第3章 容量规划方法论与常用指标
核心指标速记：TCO（总拥有成本）、有效容量（可用存储空间）、预留比（故障/增长缓冲）、水位线（触发扩容的阈值百分比）、扩容阈值设定（触发扩容的具体数值）。
📐 容量规划回答框架
面试中被问到“如何做容量规划”时，按以下四层递进回答，展示系统思维与指标落地能力。
📌 面试问答卡片 × 3
Q1
请解释容量规划中的TCO（总拥有成本）包含哪些组成部分？你如何优化TCO？
考察点：成本意识、全链路思考、对存储硬件和运营费用的理解。
回答框架：TCO = 硬件采购 + 电力/散热 + 运维人力 + 软件许可 + 故障替换。优化方向：选择高密度盘、使用纠删码降低副本系数、利用智能温冷分层。
示例回答：“TCO包括硬件、电力、运维和替换成本。我曾在冷数据场景将3副本改为EC(8+2)，容量效率从33%提升至80%，同时通过SSD缓存池降低热数据请求延迟，整体TCO降低约35%。”
可能追问：你如何量化OPEX与CAPEX的权衡？能否用一个公式说明？
避坑提醒：不要只谈硬件价格，忽略电力密度和运维成本；避免给出未经校验的粗略估算。
Q2
“有效容量”和“裸容量”有什么区别？请以一个100TB集群为例计算有效容量。
考察点：对纠删码、副本、压缩去重等机制的理解，以及实际计算能力。
回答框架：裸容量=磁盘总大小；有效容量=裸容量 / 副本数（或纠删码系数）× 压缩比。需扣除系统预留、坏盘替换池。
示例回答：“100TB裸容量，3副本则有效容量=100/3≈33TB；若启用EC(4+2) + 1.5x压缩，则有效容量=100×4/6×1.5≈100TB。后者大幅提升利用率。”
可能追问：压缩比1.5x是如何得出的？能不能保证所有数据类型都是这个值？
避坑提醒：避免忽略元数据和索引占用的空间；不要假设压缩比恒定，需说明样本测试。
Q3
容量水位线和扩容阈值怎么设定？线上集群水位接近阈值时你要怎么做？
考察点：风险意识、自动化流程、应急预案设计。
回答框架：水位线=预留比决定；通常设70%~85%告警，90%紧急。扩容阈值=集群剩余容量支撑业务增长N天的量，N建议7~14天。
示例回答：“我们设水位线75%黄牌、85%红牌。扩容阈值：当剩余容量仅支撑10天增长时触发，提前7天启动采购/上架流程，确保3天内扩容完毕。”
可能追问：如果采购周期超过7天怎么办？如何做临时降级或限流？
避坑提醒：不要把水位线设得太紧（如95%），留出搬迁/故障缓冲；避免只谈阈值不谈自动化告警和SLA。
📁 项目案例：快手冷热数据分层存储容量规划
| 项目名称 | 快手短视频冷热数据分层存储容量规划 |
|---|---|
| 业务背景 | 快手月活用户6.5亿，每天新增PB级短视频数据，80%为冷数据。热数据要求毫秒级延迟，冷数据可接受分钟级加载。需要设计合理的分层结构以降低TCO。 |
| 规模指标 | 总数据量：200PB（裸容量）；日增量：3PB；热节点：800台NVMe SSD；冷节点：3000台SATA HDD；EC(8+2) + 压缩率1.8x。 |
| 技术栈 | Ceph（RADOS + BlueStore）、自研冷热迁移Agent、Kafka + Flink做元数据统计、Prometheus + Grafana监控水位。 |
| 核心难点 | 1. 冷热边界模糊：部分数据读写频率波动大；2. 迁移调度不能影响热节点IO；3. 水位动态调节：均衡避免局部热点。 |
| 面试高频追问 |
|
| 可迁移回答话术 | “我主导了冷热分层容量模型：按数据年龄3天为热、7天为温、30天为冷。热节点预留比30%（应对突发写入），冷节点15%（成本敏感）。扩容阈值设为剩余容量支撑15天增长，提前10天上报警告。通过Flink实时统计各节点水位，触发迁移或限流。” |
💡 案例加分点：提到“我们曾遇到磁盘故障导致单节点水位飙升到92%，通过临时关闭该节点写入并将流量分发到其他节点，撑过了48小时等待新磁盘上架”——体现应急能力。
📊 指标速查表
| 指标 | 定义 | 典型值 | 面试易错点 |
|---|---|---|---|
| TCO | 总体拥有成本（硬件+运营+电力+人力） | 每TB/年 成本 | 忽略电力密度和运维成本 |
| 有效容量 | 用户可用的存储空间（扣除副本/EC/压缩后） | 裸容量×利用率因子 | 忘记元数据开销 |
| 预留比 | 保留给故障、迁移、突发写入的缓冲空间 | 15%~30% | 所有节点用同一个比例 |
| 水位线 | 触发告警或扩容的容量阈值 | 75%黄牌 / 85%红牌 | 设得太高（>90%）没有缓冲区 |
| 扩容阈值 | 剩余容量可支撑业务增长的天数 | 7~14天 | 不考虑采购周期的波动 |
⚠️ 避坑警语：面试时不要只说“我设了80%水位线”就结束，必须跟出“如何监控、告警、扩容操作流程”。把指标关联到可执行的SOP才是面试官要的答案。