O que é Mean Time to Recovery (MTTR)? Explicado
Mean time to recovery (MTTR) é o tempo médio necessário para restaurar a operação normal após uma falha, uma métrica de confiabilidade central tanto para sistemas quanto para pipelines.
Falhas são inevitáveis; o que distingue sistemas resilientes é a rapidez com que se recuperam. O MTTR mede exatamente isso. Em CI, ele responde a uma pergunta prática: quando um pipeline fica vermelho, quanto tempo até ficar verde e voltar a desbloquear o trabalho?
Como o MTTR é definido
MTTR é o tempo médio decorrido desde quando uma falha ocorre até quando o serviço é restaurado, medido ao longo de muitos incidentes. Um MTTR baixo significa que o sistema se recupera rapidamente; um MTTR alto significa que as falhas causam interrupções prolongadas. É uma das quatro métricas do DORA para desempenho de entrega de software.
MTTR em um contexto de CI
Para um pipeline, o tempo de recuperação vai do momento em que um build falha até o momento em que um build verde desbloqueia o time. Esse cronômetro inclui detecção, investigação, a correção ou retry, e a re-execução do pipeline. Cada uma dessas etapas é uma oportunidade de economizar tempo.
O que o aumenta
- Falhas difíceis de diagnosticar (crípticas, sem traceback, intermitentes).
- Triagem e re-execuções manuais que dependem de um humano notar.
- Pipelines lentos que demoram muito para re-executar após uma correção.
- Falhas transitórias classificadas erroneamente como reais, mandando as pessoas em caçadas sem saída.
Como a automação o reduz
A recuperação mais rápida é aquela que não precisa de nenhum humano. Fazer retry automático de falhas transitórias genuínas reduz seu tempo de recuperação de minutos de atenção humana para segundos de re-execução automatizada, o que diminui diretamente o MTTR de toda essa classe de falha.
A perspectiva da Latchkey
Para falhas transitórias e mecânicas, os managed runners com autocorreção da Latchkey levam o tempo de recuperação em direção a zero envolvimento humano: o runner detecta a falha e faz retry automaticamente, de modo que um contratempo pontual não faz seu build falhar e nunca entra no seu MTTR como um incidente tratado por humanos.
Principais conclusões
- MTTR é o tempo médio para restaurar o serviço após uma falha.
- Em CI, ele abrange detecção, investigação, correção ou retry, e re-execução.
- É uma das quatro métricas de desempenho de entrega do DORA.
- Retries automáticos de falhas transitórias reduzem drasticamente seu tempo de recuperação.