1. 课程导论：为什么需要节点资源画像？误差预算与台账容量规划的核心价值

在 Kubernetes 生产环境中，资源管理长期面临一个核心矛盾：业务稳定性与资源利用率之间的动态平衡。传统基于“峰值 + 安全余量”的静态配置方式，往往导致集群整体利用率低于 20%，或者因突发流量引发节点过载。本课程引入的节点资源画像、误差预算与台账容量规划方法论，正是为了解决这一矛盾而设计。

1.1 为什么需要节点资源画像？

节点资源画像（Node Resource Profiling）是指通过采集、分析和建模节点上工作负载的历史资源使用数据，生成描述节点资源消耗特征的多维视图。其必要性体现在以下三个层面：

层面	传统方式的问题	资源画像带来的改进
容量规划	依赖经验估算或单一峰值，容易过度配置或配置不足	基于分位数、周期性和趋势分析，提供数据驱动的容量基线
调度效率	kube-scheduler 仅依据 request/limit 做静态决策	画像数据可作为调度插件输入，实现更精准的装箱与超卖
成本优化	无法识别闲置资源与浪费热点	通过画像识别低效节点，指导缩容或实例规格调整

1.2 误差预算：从不可预测到可量化

误差预算（Error Budget）源自 SRE 实践，在节点容量规划中，它被定义为：在保证服务质量目标（SLO）的前提下，节点资源使用可以偏离理想模型的最大容忍范围。引入误差预算的核心价值在于：

• 量化不确定性： 将突发流量、资源争抢、内核抖动等不可控因素转化为可度量的预算消耗。
• 指导决策： 当预算充足时，可以接受更高的资源利用率或更激进的超卖策略；当预算不足时，需要立即启动限流、扩容或降级措施。
• 建立反馈闭环： 误差预算的消耗速率直接反映容量规划的准确性，驱动画像模型持续迭代。

1.3 台账容量规划：从静态清单到动态资产

台账容量规划（Inventory Capacity Planning）是将节点资源画像与误差预算结合后，形成的可执行、可审计、可预测的容量管理框架。它不再是一张静态的 Excel 表格，而是一个动态更新的资产视图：

台账要素	传统台账	动态台账（本课程）
数据来源	手动录入、CMDB 同步	实时指标 + 资源画像 + 误差预算
更新频率	周/月级	分钟/小时级
核心输出	已分配 vs 已使用	可调度容量、风险容量、预留容量、弹性容量
决策支持	被动响应扩容	主动预测扩容窗口与缩容时机

1.4 三者关系与整体架构

节点资源画像、误差预算与台账容量规划三者构成一个完整的闭环体系。下图展示了它们之间的数据流与决策链路：

1.5 本课程的核心交付

通过本课程的学习，你将掌握以下能力：

1. 构建节点资源画像模型： 基于 Prometheus 指标、kube-state-metrics 和节点级 cgroup 数据，生成 CPU、内存、磁盘 IO、网络等资源的概率分布与趋势预测。
2. 设计误差预算策略： 根据业务 SLO 定义节点级的误差预算计算公式、消耗速率阈值以及自动补偿机制。
3. 实现动态台账系统： 将画像与预算数据写入统一存储（如 Elasticsearch 或 ClickHouse），并通过 API 对外提供容量视图，支持“what-if”模拟分析。
4. 落地自动化决策： 结合 Kubernetes Operator 或自定义控制器，实现基于台账数据的自动扩缩容、节点池调整与预算预警。