Carregando
0x10Lição 2 de 16

Medindo a entrega: as métricas DORA

Meça velocidade e estabilidade juntas com as quatro métricas-chave - frequência de deploy, lead time, taxa de falha de mudanças e tempo de restauração.

24 min Questionário com 7 perguntas 2 exercícios de código
Ao final desta lição, você saberá
  • Definir as quatro métricas DORA e calculá-las a partir de um log de deploys
  • Explicar por que velocidade e estabilidade melhoram juntas, em vez de uma prejudicar a outra
  • Usar métricas para encontrar gargalos sem transformá-las em metas que serão burladas

O CEO da Byte Bakery pergunta: “Estamos melhorando na entrega?” As opiniões divergem. Dados ajudariam.

O programa de pesquisa DORA (DevOps Research and Assessment, hoje parte do Google Cloud) entrevistou dezenas de milhares de profissionais ao longo de muitos anos e encontrou quatro métricas-chave que preveem o desempenho da entrega de software - e, curiosamente, também o desempenho da organização:

MétricaPerguntaMede
Frequência de deployCom que frequência fazemos deploy em produção?velocidade
Lead time de mudançasQuanto tempo do commit até rodar em produção?velocidade
Taxa de falha de mudançasQue parte dos deploys causa uma falha que exige correção?estabilidade
Tempo para restaurar o serviçoQuando uma falha acontece, com que rapidez nos recuperamos?estabilidade
four_keys.py
1deploys = [  # (hours from commit to deploy, caused a failure?, hours to restore)
2    (30, False, 0), (4, False, 0), (6, True, 2), (3, False, 0), (5, False, 0),
3]
4days = 5
5lead_times = sorted(hours for hours, _, _ in deploys)
6failures = [restore for _, failed, restore in deploys if failed]
7print(f"deploys per day: {len(deploys) / days:.1f}")
8print(f"median lead time: {lead_times[len(lead_times) // 2]} h")
9print(f"change failure rate: {len(failures) / len(deploys):.0%}")
10print(f"mean time to restore: {sum(failures) / len(failures):.1f} h")
Saída
deploys per day: 1.0
median lead time: 5 h
change failure rate: 20%
mean time to restore: 2.0 h

Lendo os números:

  • Use a mediana do lead time - uma mudança travada por um mês não deveria esconder que a maioria sai em horas (nem o contrário).
  • Os relatórios DORA recentes descrevem as equipes elite como as que fazem deploy sob demanda (várias vezes por dia), com lead times de menos de um dia, poucas mudanças com falha e recuperação em menos de uma hora; as de desempenho baixo fazem deploy uma vez por mês ou menos, com lead times de meses. Os limites exatos mudam de ano para ano.
  • Os relatórios mais novos acrescentam uma quinta área, a confiabilidade - cumprir as suas metas de disponibilidade e desempenho.

Principais conclusões

  • As quatro métricas-chave: frequência de deploy, lead time de mudanças, taxa de falha de mudanças e tempo de restauração.

  • Quem tem o melhor desempenho é mais rápido e mais estável ao mesmo tempo - lotes pequenos tornam as duas coisas possíveis.

  • Use medianas para o lead time e meça as tendências ao longo do tempo.

  • As métricas orientam a melhoria; transformadas em metas, elas são burladas.

Quiz da aula

7 perguntas · aprovação com 5 acertos · até 50 XP

Ao passar, você conclui a aula e mantém sua sequência. As perguntas erradas voltarão em sessões de revisão.

Pratique: automatize tarefas de DevOps com Python

Escreva as pequenas ferramentas em Python que times de DevOps realmente criam, como executores de pipeline, verificadores de plano, calculadoras de métricas e scanners, e execute-as com entradas de exemplo. Elas rodam localmente no navegador; não é preciso ter servidores nem contas na nuvem.

Exercício 1

Calcule as quatro métricas-chave

+25 XP

A primeira linha da entrada é o número de dias cobertos. Cada linha seguinte é um deploy: id commit_hour deploy_hour ok, ou id commit_hour deploy_hour failed restored_hour (horas desde o início do período).

Imprima deployment frequency: 1.4 per day, lead time for changes (median): 5.0 h, change failure rate: 29% e time to restore (mean): 1.5 h (ou time to restore: no failures). O lead time é deploy − commit; o tempo de restauração é restored − deploy.

  • Uma boa semana
  • A era da Noite do Release
  • Mar tranquilo
main.py
Carregando editor…

O Python é executado em um ambiente isolado no navegador, com limite de 60 segundos. O runtime é carregado pelo CDN do Pyodide; seu código permanece neste navegador.

Exercício 2

Classifique o desempenho da entrega

+25 XP

Cada linha da entrada é uma equipe: team deploys_per_week lead_time_hours failure_percent restore_hours. Classifique cada métrica com estes limites simplificados:

Métricaelitehighmediumsenão
deploys por semana7 ou mais1 ou mais0,25 ou maislow
lead time (horas)menos de 24menos de 168menos de 720low
% de falhas5 ou menos10 ou menos15 ou menoslow
restauração (horas)menos de 1menos de 24menos de 168low

O nível geral é o mais fraco dos quatro. Imprima oven-team: deploys elite, lead time high, failures elite, restore elite -> overall high.

  • Equipes da Byte Bakery
  • Limites
main.py
Carregando editor…

O Python é executado em um ambiente isolado no navegador, com limite de 60 segundos. O runtime é carregado pelo CDN do Pyodide; seu código permanece neste navegador.

Dúvidas sobre esta lição

Travou em algum ponto? Pergunte. Descobriu algo? Compartilhe. Explicar também é uma ótima forma de aprender.

Carregando publicações…