4. Golden Signals 详解 – 流量（Traffic）

流量（Traffic）是 Golden Signals 中最直观的信号，它直接反映系统当前承载的请求压力。没有流量，其他四个信号（延迟、错误、饱和度）便无从谈起。本节将深入解析流量的定义、度量单位、典型模式以及如何基于流量数据进行容量规划。

4.1 流量的定义与核心度量单位

在 SRE 语境下，流量衡量的是系统接收到的请求数量。它通常以两种单位表示：

4.2 流量模式分析

流量并非均匀分布，理解其模式是制定弹性策略和容量规划的前提。常见的流量模式包括：

• 周期性模式： 每日、每周或每月的固定高峰与低谷。例如，电商平台在白天流量高，凌晨流量低。
• 突发性模式： 由营销活动、热点事件或故障恢复引起的瞬时流量尖峰。
• 趋势性模式： 随着用户增长或业务扩张，流量呈现长期上升或下降趋势。
• 季节性模式： 与特定节日或季节强相关，如“双十一”或“黑色星期五”。

下图展示了一个典型 Web 服务在 24 小时内的流量模式，包含周期性波动和一次突发尖峰：

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满足 SLO（服务等级目标）。流量数据是容量规划的输入，以下是基于流量进行容量规划的步骤：

1. 采集历史流量数据： 至少保留 90 天的 RPS/QPS 数据，包含峰值和均值。
2. 识别流量模式： 分析周期性、趋势性和突发性特征，预测未来流量。
3. 设定容量阈值： 通常以峰值流量的 1.5x – 2x 作为扩容触发线。
4. 执行压力测试： 在预发环境模拟目标流量，验证系统瓶颈。
5. 制定扩缩容策略： 基于 HPA（水平自动扩缩）或定时策略，匹配流量模式。

下图展示了流量数据如何驱动容量规划决策流程：

4.4 流量监控的黄金实践

• 多维度聚合： 按服务、端点、状态码、来源 IP 等维度拆分流量，快速定位异常来源。
• 实时与历史结合： 实时监控用于告警，历史数据用于容量规划和趋势分析。
• 设置基线告警： 当流量偏离基线（如突增 300% 或突降 90%）时触发告警，可能预示故障或攻击。
• 避免单一指标陷阱： 流量高不一定代表系统健康，必须结合延迟和错误率综合判断。