3. 服务目录平台核心概念：服务树、服务实例、集群、机房、容量指标

在构建容量水位巡检体系之前，必须统一服务目录平台的核心抽象。这些概念是模板定义、指标采集、阈值计算和巡检报告生成的基础。本章逐一拆解服务树、服务实例、集群、机房以及 CPU/内存/磁盘容量指标的定义与关系。

3.1 服务树：组织与拓扑的骨架

服务树是服务目录平台最上层的逻辑组织模型，通常采用多级树形结构描述业务、产品、服务之间的归属关系。一个典型的服务树层级如下：

层级	示例	说明
业务域	电商	最高级业务分类，如电商、金融、物流
产品线	交易中心	同一业务域下的产品集合
应用服务	订单服务	可独立部署、拥有唯一服务名的逻辑单元
服务实例	order-service-01	服务在具体机器或容器上的运行实体

服务树的每个节点都挂载元数据（负责人、Git 仓库、告警组、部署方式），巡检模板通过服务树路径实现批量绑定。例如，对“电商 > 交易中心 > 订单服务”下的所有实例执行 CPU 水位巡检。

3.2 服务实例与集群

服务实例是容量巡检的最小可观测单元。每个实例对应一个进程或容器，拥有唯一的 IP:Port 标识。实例状态（健康/异常/下线）直接影响巡检是否跳过或告警。

集群是相同服务实例的逻辑分组，通常按部署单元或功能域划分。集群内实例共享同一套容量水位阈值和巡检策略。常见集群划分方式：

• 按部署环境： 生产集群、预发集群、测试集群
• 按地域： 华北集群、华东集群、海外集群
• 按流量特征： 核心链路集群、非核心链路集群

巡检模板在集群级别定义“聚合水位”计算规则，例如集群平均 CPU 使用率、集群内存超分比等。

3.3 机房与容灾单元

机房（IDC）是物理或虚拟的数据中心单元。在容量水位巡检中，机房维度用于评估单点故障风险和容量均衡度。每个服务实例必须关联到唯一机房，集群可跨机房部署。

典型机房属性：

• 机房标识： 如 idc01、idc02
• 地域： 北京、上海、新加坡
• 网络域： 内网、公网、专线
• 容量配额： 该机房可分配的总 CPU/内存/磁盘上限

3.4 容量指标：CPU / 内存 / 磁盘

容量水位巡检的核心指标包括 CPU、内存和磁盘。每个指标在服务目录平台中需定义采集源、单位、聚合方式和阈值模板。

指标	单位	采集源	典型阈值（生产）	聚合方式
CPU 使用率	%	/proc/stat / cgroup cpuacct	≥ 85% 告警	实例均值 / 集群 P95
内存使用率	%	/proc/meminfo / cgroup memory	≥ 80% 告警	实例均值 / 集群总和
磁盘使用率	%	df / statfs	≥ 90% 告警	实例分区级 / 集群总量
磁盘 IOPS	次/秒	/proc/diskstats	≥ 80% 设备上限	实例均值 / 集群 P99

指标数据通过 Agent 或 Exporter 定期上报到服务目录平台的时序数据库，巡检引擎按模板周期拉取并计算水位。

3.5 核心概念关系图

下图展示服务树、集群、实例、机房与容量指标之间的关联关系：

3.6 概念在巡检模板中的映射

在编写巡检模板时，上述概念直接对应模板中的字段和逻辑：

# 巡检模板核心结构示例（YAML 风格）
template:
  name: "生产集群CPU水位巡检"
  scope:
    service_tree: "电商.交易中心.订单服务"
    cluster: "prod-order-cluster"
    idc: ["idc01", "idc02"]
  metrics:
    - name: "cpu_usage_percent"
      source: "node_exporter"
      unit: "%"
      threshold: 85
      aggregation: "avg"
  actions:
    - type: "webhook"
      url: "http://alert-center/api/v1/trigger"
    - type: "ticket"
      system: "itsm"

3.7 机房与集群的容量视图

当需要评估跨机房的容量均衡性时，服务目录平台提供“机房-集群”二维视图。下图展示两个机房、三个集群的容量分布：

通过服务目录平台统一管理这些核心概念，巡检模板才能做到“一次定义、全局生效”，容量水位巡检也才能从单点检查升级为体系化治理。