Do objetivo de negócio à classe de dimensionamento

Planejar capacidade sem histórico de uso

O planejamento de capacidade na indústria costuma partir do consumo passado, medido em ferramentas de descoberta ou estimado a partir de um inventário, e esse caminho simplesmente não existe para uma carga nova. Em duas migrações planejadas da forma tradicional e acompanhadas por 90 dias depois da virada, a CPU executada na camada de computação ficou entre 26% e 41% acima do plano, e a memória entre 35% e 59%.

Escolher tipos de instância, replicação, escala e rede para cada serviço é um problema combinatório, e a tese o trata como NP-difícil. O C2PF troca a busca pela combinação ótima por uma abstração em classes, ao modo das camisetas P, M e G, ligadas a objetivos que o negócio sabe declarar. A classe é o ponto de partida do plano e não substitui a medição depois do go-live.

Nove elementos, do domínio de negócio à classe

Cada camada do meta-modelo restringe a seguinte. Clique em um elemento para ver como a tese o define.

Um marketplace B2C decomposto até o serviço

O exemplo da tese é uma plataforma de marketplace B2C, que conecta compradores e vendedores. Quatro blocos funcionais agrupam os serviços, e é no serviço, e não na plataforma inteira, que a capacidade é avaliada.

Fonte: tese, figuras 6 a 8. O serviço destacado é o que segue nos exemplos desta página.

O que o serviço precisa entregar, em três tipos

Em linguagem de SRE, os três seriam SLOs. O C2PF os separa por tipo para que cada um possa ser ligado às características de capacidade e às camadas que o atendem. Cada objetivo é medido por um indicador (SLI) e escrito como SLI ≤ alvo ou como faixa, numa janela de avaliação.

Fonte: tese, figura 9. A tese não separa os indicadores de SLO e RLO neste exemplo; uma especificação completa nomeia cada SLI.

Dez características de capacidade, cinco camadas

Processamento, memória, armazenamento e rede são o que o planejamento de capacidade costuma olhar. A tese amplia o conjunto com características não funcionais, agrupadas em confiabilidade e desempenho, porque é delas que depende a arquitetura que vai atingir o objetivo.

Cinquenta atributos condensados num nome

Cada classe atribui um valor a cada par de característica e camada, o que dá 10 × 5 = 50 atributos por classe e 150 valores na primeira geração. A tese derivou os valores da literatura sobre requisitos não funcionais, das médias das famílias de instância dos provedores públicos e de uma distribuição entre as três classes.

A segunda geração (c2pf2) mantém as três classes e acrescenta xsmall e xlarge. É uma extensão feita nos artigos derivados, sob a convenção de nomes da tese, e não faz parte dela.

Explorador da Tabela 4

Linhas esmaecidas têm o mesmo valor nas três classes, como a criptografia. Siglas: AZ, zona de disponibilidade; ASG, auto scaling group; PITR, recuperação a um ponto no tempo; TTL em segundos.

Pontuar um plano candidato contra os objetivos

Na figura do meta-modelo, SLO e R vão de 0 a 1 e indicam o grau de cumprimento, e P é uma medida de desempenho. A tese não fixa a faixa de P nem restringe os pesos. Os artigos derivados leem a expressão como pontuação de um candidato, com P também em [0, 1] e pesos que somam 1, de modo que a nota é 1 exatamente quando todos os objetivos são atingidos. Para R usam a razão de orçamento de erro, porque 89,95% e 99,95% parecem próximos e permitem indisponibilidades que diferem por um fator de 200.

Com pesos iguais, as notas são 0,596, 0,634 e 1,000, e só c2pf1.large atinge os três objetivos. Escolher, entre as classes com nota 1, a de menor custo é regra de decisão dos artigos, não da tese.

O que o C2PF deixa registrado

Cada etapa produz um artefato que outra pessoa consegue ler, contestar e reproduzir, e esse registro é o que diferencia o plano de uma estimativa feita de cabeça.

input = {
  slo: { success_rate: 99.5%, throughput: 3000 req/s },
  plo: { latency_p95: 150 ms, latency_p99: 400 ms, concurrency: 2000 },
  rlo: { availability_pct: 99.99%, rto_min: 2, rpo_min: 0 },
  demand: { app_ms: 8, queries: 2, read_share: 0.50, db_ms: 1.2 },
  overrides: { compliance: PCI-DSS, budget_cap: none,
               preferred_compute: containers }
}
→ κR = L · κS = XL (envelope de L: 2.424 req/s) · κP = L → c2pf2.xlarge

Carregue o exemplo “Pagamentos PCI” na calculadora para ver o plano completo e baixar os arquivos.

O que foi observado e onde o modelo para

• ›Os valores das classes saíram de médias de provedores públicos e da literatura, e envelhecem com as famílias de instância. A convenção de gerações existe para isso.
• ›A calculadora aplica as regras do modelo de processo orientado a decisão, um manuscrito ainda não publicado. Limiares, folga de 80% e 100 requisições por vCPU são escolhas de projeto desse trabalho, avaliadas em simulação.
• ›Com RLO crítico, a regra tende a superdimensionar, porque leva a large mesmo quando o serviço tolera pouca carga. O custo mostrado é ordem de grandeza e não substitui a calculadora do provedor.

1. C. D. C. Pereira, “Capacity Planning of Cloud Computing Workloads,” tese de doutorado, CESAR School, Recife, 2023. Edição revisada com nota editorial, 2026. doi:10.2139/ssrn.5754002.
2. C. D. C. Pereira, “C2PF: An Architecture-Aware Conceptual Framework for Cloud Capacity Planning,” manuscrito não publicado, 2026.
3. C. D. C. Pereira, “From Objectives to Architecture: A Decision-Oriented Process Model for Instantiating the C2PF,” manuscrito não publicado, 2026.
4. B. Beyer, C. Jones, J. Petoff e N. R. Murphy, Eds., Site Reliability Engineering. Sebastopol: O’Reilly, 2016.