📚 课程目录第2章容量水位基础概念

2. 容量水位基础概念

容量水位巡检的核心是建立一套可量化的评估体系，用于判断基础设施资源是否处于健康运行区间。本章将系统讲解水位线定义、容量阈值、健康度评分以及常见容量指标，为后续模板生成与巡检脚本开发奠定理论基础。

2.1 水位线定义

水位线（Water Level）是容量管理中用于描述资源使用程度的抽象概念，通常以百分比表示。它反映了当前资源消耗量与总容量的比例关系。在服务目录平台中，水位线是触发巡检、告警和自动扩缩容的关键依据。

  核心公式：

  水位线（%）=（当前资源使用量 / 资源总容量）× 100%

根据资源使用特性，水位线通常划分为以下四个区间：

水位区间	百分比范围	状态描述	建议动作
低水位	0% – 40%	资源充裕，运行安全	无需干预，可考虑资源优化
正常水位	40% – 70%	资源合理利用，运行稳定	常规监控，记录趋势
高水位	70% – 85%	资源紧张，需关注增长	启动预警，评估扩容需求
危险水位	85% – 100%	资源濒临耗尽，风险极高	立即告警，执行扩容或降级

实践建议： 水位线区间并非固定不变。对于关键业务服务（如支付、登录），建议将高水位阈值下调至 60%，危险水位下调至 75%，以预留更充足的缓冲容量。

2.2 容量阈值

容量阈值（Capacity Threshold）是预先设定的水位线边界值，用于触发不同级别的运维动作。阈值通常分为预警阈值和告警阈值两级，部分场景还会设置致命阈值。

2.2.1 阈值类型与作用

阈值类型	触发条件	响应动作	示例（CPU）
预警阈值（Warning）	水位线持续超过 70% 达 5 分钟	发送通知，记录事件，启动趋势分析	CPU 使用率 > 70%
告警阈值（Critical）	水位线持续超过 85% 达 3 分钟	触发告警，自动执行扩容或限流策略	CPU 使用率 > 85%
致命阈值（Fatal）	水位线超过 95% 持续 1 分钟	紧急降级，强制重启或切换备用节点	CPU 使用率 > 95%

注意： 阈值设置需要结合业务特性与资源类型。例如，内存资源通常设置比 CPU 更低的告警阈值，因为内存耗尽会导致进程直接被 OOM Killer 终止，而 CPU 高负载通常只会导致响应变慢。

2.3 健康度评分

健康度评分（Health Score）是对服务目录平台中每个服务实例或节点进行综合评估的量化指标。它基于多个容量指标的水位线，通过加权计算得出一个 0–100 分的评分，用于快速判断整体运行状态。

2.3.1 评分计算模型

健康度评分采用扣分制模型，每个指标根据其水位线所处区间扣除相应分数：

# 健康度评分伪代码示例
def calculate_health_score(metrics):
    """
    metrics: 包含 CPU、内存、磁盘、网络 IO 等指标的水位线字典
    返回 0–100 的整数评分
    """
    base_score = 100
    penalty = 0

    for metric_name, water_level in metrics.items():
        if water_level > 85:
            penalty += 30  # 危险水位，扣 30 分
        elif water_level > 70:
            penalty += 15  # 高水位，扣 15 分
        elif water_level > 40:
            penalty += 5   # 正常水位，扣 5 分
        # 低水位不扣分

    health_score = max(0, base_score - penalty)
    return health_score

2.3.2 评分等级划分

评分区间	等级	颜色标识	运维建议
90 – 100	健康	绿色	正常运行，无需干预
70 – 89	亚健康	蓝色	关注趋势，准备扩容计划
40 – 69	警告	橙色	启动预警流程，评估扩容
0 – 39	危险	红色	立即告警，执行应急操作

2.4 常见容量指标

在服务目录平台的容量水位巡检中，以下四项指标是最核心的监控对象。每项指标都有其独特的采集方式、单位和水位线评估标准。

2.4.1 CPU

指标含义： CPU 使用率，表示 CPU 处于非空闲状态的时间百分比。
采集方式： Linux 下通过 /proc/stat 或 top 命令获取；Windows 下通过性能计数器获取。
关键子指标： user（用户态）、system（内核态）、iowait（IO 等待）、idle（空闲）。
水位线参考： 长期超过 70% 需关注，超过 85% 需告警。

2.4.2 内存

指标含义： 内存使用率，表示已用内存占总物理内存的百分比。
采集方式： Linux 下通过 /proc/meminfo 或 free -m 获取；注意区分 used 与 available。
关键子指标： total（总量）、used（已用）、available（可用）、buff/cache（缓存）。
水位线参考： 建议告警阈值设为 80%，因为内存耗尽会导致 OOM。

2.4.3 磁盘

指标含义： 磁盘使用率，表示已用磁盘空间占总容量的百分比。
采集方式： Linux 下通过 df -h 命令获取；需关注 Use% 列。
关键子指标： 空间使用率、inode 使用率、磁盘读写延迟（await）。
水位线参考： 空间使用率超过 85% 需告警；inode 使用率超过 80% 需关注。

2.4.4 网络 IO

指标含义： 网络接口的吞吐量，包括入向流量和出向流量。
采集方式： Linux 下通过 /proc/net/dev 或 sar -n DEV 获取。
关键子指标： 带宽使用率（当前流量 / 带宽上限）、丢包率、重传率。
水位线参考： 带宽使用率超过 70% 需关注，超过 90% 需告警。

巡检经验： 在服务目录平台中，建议将四项指标的水位线数据统一上报到 Prometheus 或类似时序数据库，然后通过统一的巡检模板进行聚合计算。这样可以避免因指标采集口径不一致导致的误判。

2.5 指标水位线参考汇总

指标	低水位	正常水位	高水位（预警）	危险水位（告警）
CPU 使用率	0% – 40%	40% – 70%	70% – 85%	85% – 100%
内存使用率	0% – 40%	40% – 65%	65% – 80%	80% – 100%
磁盘空间使用率	0% – 40%	40% – 70%	70% – 85%	85% – 100%
网络带宽使用率	0% – 30%	30% – 60%	60% – 80%	80% – 100%

以上汇总表可作为服务目录平台容量水位巡检模板的默认配置。在实际部署中，运维团队可根据业务重要性对阈值进行微调，例如将核心数据库的磁盘告警阈值下调至 75%。