📚 课程目录第4章 Golden Signals之流量

4. Golden Signals 之流量：流量指标（QPS/RPS）、流量模式识别、流量与容量规划

流量（Traffic）是服务画像中最先被感知的 Golden Signal。它直接反映用户请求对系统的负载程度，是容量规划、弹性伸缩和异常检测的基础。本节将深入剖析流量指标的定义、模式识别方法以及如何基于流量数据进行科学的容量规划。

4.1 核心流量指标：QPS 与 RPS

在分布式系统中，流量通常以每秒请求数（Requests Per Second, RPS）或每秒查询数（Queries Per Second, QPS）来衡量。虽然两者常被混用，但在精细化观测中存在细微差异：

指标	全称	典型场景	说明
QPS	Queries Per Second	数据库、缓存、搜索引擎	侧重查询类操作，通常为读请求
RPS	Requests Per Second	API 网关、Web 服务器、微服务	涵盖所有类型的 HTTP 请求（GET/POST/PUT/DELETE）
TPS	Transactions Per Second	支付、订单、核心交易链路	强调完整业务事务，可能包含多个 RPS

SRE 实践建议：在服务画像中，优先统一使用 RPS 作为流量入口指标，并在内部按业务维度（如接口、客户端、区域）打上标签，以便后续进行流量模式拆解。

4.2 流量模式识别

流量并非均匀分布，而是呈现出多种时间序列模式。识别这些模式是构建动态基线和异常检测的前提。常见的流量模式包括：

周期性模式：以天、周、月为单位的规律性波动。例如，日间流量高峰、周末流量下降、月末结算流量激增。
趋势性模式：长期上升或下降的流量变化。例如，业务增长带来的持续流量爬坡，或业务下线的流量衰减。
突发性模式：短时间内流量剧烈变化，通常由营销活动、热点事件或故障引发。
季节性模式：与特定季节或节假日相关的流量波动，如电商大促、春节红包等。

下图展示了典型服务在一天内的流量模式分解：

  流量模式识别方法：
  STL 分解：将时间序列拆分为趋势、季节性和残差三部分，适用于周期性明显的服务。
FFT 频谱分析：通过快速傅里叶变换识别流量中的主周期频率（如 24 小时、7 天）。
动态时间规整（DTW）：用于比较不同日期或不同服务之间的流量形态相似度。

4.3 流量与容量规划

容量规划的核心目标是确保系统在预期流量下仍能维持 SLO。基于流量指标的容量规划通常遵循以下步骤：

流量预测：基于历史流量模式，结合业务增长预期，预测未来一段时间（如 1 个月、1 个季度）的峰值 RPS。
单机容量基准：通过压测确定单台实例在满足延迟 SLO 前提下的最大承载 RPS。
冗余与缓冲：考虑故障转移、部署更新、流量突发等因素，预留 N+1 或 N+2 冗余。
弹性伸缩策略：设定基于 RPS 的 HPA（Horizontal Pod Autoscaler）阈值，实现动态扩缩容。

下表展示了不同流量场景下的容量规划策略对比：

流量场景	典型特征	容量策略	弹性策略
稳定型	日间波动 < 30%	固定实例数 + 少量缓冲	基于 CPU 的慢速伸缩
潮汐型	日间高峰/夜间低谷	按时间段预留不同容量	基于 RPS 的定时伸缩 + HPA
突发型	瞬时流量可达 10x	预留足够峰值容量 + 限流降级	基于 RPS 的快速伸缩 + 队列缓冲
增长型	月环比增长 > 20%	定期重新评估容量上限	预测性伸缩（Proactive Scaling）

容量规划常见误区：

仅关注平均 RPS：忽略峰值 RPS 会导致容量不足。应使用 P99 或 P999 分位流量作为规划基准。
忽略流量倾斜：即使整体 RPS 在阈值内，热点实例可能已过载。需结合流量分布（如一致性哈希的均衡性）进行规划。
静态容量规划：业务增长和流量模式会变化，容量规划应作为持续迭代的过程，而非一次性活动。

4.4 流量异常检测实战

基于流量模式的异常检测是服务画像动态更新的关键环节。以下是一个基于滑动窗口的 RPS 异常检测伪代码示例：

# 基于滑动窗口的 RPS 异常检测
def detect_rps_anomaly(current_rps, history_window):
    """
    current_rps: 当前 1 分钟平均 RPS
    history_window: 过去 7 天同一时间窗口的 RPS 列表
    """
    # 1. 计算历史基线
    baseline_mean = np.mean(history_window)
    baseline_std = np.std(history_window)
    
    # 2. 设定动态阈值（3-sigma）
    upper_bound = baseline_mean + 3 * baseline_std
    lower_bound = baseline_mean - 3 * baseline_std
    
    # 3. 异常判定
    if current_rps > upper_bound:
        return "流量突增异常", current_rps - upper_bound
    elif current_rps < lower_bound:
        return "流量突降异常", lower_bound - current_rps
    else:
        return "正常", 0.0

进阶实践：对于具有强周期性的服务，建议使用 Holt-Winters 季节性预测模型或 Prophet 替代简单的滑动窗口均值，以更准确地捕捉节假日效应和趋势变化。

下图展示了基于流量模式的异常检测流程：

通过上述流程，SRE 团队可以实时感知流量异常，并将其作为服务画像动态更新的触发事件，自动调整基线、阈值和容量规划策略。