1. 课程导论：Requests Limits 的定义、观测策略的重要性、代码资源配额模型的核心概念

1.1 什么是 Requests Limits？

在云原生与微服务架构中，Requests（请求量） 与 Limits（限制） 是资源调度与流量治理的一体两面。Requests 代表工作负载（Pod、容器、函数）向调度器声明的最小保障资源，Limits 则代表系统允许该工作负载瞬时使用的资源上限。当请求量持续逼近或超过限制时，系统将进入过载状态，表现为延迟飙升、错误率上升甚至级联故障。

1.2 观测策略的重要性

没有观测的 Limits 是盲目的。传统方式仅依赖 CPU/内存使用率阈值告警，往往在问题发生数分钟后才触发，且无法区分“正常突发”与“异常过载”。现代观测策略要求从三个维度构建可观测性：

通过上述四维黄金信号（USE / RED 方法），SRE 团队可以建立从指标采集 → 实时监控 → 关联分析 → 自动修复的闭环，将 Limits 从静态配置转化为动态可观测的治理边界。

1.3 代码资源配额模型的核心概念

传统资源配额管理依赖运维人员手动调整 YAML 配置，效率低且易出错。代码资源配额模型（Resource Quota as Code） 将配额策略以声明式代码的形式纳入 CI/CD 流水线，实现配额管理的版本化、自动化与可观测化。其核心概念包括：

• 配额声明（Quota Declaration）：使用结构化代码（如 HCL、YAML + 策略引擎）定义每个服务或租户的资源上限。
• 配额校验（Quota Validation）：在部署阶段自动检查新版本是否超出配额，阻止超限变更进入生产。
• 配额观测（Quota Observability）：实时追踪配额使用率、剩余容量、历史趋势，并关联延迟与错误指标。
• 配额调整（Quota Adjustment）：基于观测数据自动或半自动调整配额，实现弹性资源分配。

1.4 延迟水位与异常事件：观测与配额的汇合点

本课程的核心聚焦于两个关键概念——延迟水位（Latency Watermark） 与 异常事件（Anomaly Events）——它们是将观测策略与代码资源配额模型紧密结合的桥梁：

• 延迟水位：指在特定请求量下，系统响应时间的动态基线。当请求量接近 Limits 时，延迟水位会非线性上升，形成“拐点”。通过实时追踪延迟水位，SRE 可以提前发现容量瓶颈。
• 异常事件：指请求量突破 Limits 或配额边界时触发的非正常行为，如请求超时、熔断、OOM Kill、CPU Throttle 等。异常事件是配额模型调整的直接触发信号。

1.5 课程目标与学习路径

通过本课程，你将掌握以下核心能力：

1. 定义与量化：准确理解 Requests Limits 在 Kubernetes、服务网格、API 网关等场景下的具体含义与配置方法。
2. 观测策略设计：基于四维黄金信号构建延迟水位监控体系，设计有效的告警规则与仪表盘。
3. 代码资源配额模型实现：使用 Terraform / Crossplane / OPA 等工具将配额策略代码化，并集成到 CI/CD 流水线。
4. 异常事件处理：建立事件驱动的自动修复机制，实现配额的自适应调整。
5. 实战演练：通过真实案例与代码示例，完成从观测到配额调整的完整闭环。