资源分配

1）挑战与原则

资源分配是将需求（负载，项目，事件）与供应（CPU/RAM/IO/网络，许可证，人员，预算）匹配到目标SLO和FinOps限制下的系统方法。

• SLO-first：资源有质量目标；选取是承受它的工具。
• Fairness+Priority：所有人的公平份额，但优先级-保证。
• 分裂：我们限制爆炸无线电的"贪婪"负载。
• Elasticity：自动扩展/压缩以满足实际需求。
• Cost-aware：每个额外资源必须对SLO/收入产生可理解的影响。
• 基于Evidence的：通过遥测和实验验证解决方桉。

2）资源分类

计算：CPU/Memory/GPU，容器池，无伺服配额。
存储：IOPS/带宽，热/热/冷层，缓存。
网络：egress/ingress, CDN,私人通道,IP池。
数据：DWH/流媒体中的插槽/窗口资源，后门窗口。
人：呼叫时段，IC/释放，SRE/Dev时间（时钟/冲刺）。
供应商：供应商限额（PSP/KYC/CDN）、限额和连接。

3）优先级模型（投资组合）

Tier-0：重要的流失（登录、付款）。有保证的资源，单独的池。
Tier-1：业务关键（核心产品，D-1报告）。首选配额。
Tier-2/3：支持/研究。Burstable，预算限制。
项目：Impact × Urgency × Confidence × Cost →等级；SAV/投资组合中的协调。

4）分配政策（担保，配额，限制）

担保人（专有人员）：虚构股份/储备金；对于Tier-0/1。
Burstable：基本配额+自由占用至限额的权利。

Best-effort： 没有保证,可以取代.

Quota/Limit-as-Code：所有配额和限额均以声明方式描述（策略存储库）。
Preemption/Pod Disruption Budget：可以以什么速度取代谁。
网络配额：egress/tenant，与提供商的连接限制。

5）多重性和隔离

Namespace/Account per tenant：单独的限制、预算、审计。
嘈杂的邻居：cgroups/requests/limits/IO-throttling；单独的nods用于"重"任务。
P95绝缘体：SLO是根据笔触计算的，非平均值；爆破不应该打破邻居的p95。
数据点：VIP/区域的单独池存储层和缓存层。

6）自动缩放和弹性

HPA/VPA/Cluster-autoscaler：通过SLI/SLI代理进行缩放（latency p95，queue depth），而不仅仅是CPU。
分级分级：在峰值窗口/事件之前。
Warm pools：用于快速滑板的加热节点/连接。
网络/CDN：通过RUM/Anycast/POP负载自动重构。

7）队列、服务类和SLA

类："黄金/银/青铜"，目标等待时间和错误预算。
队列/总线：优先级，Tier-0的各个部分，DLQ。
Backpressure：用于内核保护的drop/shape/slow学科。
自适应Taymout/Retrai：服务类别和当前状态。

8）人力资源

班次和覆盖范围：交通匹配（追随太阳），P1+P2达到顶峰。
SRE/Dev焦点：KPI的每反应/启动时间（例如50/50）的百分比。
资源查询：每小时/冲刺的RFC模板,透明的优先级队列。

9）金融模型（FinOps）

单位经济学：$/1K查询，$/成功支付，$/GiB Logs。
预算和差额：帐户/特许权配额，超支警告。
优化：热/热/冷存储，木刻采样，非关键现货池。
Showback/Chargeback：团队/男高音的成本报告激励效率。

10）提供商管理

限制和窗口：合同的TPS和PSP/KYC/CDN的队列；日历中的计划窗口。
Failover配置文件：多供应商之间的权重和路由。
脉搏度量：响应时间、容错性、成本/成功操作。

11）分布成熟度度量

SLO Adherence按等级：黄金/银/青铜的合规性百分比。
资源效率：CPU/RAM/IO（中位数/p95）的处置。
Cost per SLO点：保持目标SLO的成本变化。
Throttling/Preemption rate：我们排挤的频率和人。
热点MTTA：应对池/tenant过热的时间。
公平指数：Tenant之间的延迟/配额分布（基尼/变异）。

12）支票单

在更改分布之前

• 定义了SLO目标和服务类别。
• 有负荷遥测（p95/p99，生长，季节性）。
• 配额/限额在Git中进行了描述，并进行了咆哮。
• 测试邻居效应（隔离测试）。
• 回滚计划和护卫队已经准备就绪。

每周运营一次

• 池处置热图和热点报告。
• FinOps报告：$/ed.,超支,异常。
• 提供商限额和SLA已得到满足。
• 队列：班级内的延迟，没有饥饿。
• CAPA在工作中发现的瓶颈。

13）模板（想法）

13.1配额政策（YAML）

yaml tenant: vip-eu class: gold compute:
cpu:
request: "8000m"
limit: "12000m"
memory:
request: "16Gi"
limit: "24Gi"
storage:
tier: hot iops_min: 8000 network:
egress_mbps_cap: 500 slo:
latency_p95_ms: 250 preemption:
protected: true burst:
allowed: true max_factor: 1.5

13.2自动缩放配置文件（片段）

yaml autoscaling:
metric: "queue_depth"   # или biz_sli.payment_latency_p95 target: 200 min_replicas: 6 max_replicas: 60 warm_pool: 4 cooldown_sec: 120

13.3类服务和队列

yaml class: gold sla:
wait_p95_ms: 150 queue:
partition: "gold-eu"
retry_policy:
attempts: 2 backoff_ms: 200 backpressure: "shape" # иначе drop/slow

13.4资源申请（人员）

RFC: RES-OPS-2025-11
Цель: усилить on-call P2 на пике ноябрьских промо (EU)
Период: 2025-11-25..2025-12-05
Обоснование: прогноз трафика +30%, прошлогодний p95 MTTA ↑
Запрос: +1 P2 слот/сутки, +IC в prime-time

14）程序与自动化

计划者机器人：计算流量历史和目标SLO，PR到策略存储库的配额。
Guardrails-bot：在配额/超额分配不足的情况下向派遣人员发出停止信号。
Comms-bot：超支/置换/班级变更命令通知。
注释：版本/服务窗口更改工作时间的权重/配额（之后取消支持）。

15）反模式

脱颖而出，没有SLO和遥测。
一个大池供所有人使用，没有隔离"嘈杂的邻居"。
没有上限的失控爆破→"扼杀"邻居。
缺少backpressure/队列 →雪球taymout。
忽略日志成本/egress是"安静"的预算泄漏。
没有季节性/高峰的固定配额→不可用或超支。

16）实施路线图（4-8周）

1.奈德。1-2：资源和服务清单；类分配（gold/silver/bronze）；主要配额；基本的SLO。
2.奈德。3-4：启用SLI代理自动缩放；设置队列和后置压力；隔离Tier-0池。
3.奈德。5-6： FinOps报告（美元/日,配额,预算差额）；warm-pools和彩绘滑板在高峰日。
4.奈德。7-8：计划者/Guardrails自动化，tenant内阁（配额/价值可见），季度评论公平和热点。

17）结果

资源分配不是一次性设置，而是嵌入在SLO，遥测和FinOps中的实时过程。当优先级正式化时，默认情况下，配额和限制（例如代码，隔离和弹性）以及决策得到指标和成本的支持，系统将始终保持高峰，保护关键漏洞，并且不会"耗尽"预算。