3. 入口网关容量水位指标：CPU、内存、连接数、QPS、P99延迟等关键指标定义

在 Istio 入口网关的容量规划与巡检中，水位指标是判断网关是否健康、是否存在过载风险的核心依据。本节将定义五大关键指标：CPU 使用率、内存使用率、活跃连接数、每秒请求数（QPS）以及P99 延迟，并给出每个指标的采集方式、阈值建议与巡检意义。

3.1 指标定义与采集方式

下表汇总了五个核心水位指标的采集来源、Prometheus 查询语句（Metric Query）以及典型阈值范围：

3.2 指标间联动关系与巡检优先级

五个指标并非孤立存在，它们之间存在典型的因果链。理解这些关系有助于快速定位根因：

• CPU 与 QPS 正相关：QPS 上升通常导致 CPU 使用率同步上升。若 CPU 高但 QPS 低，说明存在计算密集型请求（如复杂 JWT 校验、OPA 策略评估）。
• 内存与连接数正相关：每个活跃连接会占用一定内存（通常 1KB – 10KB）。连接数激增时，内存使用率会快速攀升。
• P99 延迟与 CPU/连接数负相关：当 CPU 使用率超过 80% 或连接数超过 1000 时，请求排队时间增加，P99 延迟会显著恶化。
• 巡检优先级：P99 延迟 > CPU 使用率 > 内存使用率 > QPS > 活跃连接数。延迟是用户体验的直接体现，应作为最高优先级。

3.3 容量水位模型：从指标到决策

为了将多个指标综合为一个可决策的“水位等级”，我们定义如下容量水位模型：

1. 健康（绿色）：所有指标均处于安全水位，无需干预。
2. 关注（黄色）：任意 1 个指标进入警戒水位，或 2 个指标接近警戒线。建议观察趋势，准备扩容。
3. 告警（橙色）：任意 2 个指标进入警戒水位，或 1 个指标进入危险水位。需要立即扩容或限流。
4. 严重（红色）：任意 2 个指标进入危险水位，或 P99 延迟超过 500ms。触发自动弹性伸缩或降级策略。

下图展示了从指标采集到水位决策的完整链路：

3.4 巡检脚本中的指标采集示例

在实际巡检脚本中，我们使用 Prometheus API 批量拉取上述指标，并计算综合水位。以下是一个简化版的 Python 采集片段：

import requests
import json

prometheus_url = "http://prometheus:9090/api/v1/query"

def get_metric_value(query):
    resp = requests.get(prometheus_url, params={"query": query})
    result = resp.json()["data"]["result"]
    if result:
        return float(result[0]["value"][1])
    return 0.0

# 采集 CPU 使用率（假设 Pod 有 2 核）
cpu_query = 'rate(container_cpu_usage_seconds_total{container="istio-proxy"}[1m]) / 2 * 100'
cpu_usage = get_metric_value(cpu_query)

# 采集内存使用率（假设内存限制为 512Mi）
mem_query = 'container_memory_working_set_bytes{container="istio-proxy"} / 512 / 1024 / 1024 * 100'
mem_usage = get_metric_value(mem_query)

# 采集活跃连接数
conn_query = 'sum(envoy_cluster_upstream_rq_active{envoy_cluster_name="xds-grpc"})'
active_conn = get_metric_value(conn_query)

# 采集 QPS
qps_query = 'sum(rate(envoy_cluster_upstream_rq_total[1m]))'
qps = get_metric_value(qps_query)

# 采集 P99 延迟（单位：毫秒）
p99_query = 'histogram_quantile(0.99, sum(rate(envoy_cluster_upstream_rq_time_bucket[1m])) by (le))'
p99_latency = get_metric_value(p99_query) * 1000

print(f"CPU: {cpu_usage:.1f}%, Mem: {mem_usage:.1f}%, Conn: {active_conn}, QPS: {qps:.0f}, P99: {p99_latency:.0f}ms")

3.5 指标可视化与趋势分析

为了直观展示五个指标在时间轴上的变化，我们使用 Grafana 面板进行聚合展示。下图展示了典型入口网关在流量高峰期的指标联动趋势：