1. 课程导论：服务画像与 Error Budget 的基本概念、容量水位管理的痛点、课程目标与学习路径

1.1 容量水位管理的核心痛点

在微服务与云原生架构下，传统容量管理方法正面临严峻挑战。团队往往陷入“被动扩容—资源浪费—故障复盘”的恶性循环。以下是业界普遍存在的四大痛点：

1.2 服务画像：容量管理的“数字孪生”

服务画像是对一个微服务运行时特征、资源依赖、流量模式、质量敏感度的结构化描述。它不是静态的元数据，而是持续从可观测数据中提炼的动态模型。

一个完整的服务画像包含以下维度：

• 基础属性： 服务名称、所属域、技术栈、部署拓扑（实例数、AZ分布）。
• 流量特征： 入口QPS、请求来源分布、峰值时段、毛刺频率。
• 资源画像： CPU/内存/网络/磁盘的稳态基线、P99使用率、扩缩容响应时间。
• 质量基线： 延迟SLO（如P99 < 200ms）、可用性SLO（如99.95%）、Error Budget总量。
• 依赖关系： 上游调用方、下游依赖服务、中间件（DB/Cache/MQ）的容量约束。

1.3 Error Budget：连接容量与质量的桥梁

Error Budget 是 SLO 的“剩余可用错误额度”。其核心公式为：

Error Budget = (1 - SLO) × 总时间窗口（通常为30天滚动窗口）

示例：
  服务 SLO = 99.95%（可用性）
  30天总秒数 = 2,592,000秒
  Error Budget = 0.05% × 2,592,000 = 1,296秒（约21.6分钟）
  含义：该服务在30天内最多允许21.6分钟的不可用时间

当我们将 Error Budget 引入容量管理时，容量水位不再是一个孤立的资源百分比，而是“当前资源状态下，服务消耗 Error Budget 的速率”。这带来了三个关键转变：

1. 从“资源视角”到“质量视角”： 容量是否充足，取决于 Error Budget 消耗速率是否在安全阈值内。
2. 从“静态阈值”到“动态预算”： 水位线随 SLO 目标、流量模式、错误率实时调整。
3. 从“被动告警”到“主动规划”： 当 Error Budget 消耗速率超过预期时，提前触发扩容或降级预案。

1.4 课程目标与学习路径

本课程旨在帮助 SRE 与容量规划工程师掌握一套可落地、可量化、可自动化的容量管理方法论。完成本课程后，你将能够：

• 构建服务画像： 从可观测数据中提取关键维度，形成服务的“数字孪生”。
• 量化 Error Budget： 基于 SLO 定义 Error Budget 总量，并建立消耗速率监控。
• 关联容量水位： 将 Error Budget 消耗速率映射到资源水位，建立“质量-容量”联合告警。
• 自动化决策： 设计基于 Error Budget 的自动扩缩容、降级、限流策略。
• 持续优化： 通过容量复盘与画像迭代，提升资源利用率与系统稳定性。

课程分为四个模块，建议按顺序学习：