← Voltar ao blog
8 min de leituraPT

De 24 contêineres a Kubernetes:
um caso real de migração para a AWS

Um passo a passo prático de como migrei uma plataforma de CX em produção, que rodava em 24 contêineres gerenciados de forma frouxa, para uma configuração de Kubernetes de verdade na AWS: com as decisões exatas, os números e o que eu faria diferente.

KubernetesAWSDevOpsGitLab CI/CDHashiCorp VaultEstudo de caso

O ponto de partida

Sou Abdelhamid NOIRA, engenheiro DevOps baseado em Casablanca, no Marrocos. Durante uma atuação na Tersea Groupe, trabalhei no Deskea, a plataforma omnicanal de experiência do cliente deles, impulsionada por IA. A aplicação já estava em produção e atendia tráfego real, mas sua infraestrutura eram 24 contêineres, implantados e gerenciados em grande parte à mão, sem nenhuma camada de orquestração para uni-los.

É uma situação comum para um produto em crescimento: conteinerizado porque alguém percebeu cedo que o Docker era a escolha certa, mas sem nunca dar o passo seguinte rumo a uma orquestração de verdade. Escalar significava entrar nas máquinas por SSH. Implantar significava reiniciar contêineres manualmente. Não havia gestão consistente de segredos, nem caminho de rollout blue-green, nem observabilidade real além de verificações básicas de disponibilidade.

Por que Kubernetes, especificamente

O Kubernetes nem sempre é a resposta para 24 contêineres — muitas equipes operam essa escala muito bem com o ECS ou com uma configuração de Compose bem organizada. Neste caso fazia sentido porque o roadmap do produto incluía expansão multirregião e a equipe queria um modelo de implantação consistente entre os ambientes (staging, produção e, eventualmente, uma segunda região da AWS). Esses requisitos — rollouts declarativos, paridade entre ambientes e escalonamento horizontal sob demanda — são exatamente aquilo para o que o Kubernetes foi criado.

AWS (EKS)
Plano de controle gerenciado — sem perder tempo operando o etcd ou o servidor de API à mão
Helm
Cada serviço empacotado como um chart, versionado junto ao código da aplicação
GitLab CI/CD
Pipelines totalmente automatizados: build, teste, varredura, deploy — sem etapas manuais
HashiCorp Vault
Gestão centralizada de segredos, substituindo arquivos de ambiente com valores em texto puro
Prometheus & Grafana
Métricas reais do cluster e das aplicações, no lugar de verificações básicas de disponibilidade
Ansible
Provisionamento baseado em papéis para tudo que fica fora do próprio cluster

A abordagem de migração

Não movi os 24 contêineres de uma vez. Cada serviço foi migrado individualmente, começando pelos de menor risco e sem estado — APIs internas sem tráfego direto de clientes — antes de tocar em qualquer coisa voltada ao cliente. Cada serviço ganhou seu próprio Helm chart, e os segredos que antes ficavam em arquivos de ambiente em texto puro foram movidos para o Vault e injetados em tempo de execução.

Para os rollouts, configurei deployments blue-green para os serviços de maior tráfego e releases canary para todo o resto, controlados pelo pipeline do GitLab CI/CD. Assim, um deploy ruim podia ser detectado e revertido automaticamente antes de atingir a maior parte do tráfego, em vez de causar uma queda total enquanto alguém revertia um contêiner manualmente.

O Ansible cuidou do que não pertencia ao cluster — registros DNS, papéis do IAM e a configuração inicial dos novos ambientes — de modo que todo o provisionamento, cluster e infraestrutura ao redor, permaneceu reproduzível e deixou de depender da memória de qualquer pessoa.

Os resultados

15%
Custos de infraestrutura menores
Com pools de nós dimensionados sob medida e autoscaling, em vez de superprovisionamento estático
10%
Melhor desempenho
Com requests/limits de recursos adequados e autoscaling horizontal de pods
99,9%
Disponibilidade
Com rollouts blue-green e canary barrando deploys ruins antes que eles se espalhem

Nenhum desses números veio de uma única grande mudança — vieram do acúmulo de pequenos padrões corretos: contêineres que pedem apenas a CPU e a memória que realmente usam, um autoscaler de cluster que adiciona e remove nós conforme a demanda real e um pipeline de deploy que faz da forma mais segura de publicar também a mais rápida.

O que eu faria diferente

Começar a observabilidade mais cedo
O Prometheus e o Grafana entraram no meio da migração. Em retrospecto, ter métricas reais desde o primeiro dia teria deixado a comparação antes/depois — e o argumento de custos para as partes interessadas — muito mais clara.
Isolar os namespaces desde o início
Os primeiros serviços dividiram um namespace por mais tempo do que deveriam. Separar antes por equipe ou por fronteira de serviço teria simplificado o RBAC e facilitado a futura divisão multirregião.
Documentar o caminho de migração para o Vault
Tirar os segredos dos arquivos de ambiente foi a decisão certa, mas o processo só foi documentado depois de ter sido feito duas vezes. Um runbook curto teria economizado tempo de verdade.

Conclusão

Migrar 24 contêineres gerenciados à mão para o Kubernetes não era correr atrás de uma tecnologia da moda — era substituir operações manuais e sujeitas a erro por algo declarativo e repetível. Os ganhos de custo e desempenho foram reais, mas a maior vitória foi operacional: os deploys passaram a ser rotina em vez de risco, e a equipe deixou de precisar saber em qual servidor específico cada serviço estava rodando.

Se você opera uma plataforma de escala semelhante em contêineres sem orquestração e está avaliando se o Kubernetes compensa a complexidade, a resposta honesta é: depende de para onde o seu produto está indo. Se consistência entre ambientes, autoscaling e rollouts mais seguros estão de fato no seu roadmap, a migração se paga rápido. Se não, pode ser apenas mais custo operacional.