📚 课程目录第1章容量规划基础

1. 容量规划基础：定义、目标与核心原则

容量规划（Capacity Planning）是指在给定服务水平目标（SLO）的前提下，系统性地确定未来一段时间内所需的 IT 资源类型、数量与时间点，并制定资源供给策略的过程。它不是一个一次性活动，而是贯穿系统全生命周期的持续管理实践。

  核心定义公式：

  容量规划 = 需求预测 × 资源建模 × 供给策略 × 持续校准

容量规划覆盖的资源维度包括：

容量规划的最终目标是在成本与性能之间找到最优平衡点，具体可拆解为以下四个子目标：

实践要点：容量规划不是"越大越好"，而是"刚刚好"。过度配置会导致云成本失控，配置不足则引发故障。通常建议将目标利用率设定在 60%-75% 之间，既保留缓冲又避免浪费。

容量规划遵循以下六项核心原则，这些原则直接指导后续的压测脚本设计与容量模型构建：

在缺乏容量规划的情况下，系统运维往往陷入"救火模式"：

无容量规划的典型后果：
• 大促/秒杀活动时系统雪崩，造成直接经济损失
• 盲目扩容导致云成本飙升，资源利用率低于 20%
• 无法准确回答"当前系统能支撑多少用户"
• 每次架构变更后都需要重新摸索容量边界

容量规划带来的核心价值体现在以下三个层面：

在本课程中，容量规划不是孤立的理论，而是与压测巡检脚本深度整合的实践体系。下图展示了二者的协同关系：

课程核心观点：容量规划不是纸上谈兵，必须通过压测巡检脚本进行持续验证。本课程后续章节将逐一实现上图中的每一个脚本模块，并与容量模型深度绑定。

不同组织的容量规划实践成熟度差异很大，以下模型可帮助团队定位当前阶段并制定改进路径：

成熟度等级	特征描述	典型表现	本课程目标
L0：救火式	无规划，出问题才扩容	频繁 P0 故障，扩容靠人工判断	—
L1：被动式	有监控告警，但无预测	CPU > 80% 告警后手动扩容	—
L2：主动式	基于历史数据做趋势预测	每周容量报告，提前 1 周规划	✅ 本章基础
L3：自动化	压测脚本自动验证容量模型	巡检脚本定期执行，自动生成扩容建议	✅ 课程核心
L4：智能化	AI 驱动动态容量优化	自动弹性伸缩，容量自愈	进阶方向

本课程的目标是帮助团队从 L0-L1 提升至 L3 自动化容量规划，通过压测巡检脚本实现容量模型的持续验证与自动调整。