milhão

Atingir a marca de um milhão de usuários ativos não é apenas um marco de negócio - é um teste brutal de arquitetura, observabilidade e disciplina operacional. Muitos sistemas funcionam perfeitamente até cem mil requisições por dia, mas colapsam de forma silenciosa quando ultrapassam a barreira do milhão.

Em quase duas décadas trabalhando com plataformas de alta escala, vi o mesmo padrão se repetir: equipes subestimam o salto de complexidade entre ordens de grandeza. Um milhão não é simplesmente "dez vezes cem mil". É uma mudança qualitativa em termos de concorrência, contenção de recursos, latência de rede e consistência de dados.

Neste artigo, exploro o significado técnico do milhão em engenharia de software, usando como estudo de caso os Euromilhões - uma plataforma de loteria que processa milhões de bilhetes, sorteios auditáveis e picos de tráfego em janelas curtas. Vamos analisar arquitetura, aleatoriedade, monitoramento e lições práticas para qualquer sistema que aspire a escalar.

O Significado Técnico de "Milhão" em Engenharia de Software

Em computação, um milhão (10^6) é frequentemente o ponto onde soluções ingênuas deixam de funcionar. Uma tabela SQL com mil linhas responde em milissegundos; a mesma tabela com um milhão de linhas pode degradar para segundos - ou travar completamente - se os índices não forem planejados. Um array de um milhão de inteiros em Python ocupa cerca de 28 MB, mas operações O(n²) sobre ele tornam-se inviáveis.

Essa fronteira não é arbitrária. Ela coincide com limites práticos de hardware e sistemas operacionais: o número máximo de descritores de arquivo em um processo Linux padrão (1024), o limite de conexões simultâneas em um servidor HTTP antigo, ou a contagem de portas efêmeras disponíveis para sockets de saída. Cruzar um milhão de operações concorrentes expõe esses gargalos de forma brutal.

Por isso, trato o milhão como um teste de design: se a arquitetura não foi pensada para particionamento horizontal, filas assíncronas e backpressure, ela irá falhar exatamente nessa faixa. Leia também: como projetar APIs para alta concorrência

Escalando Sistemas para Suportar um Milhão de Usuários Concorrentes

Em 2019, migramos uma plataforma de e-commerce de 800 mil para 1,2 milhão de usuários ativos diários. O gargalo inicial não foi CPU ou memória, mas o esgotamento de file descriptors no Nginx. Cada conexão keep-alive aberta consumia um descritor, e o limite padrão de 1024 por processo foi atingido em questão de segundos após o pico matinal.

A solução envolveu três camadas: aumentar o ulimit -n no sistema operacional, configurar worker_connections no Nginx e - mais importante - mover a terminação TLS para balanceadores de carga dedicados com connection pooling agressivo. Sem isso, um único milhão de conexões simultâneas derrubaria qualquer servidor de aplicação.

Ferramentas como Envoy Proxy e HAProxy implementam algoritmos sofisticados de escalonamento e health checking. Em produção, usamos a documentação oficial do Envoy para ajustar o circuit breaking e evitar cascatas de falha quando um backend ultrapassa um milhão de requisições por minuto.

Processamento de Dados em Lote: Quando Cada Registro Conta

Lidar com um milhão de registros em um pipeline de dados não é trivial. Em uma migração de dados financeiros, um job Apache Spark processava 900 mil registros em 40 minutos, mas ao adicionar os últimos 100 mil, o tempo saltou para 3 horas. A causa? Partições de shuffle desbalanceadas: uma única chave de agrup