📚 课程目录第4章平台资源模型解析

4. 容量模型基础：容量规划三要素与资源消耗模型

在 PromServerless 平台中，容量调优的核心是建立可量化的容量模型。本章将深入剖析容量规划的三大要素（CPU、内存、并发），并推导请求速率与并发的关系，最终构建 QPS 与资源消耗的数学模型。只有理解这些基础，后续的配额校准才有理论依据。

容量规划不是盲目堆资源，而是围绕三个核心维度进行建模：

要素	含义	在 PromServerless 中的体现	典型瓶颈特征
CPU	每秒可执行的指令数（计算能力）	函数执行耗时、冷启动 CPU 突发、运行时 CPU 积分	请求延迟增加、CPU 节流（Throttling）
内存	函数实例可使用的最大内存空间	堆内存使用、缓存命中率、GC 频率	OOM Kill、频繁 Full GC、内存交换
并发	同一时间正在处理中的请求数量	实例并发度（单实例多请求）、最大实例数	请求排队、连接池耗尽、超时错误

实践要点： 三要素并非独立。例如，增加内存可能降低 GC 频率从而减少 CPU 开销；提高并发度可能增加内存压力。容量模型必须考虑三者之间的耦合关系。

请求速率（QPS）与并发数（Concurrency）之间存在确定性的数学关系，即 Little's Law：

Concurrency = QPS × Latency (秒)

在 PromServerless 平台中，这个公式需要拆解为两层：

实例级并发：单个函数实例同时处理的请求数。例如，一个实例并发处理 10 个请求，每个请求延迟 200ms，则该实例的吞吐量为 10 / 0.2 = 50 QPS。
平台级并发：所有实例的总并发数。平台级并发 = 实例数 × 实例级并发。

下面通过一个 SVG 图展示请求速率、延迟与并发之间的三角关系：

  案例： 假设某函数平均延迟为 500ms，目标 QPS 为 200。则所需平台级并发 = 200 × 0.5 = 100。如果每个实例最大并发为 10，则需要至少 10 个实例。

QPS 与资源消耗的关系并非线性，而是受限于函数本身的资源效率。我们构建一个通用的资源消耗模型：

CPU_Usage = QPS × (CPU_Time_Per_Request + Overhead)
Memory_Usage = QPS × Memory_Per_Request × Avg_Request_Lifetime

其中：

下面通过一个 SVG 图展示 QPS 增长时资源消耗的变化趋势：

在 PromServerless 平台中，容量模型最终要转化为具体的配额数值。以下是一个典型的容量计算流程：

常见陷阱： 不要直接使用平均延迟计算并发。在 Serverless 场景中，P99 延迟往往比平均值高 2-5 倍。建议使用 P95 或 P99 延迟作为 Little's Law 的输入，以避免突发流量下的容量不足。