A Amazon Web Services (AWS) reportou, por volta das 4h11 desta segunda-feira (horário de Brasília), um aumento nas taxas de erro e na latência em múltiplos serviços na região US-EAST-1. Segundo a empresa, a causa estava relacionada à resolução de DNS do endpoint da API do Amazon DynamoDB nessa região. Como consequência, diversos serviços populares tiveram instabilidade ou ficaram fora do ar, incluindo Zoom, Steam, Epic Games, PlayStation Network, Roblox, Pokémon Go, Fortnite, McDonald's, Alexa, Signal, Disney+, Reddit e Perplexity. A falha principal já foi corrigida, mas a normalização completa pode levar algum tempo enquanto sistemas se reequilibram e caches de DNS se propagam. As informações foram divulgadas pelo site Tom’s Hardware.

Entendendo o impacto técnico

• Região crítica: a US-EAST-1 é uma das regiões mais antigas e amplamente utilizadas da AWS. Muitos serviços de terceiros dependem diretamente dela ou a utilizam como região primária.
• Ponto de falha: o problema ocorreu na resolução de DNS para o endpoint de API do Amazon DynamoDB. O DNS é o “serviço de lista telefônica” da internet que traduz nomes em endereços IP. Se o DNS falha ou oscila, aplicações não conseguem “enxergar” o serviço de backend, mesmo que os servidores estejam operacionais.
• Efeito cascata: quando um serviço central como o DynamoDB fica intermitente em uma região, aplicações que dependem dele podem apresentar erros, timeouts e filas acumuladas. Isso afeta autenticação, sessões, catálogos, jogos online e APIs de plataformas.
• Retorno gradual: mesmo após o ajuste na origem do problema, a recuperação é progressiva. Caches de DNS precisam expirar/propagar, filas devem ser drenadas e conexões reestabelecidas, o que explica a volta “aos poucos” de cada serviço.

Lições de resiliência para empresas e usuários

• Multirregião e failover: arquiteturas que distribuem carga entre múltiplas regiões (active-active) e implementam failover automático tendem a reduzir o tempo de indisponibilidade. No entanto, isso exige planejamento de dados (replicação, consistência) e custos adicionais.
• Dependências explícitas: mapear serviços críticos (como DNS, bancos NoSQL, filas e autenticação) ajuda a criar planos de contingência. Em muitos casos, o “ponto único” não é a aplicação, mas o serviço gerenciado subjacente.
• Observabilidade: métricas, logs e tracing permitem identificar rapidamente gargalos — por exemplo, diferenciar erro de aplicação de falha na resolução de DNS.
• Experiência do usuário: exibir mensagens claras de indisponibilidade e implementar retries com backoff exponencial evita sobrecarregar sistemas durante a recuperação e melhora a percepção do cliente.

Para o público em geral, incidentes como este lembram que, apesar da escala e confiabilidade da nuvem, eventos regionais podem ter repercussão global, dado o grau de interdependência entre plataformas. Para equipes de tecnologia, reforça a importância de desenhar aplicações resilientes, com estratégias de redundância, testes de caos (chaos engineering) e planos de resposta a incidentes bem ensaiados.