2. 性能与容量基础指标体系
在Lenovo企业计算环境中，性能优化与容量规划的第一步不是调参数，而是建立一套可量化、可对比、可追踪的指标体系。没有统一指标，运维团队看到的“慢”和业务部门感受到的“卡”就无法对齐，容量扩容也容易变成拍脑袋决策。本节围绕响应时间、吞吐量、并发数、资源利用率、容量水位和SLA/SLO六个核心概念展开，并说明Lenovo服务器上这些指标的实际采集方法。
一、六个核心指标的定义与关系
响应时间指从请求发出到收到完整响应所经历的时间，通常关注平均值、P95和P99。平均值容易被少量快请求拉低，掩盖长尾问题，因此生产环境更应关注P95/P99。例如某业务接口平均响应80ms，但P99达到1.2s，说明有1%的用户体验明显劣化。
吞吐量指单位时间内系统成功处理的请求数或事务数，常用TPS、QPS、IOPS、MB/s表示。吞吐量与响应时间并非简单反比：在低负载区，增加并发可提升吞吐且响应时间变化不大；接近饱和区后，吞吐增长趋缓而响应时间快速上升。
并发数指系统同时处理的请求数量，分为“在线用户数”“活跃并发数”和“服务端并发连接数”。容量规划中真正有意义的是服务端同时处于处理中的请求数，它直接消耗CPU、内存和连接资源。
资源利用率描述CPU、内存、磁盘、网络等资源被占用的比例。利用率不是越低越好，也不是越高越好，关键是识别瓶颈资源。例如CPU利用率70%但磁盘await高达50ms，瓶颈在存储而非CPU。
容量水位是当前负载相对系统可承载上限的百分比，用于判断剩余扩展空间。水位=当前吞吐/最大安全吞吐×100%。一般建议核心业务水位控制在60%~70%，预留突发和故障切换余量。
SLA/SLO中，SLA是服务级别协议，是对外承诺；SLO是服务级别目标，是内部可量化的目标。例如SLA承诺“月度可用性99.9%”，对应SLO可拆解为“P95响应时间≤300ms、错误率≤0.1%”。SLO应可测量、可告警、可复盘。
二、指标之间的因果与约束关系
这六个指标不是并列的，而是存在明确的因果链。业务请求带来并发，并发消耗服务器资源，资源处理能力决定吞吐量，吞吐量与响应时间共同决定用户体验，而容量水位衡量剩余空间，SLA/SLO则对最终体验提出约束。理解这条链路，才能在出现问题时快速定位是“资源不够”“并发过高”还是“单请求处理太慢”。
一个常见的误区是只盯CPU利用率。假设某Lenovo SR650服务器上数据库服务CPU利用率仅45%，但业务反馈查询慢。进一步采集发现磁盘IOPS已达上限、await超过40ms，说明瓶颈在存储层。此时扩容CPU无效，应优化索引、调整RAID级别或增加NVMe盘。指标必须组合看，才能避免误判。
三、Lenovo服务器关键指标采集方法
Lenovo服务器提供从带外管理到操作系统内的多层采集能力，实际工作中建议分层采集、统一汇聚。
- 带外采集（XCC/OneCLI）：通过Lenovo XClarity Controller可获取电源、温度、风扇、内存ECC错误、硬盘健康等硬件指标。使用OneCLI命令可批量导出，例如：
# 通过OneCLI采集XCC硬件健康与功耗
onecli config show all --bmc USERID:PASSW0RD@192.168.10.21
onecli health show --bmc USERID:PASSW0RD@192.168.10.21
onecli power status --bmc USERID:PASSW0RD@192.168.10.21- 操作系统内采集：Linux下用
sar、iostat、vmstat、mpstat采集CPU、内存、磁盘、网络；Windows下用性能监视器或TypePerf。关键是要固定采样间隔（如10s）并长期留存。 - 应用层采集：通过APM或埋点采集响应时间、TPS、错误率。数据库可采集慢查询数、连接数、缓冲池命中率。
- 统一汇聚：将上述数据送入Prometheus、Zabbix或Lenovo XClarity Administrator，形成统一时间序列，便于关联分析。
四、SLO设定与容量水位的联动示例
假设某订单系统部署在Lenovo SR650上，SLO要求P95响应时间≤300ms、可用性99.9%。通过压测得到：当并发200、CPU利用率65%、磁盘利用率55%时，P95为220ms，TPS为850，此时容量水位约为70%。若业务预计增长30%，则当前水位将升至约91%，超出安全线，需要提前扩容或优化。
| 指标 | 当前值 | SLO/安全线 | 判断 |
|---|---|---|---|
| P95响应时间 | 220ms | ≤300ms | 达标 |
| TPS | 850 | ≥800 | 达标 |
| CPU利用率 | 65% | ≤75% | 接近上限 |
| 容量水位 | 70% | ≤70% | 临界 |
这张表说明：单看响应时间和TPS都达标，但容量水位已到临界，增长30%后必然突破SLO。容量规划的价值就在于提前发现这种“当前达标、未来危险”的状态。
五、落地建议
建议为每类业务建立一张指标基线卡，记录正常时段的响应时间、吞吐量、并发数、资源利用率和容量水位，并标注SLO阈值。日常巡检对比基线，偏离超过20%即触发排查。Lenovo XClarity Administrator可集中管理多台服务器的硬件指标，配合Prometheus采集OS与应用指标，形成从硬件到业务的完整可观测链路。只有指标口径统一、采集持续、基线清晰，后续的性能优化和容量规划才有可靠依据。