4. 容量水位基础：定义与常见口径

容量水位（Capacity Watermark）是衡量服务实例资源占用与负载强度的量化指标，也是容量规划与 Error Budget 协同优化的核心输入。水位口径的选择直接决定扩容阈值、预算分配和告警灵敏度。

4.1 容量水位的定义

容量水位指服务实例在单位时间内对某一资源的实际使用量与该资源额定容量的比值，通常以百分比表示。其通用公式为：

水位（%）= 当前资源使用量 / 额定容量 × 100%

额定容量可以是物理上限（如 CPU 100%）、SLA 承诺上限（如 P99 延迟 ≤ 200ms 时的最大 QPS）或运维经验上限（如内存使用率 ≤ 80%）。

4.2 常见容量水位口径

下表列出 SRE 实践中四种最常用的水位口径及其适用场景、计算方式和典型阈值：

4.3 水位口径与 Error Budget 的关联

容量水位是 Error Budget 消耗的 前置指标。当水位上升时，服务进入高负载区，延迟抖动和错误率上升的概率显著增加。下图展示了水位口径与 Error Budget 消耗之间的典型关系：

4.4 多口径协同水位模型

在实际生产环境中，单一口径无法完整描述服务的容量状态。推荐使用 多口径加权水位 模型，将多个维度的水位按权重合并为一个综合水位指标：

综合水位 = w₁ × CPU水位 + w₂ × 内存水位 + w₃ × QPS水位 + w₄ × 连接数水位

其中：w₁ + w₂ + w₃ + w₄ = 1

权重分配应根据服务的 资源瓶颈特征 动态调整。例如：

• 计算密集型服务：w₁=0.6, w₂=0.2, w₃=0.15, w₄=0.05
• 内存缓存型服务：w₁=0.15, w₂=0.6, w₃=0.15, w₄=0.1
• API 网关服务：w₁=0.2, w₂=0.1, w₃=0.5, w₄=0.2

4.5 水位口径的校准与更新

容量水位口径不是一成不变的。随着服务架构演进、流量模型变化和硬件升级，需要定期校准：

1. 压测校准：每季度执行全链路压测，重新标定各口径的额定容量上限。
2. 故障复盘校准：每次容量相关故障后，复盘水位阈值是否合理，是否出现“水位未超标但服务已过载”的情况。
3. 业务峰值校准：大促或活动结束后，对比实际峰值水位与预期水位，调整权重和阈值。
4. 硬件变更校准：实例规格变更（如升配 CPU、扩内存）后，立即更新额定容量基线。

下表总结了四种口径的校准频率和触发条件：