Índice do artigofaltam 5 min de leitura
Para a Shopify, a plataforma em que muitas lojas vendem pela internet, a Black Friday é o momento mais crítico do ano, para ela e para os lojistas. A equipe já ensaiava a data e decidiu ensaiar ainda mais vezes ao longo do ano, com clientes de mentira navegando, enchendo o carrinho e pagando com cartão de teste. No meio desse ano de ensaios apareceu um limite que o plano não mostrava: das cerca de 1.200 cópias do sistema que a Shopify ia ligar em cada grupo de máquinas, uma parte ficaria ligada sem atender cliente nenhum. Quem conta é Jordan Neufeld, engenheiro de confiabilidade da Shopify, no blog de engenharia da empresa.
Como se ensaia uma Black Friday
O relato, publicado em janeiro de 2023, trata da preparação da Black Friday de 2022. O ensaio da Shopify é um dia de Black Friday de mentira, com tudo de verdade em volta. O planejamento começou em fevereiro, a partir dos números da Black Friday anterior, e o pedido ao provedor de nuvem é de um aumento de 200 por cento nas máquinas, sobre uma estrutura que já é grande: nem o provedor tem máquina sobrando a qualquer hora. Vários tipos de movimento rodam juntos, e o principal simula clientes percorrendo a compra inteira, até o pagamento. O ciclo se repete ao longo do ano:
- Aumentar a plataforma, até o tamanho previsto para a Black Friday, por algumas horas.
- Soltar os clientes simulados, que navegam, põem e tiram produtos do carrinho e pagam com cartão de teste.
- Subir o movimento aos poucos, contando as compras concluídas e os acessos por minuto, a medida que diz se a loja está vendendo.
- Parar na hora se a plataforma piorar, com um botão que desliga o ensaio.
- Voltar ao tamanho de todo dia, desligando as máquinas extras.
- Analisar, corrigir e repetir, até a data chegar.
As cópias que existiam no plano e não atendiam ninguém
Um sistema grande roda em muitas cópias iguais, cada uma atendendo uma parte dos clientes, e o jeito de aguentar mais gente é ligar mais cópias. Na frente delas fica uma porta de entrada, o programa que recebe cada acesso e decide qual cópia vai atendê-lo.
A Shopify tinha reorganizado a plataforma em menos grupos de máquinas. No meio do ano, a equipe percebeu o efeito colateral: por um defeito ainda não corrigido no programa da porta de entrada, cada grupo só mandava clientes para as primeiras 1.000 cópias, menos do que o plano para a Black Friday previa. As que passassem desse limite ficariam ligadas sem receber ninguém.
A equipe pôs as saídas na mesa: consertar ela mesma o programa da porta de entrada ou rodar uma segunda instalação do sistema em cada grupo de máquinas. A escolha foi outra: cópias mais fortes, com mais processamento e memória, cada uma atendendo mais clientes. Com menos cópias, cada grupo ficou abaixo do limite, com capacidade suficiente para os ensaios e para o fim de semana da Black Friday.
Quando metade da estrutura recebeu o movimento todo
Alguns ensaios tinham uma pergunta mais dura. A Shopify roda em centros de dados separados nos Estados Unidos, e a equipe queria saber se um deles daria conta de tudo caso o outro sofresse uma falha grave. Para simular isso, mandava todo o movimento para um lado só.
Nesses ensaios, a demora para responder e os erros cresciam conforme o movimento subia. A análise mostrou que algumas cópias da porta de entrada recebiam muito mais acessos que outras e ficavam sobrecarregadas, com respostas lentas e pedidos que desistiam de esperar.
A causa só apareceu depois de muita investigação com o provedor de nuvem: o distribuidor de acessos do provedor não repartia por igual, como um supermercado com fila enorme num caixa e outros vazios. As cópias da porta de entrada dividiam máquinas com outros programas, e algumas máquinas tinham uma cópia enquanto outras tinham várias. O próprio ensaio piorava o quadro, porque os clientes de mentira saíam de poucos endereços na internet, e com pouca variedade o distribuidor errava mais. A correção foi dar à porta de entrada máquinas só dela, com a mesma quantidade de cópias em cada uma, o que ajudou a evitar os pontos sobrecarregados.
A Shopify não vende o ensaio como garantia. O relato admite que é difícil reproduzir o movimento real e que só o movimento real substitui o movimento real; por isso a equipe trata cada rodada como um passo e qualquer aumento de demora ou de erro como possível aviso de um problema maior chegando.
David Yanacek, engenheiro principal da Amazon, lembra outro motivo para ensaiar a compra inteira, na biblioteca em que a Amazon explica como constrói os próprios sistemas: um teste de ponta a ponta também aumenta a carga sobre tudo de que o sistema depende, e pode revelar outros gargalos.
E a sua Black Friday?
A pergunta de quem tem data marcada é como saber, antes do dia, que o sistema aguenta. Pelo caso da Shopify, a resposta mais próxima vem de ensaiar o movimento previsto várias vezes e tratar cada sinal de piora como aviso.
A pergunta vale para a sua empresa se a campanha já tem data, se o sistema mudou de estrutura desde o último pico ou se ninguém nunca mediu quanto ele aguenta. Vale também se o teste que existe abriu só a página inicial, sem passar pelo carrinho e pelo pagamento, e se pagamento e estoque dependem de parceiros que também vão receber o movimento da data. E vale mesmo se a loja roda numa plataforma: o aplicativo, a integração com o sistema de gestão, o frete e a baixa de estoque continuam sendo seus.
A compra inteira de um varejista
O relato não conta como foi o fim de semana da Black Friday. Conta que foi no processo de ensaios repetidos ao longo do ano, antes da data, que a equipe venceu desafios que poderiam ter dado problema no pico. E a compra de um varejista tem muitos passos para ensaiar. No aplicativo da Casa & Vídeo, em que a X-Apps fez a estratégia de produto, o design e o desenvolvimento, a pessoa entra na conta, consulta as lojas, escolhe o produto e a variação, vê preço e pagamento, decide entre frete e retirada e revisa tudo no carrinho. A página do case não fala de teste de carga; ela mostra o caminho que um ensaio de varejo precisa percorrer inteiro, não só a página inicial.
Na X-Apps, o teste de carga faz parte do serviço de qualidade e automação de testes quando o risco do sistema é de volume. O nosso texto sobre teste de carga de sistema explica os tipos de teste e por que pagamento e parceiros entram num simulador que demora como o parceiro real: simulador que responde na hora deixa o teste otimista.
O que perguntar antes da data
Servem para a sua equipe ou para a empresa que cuida do sistema, e as respostas não pedem conhecimento técnico.
- O último ensaio percorreu a compra inteira, até o pagamento, ou parou nas primeiras páginas?
- Depois da última mudança grande no sistema, alguém ensaiou de novo?
- Quantas compras por minuto o sistema concluiu no ensaio, e quantas esperamos no dia?
- Das máquinas que vamos pagar para o dia, quantas o ensaio mostrou atendendo cliente de verdade?
- O pagamento e o estoque dos parceiros entraram no ensaio com a mesma demora que têm no dia, ou responderam na hora?
Capacidade contratada não é capacidade útil, e é ensaiando a compra inteira, antes da data, que se ganha tempo para achar o limite que está escondido.
A peça anterior desta série contou o lançamento do Pokémon GO, que recebeu muito mais jogadores do que a própria empresa previa.
Fontes: relato de Jordan Neufeld, engenheiro de confiabilidade da Shopify, no blog de engenharia da Shopify (27/01/2023); David Yanacek, engenheiro principal da Amazon, na Amazon Builders' Library (05/12/2019). Leitura em 17/11/2026.





