📚 课程目录第1章连接池水位巡检概述

1. 连接池水位巡检概述

1.1 什么是连接池水位

连接池（Connection Pool）是后端服务与数据库、缓存、消息队列等下游资源之间维护的一组复用连接集合。连接池水位（Connection Pool Water Level）是一个动态量化指标，用于描述当前连接池中活跃连接数、空闲连接数以及等待队列长度相对于池容量上限的占用比例。

从运维视角看，连接池水位可以类比为水库水位：

总容量：连接池配置的最大连接数（max_connections）
当前水位：正在使用的活跃连接数 + 已分配但未释放的连接数
空闲水位：已建立但未被占用的连接数
溢出水：等待获取连接的请求队列长度

  核心指标公式：

  连接池水位百分比 = (活跃连接数 / 最大连接数) × 100%

  等待队列深度 = 等待获取连接的请求数

1.2 为什么需要巡检连接池水位

连接池水位巡检是后端服务容量管理和故障预防的核心手段。在微服务架构中，数据库连接是最稀缺的资源之一，连接池配置不当或水位异常会直接导致服务雪崩。

巡检核心价值：通过 Prometheus 持续采集连接池指标，实现水位异常的早发现、早定位、早恢复，避免从连接耗尽到服务不可用的级联故障。

以下是连接池水位巡检的五大关键驱动力：

驱动力	说明	典型场景
容量预警	提前发现连接池即将耗尽，预留扩容时间	大促流量突增前水位持续上升
故障隔离	识别慢查询或连接泄漏导致的水位异常	某接口未释放连接，水位持续不降
性能优化	根据水位动态调整连接池大小和超时参数	空闲连接过多浪费内存，活跃连接过多增加锁竞争
容量规划	基于历史水位数据评估是否需要扩容或缩容	业务增长期水位趋势分析
SLA 保障	确保连接获取延迟在可接受范围内	等待队列深度超过阈值导致请求超时

1.3 水位过高/过低的风险

连接池水位偏离正常范围都会对系统稳定性产生严重影响。以下从高水位和低水位两个维度分析风险。

1.3.1 水位过高（> 80%）的风险

连接耗尽：所有连接被占满，新请求无法获取连接，直接抛出 CannotGetJdbcConnectionException 或 ConnectionPoolTimeout 异常。
请求排队：等待队列堆积，请求响应时间急剧上升，触发上游超时重试，形成重试风暴。
数据库负载飙升：大量连接同时执行查询，数据库 CPU/IO 打满，拖慢所有业务。
服务雪崩：一个服务的连接池耗尽，导致依赖该服务的上游服务也出现连接池阻塞，故障逐级扩散。

真实案例：某电商平台大促期间，订单服务连接池水位持续 95%+，等待队列深度超过 5000，导致下游库存服务、支付服务全部超时，最终核心交易链路瘫痪 12 分钟。

1.3.2 水位过低（< 20%）的风险

资源浪费：空闲连接占用数据库端内存和进程资源，增加不必要的开销。
连接老化：长期空闲的连接可能被数据库端或中间件断开（如 MySQL wait_timeout），使用时需重建连接，增加延迟。
连接池震荡：频繁创建和销毁连接，导致数据库端连接数波动，影响性能稳定性。
容量误判：低水位可能掩盖真实容量瓶颈，导致扩容决策滞后。

1.4 巡检的核心指标概览

在 Prometheus 监控体系中，连接池水位巡检通常关注以下关键指标：

指标名称	类型	含义	告警阈值参考
`hikaricp_connections_active`	Gauge	当前活跃连接数	≥ max * 0.8
`hikaricp_connections_idle`	Gauge	当前空闲连接数	≤ max * 0.1
`hikaricp_connections_pending`	Gauge	等待获取连接的线程数	≥ 10
`hikaricp_connections_timeout_total`	Counter	连接获取超时累计次数	rate() > 0
`hikaricp_connections_max`	Gauge	连接池最大容量	用于计算水位百分比

水位计算公式（PromQL）：

# 连接池水位百分比
100 * (hikaricp_connections_active / hikaricp_connections_max)

# 等待队列深度
hikaricp_connections_pending

# 连接超时速率（1分钟内）
rate(hikaricp_connections_timeout_total[1m])

通过上述指标的组合巡检，SRE 团队可以全面掌握连接池的健康状态，在风险发生前及时介入调整。