Imagine uma loja virtual que passa meses funcionando bem. Chega uma campanha, o movimento sobe em poucos minutos e as páginas começam a demorar. O time olha o código, não acha nada de errado, e a conversa termina em "vamos pedir um servidor maior". Muitas vezes o problema não está no programa, e sim em como a infraestrutura em nuvem foi montada, medida e ajustada.
A nuvem entrega recursos sob demanda, mas não decide sozinha quais recursos a sua operação precisa. Quem decide é a arquitetura. Se o tamanho dos servidores, a rede, o armazenamento e o monitoramento foram escolhidos uma vez e nunca mais revisados, o desempenho se perde aos poucos, sem aviso.
Neste texto, a Trilion, que desenvolve sistemas desde 1995, explica o que controlar para manter o desempenho: dimensionamento de servidores, elasticidade, monitoramento de recursos, rede e dados, e a rotina de testes que mantém tudo sob vigilância. Ao final, você terá uma lista de verificação para conversar com o seu time ou com o seu fornecedor.
Quer comparar este roteiro com o que a sua empresa já faz? Guarde o texto e use as listas como pauta da próxima reunião técnica.
Infraestrutura em nuvem: o que é e por que ela afeta o desempenho
Infraestrutura em nuvem é o conjunto de servidores, redes, armazenamento e serviços de apoio que um provedor oferece sob demanda, para rodar o seu sistema sem que você compre e mantenha equipamentos próprios.
O que é infraestrutura em nuvem na prática
Em vez de comprar uma máquina física e esperar semanas, a empresa contrata capacidade de processamento, memória e disco por meio de um painel ou de código. Essa capacidade pode crescer e encolher. Por isso a nuvem facilita o desempenho, mas também cria uma nova responsabilidade: alguém precisa escolher e acompanhar o que está contratado.
Por que a nuvem não garante velocidade sozinha
Os guias de arquitetura dos grandes provedores tratam o desempenho como um pilar próprio. O AWS Well-Architected Framework, por exemplo, é organizado em 6 pilares, e o de eficiência de desempenho tem 5 áreas de foco: seleção de arquitetura, computação e hardware, gerenciamento de dados, rede e entrega de conteúdo, e processo e cultura. Ou seja, o desempenho depende de decisões em várias camadas, não de um único ajuste.
As 5 camadas que mais pesam no desempenho
- Computação: o tipo e o tamanho dos servidores que executam o sistema.
- Dados: o banco de dados, o armazenamento e a forma como as consultas são feitas.
- Rede: a distância entre o usuário, o servidor e os serviços que se falam entre si.
- Arquitetura: como as partes do sistema se dividem e se comunicam.
- Processo: quem mede, quem revisa e com que frequência.
Onde o desempenho costuma se perder primeiro
Na nossa experiência com sistemas de volume, a perda raramente vem de uma falha dramática. Ela vem de pequenos desencontros: um servidor escolhido por palpite, um banco que cresceu mais que o previsto, uma rotina pesada rodando no horário de pico. Cada um parece inofensivo. Somados, deixam o sistema lento.
Dimensionamento de servidores: escolher e ajustar o tamanho certo
Dimensionar servidores é escolher o tipo e o tamanho dos recursos de computação conforme o comportamento real do sistema, e ajustá-los quando esse comportamento muda, em vez de repetir uma escolha antiga.
Por que a escolha de computação importa
A documentação da AWS sobre computação e hardware afirma que a melhor escolha varia conforme o desenho da aplicação, os padrões de uso e as configurações, e que uma escolha errada reduz a eficiência de desempenho. Uma aplicação que processa muitas imagens e outra que atende milhares de consultas curtas pedem perfis diferentes de máquina.
O que significa dimensionar no tamanho certo
O termo em inglês é right-sizing. A ideia é simples: nem faltar capacidade nos momentos de pico, nem manter recursos parados sem necessidade. A mesma documentação lista como boas práticas coletar métricas de computação, configurar e dimensionar os recursos e escalá-los de forma dinâmica. Repare que a coleta de métricas vem antes do ajuste, porque não se dimensiona o que não se mede.
Sinais de que o dimensionamento está errado
- Uso de processador sempre perto do limite: o servidor não tem folga para um pico.
- Uso muito baixo por semanas: há capacidade contratada sem função.
- Memória esgotada: o sistema passa a usar o disco no lugar da memória e desacelera.
- Lentidão só em horários específicos: a capacidade não acompanha a curva de demanda.
- Reinícios inesperados: o processo é encerrado por falta de recurso.
Como decidir sem depender de palpite
- Observe o uso de processador, memória, disco e rede por pelo menos um ciclo completo de negócio.
- Identifique qual recurso chega ao limite primeiro.
- Ajuste um componente por vez e compare antes e depois.
- Registre a decisão e a data, para a próxima revisão.

Escalar com a demanda: elasticidade e capacidade
Escalar com a demanda significa que o sistema ganha capacidade quando o movimento sobe e a devolve quando o movimento cai, dentro de regras definidas com antecedência e testadas.
Escala vertical e escala horizontal
A escala vertical aumenta a força de um servidor: mais processador, mais memória. A escala horizontal acrescenta mais servidores para dividir o trabalho. A vertical é simples, mas tem teto e costuma exigir uma pausa. A horizontal tem mais alcance, mas pede que o sistema saiba dividir a carga entre várias máquinas, o que influencia o desenho do software. Falamos disso em escalabilidade de sistemas.
Elasticidade segundo os guias dos provedores
O Azure Well-Architected Framework define eficiência de desempenho como a capacidade de a carga de trabalho se adaptar a demandas variáveis: ampliar para atender ao aumento sem prejudicar o usuário e reduzir para conservar recursos quando o movimento cai. O guia do Google Cloud segue a mesma linha: o escalonamento automático mantém o desempenho previsível sob carga e remove recursos ociosos nos períodos de baixa.
Por que só pré-provisionar não basta
O guia do Azure alerta que depender apenas de capacidade reservada antecipadamente leva a problemas de desempenho sob carga alta e a recursos parados quando o uso é baixo. Prever a demanda de longo prazo é útil, mas prever com exatidão é raro. Por isso a elasticidade existe: ela corrige as previsões que erraram.
Perguntas para fazer antes de ligar o escalonamento automático
- Qual métrica dispara o crescimento? Processador, fila de pedidos ou tempo de resposta?
- Quanto tempo leva para um novo servidor ficar pronto? Se levar minutos, o pico pode passar antes.
- O sistema guarda estado no servidor? Se guardar, a escala horizontal fica mais difícil.
- Existe um limite máximo? Sem teto, um erro de código pode multiplicar servidores sem necessidade.
- O banco de dados acompanha? Escalar o sistema e esquecer o banco só muda o gargalo de lugar.
Monitoramento de recursos: o que medir e quando agir
Monitorar recursos é acompanhar, em tempo real e ao longo do tempo, indicadores de infraestrutura e de experiência do usuário, com alertas que avisam o time antes de o cliente perceber o problema.
Métricas técnicas e métricas de negócio juntas
O guia do Azure recomenda acompanhar tanto as transações de negócio de ponta a ponta quanto indicadores técnicos como uso de processador, latência e requisições por segundo, usando transações verdadeiras e sintéticas em produção. Uma transação sintética é uma simulação automática de uma ação do usuário, como fechar um pedido, executada em intervalos fixos. Ela revela falhas mesmo quando ninguém está usando o sistema.
O que acompanhar em cada camada
- Processador e memória: mostram se o servidor tem folga.
- Disco: espaço livre e velocidade de leitura e escrita.
- Rede: volume trafegado e perdas de pacotes.
- Tempo de resposta: o que o usuário sente, medido por página ou por operação.
- Taxa de erros: quantas requisições falham e por quê.
Alertas que ajudam e alertas que cansam
Um alerta útil aponta uma ação: "o tempo de resposta do fechamento de pedido passou do limite combinado". Um alerta que dispara por qualquer oscilação ensina o time a ignorá-lo. Defina limites a partir de dados históricos e revise-os quando o sistema mudar. Para aprofundar, veja nosso texto sobre observabilidade com logs, métricas e rastreamento.
Monitorar é diferente de observar
O monitoramento responde a perguntas que você já sabia fazer: o servidor está de pé? A observabilidade ajuda a investigar perguntas novas, quando algo inesperado acontece. Um bom ambiente combina os dois. O guia do Google Cloud cita logs, rastreamento, métricas e alertas como a base do monitoramento contínuo.

Rede, dados e distância: onde o desempenho costuma se perder
Depois da computação, o desempenho depende de quão perto os dados estão de quem os usa e de quão eficiente é o caminho entre usuário, aplicação e banco de dados.
Distância e latência
Latência é o tempo que uma informação leva para ir e voltar. Quanto maior a distância física e o número de saltos, maior ela tende a ser. Por isso as áreas de foco da AWS reservam um espaço específico para rede e entrega de conteúdo. Se os seus usuários estão no Brasil e partes do sistema rodam longe, cada chamada entre elas soma tempo. Explicamos o tema em latência e CDN.
Banco de dados como ponto sensível
Em muitos sistemas, o banco de dados é o primeiro recurso a saturar, porque diferentes partes da aplicação dependem dele ao mesmo tempo. Consultas sem índice, tabelas que cresceram e rotinas pesadas competem pelo mesmo recurso. Antes de contratar mais capacidade de servidor, vale olhar o que o banco está fazendo. Detalhamos isso em banco de dados lento.
Cache e distribuição de carga
Duas medidas aliviam a infraestrutura sem trocar tudo. O cache guarda respostas frequentes e evita repetir o mesmo trabalho; veja Redis e cache. O balanceador de carga reparte as requisições entre servidores e retira da rotação os que falharam; veja load balancer e alta disponibilidade.
Tarefas pesadas fora do caminho do usuário
Gerar relatórios, enviar e-mails em massa e processar arquivos não precisam acontecer enquanto o usuário espera. Mover essas tarefas para filas libera a infraestrutura para o que é imediato. O assunto está em filas e processamento assíncrono.
Rotina de desempenho: testar, revisar e decidir com dados
Desempenho não é um projeto com data de término. É uma rotina de definir metas, testar, monitorar e revisar, porque o sistema, o uso e a própria plataforma mudam o tempo todo.
Definir metas antes de otimizar
O guia do Azure orienta negociar metas realistas de desempenho com as áreas de negócio, olhando a experiência do usuário nos fluxos principais e não só números técnicos. Ele observa que não se mede o que não foi definido, e que a meta evolui com os dados. Uma meta como "o fechamento de pedido responde em tempo aceitável para o cliente" precisa virar um limite combinado entre as áreas.
Testar de forma contínua
O mesmo guia recomenda incluir testes de desempenho nos pipelines de entrega e tratá-los como barreiras de qualidade, chegando a bloquear uma versão cujo desempenho fique abaixo do esperado. Assim, uma mudança que deixa o sistema lento é pega antes de chegar ao cliente. Veja como antecipar problemas em teste de carga e de performance.
Não otimizar cedo demais
Segundo o Azure, muitas vezes é melhor adiar grandes otimizações até haver dados de produção, para evitar decisões prematuras. Isso não quer dizer ignorar o desempenho no início. Quer dizer medir cedo e otimizar com evidência. O guia do Google Cloud reforça que a otimização é um processo contínuo, não uma atividade única.
Roteiro de revisão em 5 passos
- Reúna as métricas dos últimos meses e compare com as metas.
- Liste os 3 fluxos mais importantes para o negócio e como se comportaram.
- Identifique o recurso que chegou mais perto do limite.
- Decida o que ajustar agora e o que apenas acompanhar.
- Agende a próxima revisão e registre o que foi decidido.
Conclusão
A nuvem entrega flexibilidade, mas o desempenho continua sendo resultado de decisões: dimensionar com base em medição, escalar com regras testadas, monitorar o que importa e revisar de forma regular. Quem trata a infraestrutura como algo para configurar uma vez costuma descobrir os limites no pior momento.
Na Trilion, projetamos e otimizamos sistemas para volume e velocidade, olhando arquitetura, filas, cache, banco de dados e observabilidade em conjunto. Se o seu sistema já mostra sinais de lentidão, ou se vem um período de movimento intenso, monte o seu briefing na página aplicações de alta performance ou em orçamento. A proposta é escrita depois do briefing, e o valor depende de escopo, integrações, volume e prazo.
Se o problema vem de um sistema antigo, vale também conhecer a frente de modernização de sistemas.
Compartilhe este roteiro com quem cuida da infraestrutura da sua empresa e compare com o que existe hoje.
Sobre este texto
Este artigo foi escrito pela equipe da Trilion a partir de documentação pública de provedores de nuvem. Cada afirmação factual foi conferida na fonte indicada. Nomes de plataformas aparecem apenas como exemplo, sem recomendação. Não apresentamos números de ganho de desempenho, porque eles dependem de cada sistema.
- AWS, Performance Efficiency Pillar, Well-Architected Framework: https://docs.aws.amazon.com/wellarchitected/latest/performance-efficiency-pillar/welcome.html (consulta em 07/11/2026)
- AWS, Compute and hardware: https://docs.aws.amazon.com/wellarchitected/latest/performance-efficiency-pillar/compute-and-hardware.html (consulta em 07/11/2026)
- Microsoft, Performance Efficiency design principles, Azure Well-Architected Framework: https://learn.microsoft.com/en-us/azure/well-architected/performance-efficiency/principles (consulta em 07/11/2026)
- Google Cloud, Architecture Framework, Performance optimization: https://docs.cloud.google.com/architecture/framework/performance-optimization (consulta em 07/11/2026)

