4. 资源配额校准方法论：自上而下与自下而上的校准策略、基准线建立方法

资源配额校准是 Flux 工作负载稳定性的基石。错误的配额配置会导致 Pod 频繁 OOMKill、CPU 节流、调度失败或资源严重浪费。本章提出一套可复用的校准方法论，涵盖两种互补策略与基准线建立流程。

4.1 自上而下校准策略

自上而下（Top-Down）从业务容量目标出发，逐层分解为集群、命名空间、工作负载的配额值。适用于新业务上线、容量规划或大规模迁移场景。

4.2 自下而上校准策略

自下而上（Bottom-Up）基于生产环境实际运行数据，通过监控、Profiling 和历史分析反向推导合理配额。适用于存量系统优化、成本治理、节流问题排查。

• 数据采集：Prometheus 采集 CPU 使用率、内存 RSS、OOM 事件、CPU Throttle 时间。
• 异常检测：识别 OOMKill 频繁的 Pod、CPU Throttle 超过 5% 的工作负载。
• 分位数分析：取 P50/P95/P99 使用量作为 requests 和 limits 的参考基准。
• 调整建议：requests 设为 P95 使用量，limits 设为 P99 使用量 + 20% 缓冲。
• 渐进式生效：通过 VPA 或手动调整，每次变更不超过 30%，观察 48 小时。

4.3 基准线建立方法

基准线（Baseline）是校准的锚点。没有基准线，任何调整都是盲目的。推荐采用“三阶段基准线建立法”：

1. 静态度量阶段：在低负载时段（如凌晨 2:00-4:00）采集 7 天数据，建立最小资源需求基线。
2. 压力测试阶段：使用 Locust 或 K6 模拟峰值流量，记录资源使用峰值与节流点。
3. 动态修正阶段：上线后持续采集 14 天，用移动窗口更新 P95/P99 分位数，形成动态基线。

4.4 校准策略选择矩阵

实际项目中两种策略并非互斥，而是根据场景组合使用。下表给出推荐选择：

4.5 基准线建立工具链

推荐使用以下工具组合实现基准线自动化建立：

# 使用 PromQL 获取 P95 内存使用量（过去 7 天）
quantile_over_time(0.95,
  container_memory_working_set_bytes{
    namespace="flux-system",
    container!=""
  }[7d]
)

# 使用 VPA 推荐模式（不自动执行）
kubectl apply -f - <<EOF
apiVersion: autoscaling.k8s.io/v1
kind: VerticalPodAutoscaler
metadata:
  name: my-app-vpa
  namespace: flux-system
spec:
  targetRef:
    apiVersion: "apps/v1"
    kind: Deployment
    name: my-app
  updatePolicy:
    updateMode: "Off"  # 仅推荐，不自动调整
  resourcePolicy:
    containerPolicies:
    - containerName: "*"
      minAllowed:
        cpu: 100m
        memory: 128Mi
      maxAllowed:
        cpu: 2000m
        memory: 4Gi
EOF

4.6 校准结果验证

校准完成后，必须通过以下检查项验证效果：

• OOM 事件归零：检查过去 24 小时命名空间内 OOMKill 事件数。
• CPU Throttle 比率：每个容器的 CPU Throttle 时间占比应 < 1%。
• 资源利用率提升：集群整体 CPU 利用率从 20% 提升至 40%-60%。
• Pod 启动时间：校准后启动时间不应显著增加（< 5s 为正常）。
• 调度成功率：所有 Pod 均成功调度，无 Pending 事件。