Entrevistas de DevOps em 2026 não são mais um quiz de curiosidades sobre Linux com uma pergunta de Jenkins no final. Os times de contratação agora esperam que você raciocine sobre custo, raio de impacto e confiabilidade enquanto depura ao vivo um pipeline quebrado ou um CrashLoopBackOff na frente deles. Este guia cobre as rodadas que você vai enfrentar, as perguntas que aparecem e como respondê-las como alguém que já carregou um pager, e não só leu a documentação.
O que as entrevistas de engenheiro DevOps realmente avaliam em 2026
A régua mudou. Recitar a sigla CALMS não rende nada; os entrevistadores sondam se você consegue operar a plataforma que diz conhecer, em cinco áreas: Kubernetes (rede, escalonamento, modos de falha, não só kubectl apply); infraestrutura como código (estado, módulos e drift entre times no Terraform e OpenTofu); desenho de CI/CD com segurança de cadeia de suprimentos (SBOMs, artefatos assinados, proveniência); observabilidade (SLOs, error budgets, OpenTelemetry, não só dashboards); e o lado de incidentes (postmortems, toil, dizer não a um deploy arriscado na sexta). Consciência de custo em nuvem (FinOps) também é um diferencial.
O processo de entrevista: as rodadas e etapas de verdade
Para uma vaga de DevOps pleno a sênior em 2026, o processo tem de quatro a seis etapas.
- Triagem com recrutador (20 a 30 minutos). Logística, faixa salarial e uma conferência rápida da sua stack. Esteja pronto para resumir a sua plataforma em dois minutos.
- Triagem técnica por telefone (45 a 60 minutos). Um engenheiro do time entra fundo em uma ou duas áreas, normalmente Kubernetes, CI/CD ou IaC, muitas vezes com um exercício de troubleshooting ao vivo em um terminal compartilhado.
- Rodada de system design / arquitetura (60 minutos). Desenhe uma plataforma de deploy, uma configuração multirregião ou um pipeline de CI/CD do zero. É aqui que ofertas sêniores são ganhas ou perdidas.
- Prática / teste para levar para casa (varia). Um repositório Terraform quebrado ou um pipeline instável para consertar, ao vivo ou em alguns dias, ou um exercício do tipo "depure este cluster".
- Rodada comportamental / de incidentes (45 minutos). Postmortems, histórias de guerra de plantão, conflito entre times e como lidar com uma queda sob pressão.
- Rodada com o gestor / de valores. Encaixe no time, formas de trabalhar e o seu apetite por assumir responsabilidade.
Em empresas com foco forte em plataforma, espere uma rodada dedicada a confiabilidade: SLOs, higiene de alertas e sustentabilidade do plantão.
As perguntas
Contêineres, Kubernetes e orquestração
Um pod está preso em CrashLoopBackOff. Me conte como você depura.
Como abordar: narre uma sequência, não um palpite. kubectl describe pod para eventos e códigos de saída, kubectl logs --previous para o contêiner morto, cheque o tempo da liveness probe e os limites de recursos (OOMKilled aparece como código de saída 137), depois config e secrets. Citar o código 137 sem ser perguntado sinaliza experiência operacional real.
Qual a diferença entre uma liveness probe e uma readiness probe, e o que quebra se você configurar errado? Como abordar: liveness reinicia um contêiner travado; readiness controla a entrada de tráfego. A armadilha que eles querem ouvir nomeada: uma liveness probe agressiva demais reinicia pods saudáveis, porém lentos, durante um pico de tráfego e amplifica a queda. Acrescente startup probes para apps de inicialização lenta.
Como um Service roteia tráfego para os Pods, e como isso difere de um Ingress? Como abordar: um Service usa seletores de label e o kube-proxy para balancear carga na camada 4; um Ingress cuida do roteamento na camada 7, regras de host e caminho, e terminação TLS. Ponto extra por citar a Gateway API como sucessora do Ingress em 2026.
Você precisa de deploys sem downtime. Compare rolling update, blue-green e canário. Como abordar: trade-offs, não definições. Rolling é barato, mas mistura versões; blue-green dá rollback instantâneo pelo dobro do custo; canário limita o raio de impacto, mas exige métricas sólidas, idealmente ligadas a um rollback automático baseado em SLO.
Como você limitaria o raio de impacto de um pod comprometido? Como abordar: NetworkPolicies para tráfego leste-oeste, RBAC e service accounts de menor privilégio, Pod Security Standards (perfil restricted), nada de contêineres privilegiados e escaneamento de imagens. Isso funciona também como um teste de mentalidade de segurança.
Infraestrutura como código e automação
O seu terraform plan mostra mudanças que ninguém fez. Como você lida com drift?
Como abordar: cite as causas (mudanças manuais no console, ferramentas fora do fluxo), depois o caminho da correção: terraform plan -refresh-only, reconciliar ou importar, e evitar a recorrência com IAM travado, política como código e detecção de drift agendada.
Dois engenheiros rodam terraform apply ao mesmo tempo. O que acontece, e como você evita isso?
Como abordar: corrupção de estado sem lock. A resposta é estado remoto com lock (historicamente S3 mais DynamoDB, ou um backend nativo), além de estado separado por ambiente para reduzir o raio de impacto.
Quando você escreve um módulo em vez de duplicar recursos? Como abordar: módulos para padrões repetidos e opinativos; evite abstração prematura que ninguém consegue ler, principalmente aquele módulo superengenheirado que aceita quarenta variáveis e esconde tudo.
Como você gerencia secrets em IaC sem vazá-los para o estado? Como abordar: nunca deixe fixo no código; puxe de um gerenciador de secrets (Vault, cofres nativos da nuvem apoiados em KMS) em tempo de execução, marque variáveis como sensíveis, e criptografe e restrinja o estado, já que ele ainda pode conter secrets. Credenciais dinâmicas de vida curta são o padrão maduro.
CI/CD, confiabilidade e observabilidade
Desenhe um pipeline de CI/CD para um microsserviço, do commit à produção. Como abordar: lint e testes unitários, build, escaneamento (SAST, dependências, contêiner), assinatura do artefato, deploy em staging, testes de integração e smoke tests, depois entrega progressiva para produção com rollback automático. Acrescente segurança de cadeia de suprimentos (SBOM, proveniência) para deixar isso no nível de 2026.
Um deploy dobrou a sua taxa de erro. Como o seu pipeline pega isso automaticamente? Como abordar: canário mais análise automatizada contra os sinais dourados (latência, erros, saturação, tráfego). Se o canário violar o SLO, o pipeline para e faz rollback sem intervenção humana, mostrando que você confia em automação em vez de esperança.
Explique SLI, SLO e error budget, e como um error budget muda o comportamento do time. Como abordar: SLI é a medição, SLO é a meta, o error budget é o quanto você pode queimar. O ponto final: quando o orçamento acaba, você congela lançamentos de funcionalidades e prioriza confiabilidade. Esse trade-off é o ponto.
Qual a diferença entre métricas, logs e traces, e quando você recorre a cada um? Como abordar: métricas para tendências e alertas, logs para detalhe sobre um evento conhecido, traces para latência atravessando fronteiras de serviços. Cite OpenTelemetry como a camada padrão de instrumentação e o custo de dados de alta cardinalidade.
Seus alertas estão barulhentos e o plantão está esgotando o time. O que você muda? Como abordar: alertar sobre sintomas (violações de SLO) e não causas, apagar alertas nos quais ninguém age, adicionar severidades e runbooks, e acompanhar a razão entre alerta e ação. Citar a sustentabilidade do plantão como objetivo sinaliza senioridade.
Comportamental e resposta a incidentes
Me conte de um incidente em produção do qual você foi dono do começo ao fim. Como abordar: use uma estrutura clara: detecção, impacto, o que você fez, resolução e acompanhamento. Enfatize um postmortem sem culpados e uma correção sistêmica concreta, não "pedimos para o engenheiro tomar cuidado".
Um desenvolvedor quer subir para produção às 17h de uma sexta antes de um feriado prolongado. O que você faz? Como abordar: não é um não seco. Avalie risco, tamanho da mudança, confiança no rollback e cobertura de plantão. Mostre julgamento e capacidade de viabilizar com segurança em vez de só barrar. Não existe uma única resposta certa; eles estão testando como você raciocina.
Erros comuns que afundam candidatos de DevOps
O maior deles: recitar definições em vez de demonstrar operação. "O Kubernetes orquestra contêineres" não diz nada ao entrevistador; mostrar como você depuraria um nó travado diz tudo. Logo atrás vem ignorar trade-offs. Toda decisão de infraestrutura custa alguma coisa (dinheiro, complexidade, latência, raio de impacto), e candidatos que apresentam uma ferramenta como universalmente correta soam juniores, então sempre cite a desvantagem.
Outras formas confiáveis de perder a vaga: passar por cima da segurança ("a gente tem um firewall"), esquecer o custo em um system design, culpar pessoas em vez de sistemas e superengenheirar um problema simples. Muitos bons engenheiros também ficam em silêncio durante o troubleshooting ao vivo, e os entrevistadores não conseguem pontuar o que você não diz. Por fim, não blefe: "não rodei Istio em produção, mas é assim que eu abordaria" ganha de uma resposta errada dita com confiança, sempre.
Como se preparar (e onde um copiloto ao vivo ajuda)
Construa e depois quebre. A melhor preparação é um cluster pequeno (kind ou k3s) em que você provoca falhas de propósito: mate um nó, configure uma probe errado, esgote recursos, corrompa o estado do Terraform. Conserte cada uma e anote o seu caminho de depuração; essa memória muscular é exatamente o que as rodadas práticas testam. Depois ensaie system design em voz alta: escolha três cenários (um pipeline de CI/CD, um deploy multirregião, uma plataforma de logging), cronometre 45 minutos para cada e prepare quatro ou cinco histórias de incidente para a rodada comportamental sair no automático.
Mesmo com uma preparação sólida, entrevistas ao vivo correm rápido, e é fácil dar branco na flag exata do kubectl ou travar quando o entrevistador reformula uma pergunta. É aqui que o GhostPilot AI ganha o lugar dele. Ele roda no painel lateral do Chrome, escuta em tempo real e traz sugestões estruturadas, trade-offs e os casos de borda que separam uma resposta sênior de uma mediana, com sugestões de IA quase instantâneas assim que a pergunta cai. Como ele vive no painel lateral, não faz parte da captura de tela de uma aba compartilhada, e o app desktop opcional para Windows é invisível para captura de tela no Windows 10 (build 2004 ou posterior) e no Windows 11. É uma rede de confiança para quando a sua memória travar, não um substituto para a sua stack.
FAQ
Qual a diferença entre uma entrevista de engenheiro DevOps e uma de SRE? Processos de SRE pendem mais para teoria de confiabilidade (SLOs, error budgets, planejamento de capacidade) e muitas vezes incluem mais código. Processos de DevOps pesam mais CI/CD, IaC e ferramental de plataforma. A sobreposição é grande em 2026, então prepare-se para os dois.
Entrevistas de DevOps incluem rodadas de código? Muitas vezes, mas raramente algoritmos no estilo LeetCode. Espere scripting (Python, Bash ou Go), parsing de logs, escrita de automação ou conserto de um script quebrado. Algumas vagas de plataforma exigem habilidades de software mais fortes.
Quanto de Kubernetes eu realmente preciso saber? Para a maioria das vagas de 2026, o bastante para depurar com confiança: rede, escalonamento, probes, RBAC e modos de falha comuns. Você não precisa escrever um controller customizado, a menos que a vaga seja explicitamente de engenharia de plataforma, mas precisa conseguir triar um cluster quebrado ao vivo.
Testes para levar para casa são comuns em vagas de DevOps? Sim, embora muitas empresas hoje usem exercícios ao vivo com tempo limitado no lugar. Trate qualquer um dos formatos como código de produção: commits claros, um README e padrões sensatos.
Teste o GhostPilot AI
O GhostPilot AI é um copiloto de entrevistas em tempo real para candidatos técnicos. O plano gratuito te dá sessões ao vivo de 10 minutos com respostas de IA ilimitadas, o Session Pass custa $29 por três entrevistas completas de duas horas (pagamento único, sem assinatura), e o Pro sai por $59/mês ou $192/ano ($16/mês na cobrança anual) para uso ilimitado. Entre no seu próximo processo de DevOps com os trade-offs e o comando exato a um olhar de distância, em ghostpilotai.com.