4. 容量规划与告警的痛点

在传统容量规划与监控告警体系中，运维团队长期面临三个核心痛点：静态阈值失效、突发流量误报以及资源碎片化。这些问题不仅导致告警疲劳，更使得容量规划决策失去数据支撑。本节将逐一剖析这些痛点的成因与表现，为后续引入 Prometheus 与 OPA 联动方案奠定问题背景。

4.1 静态阈值失效：业务波动的“刻舟求剑”

传统告警规则通常基于固定阈值（如 CPU > 80% 持续 5 分钟）触发。然而，在微服务与云原生架构下，业务流量呈现明显的周期性与季节性特征，静态阈值无法自适应调整，导致以下问题：

• 白天误报，夜间漏报：白天业务高峰时，80% 阈值可能过于宽松，掩盖了真正的容量瓶颈；夜间低峰时，同样的阈值又过于敏感，频繁触发无意义告警。
• 大促与常态割裂：双十一等大促期间，流量可能是平时的 10 倍，静态阈值需要人工频繁调整，且调整滞后于流量变化。
• 指标基线漂移：随着业务迭代，资源使用率基线会缓慢变化，静态阈值无法跟踪这种漂移，导致告警准确率持续下降。

4.2 突发流量误报：告警风暴的“罪魁祸首”

突发流量（如秒杀、热点事件、上游重试风暴）会导致指标瞬间飙升，触发大量告警。这些告警中，大部分属于瞬时毛刺或可自愈波动，并非真正的容量瓶颈。误报带来的后果包括：

突发流量误报的核心矛盾在于：告警系统缺乏对流量特征的语义理解。Prometheus 的 rate() 与 increase() 函数只能计算数值变化率，无法判断该变化是“正常业务波动”还是“异常容量事件”。

4.3 资源碎片化：容量规划的“盲人摸象”

在 Kubernetes 集群中，资源碎片化表现为：单个节点资源利用率不高（如 CPU 40%、内存 50%），但整体集群却无法调度新的 Pod。这是因为资源被零散地占用，形成“碎片”。资源碎片化对容量规划的影响体现在：

• 全局视角缺失：传统告警只关注单节点或单 Pod 的指标，无法感知集群层面的碎片化程度。
• 扩容决策失真：基于单节点阈值的告警可能显示“资源充足”，但实际已无法承载新的副本。
• 成本浪费：为了应对碎片化，运维团队往往被迫预留更多资源，导致整体资源利用率下降。

下图展示了资源碎片化如何导致容量规划失真：

4.4 三大痛点的关联与影响

静态阈值失效、突发流量误报、资源碎片化并非孤立存在，它们相互叠加，形成容量规划的“三重困境”：

1. 静态阈值失效导致告警基线不准确，运维人员无法信任告警信号。
2. 突发流量误报进一步加剧告警疲劳，使真实容量风险被淹没在噪声中。
3. 资源碎片化使得即使告警系统正确触发，也无法提供准确的全局容量视图，扩容决策缺乏数据支撑。

下表总结了三大痛点对容量规划不同环节的影响：