2. RTO 核心指标：计算公式、关键因素与目标设定方法论

恢复时间目标（RTO）是衡量集群在故障后恢复服务能力的关键指标。在镜像预拉取场景中，RTO 直接决定了节点从启动到 Ready 并承载业务流量的时间窗口。理解 RTO 的构成、影响因素以及如何科学设定目标，是制定有效预拉取策略的前提。

2.1 RTO 计算公式

在集群节点扩容或故障恢复场景下，RTO 主要由镜像拉取时间、容器启动时间、健康检查时间三部分构成。其中镜像拉取时间通常占据 70% 以上，是优化的核心对象。

各阶段含义如下：

进一步细化镜像拉取时间，可得到更精确的计算模型：

RTO = (Image_Size / Network_Bandwidth) + Layer_Overhead + T_start + T_health

其中：
- Image_Size：镜像总大小（GB）
- Network_Bandwidth：节点到镜像仓库的有效带宽（Gbps）
- Layer_Overhead：层解压、元数据写入等固定开销（通常 2-5 秒/层）
- T_start：容器运行时启动耗时
- T_health：健康检查通过耗时

2.2 影响 RTO 的关键因素

以下三个因素对 RTO 的影响最为显著，也是容量规划和预拉取策略设计的核心输入参数。

2.2.1 镜像大小

镜像大小是影响 T_pull 最直接的因素。一个 2GB 的镜像与 200MB 的镜像，在相同带宽下拉取时间相差 10 倍。镜像大小由基础镜像、应用依赖、运行时环境共同决定。

• 基础镜像选择： Alpine（~5MB） vs Ubuntu（~80MB） vs 自定义精简镜像（~20MB）
• 依赖管理： 多阶段构建、仅保留运行时依赖、清理缓存文件
• 层复用： 共享基础层可减少重复拉取，但需注意层缓存命中率

2.2.2 网络带宽

节点到镜像仓库之间的有效带宽决定了镜像数据的传输速率。带宽受限于物理链路、并发连接数、仓库限速策略等因素。

2.2.3 节点数

当同时扩容多个节点时，镜像仓库的出口带宽会被所有节点共享，导致每个节点的有效带宽下降。节点数越多，T_pull 的退化越明显。

下图展示了镜像大小、带宽、节点数三者对 RTO 的综合影响关系：

2.3 RTO 目标设定方法论

RTO 目标不能凭空设定，需要结合业务容忍度、基础设施能力、成本约束三个维度进行综合评估。以下是业界通用的四步设定法：

1. 业务分级： 根据服务重要性将业务分为 P0/P1/P2/P3 四级，P0 为最高优先级。
2. 容忍度调研： 与业务方确认可接受的最大中断时间，通常 P0 为 1-5 分钟，P1 为 5-15 分钟。
3. 基线测试： 在现有环境下实测镜像拉取、容器启动、健康检查的耗时分布。
4. 目标拆解： 将 RTO 目标拆解到 T_pull、T_start、T_health 三个子目标，并制定优化措施。

下表总结了不同业务等级下的 RTO 目标参考范围及对应的预拉取策略建议：