Sustentabilidade de conexões de rede

(Secção: Ecossistema e Rede)

1) Alvo e área

A sustentabilidade das conexões de rede é a capacidade do ecossistema de manter a disponibilidade e a qualidade previsível das interações entre os participantes (operadores, provedores, estúdios, afiliados, nodes/validadores, serviços de pagamento e KYC) quando os canais, nós, regiões e ataques externos falham. Tarefas essenciais são minimizar MTTR, conter falhas em cascata, degradação controlada e recuperação rápida para SLO alvo.

2) Modos de falha (Threat model)

Rede: perda de pacotes/jitter, sobrecarga de canais, flap BGP, quebras interregionais, rotação assimétrica.
Transporte/socket: half-open conexão, head-of-line blocking (TCP), state excausion (NAT/conn-track).
Nível de aplicação: espinhos de tráfego, pedidos de «longa duração», n + 1 RPC, tempestade de retrações.
Dependências: degradação DNS, KMS/PKI, filas, TURN/relay, API de terceiros.
Segurança: L3/L4/L7 DDoS, bot-floud, envenenamento de cachê, tentativas Sybil/spam.
Operation: Fichiflags incorretos, lançamentos quentes sem limites, temporizações erradas.

3) Princípios do design de sustentabilidade

1. Redundância em todas as camadas: caminhos, regiões, provedores, nós de relay, DNS, armazéns secretos.
2. Isolamento de falhas: arquitetura cell-based, circuito-breakers, bulkheads, limites para chamadas cruzadas.
3. Fast-fast e time-boxing: tempo curto em chamadas externas, proibição de «esperar para sempre».
4. Idempotidade e retais seguros, chaves de idempotação, dedupo no receptor.
5. Observabilidade padrão: traçados, ID correlativo, amostras sintéticas.
6. Modos de degradação: read-only, cash-only, drop-featuras, prioridade dos fluxos críticos.
7. Engenharia Chaos, prova de resistência por experimento.

4) Topologias e redundância

P2P + super-peers + DHT híbrido: mesh local dentro de grupos «contratados», super-nódulos como retransmissores e cachês, DHT para pesquisa.
Anycast/Geo-DNS/SD-WAN: entrada a curto prazo, transbordamentos controlados, health-based roting.
Multi-relay (TURN/HTTP3-tunnels): fornecedores independentes, orçamento para relay apenas se necessário.
Regiões Ativas: sincronizado para leituras/eventos idumpotentes; para transações em dinheiro - coerência final + finalização rigorosa.

5) Protocolos, timeouts e retraias

Transporte: QUIC/HTTP3 (multiplexagem sem HoL-blocking, migração de caminho), TCP como fallback.

• RPC client timeout: p99_latency×1. 5 (mas ≤ 2-3 com interregional).
• Connect timeout: 200-500 ms localmente, 700-1200 ms interregionalmente.
• Backoff: exponencial com jitter; max-retries 2-3 para chamadas de «leitura».
• Hejing (hedged requests): após p95 atrasos, enviar um segundo executor (apenas operações idumpotentes).
• Idempotidade: cabeçalho/campo 'x-idempotency-key', armazenamento de revistas dedup ≥ retais TTL.
• Filas e outbox: fornecimento garantido de eventos, repetição de falhas de rede, dedução em consórcios.

6) Controle de carga e «autodefesa»

Rate-limits e quotas: leaky-bucket/tocen-bucket em RPC/topics.
Adaptative load-shedding: Redefinir solicitações de baixa prioridade quando a latência aumenta.
Prioridades: dinheiro/pagamento> eventos de jogo> telemetria.
Backpressure: janela dinâmica, limitações de paralelismo, «limites de crédito» de píeres.
Conexion pooling: balas quentes, limites para soquetes abertos/estados NAT.

7) DDoS e segurança do canal

L3/L4: upstream scrubbing/Anycast, conn-track защита, SYN-cookies, UDP-rate.
L7: WAF/WAAP, proof-of-work/fee-gate para temas abertos, capchi/fiança contra spam.
mTLS/TLS 1. 3 + E2E: criptografia «no caminho», pinning chaves super-nós, rotação de certificados.
Anti-Sybil: Registro de confiança peer-ID, reputação, KYB/KYC para papéis influentes.
Incumprimento de segurança: «proibido, se não permitido», LCA por topics, minimização de direitos.

8) SLO, SLI e métricas de estabilidade

• Uptime de endpoint críticos ≥ 99. 95 %/30d.
• p99 latency interregional ≤ 600 ms; error-rate ≤ 0. 2%.
• Success-rate P2P-RPC ≥ 99. 5%; Pub/Sub E2E p95 ≤ 2 с.
• Relay-share ≤ 30%; DHT resolve p95 ≤ 300 мс.
• MTTR SEC-1 ≤ 30 min; MTTA ≤ 5 min.

• Connectivity% (alcançável), proporção de conexões diretas, número médio de vizinhos.
• O PTT/Jitter/Loss em classes de tráfego; RPC success/failure taxonomy.
• Queue depth/lag em corretores/relay; DHT hit/miss e idade das gravações.
• Burn-rate SLO (1h/6h/24h); Impacto sobre o negócio KPI (perda da GTV/MAU).

9) Observabilidade e amostras sintéticas

Tracing: trace-ID de passagem, exportação através de OpenTelemetry, semântica de spans para hop de rede.
Logi/métricas: logs estruturais, cardinalidade sob controle, unidades p95/p99.
RUM + sintético: métricas personalizadas reais e malha global de amostras (de 1 a 5 min) das principais regiões/provedores.
SLO-dashboard: «semáforos» de fluxo crítico, mapas de atrasos/disponibilidade, relatórios de degradação.

10) Regimes de degradação

Read-only/dinheiro-only: quando a gravação é cortada para backends.
Stale-while-revalidate: Entreguemos um dinheiro antiquado, mas adequado com atualização de fundo.
Função kill-switch: interruptor rápido de partes instáveis.
Limitação de fã-out, proibição de «varredura» de pedidos, fluência de profundidade.

11) Engenharia Chaos (plano)

Faults de rede: 1-5% packet-loss, 100-300 mc jitter, blackhole ASN individual.
Relay/TURN falha: desligar N% super-nós, verificar a proporção de conexões diretas.
DNS/KMS degradação: temporizações/erros artificiais, validação de folbacks.
Tempestade de retrações, verificação de cascatas (jitter, limites, dedups).
Regulamento de game: hipótese → injeção → métricas → melhorar → repetição.

12) DR-estratégia e metas

RPO/RTO: para configurações de dados e LCA - RPO ≈ 0 (sonhos sincronizados), RTO ≤ 15 min; para a telemetria, podemos permitir RPO ≤ 5 min.
Catálogos e chaves: reservas frias, bacapes falhados periodicamente, «treinos de recuperação».
Catástrofes regionais: Alterna Anycast/Geo-DNS, Aquecimento de telas, Replicação de Filas/Topics.

13) Configurações pseudo

Política de Times e Retrações de Clientes (YAML)

yaml client:
rpc:
connect_timeout_ms: 400 request_timeout_ms: 1500 retries:
max_attempts: 2 backoff: exponential base_ms: 100 jitter: true hedging:
enabled: true threshold_ms: 800  # p95 idempotent_only: true

Circuito-breaker e prioridades

yaml resilience:
circuit_breaker:
error_rate_threshold: 0. 02 rolling_window_sec: 60 open_duration_sec: 15 priorities:
payouts: high game_events: medium telemetry: low load_shedding:
target_p99_ms: 600 drop_low_priority: true

LCA e canais e2e

yaml security:
mtls: required e2e_topics: [payouts. status, limits. update]
acl:
operators: [12D3KooA..., 12D3KooB...]
providers: [12D3KooC..., 12D3KooD...]

14) Dashboards: layouts

Ops (hora/real tempo): Connectividade%, RPC p99, erro-rate, relay-share, DHT-latency, queue-lag, SLO burn-rate.
Network Health (semana): tendências relay-% e RPT, listas de píeres «barulhentos», sucesso da traversal NAT, custo de tráfego.
Estraty (mês): Incidentes de SEV, MTTA/MTTR, treinos de Dr., correlação com métricas de negócios.

15) Playbook incidentes (espartilho)

P99 e erros: incluir degradação (read-only, dinheiro-only), hejing, aumentar as quotas de fluxo crítico, abrir tíquetes para o caminho «quente».
Relay-share> limiar: trocar STUN/TURN Pool, expandir super-nós, reforçar hole-punch, elevar temporariamente a TTL com dinheiro.
Tempestade de retrações: reduzir max-retries, aumentar o jitter, incluir a bandeira global backoff através do serviço de config.
DDoS L7: incluir regras WAAP, unidade de assinatura/velocidade, ativar PoW/fee-gate em tópicos públicos, desligar. endpoint irrelevantes.
Problemas DNS/KMS: usar provedores secundários, caixas locais de chaves, mudar resfriadores.
A região não está disponível: tráfego failover (Anycast/Geo-DNS), warming de outra região, recontagem de limites.

16) Folha de cheque de implementação

1. Fixar SLO/SLI e proprietários (por fluxo/top).
2. Implementar timeouts/retrai/hejing/idumpotência.
3. Personalizar circuito-breakers, bulkheads e prioridades.
4. Executar amostras sintéticas e dashboards globais.
5. Digite um plano DR. (RPO/RTO), treinos regulares de recuperação.
6. Realize um chaos-dia trimestral e reveja os parâmetros.
7. Documentar modos de degradação e modelos de comunicação.

17) Glossário

Bolkhead - Isolar os subsistemas para evitar cascatas.
Circuito breaker - desligamento automático da dependência instável.
Hedging - Pedidos competitivos após o limite de atraso.
Outbox/Inbox - envio/recepção confiável de eventos com dedução.
RPO/RTO - perda de dados/tempo de recuperação aceitável.
SLO burn-rate - velocidade de «queima» do orçamento de erros em relação ao SLO.

O resultado é que a sustentabilidade das conexões de rede não é uma única opção, mas sim uma disciplina: redundância e isolamento de falhas, timeouts e retais, priorização rígida, observabilidade e testes regulares. Esta abordagem transforma as falhas de rede inevitáveis em eventos controlados, com um impacto mínimo nos fluxos de negócios do ecossistema.