fix: zero-downtime deploy com start-first e healthcheck

- Remove docker service update --force que causava downtime
- Agrupa env vars do Convex em um único update (evita múltiplos restarts)
- Adiciona delay: 10s e monitor: 30s no update_config
- Healthcheck do web usa /api/health com timeout
- Ajusta start_period: 180s (web) e 60s (convex)
- Convex backend não é mais forçado a reiniciar após stack deploy

Fluxo correto de deploy:
1. docker stack deploy detecta mudança
2. Novo container é criado (start-first)
3. Swarm espera healthcheck passar
4. Swarm espera monitor period (30s)
5. Container antigo é removido
6. Zero downtime durante todo o processo

🤖 Generated with [Claude Code](https://claude.com/claude-code)

Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>

stack.yml

@@ -45,6 +45,10 @@ services:
         # start-first evita downtime: sobe o novo task antes de parar o anterior
         order: start-first
         failure_action: rollback
+        # Delay entre updates para garantir que o healthcheck passa
+        delay: 10s
+        # Monitor: tempo que o Swarm espera após o deploy para verificar estabilidade
+        monitor: 30s
       rollback_config:
         order: start-first
       resources:
@@ -66,11 +70,14 @@ services:
     networks:
       - traefik_public
     healthcheck:
-      test: ["CMD", "node", "-e", "fetch('http://localhost:3000').then(r=>process.exit(r.ok?0:1)).catch(()=>process.exit(1))"]
+      # Healthcheck mais robusto: verifica se o servidor responde
+      test: ["CMD", "node", "-e", "fetch('http://localhost:3000/api/health',{timeout:2000}).then(r=>process.exit(r.ok?0:1)).catch(()=>process.exit(1))"]
       interval: 10s
-      timeout: 3s
-      retries: 5
-      start_period: 120s
+      timeout: 5s
+      retries: 3
+      # start_period: tempo de inicialização antes de começar a contar falhas
+      # O novo container só entra em serviço APÓS passar no healthcheck
+      start_period: 180s
 
   convex_backend:
     image: sistema_convex_backend:1.29.2
@@ -96,6 +103,9 @@ services:
         parallelism: 1
         order: start-first
         failure_action: rollback
+        # Delay e monitor para garantir zero-downtime
+        delay: 10s
+        monitor: 30s
       resources:
         limits:
           # Limite de memória elevado para evitar reinícios por OOM (exit code 137) em cargas de relatórios / índices.
@@ -119,10 +129,10 @@ services:
       - traefik_public
     healthcheck:
       test: ["CMD-SHELL", "curl -sf http://localhost:3210/version >/dev/null || exit 1"]
-      interval: 30s
-      timeout: 10s
-      retries: 10
-      start_period: 120s
+      interval: 15s
+      timeout: 5s
+      retries: 3
+      start_period: 60s
 
   convex_dashboard:
     image: ghcr.io/get-convex/convex-dashboard:latest