2. 容量水位基础概念：容量、水位、饱和度、资源利用率的核心定义与相互关系

在混沌工程与容量规划中，容量水位是衡量系统承载能力与健康状态的核心标尺。理解容量、水位、饱和度与资源利用率这四个基础概念及其相互关系，是设计有效基线校准实验的前提。本节将逐一拆解这些概念，并建立它们之间的逻辑关联。

2.1 核心定义

2.2 概念关系模型

下图展示了四个概念之间的层级与映射关系。容量定义了系统的天花板，水位是实际负载，饱和度是水位与容量的比值，而资源利用率则是水位在底层资源上的具体体现。

2.3 相互关系详解

四个概念并非孤立存在，它们之间存在明确的因果与映射关系：

• 水位驱动资源利用率：水位（负载）上升，必然导致底层资源（CPU、内存等）消耗增加，资源利用率随之升高。
• 资源利用率反映饱和度：当某个资源利用率接近100%时，通常意味着系统在该维度上接近饱和，水位已逼近容量上限。
• 容量决定安全水位线：容量是静态上限，安全水位通常设定在容量的60%-80%，为突发流量和故障转移预留缓冲。
• 饱和度是决策指标：饱和度直接告知系统还有多少余量，是触发弹性伸缩、限流降级的关键阈值。

2.4 实际场景中的水位与容量

以下表格展示了不同资源维度下，容量、水位与饱和度的典型表现：

2.5 容量水位与基线校准的关系

在混沌工程实验中，基线校准的核心目标就是建立水位-资源利用率-饱和度之间的映射基线。通过注入故障（如CPU压力、网络延迟），观察水位不变时资源利用率的变化，或水位变化时饱和度的响应曲线，从而验证容量规划的准确性。

校准实验通常遵循以下步骤：

1. 确定容量基线：通过压测或历史数据，标定系统在各资源维度的容量上限。
2. 记录正常水位：采集业务低峰期与高峰期的水位数据，建立水位分布模型。
3. 注入扰动：通过混沌工程实验（如突增流量、资源争抢），观察水位与资源利用率的联动变化。
4. 验证饱和度阈值：确认当水位达到某个值时，资源利用率是否触及预设的饱和度告警线。
5. 校准基线：根据实验结果，修正容量预估模型或调整弹性伸缩策略。