3. 容量突增触发条件：业务峰值、节点批量故障、数据重分布、扩容/缩容操作

在 IDP 故障域容量管理中，Catalog 水位并非线性增长。理解容量突增的触发条件，是制定水位预测模型与应急策略的前提。根据生产环境经验，容量突增主要由以下四类事件触发，它们各自具有不同的时间尺度、影响范围与水位变化特征。

3.1 触发条件分类与特征对比

下表从时间尺度、影响范围、水位变化形态三个维度，对比四类典型触发条件：

3.2 业务峰值：脉冲式水位冲击

业务峰值是最常见的容量突增来源。当流量瞬间涌入时，写入请求在故障域内产生大量临时数据（如日志、中间结果、缓存写满），导致 Catalog 水位在短时间内快速抬升。

• 特征：水位曲线呈“陡升缓降”的脉冲形态，峰值持续时间通常为 10~30 分钟。
• 预测难点：峰值幅度与业务活动强度强相关，难以用固定阈值预警。
• 应对策略：建立业务日历与水位基线联动机制，在预测模型中引入“峰值因子”。

3.3 节点批量故障：瞬时跳变与容量坍缩

当故障域内多个节点同时失效（如机架掉电、网络分区、磁盘批量损坏），剩余节点需要承接故障节点的全部数据与请求，导致 Catalog 水位瞬间跳变。

• 特征：水位在秒级内跳升 20%~50%，且持续高位运行直至故障恢复或数据迁移完成。
• 预测难点：故障发生具有随机性，无法提前预知具体时间点。
• 应对策略：采用“故障域冗余度”指标，确保单故障域内节点故障数不超过 N-1 冗余上限。

3.4 数据重分布：阶梯式水位震荡

数据重分布（Rebalance）通常发生在集群负载不均衡或节点加入/退出后。数据块在故障域间迁移时，目标故障域的 Catalog 水位会阶梯式上升，源故障域水位则逐步下降。

• 特征：水位变化呈阶梯状，伴随小幅震荡（由数据块分批迁移导致）。
• 预测难点：重分布速率受网络带宽、磁盘 IO 和调度策略影响，难以精确预估完成时间。
• 应对策略：在预测模型中引入“迁移速率”参数，动态调整水位阈值。

3.5 扩容/缩容操作：先降后升或先升后降

扩容操作（节点上线）会先降低故障域水位（新节点承接部分数据），随后因数据均衡而缓慢回升；缩容操作（节点下线）则先抬升水位（数据迁移至其他节点），待迁移完成后回落。

• 特征：水位变化呈“V”形或“Λ”形，持续时间从分钟级到天级不等。
• 预测难点：操作期间水位变化方向与幅度取决于数据分布策略与迁移并发度。
• 应对策略：在操作前执行“水位影响预评估”，根据评估结果决定是否延迟操作。

3.6 触发条件与水位变化关系图

下图展示了四类触发条件下，故障域 Catalog 水位随时间变化的典型形态：

3.7 触发条件组合与水位预测策略

在实际生产环境中，四类触发条件往往叠加出现。例如，大促期间（业务峰值）同时发生节点故障，或扩容操作期间触发数据重分布。针对组合场景，IDP 容量预测模型需采用分层策略：

1. 事件优先级排序：节点批量故障 > 数据重分布 > 扩容/缩容 > 业务峰值。
2. 水位叠加计算：将各触发条件的水位增量按时间窗口叠加，生成综合水位预测曲线。
3. 动态阈值调整：根据当前触发条件组合，自动调整 Catalog 水位预警阈值（如从 80% 降至 60%）。