Introdução
No mundo acelerado das fintechs, eficiência não é apenas um objetivo — é uma necessidade. Para uma fintech londrina, a conta crescente do Azure havia se tornado um dreno silencioso: £100.000 todo mês. Isso é mais do que algumas startups captam em rodadas de seed. E para uma empresa do porte delas, era um gasto significativo.
O Desafio
Quando a Koritsu AI entrou em cena, não enxergamos apenas uma fatura de nuvem — vimos um quebra-cabeça esperando para ser resolvido. Nossa primeira descoberta? Metade desse custo, £50.000 por mês, vinha de um único banco de dados Cosmos DB. Ora, £50k para um banco de dados não é incomum se você processa terabytes de dados para treinamento de IA ou transações globais. Mas aqui? Era diferente.Olhando apenas para a infraestrutura, os £50.000/mês seriam justificados — afinal, o consumo de DTU (CPU/memória) estava no limite, causando os altos custos. Mas é aí que o diferencial da Koritsu entra. Olhar apenas para a infraestrutura é como olhar para um caminhão lento e se perguntar por que ele não consegue ir mais rápido, quando o problema real é que ele está carregando peso demais.
A Descoberta
Na Koritsu, entendemos que é a aplicação que determina a carga — então, às vezes, o problema existe na interseção entre infraestrutura e aplicação. Nossa investigação profunda revelou o culpado: uma única consulta mal configurada, executando centenas de vezes por segundo.SELECT c FROM c WHERE c.data = ‘JoihnDoe2018-02-01’À primeira vista, parecia inofensiva. Mas no Cosmos DB, um banco de dados NoSQL projetado para escalonamento horizontal, essa consulta era uma bomba-relógio financeira. Diferente dos bancos tradicionais que escalam verticalmente (aumentando o tamanho de uma única máquina), o Cosmos DB escala horizontalmente, distribuindo dados em partições.
A Solução
E aí está o problema: se uma consulta não especifica em qual partição buscar, ela varre todas elas — como verificar cada sala de um arranha-céu para encontrar uma única chave. Era um problema exponencial. À medida que os dados cresciam, o custo também subia, drasticamente. Quando a equipe da fintech estava pronta para agir, a conta havia saltado para £150.000/mês.A correção? Surpreendentemente simples. Reestruturando o schema para que a consulta mirasse a partição correta, cortamos o custo de volta para £50.000 imediatamente. São £100.000 economizados todo mês, apenas entendendo a interseção entre infraestrutura e lógica de aplicação.