O Que É Mean Time to Recovery (MTTR)?
O mean time to recovery (MTTR) é a duração média que leva para restaurar um sistema à operação normal após uma falha, calculada ao longo de muitos incidentes.
O MTTR é um de uma família de médias de confiabilidade que times de operações usam há décadas. Ele dá uma noção de alto nível de quão rapidamente você tipicamente se recupera de incidentes, e combina naturalmente com a métrica de time-to-restore do DORA.
Como o MTTR é calculado
O MTTR é o tempo total passado em estado de falha ou degradação ao longo de um conjunto de incidentes, dividido pelo número de incidentes. Se você teve quatro quedas totalizando duas horas, seu MTTR é 30 minutos. É uma média, então um único incidente muito longo pode distorcê-la fortemente.
A família MTTx mais ampla
- MTTR (recovery): tempo médio para restaurar o serviço após uma falha.
- MTTD (detect): tempo médio para notar que algo está errado.
- MTTA (acknowledge): tempo médio para alguém começar a responder.
- MTBF (between failures): tempo médio de uptime entre incidentes.
Decompondo o tempo de recuperação
O tempo de recuperação é na verdade detectar + reconhecer + diagnosticar + corrigir. Quebrar o MTTR em suas partes mostra onde investir: se a maior parte do tempo está na detecção, melhore o monitoramento; se está no diagnóstico, melhore a observabilidade e os runbooks; se está na correção, melhore o ferramental de rollback.
Os limites da média
Tirar a média de incidentes tem desvantagens reais: incidentes variam enormemente em causa e severidade, e uma média pode esconder algumas quedas catastróficas atrás de muitas triviais. Muitos times, portanto, olham distribuições e piores casos junto com o MTTR, em vez de confiar no número único.
MTTR versus time to restore
O MTTR e a métrica time-to-restore do DORA são intimamente relacionados - ambos medem a velocidade de recuperação. O DORA tende a enquadrá-la como uma métrica de desempenho de entrega vinculada a deploys, enquanto o MTTR é uma média operacional mais ampla. Usados juntos, eles dão tanto uma visão por incidente quanto uma agregada.
Principais conclusões
- O MTTR é o tempo médio para restaurar o serviço após uma falha.
- Ele pertence a uma família de métricas (MTTD, MTTA, MTBF) que decompõem a confiabilidade.
- Médias escondem variância, então revise distribuições e piores casos também.