Causa Raiz de Quedas no Gateway do Power BI

Desafio

O gateway de dados local do Power BI de um hospital de grande porte ficou vários minutos fora do ar em pleno horário comercial. Cerca de uma em cada cinco atualizações agendadas no período falhou, e dezenas de painéis de várias áreas ficaram desatualizados. Os primeiros palpites falavam em falta de capacidade do servidor ou em atualização da Microsoft.

Solução

A investigação juntou o registro de eventos do Windows e os logs de diagnóstico dos dois membros do cluster do gateway, e testou cada hipótese contra os dados:

• Memória, disco, desligamento inesperado, queda do Java e perda do vínculo com a nuvem foram descartados por medição.
• Scripts em PowerShell agruparam as reconfigurações do Windows Installer em rajadas e mediram a cadência. A cada hora, um agente de inventário de software listava os programas instalados, e o Windows Installer reconfigurava cada um deles, inclusive o gateway.
• O cruzamento do minuto de cada rajada com os logs dos agentes instalados no servidor apontou o agente mais provável e o teste que confirmaria a hipótese.
• A comparação entre os dois membros mostrou que o volume de erros no log não indicava falha. Quase todas as exceções do membro saudável eram marcadas pelo próprio gateway como benignas.

Resultado

• Cadeia do incidente reconstruída minuto a minuto, da rajada de reconfiguração até a volta do serviço.
• Mais de cem rajadas em poucos dias, todas atingindo o gateway, o que mostrou que o risco se repetia de hora em hora.
• Recomendação à equipe de segurança: mudar a frequência do inventário de horária para diária, de madrugada, sem desligar o agente.
• Scripts de coleta e correlação documentados e prontos para os próximos incidentes.

O roteiro de investigação, com o script de contagem dos eventos, está no artigo Gateway do Power BI caindo? Como achar a causa nos logs.

O nome do cliente e alguns detalhes foram alterados para preservar a confidencialidade. Projeto conduzido pelo fundador da Dome Analytics.