Deep Dive: tuning de performance com medições – o que mudou em 16 de outubro de 2026 e o que não mudou

Tuning sem números é chute. Uma rodada de tuning em três servidores: o que foi medido, o que foi mudado, o que foi deixado de lado de propósito, como as métricas depois confirmaram – e um erro de medição que teria levado à mudança errada.

Ilustração da série Deep Dive

🌐 Também em: English · Deutsch · Français · Español · Italiano · Nederlands · Polski

Deep Dive da série em torno do Ansible Tour. O tour explica as roles; os deep dives, a tecnologia por baixo: como ela funciona, por que é usada desse jeito aqui e o que deu errado pelo caminho.

Em 16 de outubro de 2026 os três servidores passaram por uma rodada de tuning: o blog e dois servidores Nextcloud. Nenhum deles estava lento. A pergunta era outra: havia memória livre nos três – onde ela realmente ajudaria, e onde só pareceria ocupada? Este post percorre o método, cada mudança com o número por trás dela, as coisas deixadas de lado de propósito e o que as medições dizem quatro dias depois. No fim há uma atualização de 26 de outubro: o que mudou desde então – e um erro meu.

Índice

🧭 O método

  • Picos em sete dias, não snapshots. Uma olhada no top mostra um momento. O Prometheus guarda 30 dias de amostras a cada 15 segundos; max_over_time(…[7d]) dá o pior minuto da semana, que é o que os limites precisam aguentar.
  • Contagens em vez de suposições. Quantos arquivos PHP existem, quantas tabelas temporárias vão para o disco por dia, quantas instâncias de inotify estão em uso – cada uma, um único comando.
  • Um motivo por mudança. Cada configuração abaixo tem uma medição ao lado. Configurações que não tinham nenhuma não foram tocadas.
  • Antes e depois. As mesmas queries de novo depois do rollout, mais métricas de container que mostram se um limite agora ficou apertado demais.

Os recursos e o que ler deles

RecursoMétricaArmadilha
CPUuso por container contra o seu limite; throttling do CFSUm container pode ser estrangulado enquanto o host está ocioso – o gargalo é o limite, não a máquina.
Memóriaworking set contra o limite“Used” inclui o page cache; RAM livre não é desperdício, o Linux a usa para arquivos.
Memória dos workersPSS em vez de RSSO RSS conta a memória compartilhada (OPcache) em cada processo e aqui exagera por um fator de cinco.
Filaslisten queue do FPM, max_children atingidoFila zero significa workers suficientes – mais só custaria memória.
Limites do kernelinstâncias e watches de inotify, file descriptorsEles falham com erros estranhos (“too many open files”) muito antes de algo parecer cheio.

A lição: um limite precisa aguentar o pior minuto da semana, não o momento em que você por acaso olha.

🛡️ Por que se dar ao trabalho se nada está lento

  • Limites são baratos de aumentar antes de morderem e caros de diagnosticar depois, quando o sintoma é um cliente de sync que trava uma vez por semana.
  • Padrões são o chute de outra pessoa. Dois deles se revelaram errados para o Nextcloud por um fator de quatro.
  • Saber o que não mudar é metade do resultado: buffers maiores no lugar errado só movem o gargalo ou o escondem.

🔧 O que foi mudado

ÁreaMedidoMudado paraOnde
Workers do PHP-FPM (Nextcloud)pico de 17 de 20 e 10 de 12 ocupados ao mesmo tempo30 e 20 workers; limites de container de 6 e 5 GiBvariáveis de host
OPcache (Nextcloud)15.500 e 17.800 arquivos PHP; limite 10.000 = 16.229 slots256 MB, 20.000 arquivos (32.531 slots)config map do PHP
APCu (Nextcloud)padrão do PHP de 32 MB, um segmento para todos os workers128 MBconfig map do PHP
Arquivos temporários do MariaDB2.000–3.500 tabelas temporárias por dia no disco/tmp como tmpfs (host: 4 GB, pod do blog: 512 MiB)unit do MariaDB / pod
Collabora“office failed to load” em um cold start10 e 6 processos de documento pré-iniciadosvariáveis de host
Requisições PHP travadasnenhum limite de tempo realrequest_terminate_timeout 300 s blog / 3.600 s Nextcloudpool do FPM
Kernel: inotifypadrão de 128 instâncias por usuário; o root já usava 638.192 instâncias, 524.288 watchescommon_sysctl
Kernel: write-backdirty pages gravadas a 10 / 30 % da RAM5 / 10 %common_sysctl

Por que esses e não outros

  • Workers: 17 de 20 são 85 % no pico – a próxima tarde movimentada teria formado fila. Os limites de container seguiram os pools, não o contrário: PSS por worker vezes max_children, mais OPcache e APCu, com folga.
  • OPcache: no servidor Nextcloud menor, 1.500 arquivos nunca cabiam e eram compilados a cada requisição. Quem decide isso é o número de arquivos, não um palpite.
  • Tabelas temporárias com colunas TEXT nunca podem usar o memory engine, então ajustar tmp_table_size não teria mudado nada. Mover para a RAM o diretório onde elas são escritas muda. Uma armadilha no caminho: combinado com PrivateTmp=yes, o diretório privado do systemd no disco vence e o tmpfs é ignorado em silêncio – descoberto testando com systemd-run, não lendo. E no pod do blog um volume em memória conta contra o limite de memória do container, que por isso passou de 768 MiB para 1.280 MiB.
  • inotify: K3s, containerd e todo pod com um file watcher pegam instâncias como root. 63 de 128 está ok hoje e vira um erro misterioso depois dos próximos pods.
  • Write-back a 10 % em vez de 30 % de 23 GB significa no máximo 2,3 GB de dados não gravados em vez de 7 GB – travadas mais curtas quando o kernel finalmente precisa gravar, e menos dados perdidos em um crash brusco.

tuned e sysctl: quem vence

O AlmaLinux roda o tuned com o perfil virtual-guest, que define vm.dirty_ratio = 30 por conta própria. O nosso 10 é o que o kernel informa, porque o tuned reaplica /etc/sysctl.d/ depois do seu próprio perfil (reapply_sysctl = 1, o padrão). Sem isso, o perfil desfaria a configuração em silêncio a cada boot. Conferir o valor ativo com sysctl -n depois de um reboot é a única prova confiável.

A lição: toda mudança precisa de um número que a justifique. Onde não havia nenhum, a configuração ficou como estava.

🧊 O que foi deixado de lado de propósito

ÁreaMedidoPor que não
Buffer pool do InnoDBtaxa de acerto > 99,8 %, pools maiores que os dados (2 GB para 344 MB)Mais memória não melhora um cache que já guarda tudo.
Redis1–1,5 MB usadosNada a ganhar.
PHP-FPM do blogpico de 6 de 12 workers, fila no máximo 1O pool era grande o bastante.
OPcache do blog~4.600 arquivos PHP, limite 10.000Cabe.
Conexões do MariaDBpico de 15 de 50Espaço de sobra.

Memória livre que nada usa também não está perdida: o Linux a enche com cache de arquivos, que é exatamente o que um servidor de arquivos quer.

A lição: mais memória para um cache que já guarda tudo não melhora nada. Saber o que não mudar é metade do trabalho.

📊 Quatro dias depois

BlogNextcloud ANextcloud B
Pico de workers PHP ativos (7 dias)8 de 1213 de 309 de 20
max_children atingido000
Pico de memória do container / limite538 MiB / 1 GiB763 MiB / 6 GiB277 MiB / 5 GiB
Períodos de CPU estrangulados2,1 %2,2 %0,2 %
Requisições PHP lentas (> 5 s)000
Queries lentas no banco (> 1 s)000
Memória disponível no host5,0 de 7,5 GB19 de 23 GB8,5 de 11,4 GB

Nenhum pool chegou perto do limite, nenhum container perto do limite de memória, o throttling fica em um dígito baixo e os hosts ainda têm a maior parte da memória livre. As mudanças custaram pouco e removeram três tetos reais – workers, slots de bytecode, um limite de tempo real – antes que alguém batesse neles.

O erro de medição

Ao coletar os números acima, a primeira query para o container PHP do blog retornou um pico de 940 MiB contra um limite de 1 GiB – o que teria pedido um limite maior na hora. A query somava todas as séries do container: durante um rollout o pod antigo e o novo existem ao mesmo tempo, e logo após um restart de container o cAdvisor informa brevemente o cgroup antigo e o novo. O pico de um único pod era 538 MiB. Somar por pod, ou pegar o máximo por pod, é a leitura correta; um sum simples pelo nome do container soma coisas que nunca existiram ao mesmo tempo em um processo.

🔄 Atualização, 26 de outubro de 2026

Dez dias depois vieram mais quatro mudanças, cada uma de novo com uma medição por trás:

  • Container PHP do blog: 1 → 1,5 GiB. Não porque faltava memória. Primeiro eu dividi a memória do container pelo número de workers em execução, cheguei a 90–130 MB por worker e concluí que 1 GiB era pouco para um pool cheio de 12. Era o erro de medição acima em outra forma: a memória do container inclui o segmento compartilhado do OPcache e o page cache. Medido por PSS, um worker precisa de 20–26 MB, um pool cheio de cerca de 0,5 GB. O limite maior ficou mesmo assim, porque um único upload com processamento de imagem pode usar até memory_limit = 512M.
  • Collabora no servidor Nextcloud maior: 4 → 6 cores. Durante a geração de previews o pico foi de 3,94 cores – bem no limite. O servidor tem oito cores.
  • Dois avisos antecipados para o PHP-FPM: um e-mail quando mais de 80 % dos workers ficam ocupados por cinco minutos, e um assim que max_children é atingido.
  • O blog roda PHP 8.5, como os dois servidores Nextcloud.

🆘 Cola: sintoma → comando

A versão curta deste artigo para o momento em que algo está errado. Execute no host como root; <…> são placeholders.

SintomaComando
Falta memória a um pod?max_over_time(max by (pod) (container_memory_working_set_bytes{container="<c>"})[7d:1m])
Falta CPU a um pod (throttled)?sum(increase(container_cpu_cfs_throttled_periods_total{container="<c>"}[7d]))
/ sum(increase(container_cpu_cfs_periods_total{container="<c>"}[7d]))
Há workers PHP suficientes?max_over_time(sum(phpfpm_active_processes)[7d:1m])
max_over_time(max(phpfpm_listen_queue)[7d:1m])
Algo foi morto por falta de memória?journalctl -k | grep -i "out of memory"
Loki: {job="journal", transport="kernel"} |= "oom"
O que sobra no host?free -h; uptime; df -h /
k3s kubectl top pods -A
Onde olhar primeiro# Grafana: dashboard "Container-Ressourcen" (limits, throttling, OOM kills)

🎯 As lições

  • Quem decide é o pico ao longo de uma semana, não o momento.
  • Cada configuração recebe a medição em que se baseia.
  • Memória por processo se mede com PSS. RSS e “memória do container dividida pelos processos” contam a memória compartilhada várias vezes.
  • Agregue métricas de container por pod, não pelo nome do container: durante um rollout existem dois pods.
  • Se uma configuração do kernel está em vigor, quem mostra é o sysctl -n depois de um reboot – não o arquivo de configuração.

⚖️ Alternativas – e por que medir primeiro

AbordagemPonto fortePonto fraco
Tuning por checklistRápido, sem ferramentasMuda o que o autor da lista precisava, não o que este servidor precisa.
Máquina maiorSempre ajuda um poucoEsconde o teto em vez de movê-lo; custa todo mês.
Ferramentas APM comerciaisTraces até uma única funçãoCusto, um agente em cada container e exagero para essas cargas.
Medir, depois mudar uma coisaToda mudança tem um motivo e uma verificaçãoPrecisa de métricas que já existam – por isso elas vieram primeiro.

O resultado mais valioso do dia não foi uma configuração, e sim uma lista: oito mudanças, cada uma com um número, e cinco coisas deixadas de lado, cada uma também com um número. A próxima rodada de tuning vai partir dela, e se um valor se revelar errado, vai estar claro em que ele se baseou.

Alguns textos e imagens deste site foram criados com a ajuda de IA ou gerados por IA. Detalhes