesquisas e a base de paradas públicas, sem contagem de amostra; o relatório completo exige assinatura e não foi lido. Dado global e de paradas, não de ataques. link

Normas e boas práticas

O que as normas e as boas práticas pedem

SRE não é norma certificável. É um conjunto de práticas publicado pelo Google em livro aberto. A tabela separa o que cada capítulo diz do que é adaptação para empresas menores.

Normas e boas práticas e o que significam na prática
ReferênciaO que dizO que isso significa na práticaFonte
Google SRE book, cap. 1 (2017)SRE é o que acontece quando se pede a um engenheiro de software que desenhe uma equipe de operações. O Google limita o trabalho operacional a 50% do tempo de cada SRE e adota cultura de revisão de incidentes sem culpa.O limite de 50% é regra interna do Google, não exigência para você. A ideia útil é medir quanto do tempo vai para o trabalho manual.Google, SRE book, cap. 1, lido em 27/10/2026
Google SRE book, cap. 3 (2017)O orçamento de erro é a diferença entre a meta e 100%, e define quanta falha é aceitável no período. Se ele acaba, as publicações são interrompidas até haver mais teste e correção. O livro diz que isso resolve o conflito de incentivos entre desenvolvimento e SRE.A meta é negociada com o negócio, e o orçamento vira regra de decisão: sobrou, lança; acabou, estabiliza.Google, SRE book, cap. 1 e 3, lidos em 27/10/2026
Google SRE book, cap. 4 (2017)SLI é uma medida quantitativa do nível de serviço; SLO é o valor-alvo dessa medida; SLA é um contrato com consequências. Se não há consequência explícita, quase certamente é um SLO. Poucos indicadores bastam, e percentis dizem mais que médias.Escolha o que o usuário sente (pagamento concluído, tempo de resposta).Google, SRE book, cap. 4, lido em 27/10/2026
Google SRE Workbook, exemplo de política de orçamento de erroNo exemplo, se o serviço estourar o orçamento das últimas quatro semanas, mudanças e publicações são suspensas, exceto correções de prioridade máxima e de segurança, até voltar à meta; um incidente que consome mais de 20% do orçamento exige revisão pós-incidente.É um exemplo, e não regra. Copiar os números sem conversar com o negócio recria o problema da cena.Google, SRE Workbook, política de exemplo, lida em 27/10/2026
Google SRE book, cap. 5 (2017)Toil é trabalho manual, repetitivo, automatizável, tático, sem valor duradouro e que cresce em proporção ao serviço.Esta lista serve de teste: se a tarefa tem esses traços, é candidata a automação.Google, SRE book, cap. 5, lido em 27/10/2026
Google SRE book, cap. 15 (2017)O objetivo da revisão pós-incidente é documentar e aprender; ela deve identificar causas contribuintes sem apontar uma pessoa. Gatilhos incluem indisponibilidade acima de um limite, perda de dados e falha de monitoramento.Revisão sem culpa não é sem responsabilidade: toda ação sai com dono.Google, SRE book, cap. 15, lido em 27/10/2026
Da meta à decisão de lançarCinco passos: definir a meta, medir no período, calcular a folga, decidir entre lançar e estabilizar, revisar a meta no ciclo seguinte.1. MetaSLO combinadocom o negócio2. MedirSLI noperíodo3. Folgameta menoso medido4. Decidirsobrou: lança;acabou: estabiliza5. Aprenderrevisão semculpa6. Ajustara meta nociclo seguinte

Da meta à decisão de lançar

  1. Meta
    SLO combinado com o negócio
  2. Medir
    SLI no período
  3. Folga
    meta menos o medido
  4. Decidir
    sobrou: lança; acabou: estabiliza
  5. Aprender
    revisão sem culpa
  6. Ajustar
    a meta no ciclo seguinte
Como o orçamento de erro decide. Ilustração própria da RStack. Fonte: Google, SRE book, cap. 3 (orçamento = diferença entre meta e desempenho medido; publicações suspensas quando acaba); os valores da meta são decisão da empresa e não aparecem aqui. Consulta em 27/10/2026.

O plano

Plano em 3 passos

  1. Medir o que o usuário sente (SLI)

    Escolha um a três serviços críticos e, para cada um, poucos indicadores ligados à experiência: taxa de pagamentos concluídos, tempo de resposta por percentil, taxa de erro. Comece com o que o monitoramento já coleta e não crie painel novo para o que ninguém usa.

  2. Combinar a meta e o orçamento de erro com o negócio (SLO)

    Converse com quem responde pelo resultado e fixe uma meta que o usuário perceba e a empresa consiga sustentar; 100% fica de fora. Escreva a regra: o que acontece quando o orçamento do período acaba, quem decide as exceções e quem avisa. Use a tabela de metas deste guia para ver o que cada nível tolera.

  3. Reduzir o trabalho manual e aprender com cada falha

    Meça quanto tempo da equipe vai para tarefas repetitivas e automatize as mais frequentes. Transforme alertas em avisos acionáveis, com dono. Faça revisão sem culpa dos incidentes que consumiram orçamento, com ações e responsáveis, e ajuste as metas a cada ciclo.

Ciclo SRE: medir, combinar, reduzir e aprenderQuatro etapas em ciclo: medir o que o usuário sente, combinar a meta e o orçamento, reduzir o trabalho manual e aprender com cada falha.1. Mediro que o usuário sente2. Combinarmeta e orçamento3. Reduzirtrabalho manual4. Aprendercom cada falhaConfiabilidadecom meta

Ciclo SRE: medir, combinar, reduzir e aprender

  1. Mediro que o usuário sente
  2. Combinarmeta e orçamento
  3. Reduzirtrabalho manual
  4. Aprendercom cada falha

Confiabilidade com meta

Ciclo de trabalho do SRE adaptado ao porte da empresa. Ilustração própria da RStack. Fonte: Google, SRE book, caps. 3, 4, 5 e 15 (medição, meta, orçamento, trabalho manual e revisão), consulta em 27/10/2026, sem dado numérico.

Serviço relacionado: pilar Operações confiáveis.

Escopo em proposta escrita

Como a RStack atua como guia e parceira

Escopo, entregas e valores só aparecem em proposta escrita. Não há prazo nem resultado prometido neste guia.

  • Diagnóstico de confiabilidade: serviços críticos, indicadores que já existem, alertas e incidentes recentes.
  • Definição de SLIs e SLOs com o negócio e escrita da política de orçamento de erro, com a empresa decidindo os valores.
  • Painéis e alertas ligados ao monitoramento que o cliente já tem ou escolhe, como Zabbix e Grafana, e chamados em ferramenta como a Freshservice.
  • Levantamento do trabalho manual repetitivo e plano de automação priorizado.
  • Condução de revisões de incidente sem culpa e relatório mensal previsto em contrato com metas, orçamento consumido e ações.
  • SRE aqui é prática adaptada ao porte, e não a cópia do modelo do Google. Escopo, níveis de serviço e valores ficam em proposta escrita; não há prazo nem resultado prometido.

O que cada meta de disponibilidade tolera por ano

Conta simples sobre um ano de 365 dias (525.600 minutos). Serve para conversar com o negócio, não para prometer nível de serviço.

O que cada meta de disponibilidade tolera por ano
Meta (por tempo)Indisponibilidade tolerada por anoO que isso pede na práticaFonte
99%87,6 horasParadas longas aceitáveis; rotina simplesConta da RStack
99,5%43,8 horasPlantão com procedimento para a hora de falhaConta da RStack
99,9%8,76 horasMonitoramento acionável e mudança controladaConta da RStack
99,99%52,56 minutosAutomação de recuperação; cada ganho custa muito maisGoogle, SRE book, cap. 3 (52,56 min); conta da RStack
99,999%5,26 minutosRaramente justificável fora de sistemas muito críticosConta da RStack

Antes de falar em SRE

  • Sei quais serviços o usuário percebe como críticos.
  • Há pelo menos um indicador por serviço crítico que mede o que o usuário sente.
  • A meta foi conversada com o negócio, e não copiada de outra empresa.
  • Está escrito o que acontece quando o orçamento de erro acaba.
  • Sei quanto do tempo da equipe vai para trabalho manual repetitivo.
  • Todo alerta que chama uma pessoa tem dono e exige ação.
  • Os incidentes relevantes têm revisão com ações e responsáveis.
  • Há um relatório mensal de disponibilidade que a gestão lê.

Quando faz sentido

Você provavelmente precisa quando

  • O serviço cai com frequência e o time vive apagando incêndio.
  • Lançar novidade e manter estabilidade viram briga entre desenvolvimento e operação.
  • Não existe meta clara de disponibilidade, só a sensação de que está ruim.
  • As mesmas falhas voltam porque a correção definitiva nunca entra na fila.
  • O trabalho manual repetitivo consome a maior parte do tempo da equipe.

Honestidade

Quando não contratar

Se você tem um sistema só, pouco usado e sem metas contratadas, comece por monitoramento e por uma gestão de incidentes simples. SRE pede serviços com métricas e uma equipe com tempo para melhorar o sistema; sem isso, vira rótulo novo para o mesmo plantão. Também não vale copiar os números do Google: o modelo foi desenhado para a escala dele.

Glossário

Termos que aparecem neste guia

  • SRE

    Engenharia de confiabilidade de serviços: prática de usar engenharia de software para manter serviços confiáveis.

  • SLI

    Indicador de nível de serviço: medida quantitativa de um aspecto do serviço, como taxa de sucesso ou latência.

  • SLO

    Objetivo de nível de serviço: valor-alvo ou faixa para o SLI.

  • SLA

    Acordo de nível de serviço: contrato com consequências quando os SLOs não são cumpridos.

  • Orçamento de erro

    A folga entre a meta e 100%: quanto de falha o período tolera. Serve para decidir entre lançar e estabilizar.

  • Toil

    Trabalho manual, repetitivo e automatizável que não deixa melhoria duradoura.

  • Revisão sem culpa

    Análise de incidente focada em causas e ações, e não em culpados.

  • Sinais de ouro

    Os quatro sinais que o livro de SRE recomenda acompanhar: latência, tráfego, erros e saturação.

  • Observabilidade

    Capacidade de entender o estado de um sistema pelos dados que ele emite: métricas, logs e rastros.

Depois

O que muda depois

  • A pergunta se o sistema está bom tem resposta em número, combinado com o negócio.
  • A decisão entre lançar e estabilizar usa uma regra escrita, e não quem fala mais alto.
  • O trabalho manual mais repetido vira automação, e o alerta passa a ter dono e a exigir ação.
  • Cada incidente relevante gera aprendizado com ação e responsável.
  • O que não muda: serviços continuam falhando de vez em quando. A meta existe justamente porque 100% não é o alvo.

FAQ

Perguntas frequentes

SRE é o mesmo que DevOps?

Não são a mesma coisa. DevOps é uma cultura de colaboração entre desenvolvimento e operação; SRE é uma forma concreta de praticar a confiabilidade, com metas medidas, orçamento de erro e limite de trabalho manual. A relação entre os dois é tema de debate, e a definição de DevOps não foi lida em fonte aberta nesta revisão. conteúdo a validar

SRE substitui o NOC?

Não necessariamente. O NOC acompanha e reage ao monitoramento; o SRE trabalha para o serviço falhar menos e exigir menos intervenção. Muitas empresas têm os dois. Veja o que é NOC e NOC x SOC.

SRE é cargo ou prática?

As duas coisas. Pode ser um time dedicado ou uma prática distribuída entre equipes. O que importa é que metas, medição e responsabilidade estejam escritas.

O que é orçamento de erro?

É a folga entre a meta e 100%. Com meta de 99,9% por tempo, a folga é de 0,1%, cerca de 8,76 horas por ano. Enquanto há folga, a equipe pode lançar; quando acaba, a estabilidade vem antes da novidade.

Por que não buscar disponibilidade perfeita?

Porque, segundo o livro de SRE, 100% provavelmente nunca é a meta certa: costuma ser mais do que o usuário percebe, e cada ganho de confiabilidade pode custar cerca de cem vezes mais que o anterior. A meta certa é a que o usuário percebe e o negócio justifica.

Qual a diferença entre SLI, SLO e SLA?

SLI é a medida, SLO é a meta dessa medida e SLA é o contrato com consequências. Se não há consequência explícita, o livro diz que quase certamente é um SLO.

O que é toil?

É o trabalho manual, repetitivo, automatizável, tático, sem valor duradouro e que cresce com o serviço. O Google declara o objetivo de manter o trabalho operacional abaixo de 50% do tempo de cada SRE; é uma referência, e não regra para a sua empresa.

Revisão sem culpa significa sem responsabilidade?

Não. O livro pede que a análise identifique causas contribuintes sem apontar uma pessoa. As ações que saem dela têm dono e prazo definidos pela própria empresa.

Empresa pequena precisa de SRE?

Não de um time dedicado. Dois ou três indicadores, uma meta conversada com o negócio e revisão dos incidentes já trazem a maior parte do benefício. Antes disso, monitoramento e gestão de incidentes simples.

O que acontece quando o orçamento de erro acaba?

Depende da política que a empresa escrever. Na política de exemplo do Google, mudanças e publicações são suspensas, exceto correções críticas e de segurança, até o serviço voltar à meta. É exemplo, e não regra.

Fontes

Onde conferir

Consultado em 27/10/2026. Onde o texto diz "fonte secundária" ou "URL não conferida na fonte oficial", a fonte oficial ainda não foi aberta. conteúdo a validar

Próximo passo

Escolha o primeiro serviço a ter uma meta medida

Diga qual sistema mais incomoda a diretoria. Voltamos por escrito com o indicador e o dono que sugerimos para começar.

Agendar conversaFalar no WhatsApp

Conversa inicial sem compromisso; o diagnóstico é pago e só começa depois que você aprova a proposta escrita.

WhatsApp