3. 口径基线定义：什么是口径基线、基线的重要性、基线在容量规划中的作用
在 GameDay 演练与容量管理中，口径基线是衡量系统容量是否健康、水位是否安全的“标尺”。没有基线，所有指标都只是孤立的数据点，无法判断“当前状态是好是坏”。本节将系统定义口径基线，并阐述其在容量规划中的核心地位。
3.1 什么是口径基线
口径基线是指在特定业务负载、时间窗口和系统架构下，一组经过校准的容量指标阈值或参考范围。它回答了“系统在正常运行时，各项资源应该处于什么水平”这一关键问题。
基线通常包含以下要素：
| 要素 | 说明 | 示例 |
|---|---|---|
| 指标 | 被测量的资源或性能参数 | CPU 使用率、内存占用、QPS、P99 延迟 |
| 时间窗口 | 基线生效的时间范围（日、周、月） | 业务高峰期 10:00-12:00，或全天 24h |
| 负载特征 | 基线对应的业务流量模式 | 日常平均流量、大促峰值流量 |
| 阈值 | 正常、警告、危险的分界值 | CPU ≤ 70% 正常，70%-85% 警告，>85% 危险 |
| 统计口径 | 数据聚合方式（均值、P95、P99） | 取 5 分钟窗口的 P99 延迟 |
关键认知：基线不是一成不变的。随着业务增长、架构升级或流量模型变化，基线需要定期重新校准。GameDay 演练正是验证基线是否仍然有效的绝佳场景。
3.2 基线的重要性
基线是 SRE 团队从“被动救火”转向“主动预防”的基石。其重要性体现在以下四个维度：
- 异常检测的参照系：没有基线，告警只能依赖固定阈值，容易漏报或误报。基线提供了动态、上下文感知的异常判断依据。
- 容量水位的标尺：通过将实时指标与基线对比，可以直观判断当前容量水位是否安全，是否存在资源瓶颈。
- 变更影响的量化工具：发布新版本、调整配置或扩缩容后，通过对比变更前后的基线偏差，可以快速评估变更是否引入了容量风险。
- 跨团队沟通的通用语言：基线为开发、运维、业务团队提供了统一的容量健康标准，减少因“感觉系统变慢了”这类主观判断引发的争议。
常见误区：很多团队将“历史平均值”直接当作基线。但平均值会掩盖极端值，导致高峰期容量风险被平滑掉。建议使用 P95/P99 分位数或基于时间序列的预测基线。
3.3 基线在容量规划中的作用
容量规划的核心目标是“在成本可控的前提下，确保系统有足够的资源承载未来业务增长”。基线在其中扮演着不可替代的角色：
- 现状评估：基线提供了当前系统的容量“快照”，明确哪些资源已经接近瓶颈，哪些仍有冗余。
- 趋势预测：通过将历史基线数据与业务增长曲线叠加，可以预测未来某个时间点资源耗尽的风险。
- 扩缩容决策：当实时指标持续突破基线阈值时，触发扩容动作；当指标长期低于基线下限时，触发缩容以节省成本。
- GameDay 演练的验证标尺：在混沌工程演练中，基线是判断系统是否“健康”的黄金标准。演练结束后，指标必须回归基线范围，才算演练通过。
下图展示了基线在容量规划闭环中的位置与作用：
3.4 基线的生命周期管理
基线不是一次性工作，需要持续维护。下表总结了基线在不同阶段的管理要点：
| 阶段 | 主要活动 | 输出物 |
|---|---|---|
| 建立 | 收集历史数据，确定指标、窗口、阈值 | 基线文档、Grafana 基线面板 |
| 验证 | 通过 GameDay 演练或 A/B 测试验证基线合理性 | 演练报告、基线调整建议 |
| 发布 | 将基线配置到监控系统、告警规则、自动化扩缩容策略 | 告警规则、自动化脚本 |
| 监控 | 持续对比实时指标与基线，触发告警或自动动作 | 告警事件、水位报告 |
| 校准 | 定期（如每季度）或重大变更后重新校准基线 | 基线版本更新日志 |
实践建议：在 Grafana 中为每个核心服务创建“基线仪表盘”，将基线阈值绘制为参考线（Reference Line），实时指标与基线可视化对比，可以极大提升容量水位感知效率。
3.5 基线在 GameDay 演练中的具体应用
在 GameDay 演练中，基线承担着“裁判”角色。一个典型的演练流程如下：
- 演练前：确认当前基线状态，记录所有关键指标的基线值。
- 演练中：注入故障（如 CPU 打满、网络延迟），观察指标偏离基线的程度和速度。
- 演练后：停止故障注入，验证指标是否在预期时间内回归基线范围。如果无法回归，说明系统存在容量缺陷或弹性不足。
下图展示了 GameDay 演练中基线作为“健康标尺”的完整流程：