Ingeniería y operaciones de producción
Observabilidad, Kubernetes, investigación de incidentes y automatización con resultados documentados.
Explorar casos técnicosALEXANDRE PAIVA SRE · DEVOPS · PLATFORM
Claridad bajo presión.
Sigo la alerta hasta la causa raíz. Evidencia antes que suposiciones.
Soy ingeniero SRE/DevOps y trabajo con infraestructura en la nube, Kubernetes y automatización en Elven Works. Ayudo a las empresas a mantener sus sistemas estables, detectar cuellos de botella y mejorar sus entornos de producción — desde el despliegue y el monitoreo hasta la investigación de incidentes. Mi objetivo es lograr operaciones más confiables, eficientes y fáciles de mantener.
PostgreSQL de producción: CPU por encima del 80%Disparando
97%del límite de CPU, con 88% de throttling
- Throttling de CPU confirmado en Prometheus. Memoria de sobra: el cuello de botella no es la RAM.
- EXPLAIN ANALYZE en las queries calientes y lectura de 122 queries lentas del log.
- Causa raíz: la paginación por OFFSET leía 119.145 filas para devolver 15.
- Corrección dividida en dos frentes: código (paginación por cursor) y base de datos (autovacuum por tabla).
38/38alertas sintéticas entregadas en pruebas de enrutamiento
871reglas de alerta auditadas en 6 entornos de producción
249 GBrestaurados con integridad verificada
16casos documentados de ingeniería y operaciones
Tecnologías al servicio de la confiabilidad.
Infraestructura en la nube, plataformas y observabilidad. Cada herramienta responde a problemas reales.
Nube e infraestructura
AWS
Terraform
Linux
Oracle Cloud
Plataformas y contenedores
Kubernetes
Docker
Helm
Argo CD
Observabilidad y automatización
Grafana
Prometheus
Python
GitHub Actions
Casos destacados
Cada caso sigue el mismo formato: el contexto, lo que hice, lo que cambió y lo que aprendí, siempre con el número que se midió.
-
01 / SEÑAL
La alerta existía. El mensaje nunca llegaba.
De rutas rotas a entregas verificadas.
Leer el casoalertas de prueba entregadas después de reconectar el enrutamiento38/38Una alerta que no le llega a nadie no existe: monitoreo de servicios críticos -
02 / CONTEXTO
Una alerta crítica. ¿Pero afectaba a los usuarios?
Los dashboards RED conectan los síntomas con el comportamiento de las aplicaciones.
Leer el casode 871 reglas tenían panel; ahora cada alerta lleva al gráfico correcto4,6%De la alerta al gráfico correcto: dashboards de infraestructura y RED para aplicaciones -
03 / CONTINUIDAD
Un backup no es garantía hasta que se restaura.
Recuperación medida, validada y documentada.
Leer el casorestaurados en 2h41 para probar que el backup funciona249 GBUn backup solo cuenta si el restore fue probado: RPO, RTO y recuperación ante desastres -
Diagnosticar
El incidente que se resolvía solo: base de datos de producción saturada por paginación
plataforma SaaS de API de mensajería; el mismo patrón apareció después en una plataforma de agentes de IA
Leer el casofilas leídas para devolver 15: la causa de 4 incidentes119.145El incidente que se resolvía solo: base de datos de producción saturada por paginación -
Diagnosticar
La mitad de la telemetría desapareció durante 50 días, y nadie lo notó
plataforma SaaS de mensajería
Leer el casode la mitad de la telemetría perdida, hasta que el shard volvió a escribir50 díasLa mitad de la telemetría desapareció durante 50 días, y nadie lo notó -
Construir
Las comisiones no pueden fallar: contenedores, IaC y deploy blue/green para un SaaS de remuneración variable
SaaS de gestión de comisiones y remuneración variable
Leer el casopromovidos en lote con blue/green, en producción4 serviciosLas comisiones no pueden fallar: contenedores, IaC y deploy blue/green para un SaaS de remuneración variable -
Recuperar
War room: el disco del hipervisor se llenó y tiró 14 nodos de producción
plataforma SaaS de atención multicanal
Leer el casode espacio muerto detrás de la caída de 14 nodos4,8 TBWar room: el disco del hipervisor se llenó y tiró 14 nodos de producción
Todos los casos
Organizados por tipo de trabajo, de construir a proteger. Los clientes de la consultoría están anonimizados y aparecen por su segmento.
Construir
Infraestructura nueva, desde cero o migrada, que el cliente puede operar solo.
- Cofundar una startup: convertir un equipo pequeño en un equipo que entrega con estándar1 camino
- Las comisiones no pueden fallar: contenedores, IaC y deploy blue/green para un SaaS de remuneración variable4 servicios
- De VMs a contenedores: infraestructura de producción para una empresa de IA sin equipo de DevOps~5 semanas
Operar
Hacer que lo que ya existe funcione todos los días y avisar cuando no funciona.
- Una alerta que no le llega a nadie no existe: monitoreo de servicios críticos38/38
- De la alerta al gráfico correcto: dashboards de infraestructura y RED para aplicaciones4,6%
- El pipeline que "funcionaba": confiabilidad del flujo de datos hacia el data lake~6 h
- Plataforma para quien entrega: DevOps de plataforma en una fintech100%
- Un robot que prueba la plataforma como un cliente: observabilidad multicloud para un SaaS B2B2 nubes
Diagnosticar
Ir del síntoma a la causa, con un número en cada paso.
- El incidente que se resolvía solo: base de datos de producción saturada por paginación119.145
- La mitad de la telemetría desapareció durante 50 días, y nadie lo notó50 días
- Salimos de New Relic: migración de las vistas de APM a SigNoz, con paridad probada6/6
- Chequeo completo de una plataforma SaaS internacional: del diagnóstico a la presentación ejecutiva7
Recuperar
Probar que se puede volver, y aprender cuando algo se cae.
Proteger
Reducir la superficie de ataque sin romper producción.
Experiencia profesional
Confiabilidad en producción y operaciones de producto: dos perspectivas complementarias.
Cofundador técnico de Capyvara
Socio y cofundador técnico de una startup de productos SaaS para el sector público: liderazgo técnico del equipo, buenas prácticas de ingeniería y proceso de entrega.
Leer el casoQué puedes esperar de mí
La confiabilidad se construye. Menos incertidumbre, más visibilidad y decisiones seguras, incluso cuando algo sale mal.
Claridad antes de actuar
Investigo el impacto real antes de decidir qué hay que corregir.
Cambios seguros
Evalúo riesgos, valido cambios y preparo un plan de reversión.
Visibilidad de lo importante
Creo monitoreo que ayuda a detectar fallos y comprender la salud de los servicios.
Prácticas que perduran
Documento decisiones y automatizo tareas para reducir la dependencia de intervenciones manuales.
Hablemos de confiabilidad.
¿Tu operación necesita más visibilidad, estabilidad o seguridad? Hablemos de tus desafíos y de cómo puedo ayudarte.
E-mailcontato.alexandre1504@gmail.com
LinkedInin/alexandre-paiva-080181247
GitHubgithub.com/OpsXandao