2. 容量水位口径基础：容量规划的定义、关键指标

容量规划是保障系统在可预见的未来负载下，仍能稳定、高效运行的核心工程活动。其本质是在成本与性能之间寻找最优平衡点。本章将建立容量水位口径的底层认知，明确关键指标的定义与度量方式，为后续故障注入与Service画像的协同优化奠定基础。

2.1 容量规划的定义与核心目标

容量规划并非简单的资源预估，而是一个持续迭代的闭环过程。它通过分析业务增长趋势、系统负载特征与资源消耗模型，提前识别容量瓶颈，并制定合理的扩容、缩容或架构优化策略。

容量规划通常包含以下四个阶段：

1. 测量（Measure）：采集当前系统的关键资源指标与业务负载数据。
2. 建模（Model）：建立负载与资源消耗之间的关联模型，识别线性与非线性关系。
3. 预测（Predict）：基于业务增长曲线与历史趋势，预测未来资源需求。
4. 行动（Act）：执行扩容、限流、降级或架构优化等具体措施。

2.2 关键指标全景

容量水位口径的建立依赖于对多个维度指标的精准度量。这些指标可分为业务负载指标与资源消耗指标两大类。下表列出了最核心的六项指标及其在容量规划中的角色：

2.3 指标详解与度量方法

2.3.1 QPS 与 RT：吞吐-延迟模型

QPS与RT是描述系统处理能力最核心的一对指标。它们之间存在经典的利特尔法则（Little's Law）关系：

并发数 = QPS × RT（单位：秒）

示例：
  若系统平均RT = 50ms，目标QPS = 2000，
  则所需并发数 = 2000 × 0.05 = 100

当系统负载接近极限时，RT会急剧上升（即拐点效应），此时QPS可能不再增长甚至下降。容量规划的关键任务之一，就是找到这个拐点对应的水位。

2.3.2 CPU 使用率

CPU使用率是计算资源最直观的指标。在容量规划中，需要区分用户态（user）、系统态（sys）和等待IO（iowait）。高iowait通常意味着磁盘或网络成为瓶颈，而非CPU本身。

2.3.3 内存使用率

内存指标需分层观察：

• 物理内存：整体使用率，关注是否触发swap。
• 堆内内存（Java/Go等）：GC频率与停顿时间，老年代增长速率。
• 缓存层：Redis等缓存命中率与内存碎片率。

内存泄漏是容量规划中的隐蔽风险，建议通过内存增长速率（如MB/hour）建立预警基线。

2.3.4 磁盘IO与网络带宽

这两类指标属于吞吐型资源，其容量规划通常关注以下维度：

2.4 容量水位口径的建立原则

基于上述指标，建立容量水位口径需遵循以下原则：

• 分层设定：不同层级（应用层、中间件层、基础设施层）的水位阈值应独立定义，但需保持联动关系。
• 动态调整：水位口径不是静态数字，应随架构演进、硬件升级、业务特性变化而定期校准。
• 预留缓冲：任何水位阈值都应保留一定的安全余量（通常为20%~30%），以应对突发流量或故障转移场景。
• 可观测性驱动：水位口径的准确性依赖于完善的监控与可观测性体系，确保指标采集的实时性与完整性。