teqo/docs/plans/ops62-ci-fail-fast-forgejo-impl.md

Impl: OPS62 — CI: fail-fast estrutural por job único sequencial (X1)

Status: aprovado Atualizado em: 2026-08-18 Issue: #59 Intenção: docs/plans/ops62-ci-fail-fast-forgejo.md Appetite restante: ~1 dia eng (corte: nada de watchdog/API/upgrade — decidido no gate de execução)

Leitura da intenção

• Outcome: um run de PR (ou de main) com qualquer verificação vermelha falha o run imediatamente — nada continua rodando depois da primeira falha; o runner é liberado cedo; checks vermelho sem esperar o fim dos demais; logs do que já rodou preservados; a suíte verificada não muda (mesmas ferramentas e conteúdo: lint, format, typecheck, knip, cycles, unit, int, build, e2e, guards); sem bypass novo além do --no-verify documentado.
• O que NÃO negociar: anti-goals — não perder diagnóstico (steps preservam logs próprios), não mudar o que o CI verifica (só o envelope de jobs muda), checks como gate único (contexto CI (PR) / checks preservado para waitForChecks/branch protection); aceitar a perda dos logs do segundo shard de e2e (o e2e perde o paralelismo de jobs — 4 workers num único processo; o gate aceitou perder o shard irmão, e aqui o sharding em si é compensado por workers).
• Divergência do aceite da intenção (aprovada pelo humano no gate de execução, 2026-08-18): o aceite "Forgejo do homeserver roda versão com a API de cancel" e "mesmos jobs, mesma cascata" são substituídos — a arquitetura escolhida (X1: 1 job sequencial) torna a API de cancel e o upgrade desnecessários (fail-fast é estrutural) e muda o agrupamento de jobs (o que é verificado permanece idêntico). O plano de intenção fica como histórico; este impl plan é a forma aprovada.

Abordagem recomendada

flowchart TB
  subgraph job[Um único job `checks` por workflow<br/>1 container runner · 1 checkout · 1 pnpm install · 1 slot]
    S1[scope classifier] --> S2[guards de conteúdo]
    S2 --> S3[check-test-locations] --> L[lint] --> F[format] --> T[typecheck]
    T --> K[knip] --> C[cycles] --> U[unit]
    U --> M1[migrate + seed 5433] --> I[int]
    I --> M2[migrate + seed 5434] --> B1[build] --> B2[build .next-e2e]
    B2 --> E[e2e · PLAYWRIGHT_WORKERS=4]
  end
  L -->|"falha em qualquer step<br/>(if: steps.scope.outputs …)"| FIM
  F -->|"steps seguintes não rodam"| FIM[run falha imediato<br/>slot liberado · checks vermelho<br/>logs dos steps rodados preservados]

Opções consideradas (gate de execução): X1 | Y | Z Recomendação (escolhida pelo humano): X1 — 1 job único por workflow, steps sequenciais, fail-fast estrutural: falhou um step → os seguintes nem começam → job falha → run falha → slot liberado. Zero dependência de API de cancel (a rota nem existe no Forgejo 9.0.3), zero watchdog (não há slot extra, token, upgrade, nem risco de infra no homeserver — o Forgejo não é atualizado). O paralelismo do e2e é recuperado por PLAYWRIGHT_WORKERS=4 (o Playwright roda workers dentro de um processo — mesma carga de 2 shards × 2 workers de hoje).

Rejeitadas:

• Y — fase 1 sequencial + fase 2 em matrix fail-fast: true: preserva verde ≈ atual e cancela irmãos nativamente, mas depende de o Forgejo 9.0.3 cancelar de fato os irmãos de matrix (comportamento de servidor a verificar ao vivo; se falhasse, virava "tudo roda até o fim" na fase 2), mantém 2 slots em vez de 1, e o YAML de matrix por mode é mais complexo de manter que steps em série. Rejeitada por simplicidade máxima pedida.
• Z — watchdog + upgrade do Forgejo 16: o risco de infra (upgrade de produção no homeserver, compatibilidade runner × v16) deixou de se justificar quando o fail-fast estrutural cobre o aceite com menos peças. Rejeitada.
• Watchdog em runs-on: host: ci-pr jamais roda host (pin OPS53). Rejeitada.
• Paralelizar steps com processos &/wait: logs interleaved + fail-fast manual = mini-watchdog em bash. Rejeitada.

Componentes / mudanças

• .forgejo/workflows/ci-pr.yml (reescrito — X1): 1 job checks (nome default → contexto CI (PR) / checks preservado; o nome do job é o contrato do waitForChecks OPS61-2b e da branch protection). Steps em série, cada um com if: de skip do classifier: scope (id: scope; outputs code_mode/build_mode/test_mode/e2e_mode/e2e_specs via $GITHUB_OUTPUT — mesmo comando do job atual, com set -euo pipefail), guards de conteúdo (changelog append-only, aggregate, conflict markers, plans-only — movidos para o começo: falham rápido e são sobre o PR), check-test-locations, lint, format:check, typecheck/knip/cycles (if: steps.scope.outputs.code_mode != 'none'), unit (full/changed), migrate+seed:minimal (DB int), int (full/changed), migrate+seed:minimal (DB build/e2e), build (if build_mode != 'none'), build .next-e2e + e2e (if e2e_mode != 'none'; full = pnpm test:e2e sem shard com PLAYWRIGHT_WORKERS=4; selected = specs do output). 2 services Postgres alcançados por NOME na rede do job (postgres-int / postgres-build na 5432, sem publish host — o OPS50 publicava portas no gateway; o X1 remove o publish: o job único seguraria as portas fixas pelo run inteiro e runs concorrentes colidiriam, e o Forgejo 9 não expande expressões em services.ports (medido ao vivo: run 730 falhou em 1s com a string literal da expressão) — o DNS da rede do job é a solução canônica e mata a colisão de raiz). Isolamento preservado (o e2e nunca herda a sujeira dos testes int; o build de prod e o de e2e compartilham o service build/e2e). timeout-minutes: 50 (soma esperada ~21 min + margem; o run nunca segura o slot além disso). Sem needs/if: always()/matrix/jq de rollup (não há irmãos). Comentário de cabeçalho reescrito: OPS62 substitui o parágrafo "Forgejo has no cancel-run plumbing; job timeouts cover that role" — o fail-fast é estrutural (1 job), sem API de cancel. Trade-off assumido: migrate+seed:minimal do int rodam também em PR docs-only (mode none) — intencional (a cadeia stale é pega em todo PR), custo ~1–2 min por PR de docs.
• .forgejo/workflows/ci.yml (reescrito — X1): mesma estrutura no main; static (já era job único sequencial) se funde ao job checks com int/build/e2e; deploy permanece needs: [checks] (inalterado — OPS53). timeout-minutes: 50. Services por nome, sem publish (mesma mecânica do ci-pr).
• scripts/lib/cli.mjs + tests/helpers/assertTestDatabase.ts (editar — guards fail-closed): LOCAL_HOSTS/allowlist do teste ganham postgres-int e postgres-build (nomes dos services do CI na rede do job — hosts internos do runner, inalcançáveis de fora; o contrato continua rejeitando qualquer host remoto real; o gateway RFC1918 do OPS50 permanece por compatibilidade). Pin em tests/unit/localHosts.unit.spec.ts.
• tests/unit/ciSkipInvariants.unit.spec.ts (editar — pin da arquitetura): invariantes novos — os dois workflows têm exatamente um job cujo id é checks; os steps-chave existem na ordem (lint antes de e2e; guards antes de lint); o ci-pr não contém runs-on: host (pin OPS53), nem matrix:, nem fail-fast:; PLAYWRIGHT_WORKERS: 4 presente; .next-e2e continua pinado (invariante existente); o ci.yml mantém o job deploy com needs: [checks].
• docs/AGENT-OPS.md (editar): tabela de CI — ci-pr/ci agora 1 job checks sequencial com fail-fast estrutural; remover menção a "fase 1→2 em cascata" se houver; nota "Dono do PR, dono do CI" intacta (o próprio PR define seu CI).
• docs/changelog/2026-08-18-ops62.md (novo) + pnpm changelog:build.
• Migration / Access / Consent / UI: N/A (Impeccable A).
• Fora do repo: nada — o upgrade do Forgejo é cancelado (decisão X1); o homeserver não é tocado.

Dados → forma (se aplicável)

N/A — chore de DX/processo.

Fases verificáveis

1. Workflows X1 — reescrever ci-pr.yml e ci.yml (job único, 2 services, steps condicionais); bash/YAML válido (sem parser YAML no repo — validar por leitura + os invariantes). Gates parciais: pnpm lint, format:check, typecheck, knip, check:cycles.
2. Invariantes — ciSkipInvariants.unit.spec.ts (pin da arquitetura: 1 job checks, ordem dos steps, sem host/matrix/fail-fast no ci-pr, deploy no ci.yml); pnpm test:unit (spec novo).
3. Docs + fechamento — AGENT-OPS, changelog + changelog:build; gates completos (pnpm test int incluso, pnpm build); push via pnpm push.
4. Validação ao vivo (no próprio PR do OPS62) — o ci-pr deste PR já é o X1: (a) run verde prova que a suíte inteira roda no envelope novo; (b) o CI do PR com um step quebrado (ex.: antes do merge, um push deliberado com lint quebrado) prova o fail-fast: run falha no primeiro vermelho, steps seguintes nem começam, logs preservados — verificação documentada no fechamento. Sem passo de infra pós-merge.

Rabbit holes / Não escopo (engenharia)

• Watchdog, API de cancel, upgrade do Forgejo, token PAT: fora — X1 não precisa de nenhum (a intenção fica como histórico).
• Mudar o que o CI verifica: fora — mesmas ferramentas, mesmo conteúdo, mesma ordem de suíte; só o envelope muda.
• Rerun granular de steps (re-tentar só o que falhou): o Forgejo não tem rerun por API (session-only); re-push continua sendo o caminho — como hoje.
• Voltar a shards de e2e em jobs separados: se o tempo de e2e full com 4 workers incomodar (medida no run deste PR), o caminho é Y (matrix fail-fast), não o watchdog — registrar como débito se medir > ~10 min.
• Timeout do waitForChecks (30 min) × job checks (50 min) — débito de CI (revisão /simplify P2): um run verde pode passar dos 30 min com fila do runner/retries de e2e e o automerger lançar "Timeout esperando checks" num PR verde. Gatilho para corrigir: primeiro timeout observado. Alternativa curta (1 linha) registrada: alinhar timeoutMs do waitForChecks/autoMerge no forgejo-api.mjs ao timeout do job (50–55 min).

Riscos e mitigação

• Tempo de parede do run verde aumenta (~15–18 → ~21 min esperados: perde a paralelização da fase 1 e os 2 shards de e2e; ganha 1 checkout/install e 1 migrate/seed). Mitigação: medido no run deste PR; e2e com 4 workers compensa os shards; o aceite X1 do humano cobre o custo.
• E2E vermelho é o caso mais lento (veredito só após todos os steps anteriores). Mitigação: guards/lint/format/typecheck falham cedo (os casos comuns); e2e é a falha menos frequente e o report mostra o spec que falhou. Débito registrado (Y) se a frequência exigir.
• Step scope com outputs e steps condicionais — troca needs.scope.outputs por steps.scope.outputs: mesma semântica, semântica de skip idêntica (none → steps skipped, não falham). Validado por um PR de docs (mode none) no próprio repo.
• 1 service compartilhado int/e2e — rejeitado no plano (2 services 5433/5434 preservam o isolamento; risco zero de fixture colidir).
• checks como job único muda o status check de "rollup que espera needs" para "o próprio run" — contexto e nome preservados (checks), então waitForChecks (OPS61-2b) e branch protection continuam vendo o contexto certo; quando o job falha, o status do sha é failure — veredito mais direto ainda.
• Run de main (ci.yml): com deploy needs: checks, qualquer falha agora impede o deploy imediatamente (hoje também, mas só no fim dos irmãos) — mesma garantia, veredito mais cedo.

Aceite de engenharia

• Aceite de produto coberto (forma X1 aprovada pelo humano): qualquer verificação vermelha falha o run no ato; runner liberado cedo; checks vermelho sem esperar o fim dos demais; logs preservados (steps com logs próprios); suíte verificada idêntica; sem bypass novo.
• Invariantes AGENTS/engineering-standards: sem migration/access/Consent/UI; pin da arquitetura em spec (1 job checks, sem host no ci-pr, sem matrix/fail-fast); identifiers em inglês; copy pt-BR só em labels (inalterado).
• Testes previstos: unit dos invariantes de workflow (não há write path de app).