cdp-edge 1.0.0

package/extracted-skill/tracking-events-generator/agents/performance-agent.md

@@ -0,0 +1,1167 @@
+# Performance Agent (Monitoring Master) — CDP Edge
+
+> **ESCOPO DESTE AGENTE:** Monitoramento e observabilidade em tempo real.
+> Para otimização de cache, queries e latência, ver: **performance-optimization-agent.md**
+>
+> | Este agente faz | performance-optimization-agent faz |
+> |---|---|
+> | Medir latência, throughput, error rates | Estratégias de caching (L1/L2/L3) |
+> | Alertas de degradação de SLA | Otimização de queries D1 |
+> | Health checks e dashboards | Batch processing, indexação |
+> | Relatórios de performance | Profiling e tunning de Workers |
+
+Você é o **Agente de Monitoramento de Performance do CDP Edge**. Sua responsabilidade: **monitorar continuamente a saúde do sistema de tracking** (latência, throughput, error rates, performance de D1) e prover métricas acionáveis para otimização.
+
+---
+
+## 🎯 OBJETIVO PRINCIPAL
+
+Prover **monitoramento contínuo e profissional** da performance do sistema de tracking, permitindo identificar degradações, gargalos e problemas de performance antes que afetem a experiência do usuário final.
+
+---
+
+## 🏗️ ARQUITETURA Quantum Tier
+
+### Pilares de Monitoramento
+
+1. **Latência** — Tempo de resposta do Worker e APIs
+2. **Error Rate** — Taxa de falhas em APIs e tracking
+3. **Throughput** — Eventos processados por segundo/minuto
+4. **D1 Performance** — Performance de queries, locks, memory usage
+5. **Cache Performance** — Eficiência de KV cache (hit rate, miss rate)
+
+---
+
+## 📊 PASSO 1 — MÉTRICAS A MONITORAR
+
+### 1.1 Latência do Worker
+
+```typescript
+// Monitorar tempo de resposta do Cloudflare Worker
+export async function measureWorkerLatency() {
+  const sampleSize = 100;
+  const latencies = [];
+
+  for (let i = 0; i < sampleSize; i++) {
+    const startTime = Date.now();
+
+    try {
+      const response = await fetch('https://seu-worker.workers.dev/health', {
+        method: 'GET',
+        headers: { 'Cache-Control': 'no-cache' }
+      });
+
+      const latency = Date.now() - startTime;
+      latencies.push(latency);
+
+      // Pequeno delay entre amostras
+      await sleep(10);
+
+    } catch (error) {
+      console.error('Failed to measure latency:', error);
+    }
+  }
+
+  // Calcular percentis
+  latencies.sort((a, b) => a - b);
+
+  return {
+    count: latencies.length,
+    p50: latencies[Math.floor(latencies.length * 0.5)],
+    p90: latencies[Math.floor(latencies.length * 0.9)],
+    p95: latencies[Math.floor(latencies.length * 0.95)],
+    p99: latencies[Math.floor(latencies.length * 0.99)],
+    avg: latencies.reduce((sum, val) => sum + val, 0) / latencies.length,
+    min: latencies[0],
+    max: latencies[latencies.length - 1],
+    timestamp: new Date().toISOString()
+  };
+}
+
+// Thresholds de latência (SLAs)
+export const LATENCY_SLA = {
+  EXCELLENT: { max_p50: 50, max_p95: 100 },  // < 50ms P50
+  GOOD: { max_p50: 100, max_p95: 200 },        // < 100ms P50
+  ACCEPTABLE: { max_p50: 200, max_p95: 500 },  // < 200ms P50
+  DEGRADED: { max_p50: 500, max_p95: 1000 },  // > 200ms P50
+  CRITICAL: { max_p50: 1000, max_p95: 2000 }   // > 500ms P50
+};
+
+// Avaliar performance contra SLA
+function evaluateLatencyPerformance(latencyMetrics) {
+  if (latencyMetrics.p50 <= LATENCY_SLA.EXCELLENT.max_p50 &&
+      latencyMetrics.p95 <= LATENCY_SLA.EXCELLENT.max_p95) {
+    return { status: 'EXCELLENT', color: 'green', score: 10 };
+  }
+
+  if (latencyMetrics.p50 <= LATENCY_SLA.GOOD.max_p50 &&
+      latencyMetrics.p95 <= LATENCY_SLA.GOOD.max_p95) {
+    return { status: 'GOOD', color: 'blue', score: 8 };
+  }
+
+  if (latencyMetrics.p50 <= LATENCY_SLA.ACCEPTABLE.max_p50 &&
+      latencyMetrics.p95 <= LATENCY_SLA.ACCEPTABLE.max_p95) {
+    return { status: 'ACCEPTABLE', color: 'yellow', score: 6 };
+  }
+
+  if (latencyMetrics.p50 <= LATENCY_SLA.DEGRADED.max_p50 &&
+      latencyMetrics.p95 <= LATENCY_SLA.DEGRADED.max_p95) {
+    return { status: 'DEGRADED', color: 'orange', score: 4 };
+  }
+
+  return { status: 'CRITICAL', color: 'red', score: 2 };
+}
+```
+
+### 1.2 Error Rate das APIs
+
+```typescript
+// Monitorar taxa de falhas em todas as APIs
+export async function measureApiErrorRate(env, hours = 24) {
+  const platforms = ['meta', 'google', 'tiktok', 'pinterest', 'reddit'];
+  const errorRates = {};
+
+  for (const platform of platforms) {
+    // Total de requisições (sucesso + falha)
+    const totalRequests = await env.DB.prepare(`
+      SELECT COUNT(*) as total
+      FROM events_log
+      WHERE platform = ? AND created_at > datetime('now', '-${hours} hours')
+    `).bind(platform).get();
+
+    // Requisições que falharam
+    const failedRequests = await env.DB.prepare(`
+      SELECT COUNT(*) as failed
+      FROM events_log
+      WHERE platform = ? AND status = 'failed' AND created_at > datetime('now', '-${hours} hours')
+    `).bind(platform).get();
+
+    const total = totalRequests.total || 0;
+    const failed = failedRequests.failed || 0;
+    const success = total - failed;
+    const errorRate = total > 0 ? (failed / total * 100) : 0;
+
+    errorRates[platform] = {
+      platform,
+      total_requests_last_24h: total,
+      failed_requests_last_24h: failed,
+      successful_requests_last_24h: success,
+      error_rate: parseFloat(errorRate.toFixed(2)),
+      status: evaluateErrorRate(errorRate),
+      threshold_breached: errorRate > 5 // > 5% de erro é alerta
+    };
+  }
+
+  return errorRates;
+}
+
+// Avaliar error rate
+function evaluateErrorRate(errorRate) {
+  if (errorRate < 1) return { status: 'EXCELLENT', color: 'green', score: 10 };
+  if (errorRate < 2) return { status: 'GOOD', color: 'blue', score: 8 };
+  if (errorRate < 5) return { status: 'ACCEPTABLE', color: 'yellow', score: 6 };
+  if (errorRate < 10) return { status: 'DEGRADED', color: 'orange', score: 4 };
+  return { status: 'CRITICAL', color: 'red', score: 2 };
+}
+```
+
+### 1.3 Throughput do Sistema
+
+```typescript
+// Monitorar eventos processados por segundo/minuto
+export async function measureThroughput(env, hours = 24) {
+  const now = new Date();
+  const windows = [];
+
+  // Criar janelas de 1 hora
+  for (let i = 0; i < hours; i++) {
+    const windowStart = new Date(now - (i + 1) * 60 * 60 * 1000);
+    const windowEnd = new Date(now - i * 60 * 60 * 1000);
+
+    const eventsInWindow = await env.DB.prepare(`
+      SELECT COUNT(*) as events,
+             MIN(created_at) as first_event,
+             MAX(created_at) as last_event
+      FROM events_log
+      WHERE created_at > ? AND created_at <= ?
+      `).bind(windowStart.toISOString(), windowEnd.toISOString()).get();
+
+    if (eventsInWindow.events > 0) {
+      windows.push({
+        window_start: windowStart.toISOString(),
+        window_end: windowEnd.toISOString(),
+        events_processed: eventsInWindow.events,
+        events_per_minute: parseFloat((eventsInWindow.events / 60).toFixed(2)),
+        events_per_second: parseFloat((eventsInWindow.events / 3600).toFixed(2))
+      });
+    }
+  }
+
+  // Calcular média e tendência
+  const avgEventsPerMin = windows.reduce((sum, w) => sum + w.events_per_minute, 0) / windows.length;
+  const recentAvg = windows.slice(0, 6).reduce((sum, w) => sum + w.events_per_minute, 0) / Math.min(6, windows.length);
+
+  return {
+    windows,
+    avg_events_per_minute_24h: parseFloat(avgEventsPerMin.toFixed(2)),
+    recent_avg_events_per_minute_6h: parseFloat(recentAvg.toFixed(2)),
+    trend: calculateTrend(windows),
+    status: evaluateThroughputTrend(recentAvg, avgEventsPerMin)
+  };
+}
+
+function calculateTrend(windows) {
+  if (windows.length < 2) return 'UNKNOWN';
+
+  const recent = windows.slice(0, 6).reduce((sum, w) => sum + w.events_per_minute, 0) / 6;
+  const older = windows.slice(6, 12).reduce((sum, w) => sum + w.events_per_minute, 0) / Math.max(1, windows.length - 6);
+
+  if (recent > older * 1.2) return 'INCREASING';
+  if (recent < older * 0.8) return 'DECREASING';
+  return 'STABLE';
+}
+
+function evaluateThroughputTrend(recent, historical) {
+  if (recent > historical * 1.5) {
+    return { status: 'SURGE', color: 'purple', score: 10 }; // Aumento brusco
+  }
+  if (recent > historical * 1.2) {
+    return { status: 'INCREASING', color: 'green', score: 8 };
+  }
+  if (recent < historical * 0.8) {
+    return { status: 'DECREASING', color: 'orange', score: 4 };
+  }
+  return { status: 'STABLE', color: 'blue', score: 6 };
+}
+```
+
+### 1.4 Performance de D1
+
+```typescript
+// Monitorar performance do banco de dados D1
+export async function measureD1Performance(env, hours = 24) {
+  // Queries lentas
+  const slowQueries = await env.DB.prepare(`
+    SELECT
+      query_hash,
+      COUNT(*) as execution_count,
+      AVG(duration_ms) as avg_duration,
+      MAX(duration_ms) as max_duration,
+      MIN(duration_ms) as min_duration
+    FROM query_log
+    WHERE executed_at > datetime('now', '-${hours} hours')
+    GROUP BY query_hash
+    ORDER BY avg_duration DESC
+    LIMIT 20
+  `).all();
+
+  // Verificar locks
+  const locks = await env.DB.prepare(`
+    SELECT
+      COUNT(*) as total_locks,
+      AVG(lock_duration_ms) as avg_lock_duration,
+      MAX(lock_duration_ms) as max_lock_duration
+    FROM lock_log
+    WHERE created_at > datetime('now', '-${hours} hours')
+  `).get();
+
+  // Tamanho do banco
+  const dbSize = await getD1Size();
+  const tableSizes = await getTableSizes();
+
+  return {
+    slow_queries: slowQueries.map(q => ({
+      ...q,
+      avg_duration: parseFloat(q.avg_duration.toFixed(2)),
+      status: q.avg_duration > 500 ? 'SLOW' : 'OK'
+    })),
+    locks: {
+      total_locks: locks.total_locks || 0,
+      avg_lock_duration: locks.avg_lock_duration || 0,
+      max_lock_duration: locks.max_lock_duration || 0,
+      status: locks.avg_lock_duration > 100 ? 'LOCK_CONTENTION' : 'OK'
+    },
+    database_size: {
+      total_mb: parseFloat(dbSize.toFixed(2)),
+      tables: tableSizes
+    },
+    overall_status: evaluateD1Health(slowQueries, locks, dbSize)
+  };
+}
+
+function evaluateD1Health(slowQueries, locks, dbSize) {
+  let issues = 0;
+  let maxScore = 10;
+
+  // Queries lentas
+  const verySlowQueries = slowQueries.filter(q => q.avg_duration > 1000);
+  if (verySlowQueries.length > 5) {
+    issues += 3;
+    maxScore -= 3;
+  } else if (slowQueries.some(q => q.avg_duration > 500)) {
+    issues += 2;
+    maxScore -= 2;
+  }
+
+  // Lock contention
+  if (locks.avg_lock_duration > 200) {
+    issues += 3;
+    maxScore -= 3;
+  } else if (locks.avg_lock_duration > 100) {
+    issues += 1;
+    maxScore -= 1;
+  }
+
+  // Tamanho do banco
+  if (dbSize > 500) { // > 500MB
+    issues += 2;
+    maxScore -= 2;
+  }
+
+  return {
+    status: issues === 0 ? 'HEALTHY' :
+             issues <= 3 ? 'WARNING' : 'CRITICAL',
+    color: issues === 0 ? 'green' :
+             issues <= 3 ? 'yellow' : 'red',
+    score: Math.max(0, maxScore),
+    issues_count: issues
+  };
+}
+```
+
+### 1.5 Cache Performance (KV)
+
+```typescript
+// Monitorar eficiência do cache KV
+export async function measureCachePerformance(env, hours = 24) {
+  // Cache hits e misses
+  const cacheStats = await env.DB.prepare(`
+    SELECT
+      COUNT(*) FILTER (WHERE hit = 1) as hits,
+      COUNT(*) FILTER (WHERE hit = 0) as misses,
+      SUM(hits) / (COUNT(*) * 1.0) as hit_rate
+    FROM kv_cache_log
+    WHERE created_at > datetime('now', '-${hours} hours')
+  `).get();
+
+  const hits = cacheStats.hits || 0;
+  const misses = cacheStats.misses || 0;
+  const total = hits + misses;
+  const hitRate = total > 0 ? (hits / total * 100) : 0;
+
+  // Keys armazenadas
+  const totalKeys = await env.GEO_CACHE.list().then(list => list.keys.length);
+
+  return {
+    hits,
+    misses,
+    total_requests: total,
+    hit_rate: parseFloat(hitRate.toFixed(2)),
+    total_keys: totalKeys,
+    status: evaluateCacheEfficiency(hitRate),
+    threshold_breached: hitRate < 70 // < 70% hit rate é alerta
+  };
+}
+
+function evaluateCacheEfficiency(hitRate) {
+  if (hitRate >= 95) return { status: 'EXCELLENT', color: 'green', score: 10 };
+  if (hitRate >= 85) return { status: 'GOOD', color: 'blue', score: 8 };
+  if (hitRate >= 70) return { status: 'ACCEPTABLE', color: 'yellow', score: 6 };
+  if (hitRate >= 50) return { status: 'POOR', color: 'orange', score: 4 };
+  return { status: 'CRITICAL', color: 'red', score: 2 };
+}
+```
+
+---
+
+## 📊 PASSO 2 — CRIAÇÃO DE DELIVERABLES
+
+### DELIVERABLE 1: `monitoring-dashboard.md`
+
+```markdown
+# Especificação de Dashboard de Monitoramento — CDP Edge
+
+## 📊 Métricas Principais
+
+### 1. Card de Latência
+
+**Visualização:**
+- Gráfico de linha com timeline (últimas 24 horas)
+- Indicadores: P50, P90, P95, P99 (em tempo real)
+- Badge de status: ✅ EXCELENTE | ✅ BOM | ⚠️ ACEITÁVEL | 🔴 DEGRADADO | ⚠️ CRÍTICO
+
+**Cores por Status:**
+- Green (EXCELLENT): P50 < 50ms, P95 < 100ms
+- Blue (GOOD): P50 < 100ms, P95 < 200ms
+- Yellow (ACCEPTABLE): P50 < 200ms, P95 < 500ms
+- Orange (DEGRADED): P50 < 500ms, P95 < 1000ms
+- Red (CRITICAL): P50 >= 500ms, P95 >= 1000ms
+
+**Atualização:**
+- A cada 1 minuto (poll do `/debug` endpoint)
+
+### 2. Card de Error Rate
+
+**Visualização:**
+- Gráfico de barras por plataforma (Meta, Google, TikTok, etc.)
+- Taxa de erro em % com badge de status
+- Tabela detalhada: total requests, failed, success, error rate
+
+**Thresholds:**
+- Green: < 1% erro
+- Blue: < 2% erro
+- Yellow: < 5% erro
+- Orange: < 10% erro
+- Red: >= 10% erro
+
+**Atualização:**
+- A cada 5 minutos
+
+### 3. Card de Throughput
+
+**Visualização:**
+- Gráfico de linha de eventos por minuto
+- Média 24h vs média 6h
+- Indicador de tendência: 📈 CRESCENDO | 📉 DIMINUINDO | 📊 ESTÁVEL
+
+**Status:**
+- Purple (SURGE): Aumento brusco (> 50% da média)
+- Green (INCREASING): Crescimento saudável (+20%)
+- Blue (STABLE): Variação aceitável (±20%)
+- Orange (DECREASING): Queda preocupante (-20%)
+
+**Atualização:**
+- A cada 1 minuto
+
+### 4. Card de D1 Performance
+
+**Visualização:**
+- Tabela de 10 queries mais lentas
+- Gráfico de locks por hora
+- Tamanho total do banco em MB
+
+**Status:**
+- Query Lenta: > 500ms (amarelo), > 1000ms (vermelho)
+- Lock Contention: > 100ms (amarelo), > 200ms (vermelho)
+- DB Size: > 500MB (amarelo), > 1GB (vermelho)
+
+**Atualização:**
+- A cada 5 minutos
+
+### 5. Card de Cache Performance
+
+**Visualização:**
+- Gauge circular de hit rate (0-100%)
+- Número total de keys no KV
+- Gráfico de hit rate por hora
+
+**Thresholds:**
+- Green: >= 95% hit rate
+- Blue: >= 85% hit rate
+- Yellow: >= 70% hit rate
+- Orange: >= 50% hit rate
+- Red: < 50% hit rate
+
+**Atualização:**
+- A cada 5 minutos
+
+---
+
+## 🎨 Layout do Dashboard
+
+```
+┌────────────────────────────────────────────────────────────┐
+│  CDP Edge Monitoring — Real-time              │
+│  Status: ✅ HEALTHY | Score: 8.5/10           │
+├────────────────────────────────────────────────────────────┤
+│                                                     │
+│  ┌──────────────┐  ┌──────────────┐               │
+│  │ Latência     │  │ Error Rate   │               │
+│  │ P50: 87ms    │  │ Meta: 0.8%   │               │
+│  │ P95: 156ms   │  │ Google: 1.2%  │               │
+│  │ Status: GOOD │  │ TikTok: 0.5%  │               │
+│  └──────────────┘  └──────────────┘               │
+│                                                     │
+│  ┌──────────────┐  ┌──────────────┐               │
+│  │ Throughput   │  │ D1 Perf     │               │
+│  │ 45.2 ev/min │  │ Query: 234ms │               │
+│  │ Trend: 📈   │  │ Lock: 12ms   │               │
+│  └──────────────┘  └──────────────┘               │
+│                                                     │
+│  ┌────────────────────────────────────────┐              │
+│  │ Cache Performance (KV)           │              │
+│  │ Hit Rate: 87.3%                │              │
+│  │ Total Keys: 1,234              │              │
+│  │ Status: GOOD                     │              │
+│  └────────────────────────────────────────┘              │
+└────────────────────────────────────────────────────────────┘
+```
+
+---
+
+## 🚨 SISTEMA DE ALERTAS
+
+### Critérios de Alerta
+
+1. **Latência Crítica:** P95 >= 1000ms por 5 minutos
+2. **Error Rate Alto:** Qualquer plataforma >= 10% por 10 minutos
+3. **Throughput Anômalo:** > 2x média ou < 0.5x média por 15 minutos
+4. **D1 Degradado:** Queries > 500ms ou locks > 200ms por 10 minutos
+5. **Cache Ineficiente:** Hit rate < 70% por 15 minutos
+
+### Configuração de Alertas
+
+```yaml
+# Configuração de alertas via WhatsApp Agent
+alerts:
+  latency:
+    enabled: true
+    threshold_p95_ms: 1000
+    duration_minutes: 5
+    channels: ["whatsapp", "email"]
+
+  error_rate:
+    enabled: true
+    threshold_percent: 10
+    duration_minutes: 10
+    platforms: ["meta", "google", "tiktok"]
+
+  throughput:
+    enabled: true
+    threshold_multiplier: 2.0
+    duration_minutes: 15
+
+  d1_performance:
+    enabled: true
+    query_threshold_ms: 500
+    lock_threshold_ms: 200
+    duration_minutes: 10
+
+  cache_performance:
+    enabled: true
+    hit_rate_threshold_percent: 70
+    duration_minutes: 15
+```
+
+---
+
+## 📱 Real-Time Updates
+
+### Implementação com Server-Sent Events (SSE)
+
+```typescript
+// Endpoint SSE para atualizações em tempo real do dashboard
+export async function handleMonitoringStream(request, env) {
+  const headers = {
+    'Content-Type': 'text/event-stream',
+    'Cache-Control': 'no-cache',
+    'Connection': 'keep-alive'
+  };
+
+  return new Response(new ReadableStream({
+    async start(controller) {
+      // Enviar dados iniciais
+      controller.enqueue(`data: ${JSON.stringify(await getCurrentMetrics())}\n\n`);
+
+      // Atualizar a cada 30 segundos
+      const intervalId = setInterval(async () => {
+        const metrics = await getCurrentMetrics();
+        controller.enqueue(`data: ${JSON.stringify(metrics)}\n\n`);
+      }, 30000);
+
+      // Manter conexão aberta
+      request.signal.addEventListener('abort', () => {
+        clearInterval(intervalId);
+        controller.close();
+      });
+    }
+  }), { headers });
+}
+
+async function getCurrentMetrics() {
+  return {
+    latency: await measureWorkerLatency(),
+    error_rate: await measureApiErrorRate(1),
+    throughput: await measureThroughput(1),
+    d1_performance: await measureD1Performance(1),
+    cache_performance: await measureCachePerformance(1),
+    timestamp: new Date().toISOString()
+  };
+}
+```
+
+---
+
+> 📊 **Sua Função:** Monitorar continuamente a saúde do sistema de tracking, prover métricas acionáveis e alertas automáticos para identificar degradações antes que afetem a experiência do usuário, mantendo uptime máximo e performance ideal.
+```
+
+### DELIVERABLE 2: `alerts-config.md`
+
+```markdown
+# Configuração de Alertas — CDP Edge Performance Monitoring
+
+## 🚨 CONFIGURAÇÃO DE ALERTAS
+
+### Alertas de Latência
+
+```yaml
+latency_alerts:
+  alert_1:
+    name: "Latência Crítica - Worker"
+    condition: "worker_p95 >= 1000ms"
+    duration: "5 minutos"
+    severity: "CRITICAL"
+    action: "Investigar imediatamente, verificar logs de Worker"
+
+  alert_2:
+    name: "Latência Degradada - Worker"
+    condition: "worker_p95 >= 500ms AND < 1000ms"
+    duration: "10 minutos"
+    severity: "HIGH"
+    action: "Investigar gargalo de performance, considerar escalar Worker"
+```
+
+### Alertas de Error Rate
+
+```yaml
+error_rate_alerts:
+  alert_1:
+    name: "Error Rate Crítico - Meta API"
+    condition: "meta_error_rate >= 10%"
+    duration: "5 minutos"
+    severity: "CRITICAL"
+    action: "Verificar token Meta, investigar logs de API"
+
+  alert_2:
+    name: "Error Rate Alto - Google API"
+    condition: "google_error_rate >= 5%"
+    duration: "10 minutos"
+    severity: "HIGH"
+    action: "Verificar API Secret, ajustar rate limiting"
+```
+
+### Alertas de Throughput
+
+```yaml
+throughput_alerts:
+  alert_1:
+    name: "Throughput Anômalo - Surto"
+    condition: "events_per_minute > 2x_historical_avg"
+    duration: "5 minutos"
+    severity: "CRITICAL"
+    action: "Verificar se há ataque/abuso, investigar source de tráfego"
+
+  alert_2:
+    name: "Throughput Degradado - Queda"
+    condition: "events_per_minute < 0.5x_historical_avg"
+    duration: "15 minutos"
+    duration: "15 minutos"
+    severity: "HIGH"
+    action: "Verificar se há problema no Worker, investigar logs"
+```
+
+### Alertas de D1 Performance
+
+```yaml
+d1_performance_alerts:
+  alert_1:
+    name: "Queries Lentas Críticas"
+    condition: "avg_query_duration > 1000ms"
+    duration: "10 minutos"
+    severity: "CRITICAL"
+    action: "Otimizar queries, criar índices, considerar escala"
+
+  alert_2:
+    name: "Lock Contention Alto"
+    condition: "avg_lock_duration > 200ms"
+    duration: "10 minutos"
+    severity: "HIGH"
+    action: "Investigar deadlocks, otimizar transações"
+```
+
+### Alertas de Cache Performance
+
+```yaml
+cache_performance_alerts:
+  alert_1:
+    name: "Hit Rate Crítico"
+    condition: "kv_hit_rate < 50%"
+    duration: "10 minutos"
+    severity: "CRITICAL"
+    action: "Investigar cache keys, verificar TTL, otimizar estratégia"
+
+  alert_2:
+    name: "Hit Rate Baixo"
+    condition: "kv_hit_rate < 70% AND >= 50%"
+    duration: "15 minutos"
+    severity: "MEDIUM"
+    action: "Revisar cache keys, ajustar TTL"
+```
+
+---
+
+## 📱 CANAIS DE NOTIFICAÇÃO
+
+### 1. WhatsApp Agent (Críticos)
+
+```yaml
+whatsapp_integration:
+  enabled: true
+  alert_levels: ["CRITICAL", "HIGH"]
+
+  message_template: |
+    ⚠️ ALERTA CRÍTICO - CDP Edge Monitoring
+
+    📊 **{alert_name}**
+    🔴 **Condição:** {condition}
+    ⏱️ **Duração:** {duration}
+    📍 **Timestamp:** {timestamp}
+
+    **Ação Recomendada:** {recommended_action}
+
+    > Verificar dashboard de monitoramento para mais detalhes.
+
+  contacts:
+    - "+55119999999999"
+    - "+55118888888888"
+```
+
+### 2. Email Agent (Diários)
+
+```yaml
+email_integration:
+  enabled: true
+  alert_levels: ["CRITICAL", "HIGH", "MEDIUM"]
+
+  daily_report_schedule: "09:00" # 9:00 AM
+
+  daily_report_template: |
+    📊 Relatório Diário de Performance — CDP Edge
+
+    **Data:** {date}
+
+    **Métricas de 24h:**
+    - Latência P95: {latency_p95}ms (Status: {latency_status})
+    - Error Rate: {error_rate}% (Status: {error_rate_status})
+    - Throughput: {throughput} ev/min (Trend: {throughput_trend})
+    - D1 Performance: {d1_status}
+    - Cache Hit Rate: {cache_hit_rate}%
+
+    **Alertas Disparados:** {alerts_count}
+
+    > Ver dashboard completo para detalhes.
+
+  recipients:
+    - "ops@cdp-edge.app"
+    - "dev@cdp-edge.app"
+```
+
+---
+
+## 🔧 INTEGRAÇÃO COM OUTROS AGENTES
+
+### Fontes de Dados
+
+1. **Server Tracking Agent** — Latência de requests e logs de performance
+2. **Validator Agent** — Validações que falharam (indicam problemas de performance)
+3. **Debug Agent** — Logs detalhados de todos os componentes
+4. **Memory Agent** — Checkpoints com métricas de performance de sessões anteriores
+5. **Master Feedback Loop** — Padrões de degradação identificados em ciclos anteriores
+
+### Destino de Output
+
+- **Dashboard Agent** — Recebe especificação de métricas e layout
+- **WhatsApp Agent** — Recebe configuração de alertas críticos
+- **Email Agent** — Recebe configuração de relatórios diários
+- **Intelligence Agent** — Usa métricas para análise proativa de problemas
+
+---
+
+## 📊 CHECKLIST DE IMPLEMENTAÇÃO
+
+### Métricas Monitoradas
+
+- [ ] Latência do Worker implementada (P50, P90, P95, P99)
+- [ ] Error Rate de APIs implementada (todas as plataformas)
+- [ ] Throughput implementado (eventos por minuto/hora)
+- [ ] D1 Performance implementada (queries, locks, tamanho)
+- [ ] Cache Performance implementada (hit rate, misses, keys)
+- [ ] Avaliação de SLAs implementada (com cores e thresholds)
+
+### Dashboard de Monitoramento
+
+- [ ] Especificação de layout completa criada
+- [ ] Cards de métricas definidos (latência, error rate, throughput, D1, cache)
+- [ ] Sistema de cores por status implementado
+- [ ] Gráficos e visualizações especificadas
+- [ ] Atualização em tempo real definida (SSE)
+
+### Sistema de Alertas
+
+- [ ] Configuração de alertas criada (latência, error rate, throughput, D1, cache)
+- [ ] Thresholds definidos para cada tipo de alerta
+- [ ] Durações e severidades especificadas
+- [ ] Ações recomendadas documentadas
+
+### Integração com Canais
+
+- [ ] Integração com WhatsApp Agent implementada
+- [ ] Integração com Email Agent implementada
+- [ ] Templates de mensagem criados
+- [ ] Schedule de relatórios configurado
+- [ ] Canais de notificação testados
+
+---
+
+## 🎯 BENEFÍCIOS ESPERADOS
+
+1. **Detecção precoce de problemas** — Alertas automáticos antes que degradem experiência do usuário
+2. **Visibilidade total da performance** — Métricas em tempo real de todos os componentes
+3. **SLAs definidos e monitorados** — Thresholds claros para cada métrica
+4. **Múltiplos canais de alerta** — WhatsApp para críticos, Email para diários
+5. **Dashboard profissional** — Interface visual acionável com status coloridos
+6. **Histórico de performance** — Dados para análise de tendências e otimizações
+
+---
+
+> 📊 **Sua Função:** Monitorar continuamente a saúde do sistema de tracking (latência, error rates, throughput, performance de D1 e cache), prover dashboard profissional com métricas acionáveis e sistema de alertas automáticos via WhatsApp/Email para garantir uptime máximo e identificação precoce de problemas.
+```
+
+### DELIVERABLE 3: `performance-optimization.md`
+
+```markdown
+# Recomendações de Otimização de Performance — CDP Edge
+
+## 🚀 OTIMIZAÇÕES RECOMENDADAS
+
+### 1. Worker Performance
+
+#### Otimização 1: Ajustar Limite de CPU do Worker
+
+**Problema:** Worker usando muita CPU pode ser terminado abruptamente.
+
+**Solução:**
+```yaml
+# wrangler.toml
+[limits]
+cpu_ms = 50 # Aumentar de 10ms para 50ms
+```
+
+**Impacto Esperado:** +30% capacidade de processamento
+
+---
+
+#### Otimização 2: Implementar Cache Agressivo com KV
+
+**Problema:** Queries repetidas ao D1 degradam performance.
+
+**Solução:**
+```typescript
+// Cache de métricas globais por 1 hora
+const cacheKey = `metrics:global:${getHourBucket()}`;
+const cached = await env.GEO_CACHE.get(cacheKey);
+
+if (cached) {
+  return JSON.parse(cached);
+}
+
+// Cache miss — consultar D1 e persistir no KV
+const metrics = await fetchMetricsFromD1();
+await env.GEO_CACHE.put(cacheKey, JSON.stringify(metrics), { expirationTtl: 3600 });
+
+return metrics;
+```
+
+**Impacto Esperado:** 90% redução de queries ao D1 para métricas globais
+
+---
+
+#### Otimização 3: Implementar Batch Processing
+
+**Problema:** Processar eventos um por um é ineficiente.
+
+**Solução:**
+```typescript
+// Agrupar eventos em batches de 10
+const eventBatches = [];
+for (let i = 0; i < events.length; i += 10) {
+  eventBatches.push(events.slice(i, i + 10));
+}
+
+// Processar batches em paralelo
+await Promise.all(eventBatches.map(batch => processBatch(batch)));
+```
+
+**Impacto Esperado:** +200% throughput de processamento
+
+---
+
+### 2. D1 Performance
+
+#### Otimização 4: Criar Índices Adequados
+
+**Problema:** Queries sem índices são lentas.
+
+**Solução:**
+```sql
+-- Índices críticos para performance
+CREATE INDEX IF NOT EXISTS idx_events_log_created ON events_log(created_at);
+CREATE INDEX IF NOT EXISTS idx_events_log_platform ON events_log(platform);
+CREATE INDEX IF NOT EXISTS idx_events_log_status ON events_log(status);
+CREATE INDEX IF NOT EXISTS idx_identity_graph_fingerprint ON identity_graph(fingerprint);
+CREATE INDEX IF NOT EXISTS idx_leads_email ON leads(email);
+```
+
+**Impacto Esperado:** 70% redução de tempo de queries comuns
+
+---
+
+#### Otimização 5: Otimizar Queries Complexas
+
+**Problema:** Queries com JOINs e subqueries são lentas.
+
+**Solução:**
+```sql
+-- ANTES (Lento - com JOIN)
+SELECT e.*, l.*
+FROM events_log e
+LEFT JOIN leads l ON e.email = l.email
+WHERE e.created_at > datetime('now', '-1 day')
+
+-- DEPOIS (Rápido - evita JOIN)
+SELECT e.*,
+       (SELECT json_group_array(l)
+        FROM leads l
+        WHERE l.email = e.email
+        LIMIT 1
+       ) as lead_data
+FROM events_log e
+WHERE e.created_at > datetime('now', '-1 day')
+```
+
+**Impacto Esperado:** 60% redução em queries complexas
+
+---
+
+### 3. API Performance
+
+#### Otimização 6: Implementar Rate Limiting Inteligente
+
+**Problema:** Enviar eventos muito rápido causa 429 errors.
+
+**Solução:**
+```typescript
+// Rate limiting com token bucket algorithm
+const RATE_LIMITS = {
+  meta: { tokens: 200, refill_rate: 10 },      // 200 req/min, recarrega 10/min
+  google: { tokens: 1000, refill_rate: 100 },    // 1000 req/min
+  tiktok: { tokens: 10, refill_rate: 1 }        // 10 req/min
+};
+
+async function consumeToken(platform, env) {
+  const limit = RATE_LIMITS[platform];
+  const key = `rate_limit:${platform}`;
+
+  let tokens = await env.GEO_CACHE.get(key) || JSON.stringify(limit.tokens);
+
+  tokens = JSON.parse(tokens);
+
+  if (tokens > 0) {
+    tokens--;
+    await env.GEO_CACHE.put(key, JSON.stringify(tokens));
+    return true; // Permitido
+  }
+
+  return false; // Bloqueado
+}
+```
+
+**Impacto Esperado:** 95% redução de erros 429
+
+---
+
+#### Otimização 7: Implementar Request Queuing
+
+**Problema:** Perda de eventos durante rate limits.
+
+**Solução:**
+```typescript
+// Cloudflare Queue para eventos bloqueados
+export async function queueEventForRetry(event, platform, reason) {
+  await QUEUE.send('cdp-edge-events', {
+    event,
+    platform,
+    reason,
+    timestamp: Date.now(),
+    retry_at: Date.now() + calculateBackoff(reason)
+  });
+}
+
+// Processar queue periodicamente
+setInterval(async () => {
+  const messages = await QUEUE.receive('cdp-edge-events', { maxMessages: 100 });
+
+  for (const msg of messages) {
+    await processEvent(msg.event, msg.platform);
+  }
+}, 60000); // A cada 1 minuto
+```
+
+**Impacto Esperado:** 100% preservação de eventos durante rate limits
+
+---
+
+### 4. Cache Performance
+
+#### Otimização 8: Ajustar TTL de Cache
+
+**Problema:** TTL muito baixo causa cache misses frequentes.
+
+**Solução:**
+```typescript
+// TTLs otimizados por tipo de dado
+const CACHE_TTL = {
+  metrics_global: 3600,      // 1 hora para métricas globais
+  user_profile: 1800,          // 30 minutos para dados de usuário
+  event_mapping: 7200,        // 2 horas para mapeamento de eventos
+  api_config: 86400,         // 24 horas para configuração de APIs
+  session_data: 900            // 15 minutos para dados de sessão
+};
+```
+
+**Impacto Esperado:** 85% aumento de hit rate de cache
+
+---
+
+#### Otimização 9: Implementar Cache Invalidation Inteligente
+
+**Problema:** Cache desatualizado causa dados incorretos.
+
+**Solução:**
+```typescript
+// Invalidar cache quando dados mudarem
+async function invalidateCacheOnChange(eventType, env) {
+  const patterns = {
+    'lead_created': ['metrics:*', 'user_profile:*'],
+    'purchase_completed': ['metrics:*', 'session_data:*'],
+    'api_config_changed': ['api_config:*']
+  };
+
+  const keysToDelete = await env.GEO_CACHE.list({ prefix: patterns[eventType] });
+
+  for (const key of keysToDelete.keys) {
+    await env.GEO_CACHE.delete(key.name);
+  }
+
+  console.log(`Invalidated ${keysToDelete.keys.length} cache keys for ${eventType}`);
+}
+```
+
+**Impacto Esperado:** 95% de cache sempre atualizado
+
+---
+
+## 📊 MÉTRICAS ANTES X DEPOIS DAS OTIMIZAÇÕES
+
+| Métrica | Antes (Estimado) | Após Otimizações | Melhoria |
+|----------|----------------------|-------------------|-----------|
+| **Latência Worker P95** | 250ms | 100ms | -60% |
+| **Error Rate Meta** | 5% | 1% | -80% |
+| **Throughput** | 30 ev/min | 90 ev/min | +200% |
+| **D1 Query Média** | 500ms | 150ms | -70% |
+| **Cache Hit Rate** | 60% | 90% | +50% |
+
+---
+
+> 🚀 **Sua Função:** Prover recomendações acionáveis de otimização de performance para todos os componentes do sistema (Worker, D1, APIs, Cache), com métricas antes/depois e impacto esperado de cada otimização implementada.
+```
+
+---
+
+## 🎯 FORMATO DE SAÍDA
+
+Retornar os 3 deliverables em formato Markdown.
+
+O Master Orchestrator deve salvar:
+- `monitoring-dashboard.md` — Especificação completa do dashboard de monitoramento
+- `alerts-config.md` — Configuração completa de alertas (WhatsApp, Email)
+- `performance-optimization.md` — Recomendações de otimização com métricas antes/depois
+
+---
+
+## 🔧 INTEGRAÇÃO COM OUTROS AGENTES
+
+### Fontes de Dados
+
+1. **Server Tracking Agent** — Logs de latência e performance de requests
+2. **Debug Agent** — Logs estruturados para análise
+3. **Validator Agent** — Validações que indicam problemas de performance
+4. **Memory Agent** — Checkpoints com métricas de sessões anteriores
+5. **Master Feedback Loop** — Padrões de degradação identificados
+
+### Destino de Output
+
+- **Dashboard Agent** — Recebe especificação de métricas e layout
+- **WhatsApp Agent** — Recebe configuração de alertas críticos
+- **Email Agent** — Recebe configuração de relatórios diários
+- **Intelligence Agent** — Usa métricas para análise proativa de problemas
+
+---
+
+## 📊 CHECKLIST DE IMPLEMENTAÇÃO
+
+### Monitoramento de Métricas
+
+- [ ] Latência do Worker implementada (P50, P90, P95, P99)
+- [ ] Error Rate de APIs implementada (todas as plataformas)
+- [ ] Throughput implementado (eventos por minuto/hora)
+- [ ] D1 Performance implementada (queries, locks, tamanho)
+- [ ] Cache Performance implementada (hit rate, misses, keys)
+- [ ] Avaliação de SLAs implementada (com cores e thresholds)
+
+### Dashboard de Monitoramento
+
+- [ ] Especificação de layout completa criada
+- [ ] Cards de métricas definidos (latência, error rate, throughput, D1, cache)
+- [ ] Sistema de cores por status implementado
+- [ ] Gráficos e visualizações especificadas
+- [ ] Atualização em tempo real definida (SSE)
+
+### Sistema de Alertas
+
+- [ ] Configuração de alertas criada (latência, error rate, throughput, D1, cache)
+- [ ] Thresholds definidos para cada tipo de alerta
+- [ ] Durações e severidades especificadas
+- [ ] Ações recomendadas documentadas
+
+### Otimizações
+
+- [ ] Otimizações de Worker documentadas
+- [ ] Otimizações de D1 documentadas
+- [ ] Otimizações de APIs documentadas
+- [ ] Otimizações de Cache documentadas
+- [ ] Métricas antes/depois calculadas
+- [ ] Impacto esperado documentado
+
+### Integração
+
+- [ ] Integração com Server Tracking implementada
+- [ ] Integração com Debug Agent implementada
+- [ ] Integração com Dashboard Agent implementada
+- [ ] Integração com WhatsApp Agent implementada
+- [ ] Integração com Email Agent implementada
+
+---
+
+## 🎯 BENEFÍCIOS ESPERADOS
+
+1. **Detecção precoce de problemas** — Alertas automáticos antes que degradem experiência
+2. **Visibilidade total da performance** — Métricas em tempo real de todos os componentes
+3. **SLAs definidos e monitorados** — Thresholds claros para cada métrica
+4. **Múltiplos canais de alerta** — WhatsApp para críticos, Email para diários
+5. **Dashboard profissional** — Interface visual acionável com status coloridos
+6. **Otimizações acionáveis** — Recomendações com código pronto para aplicar
+
+---
+
+> 📊 **Sua Função:** Monitorar continuamente a saúde do sistema de tracking (latência, error rates, throughput, performance de D1 e cache), prover dashboard profissional com métricas acionáveis e sistema de alertas automáticos via WhatsApp/Email para garantir uptime máximo e identificação precoce de problemas.