---
title: "Uber automatiza mapa de dependências para rastrear falhas"
author: "Gabriela P. Torres"
date: "2026-10-18 06:47:13.705-03"
category: "Tecnologia & Desenvolvimento"
url: "http://desbugados.scale.press/portal/desbugados/post/2026/10/18/uber-automatiza-mapa-de-dependencias-para-rastrear-falhas/md"
---

## Resumo
- A Uber anunciou uma ferramenta de análise automatizada de dependências em 15 de setembro de 2026.
- O sistema usa middleware no framework RPC YARPC para observar chamadas entre microsserviços.
- As dependências são classificadas como fail-close, fail-open ou unknown.
- A classificação usa a probabilidade de correlação de falhas, com limites de 0,8 e 0,2.
- A Uber escolheu métricas de middleware em vez de tracing distribuído para lidar com falhas raras de 0,01%.
- As fontes descrevem o método e seus objetivos, mas não medem a redução obtida no tempo de resolução de incidentes.

---

A **Uber** anunciou, em **15 de setembro de 2026**, uma ferramenta para mapear dependências entre microsserviços, partes menores de uma aplicação que se comunicam para atender a uma requisição. O objetivo é mostrar como uma falha se espalha por sua service mesh, a camada que conecta esses serviços, e ajudar a empresa a reagir a incidentes. A promessa é específica: transformar uma relação difícil de observar em uma classificação útil para o failover, mecanismo que troca ou redireciona uma operação quando há falha. As fontes sustentam o método descrito, mas não apresentam uma medição de ganho no tempo de resolução.


## A primeira afirmação: a dependência pode ser classificada


O mecanismo entra nas chamadas por meio de middleware, software colocado entre o serviço que faz uma chamada e o serviço que a recebe. No caso da Uber, essa lógica foi inserida no **YARPC**, framework de chamadas remotas usado nos ambientes descritos como **Go e Java**. A cada comunicação, o sistema compara o resultado do serviço chamador com o resultado do serviço acionado. Se a falha de um provocar a falha do outro, a relação recebe o rótulo **fail-close**; se o chamador continuar funcionando, recebe fail-open; quando os dados não permitem decidir, fica como unknown.


A classificação não depende apenas de uma regra fixa de sucesso ou erro. Ela usa a **probabilidade de correlação de falhas (Pc)**: valores iguais ou superiores a **0,8** indicam fail-close, enquanto valores iguais ou inferiores a **0,2** indicam fail-open. A faixa intermediária não ganha um veredito artificial, e isso é parte importante da proposta. Se as falhas se movem juntas, então a dependência tende a fechar; se não se movem, tende a abrir; senão, permanece desconhecida. O material da Uber descreve esse resultado como insumo para melhorar o tempo de detecção e o tempo de resolução de incidentes.


## A segunda afirmação: métricas podem substituir rastros individuais


A escolha técnica fica mais clara quando se olha para o problema do tracing distribuído, técnica que acompanha uma requisição por vários serviços. Segundo a [reportagem técnica sobre a implementação](https://www.infoq.com/news/2026/10/uber-automated-dependency), falhas raras, com ocorrência de apenas **0,01%**, exigiriam uma taxa de amostragem baixa demais para que o rastreamento individual fosse eficiente. A Uber optou por métricas de middleware: o YARPC injeta a lógica nas chamadas de entrada e saída, e o sistema registra a relação entre sucesso e erro sem guardar um trace completo de cada requisição.


O veredito, portanto, é dividido. A documentação da [Uber sustenta](https://www.uber.com/us/en/blog/automated-dependency-analysis/) que a ferramenta mapeia relações, calcula a correlação e alimenta sua arquitetura de failover. Também sustenta a intenção de acelerar a detecção e a resolução de incidentes. O que não dá para saber pelas fontes é quanto esses tempos mudaram depois da implementação, nem quantos serviços já foram classificados. Se o mapa reduzir relações unknown e orientar respostas de failover, a utilidade prática aparece; senão, ele continua sendo uma descrição estatística elegante de dependências que a empresa ainda não quantificou publicamente.