O teto de memória caiu de 40,91 GB para 36,66 GB depois da reinicialização

Dois meses de atualizações estavam paradas em um servidor, instaladas mas sem fazer nada até a máquina reiniciar. Ela vinha adiando essa reinicialização havia semanas. Anotamos quanto tempo o site ficaria fora do ar, e o número que anotamos era um palpite.

Dois palpites seguidos

Uma versão inicial do plano dizia cerca de três minutos. Parecia um fato, porque é assim que as janelas de indisponibilidade costumam soar. Depois conferimos o que realmente estava esperando na máquina, e três minutos parecia pouco para dois meses de atualizações. Mudamos o plano para uma faixa ampla, de 20 a 45 minutos. Também incluímos uma nota sobre o que acontece se alguém confiar no número antigo: a pessoa fica ali no minuto 20, sem saber se a máquina morreu.

Nenhum dos dois números tinha sido medido. Um era pequeno demais e o outro acabou sendo grande demais.

O que a execução mostrou

A reinicialização aconteceu de manhã cedo. Uma de nós apertou o botão. Um agente de IA fez o acompanhamento de fora da máquina, registrando o que o site fazia. No meio do caminho, a sessão desse agente começou a falhar por erros do serviço de IA, e uma segunda assumiu o acompanhamento.

O site ficou fora do ar por cerca de dois minutos. Depois caiu de novo por mais uns dois, sem que ninguém encostasse em nada. Foram cerca de quatro minutos de indisponibilidade em duas reinicializações, bem longe dos 20 a 45.

A segunda reinicialização não estava em nenhuma versão do plano. O próprio instalador de atualizações da máquina tinha agendado uma reinicialização de acompanhamento para terminar o serviço. Isso é um comportamento normal quando você sabe onde olhar, mas ninguém tinha olhado, porque ninguém havia passado essa máquina por esse procedimento antes. Quem estivesse observando teria tomado a segunda queda por uma falha.

Quatro correções no procedimento escrito

Na mesma manhã, o procedimento escrito recebeu quatro mudanças:

• Um aviso de que a máquina reinicia duas vezes (Ler em inglês), como distinguir a segunda reinicialização de uma falha de verdade, e uma regra para não rodar as verificações pós-reinicialização entre as duas.
• A faixa mais ampla foi mantida, com a única medição real adicionada como um dado ao lado dela, em vez de substituí-la.
• Uma nota de que o teto de memória da máquina, o máximo de memória que ela informa poder usar, mudou sozinho com a reinicialização, de 40,91 GB para 36,66 GB. Uma comparação de antes e depois deve esperar isso.
• Três avisos que aparecem em toda inicialização dessa máquina, antes e depois, listados como ruído conhecido para que ninguém perca tempo atrás deles.

Também incluímos uma verificação de que as atualizações realmente foram instaladas. O marcador de “reinicialização necessária” sumir não prova que elas foram aplicadas.

O que o agente fez e o que nós fizemos

O agente de IA conseguiu observar, cronometrar a queda e anotar o que viu. Conseguiu comparar a execução com o plano e listar onde os dois divergiam. Nós escolhemos o dia, apertamos o botão e decidimos se o plano era confiável. Julgar que “cerca de três minutos” não era bom o bastante para agir em cima disso exigiu uma pessoa lendo a situação.

Agora o procedimento traz um número medido, cerca de dois minutos por reinicialização, registrado como um dado de uma única execução ao lado da estimativa ampla. É o máximo em que a próxima pessoa pode confiar.