2. 核心概念：定义告警联动网关、升级窗口、容量规划基线的概念及其相互关系
在构建《Prom告警联动网关升级窗口容量规划基线》课程之前，必须精确界定三个核心概念。它们是整个容量规划体系的逻辑基石，也是后续所有计算模型、阈值设定和自动化策略的出发点。理解这些概念及其相互关系，是掌握本课程的关键。
2.1 告警联动网关
告警联动网关是一个位于 Prometheus 生态与外部事件响应系统之间的中间层服务。它不只是一个简单的告警接收器，而是一个具备状态感知、流量整形、动作编排能力的智能网关。
- 核心职责：接收 Prometheus Alertmanager 发出的告警通知，根据预定义的联动策略，将告警转换为具体的升级动作（如触发自动化脚本、创建工单、调用 API 等）。
- 关键特性：
- 协议转换：将 Alertmanager 的 Webhook 格式转换为目标系统（如 Jira、PagerDuty、自研运维平台）的 API 格式。
- 流量整形：对告警风暴进行削峰填谷，防止下游系统被瞬时高并发击垮。
- 状态管理：维护告警的“已触发”、“处理中”、“已恢复”等状态，避免重复或遗漏。
SRE 视角： 告警联动网关是运维自动化的“中枢神经”。它的吞吐能力和延迟直接决定了故障响应速度。容量规划必须优先保障网关的稳定性和可扩展性。
2.2 升级窗口
升级窗口是指从告警被网关接收，到完成指定升级动作（如通知到二级 On-Call 人员、触发应急预案）所允许的最大时间范围。它不是固定值，而是根据告警的严重等级和业务影响动态变化的。
| 告警等级 | 典型升级窗口 | 升级动作示例 |
|---|---|---|
| P0 (严重) | ≤ 1 分钟 | 自动触发应急预案、呼叫值班经理 |
| P1 (高) | ≤ 5 分钟 | 创建紧急工单、通知技术负责人 |
| P2 (中) | ≤ 15 分钟 | 创建普通工单、发送邮件通知 |
| P3 (低) | ≤ 60 分钟 | 记录日志、次日汇总报告 |
升级窗口是容量规划中最关键的 SLA 约束。如果网关处理能力不足，导致告警在窗口内未能完成升级，将直接导致故障响应延迟，甚至引发业务中断。
2.3 容量规划基线
容量规划基线是一组经过测算和验证的量化指标，用于描述告警联动网关在满足升级窗口 SLA 的前提下，所能承载的最大处理能力。它通常包含以下核心维度：
- 吞吐量基线：网关每秒能处理的告警数量（TPS，Transactions Per Second）。
- 延迟基线：从告警入站到完成升级动作的平均延迟（P99 延迟）。
- 并发连接基线：网关能同时维持的下游系统连接数。
- 资源消耗基线：在达到吞吐量上限时，CPU、内存、网络带宽的消耗模型。
基线示例： 在 8 核 16G 的网关实例上，当告警吞吐量达到 500 TPS 时，P99 延迟为 800ms，CPU 使用率 75%，内存使用率 60%。此状态下的各项指标即为该实例的容量规划基线。
2.4 三者关系：一个动态平衡模型
告警联动网关、升级窗口、容量规划基线三者并非孤立存在，而是构成了一个“能力-约束-度量”的动态平衡模型。理解这个模型是进行科学容量规划的前提。
2.5 关系拆解：从告警流入到基线输出
为了更清晰地展示三者如何在实际流程中交互，下图从数据流的角度拆解了告警从产生到完成升级的完整路径，并标注了容量规划基线在每个环节的作用。
常见误区： 不要将“升级窗口”等同于“告警处理时间”。升级窗口是 SLA 目标，而容量规划基线是衡量网关能否达成该目标的度量工具。基线必须包含余量（Buffer），以应对突发流量和系统抖动。
2.6 概念对比总结
下表从多个维度对三个核心概念进行对比，帮助快速建立清晰的认知边界。
| 维度 | 告警联动网关 | 升级窗口 | 容量规划基线 |
|---|---|---|---|
| 本质 | 系统组件（实体） | 时间约束（SLA） | 量化指标（度量） |
| 核心问题 | 能否处理告警？ | 多快必须处理完？ | 能处理多少？ |
| 可变性 | 可通过扩容改变 | 由业务等级决定 | 通过压测得出 |
| 在模型中的角色 | 被规划的对象 | 规划的约束条件 | 规划的输出结果 |
| 典型单位 | 实例数、CPU、内存 | 秒、分钟 | TPS、毫秒、百分比 |
通过以上定义和关系拆解，我们可以得出结论：容量规划基线的本质，是在升级窗口的硬约束下，对告警联动网关处理能力的精确量化。 后续章节将围绕如何建立、测量和运用这个基线展开。