Estúdio levantou cluster em 14 horas após queda da Yandex Cloud antes de migrar 4 milhões de jogadores
Um dia antes de mover 4 milhões de jogadores, um ataque à Yandex Cloud derrubou a zona que abrigava a parte russa da infraestrutura de um estúdio de jogos. Com a ajuda do Claude Code, a equipe descreveu a infraestrutura para outra nuvem em poucas horas e levantou um cluster Kubernetes 14 horas antes do início da migração. Uma semana antes, o mesmo agente já havia encontrado uma tabela de 599 linhas que o banco lia 310 milhões de vezes. A conclusão: a nuvem de contingência deve ser preparada com antecedência, e não adiada para depois.
Processado por IA de Habr AI; editado por Hamidun News
Imagine: você passa um ano preparando a migração de um jogo mobile para uma nova versão, e na véspera do lançamento toda a parte russa da sua infraestrutura some. Foi exatamente isso que aconteceu com um estúdio de jogos. Um ataque à Yandex Cloud tornou inacessível a zona onde estavam o cluster Kubernetes, os buckets e a CDN. Era preciso migrar cerca de 4 milhões de jogadores, ou seja, 4,2 milhões de contas, das quais entram por dia aproximadamente 80 mil (esse é o DAU, o número de usuários ativos diários). O líder técnico de infraestrutura contou como a equipe se preparou, onde o Claude Code ajudou e onde a própria equipe errou.
O que foi migrado e por quê
A versão antiga do jogo era um monólito em PHP, com muitas tarefas cron e um cliente em Unity. Os dados ficavam em MySQL, Redis e object storage, e tudo rodava em servidores da Hetzner. Havia vários motivos para trocar a stack. A Unity passaria a cobrar por cada instalação, a arquitetura e o design estavam defasados, e um novo servidor físico podia levar horas ou dias para ficar disponível.
A nova versão foi construída sobre outra stack: cliente em Flutter, várias dezenas de microsserviços em Go, além de Postgres, Valkey, Redpanda, Cassandra e OpenSearch. A maior parte foi colocada na DigitalOcean, e a parte russa ficou na Yandex Cloud. Cerca de 20 pessoas trabalhavam no jogo, e seis cuidavam da migração em si.
Três abordagens para a preparação
A primeira foi a de testes de carga com o Grafana k6. Não foi possível comparar a nova versão com a antiga. Uma requisição do cliente antigo e uma do novo não são comparáveis: o novo cliente faz mais chamadas ao backend, e cada uma delas gera um conjunto de chamadas internas entre os microsserviços. Ainda assim, surgiu uma lição: limites rígidos de CPU no Kubernetes estrangulam o contêiner mesmo quando o processador do servidor está ocioso. A equipe removeu esses limites.
A segunda foi a troca de fundação durante o caminho. Três meses antes da migração, a ScyllaDB encerrou sua versão gratuita, e a equipe passou para o Cassandra. O Ingress-nginx foi declarado projeto concluído, então escolheram o Gateway API sobre Envoy. O Redis, de thread única, foi substituído pelo Valkey. Nessa mesma época, os primeiros 10 mil jogadores foram migrados, e a equipe decidiu manter os recursos com folga.
A terceira foi o Claude Code. O agente foi conectado via MCP a repositórios, métricas, logs e clusters, e recebeu a principal premissa: a próxima onda seria de 200 mil jogadores. Depois dessa onda, ele procurou os gargalos para os futuros 4 milhões. Ele encontrou:
- uma consulta a uma tabela de 599 linhas que varria a tabela inteira a cada vez e foi executada 310 milhões de vezes, sobrecarregando o processador do Postgres;
- métricas em forma de histogramas com muitos buckets, que ameaçavam sufocar o Prometheus, cuja memória já se aproximava do limite de 8 GB;
- brokers do Redpanda ocupados entre 60% e 65%, contra 25% a 28% nos demais, e no Cassandra a fatia de dados nos nós diferia em duas vezes;
- a regra de «no máximo um pod de serviço por servidor» impediria que os serviços crescessem para 20 a 30 réplicas, pois os novos pods ficariam pendentes.
O agente também testou hipóteses da equipe. Os «8 mil erros» se revelaram dois ids presos em uma repetição infinita. Já as conclusões sobre balanceadores e certificados foram verificadas manualmente pela equipe, porque o agente formula com a mesma segurança conclusões corretas e incorretas.
Pane na véspera e dia da migração
Uma semana antes, a equipe havia discutido uma dívida antiga: toda a parte russa estava em uma única zona de disponibilidade da Yandex Cloud. Decidiram resolver depois. Uma semana depois, a zona saiu do ar, e não era possível criar recursos nas zonas vizinhas. A equipe iniciou uma mudança emergencial para uma nuvem menos popular. O Claude Code ajudou a descrever a infraestrutura em código em poucas horas, e o cluster foi levantado 14 horas antes do início. Os buckets e a CDN permaneceram na Yandex e foram migrados dois dias depois. A maior parte dos jogadores não percebeu a pane, porque a versão antiga continuava funcionando em dois data centers.
Pouco antes da migração, descobriu-se outro problema: parte dos jogadores com clientes antigos acessava o domínio principal, e suas requisições precisavam ser direcionadas para a aplicação antiga. Essas regras não podem ser configuradas pela CDN, por isso o roteamento no Envoy foi montado às pressas junto com o Claude. O autor admite que, em certo momento, deixou de manter o esquema do tráfego na cabeça.
O que aconteceu depois
Segundo o autor, a indisponibilidade ficou dentro das duas horas planejadas. Em seguida, o tráfego no Envoy subiu de 600–700 para 3,5 mil requisições por segundo, chegando a 5,1 mil à noite: o novo cliente faz chamadas à API de 6 a 7 vezes mais do que o antigo. A latência de leitura no Cassandra subiu de 1 para 4–5 ms, e a ampliação do cluster de 9 para 12 nós ajudou. O Prometheus, mesmo assim, ficou sem memória.
Alguns dias depois, apareceu um CoreDNS sobrecarregado: por causa da configuração ndots: 5, cada nome era primeiro testado nos domínios internos do cluster. Após a mudança para ndots: 2, as consultas DNS por dia caíram de 114 milhões para 51 milhões, e os erros nos backends foram de cerca de 200 para 16.
No resultado, o DAU do dia seguinte foi de 86 mil, contra 73 mil na versão antiga, e a infraestrutura ficou 20% mais cara. Parte do crescimento veio do marketing e das novas funções, e o autor considera a receita das três semanas comparável à anterior, por isso ainda é cedo para conclusões definitivas.
A lição prática para as equipes: um agente de IA encontra bem os problemas nos dados aos quais tem acesso, mas não substitui uma nuvem de contingência e não enxerga os riscos que as próprias pessoas decidiram adiar.
- 21 de nov. de 2026Anthropic cortou em 20% o preço do Claude Fable 5.2, e no teste de código ele quase empata com o Opus 5.5
- 21 de nov. de 2026Dreamteam capta US$ 53 milhões para um CRM que se preenche sozinho a partir de e-mails e ligações
- 21 de nov. de 2026Claude Opus 5.5 completa o horror Dimension 9 a partir de 15 salas criadas pelo autor
- 21 de nov. de 202622 agentes Claude passaram seis semanas atrás de respostas sobre buracos negros e resolveram dois problemas
Perguntas frequentes sobre a notícia
O que foi migrado e por quê?
A versão antiga do jogo era um monólito em PHP, com muitas tarefas cron e um cliente em Unity. Os dados ficavam em MySQL, Redis e object storage, e tudo rodava em servidores da Hetzner. Havia vários motivos para trocar a stack. A Unity passaria a cobrar por cada instalação, a arquitetura e o design estavam defasados, e um novo servidor físico podia levar horas ou dias para ficar disponível.
O que se sabe sobre Três abordagens para a preparação?
A primeira foi a de testes de carga com o Grafana k6. Não foi possível comparar a nova versão com a antiga. Uma requisição do cliente antigo e uma do novo não são comparáveis: o novo cliente faz mais chamadas ao backend, e cada uma delas gera um conjunto de chamadas internas entre os microsserviços. Ainda assim, surgiu uma lição: limites rígidos de CPU no Kubernetes estrangulam o contêiner mesmo quando o processador do servidor está ocioso. A equipe removeu esses limites.
O que se sabe sobre Pane na véspera e dia da migração?
Uma semana antes, a equipe havia discutido uma dívida antiga: toda a parte russa estava em uma única zona de disponibilidade da Yandex Cloud. Decidiram resolver depois. Uma semana depois, a zona saiu do ar, e não era possível criar recursos nas zonas vizinhas. A equipe iniciou uma mudança emergencial para uma nuvem menos popular. O Claude Code ajudou a descrever a infraestrutura em código em poucas horas, e o cluster foi levantado 14 horas antes do início.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.