1. 课程导论：IDP故障域概念、容量突增场景定义、Catalog水位预测的重要性
1.1 IDP故障域概念
在基础设施数据平台（IDP）中，故障域（Fault Domain） 是指一组共享单一故障点的物理或逻辑资源集合。故障域的划分是保障平台高可用性和容错能力的核心手段。
典型的IDP故障域层级包括：
| 层级 | 示例 | 故障影响范围 |
|---|---|---|
| 物理故障域 | 机架、电源分配单元（PDU）、网络交换机 | 单机架或单电源域内所有节点 |
| 逻辑故障域 | Kubernetes集群、可用区（AZ）、Region | 该逻辑分组内的所有服务实例 |
| 数据故障域 | Catalog分片、副本组、一致性哈希环 | 该数据分片或副本组内的读写可用性 |
关键认知：IDP的故障域设计遵循“故障隔离”原则——一个故障域内的故障不应扩散到其他故障域。Catalog水位预测正是基于这一原则，对每个故障域独立建模。
1.2 容量突增场景定义
容量突增（Capacity Surge） 是指在短时间内，某个故障域内的数据写入量或存储占用率出现远超基线的急剧上升。这种突增通常由以下原因触发：
- 业务突发流量：大促活动、热点事件、批量数据回刷
- 故障转移：相邻故障域不可用，流量被强制路由到本域
- 数据重分布：扩缩容或Rebalance过程中的临时写放大
- 异常写入：日志风暴、DDoS攻击、错误的重试逻辑
容量突增的典型特征：
| 指标 | 正常基线 | 突增状态 |
|---|---|---|
| 写入速率（MB/s） | 50 ~ 200 | > 1000 |
| 存储水位（%） | 40 ~ 60 | 80 ~ 95+ |
| 突增持续时间 | — | 数分钟 ~ 数小时 |
风险提示：容量突增若未被及时预测和干预，可能导致Catalog写入拒绝、副本同步延迟、甚至整个故障域进入只读模式，造成在线服务受损。
1.3 Catalog水位预测的重要性
Catalog 是IDP中管理元数据和数据分片映射的核心组件。每个故障域内的Catalog实例维护着该域的数据水位信息，包括：
- 当前存储使用量（已用/总量）
- 分片分布与副本状态
- 写入吞吐与延迟
对Catalog水位进行预测，能够带来以下核心价值：
- 提前预警：在突增导致水位超过安全阈值（通常为80%）之前，触发扩容或限流策略
- 精准调度：基于预测结果，将新写入流量引导至低水位故障域，实现负载均衡
- 故障预防：避免因水位过高引发的级联故障，保障数据平台SLA
- 成本优化：避免过度预留资源，在保障安全的前提下提高资源利用率
下图展示了IDP故障域容量突增场景下，Catalog水位预测的整体流程与关键环节：