9 métricas de uptime que você deve rastrear agora

Uptime é a porcentagem de tempo em que um serviço digital permanece acessível e operando conforme o esperado dentro de um período de referência. Mas a métrica por si só não conta a história completa. Um site pode estar no ar e ainda assim entregar uma experiência ruim, com lentidão ou erros intermitentes. Para separar negócio real de hype, é preciso olhar além do número principal. Estas 9 métricas de uptime revelam a saúde real da sua infraestrutura e ajudam a prever problemas antes que eles virem crise.

1. Disponibilidade percentual (uptime rate)

É a métrica mais básica e a primeira que todos olham. Calculada como (tempo de operação / tempo total) × 100, ela mostra a fração do tempo em que o serviço esteve acessível. Um SLA de 99,9% parece alto, mas representa quase 9 horas de indisponibilidade por ano. O problema: a fórmula não distingue uma queda de 5 minutos de uma de 4 horas. Por isso, use a disponibilidade como ponto de partida, nunca como única referência.

2. Tempo médio entre falhas (MTBF)

MTBF mede o tempo médio entre duas falhas consecutivas. Um valor alto indica estabilidade, mas não diz nada sobre a duração de cada falha. Um serviço que cai uma vez por mês por 2 segundos tem MTBF melhor que outro que cai 10 vezes por dia por 1 segundo cada. A métrica ajuda a identificar padrões de recorrência e a planejar manutenção preventiva, mas não substitui a análise de impacto.

3. Tempo médio de reparo (MTTR)

MTTR é o tempo médio que leva para restaurar o serviço após uma falha. É a métrica que mais afeta a experiência do usuário: uma queda de 30 segundos com recuperação automática é menos danosa que uma de 10 minutos com intervenção manual. Rastrear o MTTR ajuda a avaliar a eficiência do seu time de resposta e a qualidade dos seus processos de incidente. Reduzir o MTTR costuma ter impacto maior que aumentar o uptime em 0,01%.

4. Latência

Latência é o tempo que um pacote de dados leva para ir do cliente ao servidor e voltar. Uma latência alta, mesmo com uptime perfeito, degrada a experiência. Um site que carrega em 5 segundos tem mais rejeição que um que carrega em 2 segundos, mesmo ambos estando tecnicamente no ar. Monitore a latência por região geográfica e por tipo de requisição para identificar gargalos de rede ou de infraestrutura.

5. Tempo de resposta do servidor

Diferente da latência, o tempo de resposta mede quanto o servidor leva para processar uma requisição e devolver o resultado. É um indicador direto da capacidade de processamento e da eficiência do código. Se o tempo de resposta sobe de forma consistente, pode ser sinal de que o servidor está sobrecarregado ou que há um vazamento de memória. Rastrear o tempo de resposta por endpoint ajuda a localizar o gargalo com precisão.

6. Taxa de erro HTTP

A taxa de erro HTTP mede a proporção de requisições que retornam códigos de erro (4xx, 5xx). Um percentual baixo, como 0,1%, ainda pode representar milhares de usuários afetados em um site de alto tráfego. Erros 5xx indicam problemas no servidor, enquanto 4xx podem apontar falhas de configuração ou de link. Monitore a taxa por código de status e por endpoint para distinguir erros pontuais de falhas sistêmicas.

7. Apdex (Application Performance Index)

Apdex é um índice que mede a satisfação do usuário com a performance, variando de 0 a 1. Ele define um tempo limite de resposta considerado aceitável (o padrão é 0,5 segundo) e classifica as requisições em satisfatórias, toleráveis e frustradas. Um Apdex de 0,9 significa que 90% das requisições foram rápidas o suficiente para agradar. É uma métrica que traduz performance em experiência, algo que uptime puro não captura.

8. Tempo de resposta do DNS

O DNS é a camada que traduz o domínio em endereço IP. Se ele estiver lento ou instável, nenhum usuário chega ao seu servidor, mesmo com uptime de 100%. O tempo de resposta do DNS é medido em milissegundos e pode variar muito entre provedores e regiões. Rastrear essa métrica ajuda a identificar problemas de propagação, configuração ou ataques de negação de serviço que afetam a resolução antes mesmo de a requisição chegar ao servidor.

9. Capacidade de carga (throughput)

Capacidade de carga mede quantas requisições simultâneas ou por segundo o serviço consegue processar sem degradar a performance. Um site pode ter uptime perfeito e ainda assim falhar em horário de pico, quando o tráfego aumenta. A métrica ajuda a planejar escalabilidade e a definir limites de autoscaling. Sem ela, você descobre a capacidade apenas quando o serviço cai, o que é o pior cenário possível.

Qual escolher conforme o caso

Não existe uma única métrica que resolva tudo. Para um site institucional com pouco tráfego, disponibilidade e tempo de resposta já bastam. Para uma API usada por outros sistemas, latência e taxa de erro HTTP são críticas. Para um e-commerce em época de promoção, capacidade de carga e Apdex fazem a diferença. O caminho prático: comece com disponibilidade e tempo de resposta, depois adicione latência e taxa de erro. Com o tempo, incorpore MTBF e MTTR para entender a frequência e a duração das falhas. O objetivo não é rastrear tudo, mas rastrear o que permite agir antes que o usuário sinta o problema.

FAQ

O que é uptime?

Uptime é a porcentagem de tempo em que um serviço digital permanece acessível e operando conforme o esperado dentro de um período de referência. É calculado como tempo de operação dividido pelo tempo total, multiplicado por 100. Um uptime de 99,9% significa que o serviço ficou indisponível por cerca de 8,7 horas no ano.

Qual a diferença entre uptime e disponibilidade?

Na prática, são termos usados como sinônimos. Uptime se refere ao tempo em que o serviço está ligado e acessível, enquanto disponibilidade pode incluir a capacidade de o serviço responder corretamente. Em contextos de SLA, disponibilidade costuma ser a métrica contratual, com multas por descumprimento.

Como calcular o uptime?

A fórmula é (tempo de operação ÷ tempo total) × 100. Por exemplo, se um serviço ficou no ar por 719 horas em um mês de 720 horas, o uptime é de 99,86%. É importante definir o período de medição, que pode ser mensal, trimestral ou anual.

O que é um bom uptime?

Para a maioria dos serviços, 99,9% é considerado aceitável, mas o ideal depende do tipo de negócio. Serviços financeiros e de saúde costumam exigir 99,99% ou mais. Um uptime de 99% representa cerca de 3,6 dias de indisponibilidade por ano, o que pode ser inaceitável para um e-commerce.

Como melhorar o uptime?

Monitore as métricas de uptime em tempo real, configure alertas para quedas ou degradação, use balanceadores de carga para distribuir tráfego e tenha um plano de recuperação de desastres. Reduzir o MTTR é tão importante quanto aumentar o uptime, pois uma resposta rápida minimiza o impacto de uma falha.

Uptime de 100% é possível?

Na prática, é extremamente difícil e caro. Manutenção programada, ataques e falhas de infraestrutura sempre podem ocorrer. SLA de 100% é raro e, quando existe, costuma ter exceções. O objetivo realista é manter o uptime dentro do SLA contratado e ter processos para responder rápido quando algo falhar.