2. 容量水位口径定义：容量、水位、口径三者的关系与核心指标
在GameDay演练中，容量水位口径是衡量系统健康度的“标尺”。如果口径定义不统一，演练结论就会产生偏差。本节从概念关系、核心指标、口径计算三个层面建立标准。
2.1 容量、水位、口径的概念与关系
三个术语在监控语境下具有明确的层次关系：
| 术语 | 定义 | 监控中的角色 |
|---|---|---|
| 容量 | 系统或组件在SLA约束下能承载的最大负载上限 | 静态阈值上限，由压测或理论计算得出 |
| 水位 | 当前实际负载占容量的百分比 | 动态实时值，反映资源占用程度 |
| 口径 | 计算水位时所采用的统计方法与数据来源 | 决定水位数值的“测量尺”，不同口径产生不同水位 |
三者关系可概括为：口径决定如何测量，容量定义测量上限，水位给出当前读数。口径不一致时，相同集群可能得出“安全”与“告警”两种结论。
GameDay关键原则： 演练前必须锁定口径（如“CPU使用率取1分钟平均还是5分钟峰值”），否则水位对比无效。
2.2 核心指标：CPU、内存、磁盘、QPS
GameDay演练中，四个核心指标构成容量水位评估的基础。每个指标都需要明确其容量定义与水位口径。
| 指标 | 容量定义 | 常用水位口径 | GameDay关注点 |
|---|---|---|---|
| CPU | 物理核数 × 单核频率 × 利用率上限（通常80%） | 1分钟平均利用率 / 5分钟峰值利用率 | 突增流量下CPU是否触发限流 |
| 内存 | 物理内存总量 - 系统预留（通常预留10%） | 已用内存 / 总内存（排除缓存） | 内存泄漏场景下的水位爬升速度 |
| 磁盘 | 分区总容量 - 安全余量（建议保留20%） | 已用空间 / 总空间 / IOPS饱和度 | 日志爆满导致磁盘写满的演练 |
| QPS | 压测得出的最大吞吐量（P99延迟≤500ms） | 当前QPS / 压测最大QPS | 流量突增时QPS水位与延迟的联动 |
口径选择建议： CPU和内存推荐使用“1分钟平均”作为日常水位口径，使用“5分钟峰值”作为告警口径。磁盘使用“已用百分比”即可，QPS必须结合延迟P99一起评估。
2.3 口径计算模型与示例
水位计算公式统一为：
水位(%) = (当前实际负载值 / 容量上限值) × 100%但“当前实际负载值”的口径不同，结果差异显著。以下为同一台服务器的三种口径对比：
| 口径类型 | 数据来源 | CPU水位 | 结论 |
|---|---|---|---|
| 瞬时值口径 | 当前时刻采样 | 72% | 安全 |
| 1分钟平均口径 | 过去60秒平均值 | 68% | 安全 |
| 5分钟峰值口径 | 过去5分钟内的最大采样 | 91% | 危险 |
同一台服务器，三种口径得出“安全”与“危险”两种结论。GameDay演练中必须事先约定：以哪种口径作为决策依据。
常见陷阱： 使用“平均值”口径可能掩盖短时尖峰。例如CPU平均水位60%，但每10秒出现一次95%的尖峰，此时应增加“峰值水位”口径作为补充。
2.4 口径统一与GameDay演练清单
在GameDay演练准备阶段，建议按以下清单完成口径对齐：
- 确定容量基线： 每个指标的上限值来自压测还是理论计算？记录来源与更新时间。
- 选择水位口径： 明确每个指标使用“平均值”还是“峰值”，时间窗口是1分钟、5分钟还是10分钟。
- 排除干扰项： 内存指标是否排除Page Cache？磁盘是否排除临时文件系统？
- 定义异常水位： 设定“安全水位（<60%）”、“关注水位（60%-80%）”、“告警水位（80%-90%）”、“危险水位（>90%）”四级阈值。
- 记录口径变更： 任何口径调整必须在演练日志中注明，避免后续复盘时产生歧义。
GameDay演练最佳实践： 在Grafana仪表盘中为每个指标同时展示“1分钟平均水位”和“5分钟峰值水位”两条曲线，并在仪表盘标题中明确标注口径。这样在演练过程中可以同时观察两种口径的差异，避免单一口径带来的盲区。