Relatório de Análise de Causa Raiz (RCA)
No dia 06/02/2026, alguns servidores apresentaram falhas no acesso, causado por um comportamento inesperado em uma zona no Data Center.
Incidente: Instabilidade e Latência no Cluster de Virtualização Zona4
Status: Resolvido (Permanece em Monitoramento de Estabilização)
1. Sumário Executivo
Início: 04/02/2026 - 18:37
Fim: 04/02/2026 - 18:43
No período descrito acima, o cluster de servidores da zona 4 apresentou episódios de instabilidade que afetaram a comunicação entre os nós de virtualização. O sintoma principal foi a lentidão na troca de mensagens de controle ("batimento cardíaco"), o que resultou reinicializações inesperadas de máquinas virtuais e interrupção de serviços para os usuários finais.
2. Falhas Detectadas (Causa Raiz)
Após análise profunda da infraestrutura de rede e dos logs do sistema, identificamos a seguinte causa:
- O tráfego de armazenamento (Ceph Storage), que movimenta grandes volumes de dados, em um momento de demanda bem acima do normal e esperado neste horário, causou uma falha na sinalização (timeout) entre os membros do cluster, o que ocasionou uma perda de sincronismo do Quórum.
3. Ações de Contorno
Para estabilizar o ambiente e garantir a continuidade do negócio, foram implementadas as seguintes melhorias:
Implementação de QoS (Qualidade de Serviço): Configuramos uma "faixa exclusiva" nos equipamentos de rede e nos servidores. Com isto as mensagens de controle do cluster possuem prioridade máxima. Mesmo que a rede de dados esteja sobrecarregada, o tráfego crítico tem passagem privilegiada, eliminando descartes ou falhas de sincronismo.
Ajuste de Tolerância do Cluster: Calibramos os tempos de espera (timeouts) do sistema para serem mais resilientes a variações momentâneas de rede, evitando que o cluster tome decisões drásticas (como desligar nós) por oscilações curtas.
4. Conclusão e Próximos Passos
O ambiente encontra-se estabilizado no momento, e embora as configurações padrão deste serviço (heartbeat) atendam todos os cenários conhecidos, como medida de melhoria contínua, será implementado links dedicados exclusivamente ao tráfego de Quórum (Corosync). Esta segregação física garantirá que a comunicação entre os servidores possua um caminho exclusivo e imune a interferências de outras cargas de dados, assegurando a integridade total do cluster.