1. 课程导论：容量管理在SRE中的核心价值、模板服务目录平台概述、课程目标与学习路径
1.1 容量管理在SRE中的核心价值
在SRE（站点可靠性工程）实践中，容量管理是连接成本、性能与可靠性的枢纽。缺乏系统化容量管理，团队往往陷入“被动扩容—资源浪费—突发故障”的恶性循环。本课程将容量管理定义为：通过数据驱动的方式，持续评估系统资源供给与业务负载需求之间的匹配度，并提前规划资源调整策略的工程实践。
核心价值矩阵：
| 价值维度 | 传统运维痛点 | SRE容量管理目标 |
|---|---|---|
| 可靠性保障 | 流量突增导致OOM/CPU打满，服务雪崩 | 通过水位预警提前扩容，消除过载风险 |
| 成本优化 | 过度预留资源，云支出浪费30%~50% | 基于预测的弹性伸缩，资源利用率提升至60%~80% |
| 效率提升 | 人工巡检+临时扩容，MTTR长达小时级 | 自动化压测沙盘+预测模型，分钟级决策 |
| 业务连续性 | 大促/秒杀前“拍脑袋”扩容 | 容量基线+压测验证，精准匹配业务峰值 |
容量管理在SRE体系中的位置，可以用以下分层结构清晰表达：
1.2 模板服务目录平台概述
本课程的核心实践载体是模板服务目录平台——一个面向微服务架构的容量元数据管理中心。该平台将每个微服务抽象为“服务模板”，统一管理其容量基线、依赖拓扑、压测场景与预测配置。
平台定位： 模板服务目录不是CMDB的替代品，而是CMDB在容量领域的垂直深化。它聚焦于“服务实例需要多少资源”以及“资源使用趋势如何”这两个核心问题。
平台核心能力清单：
- 服务模板注册：定义服务名称、版本、所属业务域、关键指标（QPS、P99延迟、CPU/内存基线）。
- 容量水位巡检：定时采集服务实例的实时指标，与模板基线对比，生成水位告警。
- 压测沙盘管理：关联压测场景（如单机压测、全链路压测），记录压测结果与容量拐点。
- 容量预测引擎：基于历史水位数据，使用时间序列模型预测未来7~30天的资源需求。
- 可视化看板：统一展示服务容量健康度、趋势曲线、压测报告。
平台与周边系统的关系如下图所示：
1.3 课程目标与学习路径
本课程面向SRE工程师、运维架构师、平台开发工程师，旨在帮助学员从零构建一套可落地的容量管理体系。课程采用“理论+沙盘+实战”三位一体的教学方式。
课程三大目标：
- 掌握容量管理方法论：理解水位巡检、压测拐点分析、容量预测的核心算法与工程实践。
- 独立搭建模板服务目录：从数据库设计到API开发，完成一个轻量级容量管理平台。
- 具备容量风险研判能力：能够通过沙盘模拟，提前发现容量瓶颈并制定扩容/缩容策略。
学习路径与章节映射：
| 阶段 | 章节范围 | 核心产出 |
|---|---|---|
| 基础篇 | 第1~5章 | 容量指标体系设计、模板服务目录数据模型 |
| 巡检篇 | 第6~10章 | 水位巡检引擎、告警规则、可视化看板 |
| 压测篇 | 第11~16章 | 压测沙盘设计、拐点分析、压测报告生成 |
| 预测篇 | 第17~23章 | 时间序列预测模型、容量规划建议、弹性伸缩联动 |
| 实战篇 | 第24~30章 | 全链路压测沙盘演练、容量故障复盘、平台生产化部署 |
前置要求： 建议学员具备基础的Kubernetes操作经验、熟悉PromQL查询语法、了解Python/Go基础编程。课程中涉及的代码示例均提供完整注释，但不会从零讲解编程语言语法。
通过本课程的学习，你将能够独立回答以下关键问题：
- 当前服务的容量水位是否安全？距离过载还有多少余量？
- 如果业务流量增长30%，需要提前扩容多少实例？
- 压测中发现的性能拐点，如何转化为容量基线配置？
- 如何用数据说服业务方和财务，证明扩容/缩容决策的合理性？