GameDay容量水位实验与可靠性复测 - 第1节
1.1 什么是 GameDay
GameDay 是一种受控的、计划内的故障注入与容量验证演习。它通过在生产环境或类生产环境中主动模拟真实故障（如流量突增、节点宕机、资源耗尽），验证系统的容量边界、弹性恢复能力和监控告警有效性。GameDay 的核心哲学是“在可控范围内提前暴露问题”，避免故障在真实业务高峰期被动爆发。
关键特征： 计划性、受控性、可观测性、事后复盘驱动改进。
1.2 GameDay 在容量管理中的核心价值
在容量规划与稳定性保障体系中，GameDay 承担着验证、校准、提升三重角色。它不仅仅是“压测的另一种形式”，更是将容量数据与真实业务行为对齐的关键手段。
| 价值维度 | 具体说明 | 典型收益 |
|---|---|---|
| 容量边界验证 | 在混合负载下验证系统实际吞吐峰值与资源瓶颈 | 发现压测未覆盖的级联限流、连接池耗尽等问题 |
| 弹性策略检验 | 触发自动扩缩容、熔断降级、流量调度等机制 | 确认弹性策略在真实压力下的生效时间与准确度 |
| 监控告警校准 | 验证容量相关指标（CPU、内存、QPS、P99延迟）的告警阈值是否合理 | 消除告警风暴与漏报，提升 On-Call 响应效率 |
| 团队协作演练 | 跨团队（SRE、研发、DBA、网络）在高压场景下协同响应 | 缩短故障定位 MTTR，固化应急流程 |
| 容量模型校准 | 用真实流量特征修正容量模型中的假设偏差 | 提高容量预测准确率，降低过度规划成本 |
实践建议： 建议每季度至少执行一次核心链路的 GameDay，并在大促/版本发布前增加专项演习。每次演习后必须输出容量水位复测报告，更新容量基线。
1.3 GameDay 与常规压测的区别
常规压测（Performance Test / Stress Test）与 GameDay 在目标、范围、执行方式上存在本质差异。理解这些区别，有助于在容量管理体系中正确选择工具和方法。
| 对比维度 | 常规压测 | GameDay |
|---|---|---|
| 核心目标 | 测量系统在特定负载下的性能指标（TPS、RT、资源利用率） | 验证系统在真实故障场景下的容量弹性与稳定性 |
| 负载特征 | 通常使用固定或阶梯递增的合成流量 | 混合真实流量 + 故障注入（延迟、丢包、节点宕机） |
| 执行环境 | 多在隔离的压测环境或预发环境执行 | 强烈推荐在类生产或生产环境（受控灰度）执行 |
| 关注指标 | 吞吐量、响应时间、错误率、资源消耗 | 容量水位变化、弹性伸缩行为、监控告警准确性、MTTR |
| 故障注入 | 通常不包含故障注入 | 核心手段：CPU 打满、网络延迟、磁盘 IO 阻塞、进程 Kill |
| 输出产物 | 性能报告、瓶颈分析、优化建议 | 容量水位复测报告、弹性策略改进项、监控告警调优项 |
| 执行频率 | 按需执行（版本发布前、架构变更后） | 周期性执行（季度/月） + 大促前专项 |
常见误区： 不要用 GameDay 替代常规压测，也不要用常规压测的结果直接推导 GameDay 结论。容量水位口径复测必须同时参考压测基线数据和 GameDay 实测数据，才能形成完整的容量评估闭环。