PromQL容量水位监控与阈值校验工程 - 第1节

1.1 什么是容量水位

容量水位（Capacity Watermark）是衡量系统资源使用程度与剩余可用能力的量化指标，通常以百分比或值表示。它直接反映系统在特定时间点上的负载压力与资源余量。

常见的容量水位指标包括：

容量水位不是静态阈值，而是随业务流量、部署架构、硬件规格动态变化的相对值。同一台服务器在白天业务高峰与夜间低谷时的水位可能相差数倍，因此需要结合时间序列进行持续观测。

1.2 为什么需要监控容量水位

容量水位监控是保障系统持续可用、避免服务降级或中断的核心手段。其必要性体现在以下四个维度：

1. 预防资源耗尽：磁盘写满、内存 OOM、连接池枯竭等故障通常不是瞬间发生，而是水位持续上升后的必然结果。提前发现水位异常，可以在故障发生前完成干预。
2. 指导容量规划：通过历史水位趋势分析，可以预测未来资源需求，为扩容、缩容、架构升级提供数据依据，避免过度投资或资源不足。
3. 保障 SLA 目标：高水位往往伴随性能劣化——CPU 飙高导致请求排队、内存不足触发频繁 GC、磁盘 I/O 饱和增加延迟。监控水位是维持响应时间与可用率达标的前提。
4. 支撑自动化运维：弹性伸缩、自动故障转移、限流降级等自动化策略均依赖准确的水位数据作为触发条件。没有水位监控，自动化决策就是盲目的。

1.3 容量水位与系统稳定性的关系

容量水位与系统稳定性之间存在明确的非线性关联。低水位时系统运行平稳，随着水位升高，稳定性呈阶梯式下降：

这种关系的本质在于：资源耗尽并非线性过程。以 CPU 为例，当使用率超过 80% 后，任务调度延迟急剧增加，请求排队时间呈指数级上升；内存使用率接近 100% 时，操作系统开始频繁 swap，磁盘 I/O 成为新瓶颈，引发连锁反应。