O que é um incidente de CI? Explicado
Um incidente de CI é uma interrupção no seu sistema de integração contínua significativa o suficiente para bloquear ou degradar a capacidade do time de fazer merge e enviar código.
Nem todo build vermelho é um incidente. Um incidente é quando o próprio pipeline se torna não confiável ou indisponível o suficiente para paralisar a entrega: uma indisponibilidade de provedor, um registry que está fora do ar, uma frota self-hosted que travou. Tratar esses casos como incidentes, com detecção e resposta, evita que eles drenem um time silenciosamente.
O que eleva uma falha a incidente
Um único job falhando é rotina. Torna-se um incidente quando o impacto é amplo ou prolongado: muitos builds falhando ao mesmo tempo, o pipeline incapaz de rodar, ou a entrega bloqueada em todo o time. Escopo e duração são o que separa um incidente de uma falha pontual.
Incidentes de CI comuns
- Uma indisponibilidade de provedor de CI que impede os jobs de rodarem.
- Um registry ou mirror de dependências fora do ar, fazendo muitas instalações falharem.
- Uma frota de runners self-hosted que travou, com jobs órfãos ou discos cheios.
- Uma mudança de configuração compartilhada ruim que quebra todos os pipelines.
Incidente vs contratempo transitório
Um contratempo transitório é breve e se resolve sozinho; um incidente é prolongado e geralmente precisa de intervenção. Um retry lida com um contratempo, mas não com um incidente em andamento. Se os retries continuam falhando em muitos jobs, você provavelmente está em um incidente, e não diante de ruído transitório isolado.
Respondendo bem
Detecte cedo (com alertas sobre taxas de falha, não apenas jobs individuais), comunique para que o time pare de perder tempo, mitigue (faça failover, pause ou reverta a mudança causadora) e, depois, meça o tempo de recuperação para poder melhorar. Acompanhar o MTTR transforma incidentes em um ciclo de aprendizado.
A perspectiva da Latchkey
A autocorreção reduz o número de falhas isoladas que chegam a um humano, de modo que os incidentes genuínos se destacam. Os managed runners com autocorreção da Latchkey fazem retry automático de falhas transitórias e mecânicas, de modo que um contratempo pontual não faz seu build falhar e não é confundido com um incidente.
Principais conclusões
- Um incidente de CI bloqueia ou degrada a entrega em todo o time.
- Escopo e duração distinguem um incidente de uma falha pontual.
- Indisponibilidades de provedor, downtime de registry e frotas travadas são comuns.
- Detecte cedo, comunique, mitigue e meça a recuperação.