云原生性能工程导论

在 FinOps 驱动的云原生体系中，性能工程不再是单纯的“跑得快”，而是在有限成本下交付可预期的用户体验。本章将建立性能工程在云原生环境中的角色定位，定义 SLO/SLI/SLA 的工程化落地方法，并构建性能与成本的权衡模型。

2.1 性能工程在云原生中的角色

传统性能工程聚焦于单次压测的峰值吞吐，而云原生性能工程需要应对弹性伸缩、微服务拓扑、共享资源池带来的动态复杂性。其核心角色包括：

• 容量规划者：基于历史指标与业务预测，确定资源水位与弹性策略。
• 瓶颈发现者：在分布式调用链中定位 CPU、内存、网络、I/O 或锁竞争等热点。
• 成本优化者：识别过度配置与低效代码，将性能指标与云账单关联分析。
• SLO 守护者：建立可量化的服务等级目标，驱动自动扩缩容与降级策略。

2.2 SLO / SLI / SLA 定义与工程化

在云原生场景下，SLO（服务等级目标）是连接业务价值与技术指标的桥梁。三者关系如下：

定义 SLO 的推荐步骤：

1. 识别用户关键路径（如登录、下单、搜索）。
2. 为每个路径选择 2~3 个核心 SLI（延迟、错误率、吞吐）。
3. 基于历史数据与业务容忍度设定 SLO 阈值。
4. 使用 错误预算（Error Budget = 1 - SLO）管理风险与发布节奏。

# 错误预算计算示例（月度）
SLO = 99.9%
总请求数 = 10,000,000
允许失败数 = 10,000,000 × (1 - 0.999) = 10,000
当前失败数 = 3,200
剩余错误预算 = 10,000 - 3,200 = 6,800

2.3 性能与成本的权衡模型

云原生环境中，性能提升通常伴随成本增加，但两者并非线性关系。核心权衡模型包含三个维度：

• 资源维度：实例规格（vCPU/内存）、存储类型（SSD vs HDD）、网络带宽。
• 架构维度：无状态 vs 有状态、同步 vs 异步、缓存策略。
• 运营维度：预留实例 vs 按需实例、Spot 实例比例、自动扩缩容阈值。

下图展示了典型的性能-成本曲线与最优工作区间：

2.4 权衡决策矩阵

实际工程中，需要根据业务场景选择不同的权衡策略。以下矩阵可作为决策参考：