Σχεδιασμός χωρητικότητας

1) Τι είναι ο σχεδιασμός ικανοτήτων και γιατί είναι απαραίτητος

Ο σχεδιασμός της χωρητικότητας είναι η συστηματική διαδικασία αξιολόγησης και εξασφάλισης των πόρων που απαιτούνται για την επίτευξη των στόχων SLO με ελάχιστο κόστος. Μιλάμε όχι μόνο για ΚΜΕ/μνήμη, αλλά και για εύρος ζώνης δικτύου, αποθήκευση, βάσεις δεδομένων/κρύπτες, ουρές αναμονής/λεωφορείο εκδηλώσεων, εξωτερικούς παρόχους (πληρωμές/CCM/καταπολέμηση της απάτης), καθώς και για ανθρώπινους πόρους (εφημερία, υποστήριξη).

• Εκτέλεση SLO/SLA ακόμη και σε κορυφές και υποβαθμίσεις.
• Ελαχιστοποίηση του TCO και υπερπροσφορά κεφαλαίου.
• Μείωση του κινδύνου εμφάνισης συμβάντων λόγω εξάντλησης πόρων (κορεσμός → p99/σφάλμα).
• Διασφάλιση της προβλεψιμότητας των κυκλοφοριών και των εκστρατειών (μάρκετινγκ, τουρνουά, κορυφαίοι αγώνες).

2) Εισροές και πηγές αλήθειας

Παρατηρησιμότητα: RPS/concatenation, p50/p95/p99, ρυθμός σφάλματος, κορεσμός (CPU, mem, IOPS δίσκου, pps δικτύου/mbps), μήκη αναμονής, όρια ταχύτητας.
Επιχειρηματικές εκδηλώσεις: ημερολόγια εκστρατείας, εποχικότητα (βραδιές/Σαββατοκύριακα/μεγάλες εκδηλώσεις), περιφέρειες/δικαιοδοσίες.
Τεχνικό χρέος/χαρακτηριστικά: χάρτης πορείας των κυκλοφοριών, αρχιτεκτονικές αλλαγές (π.χ. κρυπτογράφηση, νέα υλοτομία).
Πάροχοι: ποσοστώσεις και διακίνηση πληρωμών/CUS/ταχυδρομείο/υπηρεσίες καταπολέμησης της απάτης.
Περιστατικά του παρελθόντος: πού βρίσκεται το σημείο συμφόρησης (βάση δεδομένων, κρύπτη, ισολογισμός L7, λεωφορείο, CDN, δίσκος).

3) Βασικές έννοιες και τύποι

Headroom - περιθώριο χωρητικότητας: 'headroom = (max _ stable _ RPS − real _ RPS )/max _ stable _ RPS'.
Στόχος σε αιχμή 20-40% (για κρίσιμες ροές).
Κορεσμός - ο λόγος του κατειλημμένου πόρου προς τον διαθέσιμο (CPU%, μνήμη/GC, συνδέσεις, περιγραφές αρχείων, IOPS, βάθος αναμονής).
Σταθερή διεκπεραίωση - η ταχύτητα με την οποία το p99 και ο ρυθμός σφάλματος εκτελούν SLO για μεγάλο χρονικό διάστημα (όχι μία διάρρηξη).
Μονάδα δυναμικότητας (CU) - κανονικοποιημένη μονάδα ισχύος για την υπηρεσία (π.χ. X RPS ανά θάλαμο vCPU = 1, RAM = 2 GiB).
Το όριο του συστήματος είναι μέγιστο χωρίς αποικοδόμηση: «N _ λοβός × CU». Είναι σημαντικό να ληφθούν υπόψη οι επιμερισμένες εξαρτήσεις (DB/cache/bus).

4) Μοντέλο ζήτησης: Πρόβλεψη

Στατιστικές σειρές: εβδομαδιαία/ημερήσια εποχικότητα, διακοπές, αθλητικοί τελικοί, περιφερειακές κορυφές.
Ομάδες: ανά χώρα, πάροχοι πληρωμών, συσκευές, τμήματα VIP.
Δέλτα εκδηλώσεων: αντίκτυπος των εκστρατειών/κακά/κυκλοφορίες/SEO.
«Τι και αν» (σχεδιασμός σεναρίων): + 50% στην κυκλοφορία στις 19: 00-22: 00. πτώση του παρόχου Α → ανακατανομή σε Β (+ 30% σε καθυστέρηση).
Προσαρμογές σε πραγματικό χρόνο: σήμερα με μετρήσεις μολύβδου (αναζωογόνηση συνεδριών, ουρά αναμονής για έναν αγώνα, καλάθια).

5) Μοντέλο εφοδιασμού: όπου «σπάει» η αλυσίδα

Μεταφορέας έρευνας: Edge/CDN → L7 balancer → application → cache → DB → external API → turn/tire → handlers/ETL.

• Χωρητικότητα (CU/παράδειγμα), επεκτασιμότητα (ορίζοντας/κορυφή), όρια (συνδέσεις, αντλίες, IOPS), καθυστερήσεις.
• Πολιτικές αστοχίας (όριο ταχύτητας, διακόπτης κυκλώματος, υποβάθμιση).
• Οι SLO είναι τοπικές και συμβάλλουν στην e2e-SLO.

6) Περιθώριο σφάλματος και προϋπολογισμός

Δεσμεύουμε τον προϋπολογισμό σφάλματος: λιγότερος προϋπολογισμός → περισσότερα αποθέματα.
Για κρίσιμες ροές (πληρωμή/επαλήθευση) - κεφαλή ανωτέρω, για δευτερογενείς ροές - παρακάτω.
Ψυκτικές/θερμές εφεδρείες: ενεργοποιούνται στην κορυφή/ατύχημα.

7) Κλιμάκωση: Τακτικές

HPA (με μετρήσεις φορτίου): RPS, καθυστέρηση, μήκος αναμονής, SLIs χρήστη (καλύτερη από CPU%).
VPA: διόρθωση των πόρων podam (με προσοχή με stateful και p99 GC).
KEDA/προσαρμογείς: κλιμάκωση από εξωτερικές πηγές (Kafka lag, μήκος λίστας Redis, βάθος CloudQueue).
Θερμαινόμενες δεξαμενές/προθέρμανση: προανυψωμένες περιπτώσεις για την αποφυγή ψυχρής εκκίνησης.
Προσέγγιση «Load-as-Code»: Οι πολιτικές Autoscale/limit/timeout/retray επαληθεύονται και αναθεωρούνται.

8) Ουρές αναμονής, αντίθλιψη και έλεγχος ουράς

Στόχος είναι να αποτραπεί η ανάπτυξη του p99 που μοιάζει με χιονοστιβάδα.
Περιορίζουμε το μέγεθος του νομίσματος και της αναμονής, εισάγουμε τα χρονικά παράθυρα και την ταυτότητα.
Αντιστάθμιση/Retry-budget: περιορισμός του συνολικού χρονικού προϋπολογισμού του χρήστη και του συστήματος.
Χαριτωμένη υποβάθμιση: απενεργοποίηση δευτερευόντων χαρακτηριστικών κατά την υπερφόρτωση.

9) DB, κρύπτες και αποθήκευση

DB: όριο σύνδεσης, καταγραφή/FSync, δείκτες, σχέδιο ερωτήσεων, υστέρηση αντιγράφου, θερμά κλειδιά/πίνακες, μέγιστο TPS για συναλλαγές.
Keshi: αναλογία χτυπήματος ανά τμήμα, «καταιγίδα αστοχιών» κατά την απελευθέρωση/αναπηρία, κατανομή κλειδιών.
Αποθήκευση: IOPS/διακίνηση, καθυστερήσεις, συμπίεση, TTL, καθαρισμός παλαιών παρτίδων/στιγμιότυπα.
Σύστημα μετάβασης: expand→migrate→contract χωρίς κλειδαριές.

10) Ροές γεγονότων και ETL

Kafka/λεωφορείο: party throughput, lag, ISR, compaction, production/consumer limits.

ETL/παρτίδες: παράθυρα εκκίνησης, προϋπολογισμοί χρόνου λειτουργίας, γκάζι I/O

Ταυτότητα και ακριβώς μία φορά για κρίσιμη ροή (πληρωμές/υπόλοιπα).

11) Δίκτυο και περίμετρος

Ισορροπητές: όρια σύνδεσης, syn backlog, TLS offload, επαναχρησιμοποίηση συνεδρίας.
CDN/Άκρο: εύρος ζώνης, πολιτική μνήμης για τη μείωση του φορτίου προέλευσης.
Όρια εντός δικτύου: pps/mbps σε VPC/subnet, κόστος εξόδου (FinOps).

12) Πολυπεριφερειακές, ΔΚ και δικαιοδοσίες

Στρατηγικές: ενεργό (GSLB/Anycast), ενεργό-παθητικό (ζεστό/ζεστό/κρύο DR).
Ν + 1 ανά περιφέρεια: Διατήρηση της απώλειας ΑΖ/περιφέρειας διατηρώντας παράλληλα τις βασικές ροές SLO.
Νομικός εντοπισμός: κατανομή της κίνησης/δεδομένων ανά χώρα, διαφορετικά όρια και SLO σε παρόχους.
Δοκιμές DR: κανονικές ημέρες παιχνιδιού με μεταφορά πραγματικού φορτίου.

13) Εξωτερικοί πάροχοι: ποσοστώσεις και διαδρομές

Πληρωμές/KYC/καταπολέμηση της απάτης/ταχυδρομείο/SMS: TPS, ποσοστώσεις διάρρηξης, ημερήσια όρια.
Multi-provider: δρομολόγηση με καθυστέρηση/επιτυχία, SLO ανά πάροχο, auto-feiler.
Συμβάσεις SLA: e2e-SLO συμμόρφωση, κανάλια κλιμάκωσης, webhooks κατάστασης.

14) FinOps: Κόστος και αποδοτικότητα

TCO: υπολογισμός + αποθήκευση + έξοδος δικτύου + άδειες/πάροχοι + υπηρεσία.
Unit Economics: κόστος 1k αιτήσεων/1 συναλλαγή καταθέσεων/1 KYC.
Βελτιστοποίηση: εκπτώσεις δεξιού μεγέθους, κηλίδες/πρόθεμα, κρύπτη hitrate, log/trace dedup, επίπεδα αποθήκευσης εν ψυχρώ.
Μεταφορά φορτίου εγκαίρως: μη κρίσιμες παρτίδες σε παράθυρα «νύχτας» και φθηνές περιοχές.

15) Πίνακες και υποβολή εκθέσεων (ελάχιστο σύνολο)

• Τρέχον φορτίο έναντι σταθερής διακίνησης μεταξύ συνδέσμων.
• Αίθουσα διεύθυνσης ανά υπηρεσία και περιφέρεια· πρόβλεψη 24/72 ωρών.
• FinOps KPI: αιτήσεις $/1k, $/κατάθεση.

• Ανώτατα σημεία συμφόρησης (p99, κορεσμός, υστέρηση), περιθώριο DR.

• επιτυχία/καθυστέρηση και όρια παρόχου· μερίδιο της κυκλοφορίας σε διαδρομές.

• Αναβάθμιση/δείκτης/σχέδιο βελτιστοποίησης, αναμενόμενη εξοικονόμηση/αύξηση δυναμικού.

16) Διαδικασίες και ρόλοι

RACI: Πλατφόρμα (infra/clusters/balancers), βάση δεδομένων/δεδομένα (ευρετήρια, αντιγραφές), εντολές υπηρεσιών (profiling/cache), SRE (SLO, καταχωρίσεις), Sec/Compliance (crypto/logs), Finance (προϋπολογισμός).
Ρυθμός: εβδομαδιαία επανεξέταση δυναμικότητας (χάρτης πορείας, προβλέψεις, κίνδυνοι), μηνιαίες εκθέσεις FinOps, τριμηνιαίες δοκιμές DR.
Διαχείριση αλλαγών: Μεγάλες εκστρατείες/κυκλοφορίες πηγαίνουν πύλη χωρητικότητας (κατάλογος ελέγχου παρακάτω).

17) Θύρα δυναμικότητας

• Πρόβλεψη μέγιστου φορτίου και «+ x% ουρά έκτακτης ανάγκης».
• Διαθέσιμο περιθώριο για βασικές ροές (πληρωμές/ACC/σύνδεση).
• Οι ποσοστώσεις έχουν επιβεβαιωθεί στους παρόχους. είναι ενεργές εναλλακτικές οδοί.
• Τα κατώφλια HPA/KEDA και η δεξαμενή θερμότητας είναι διαμορφωμένα.
• Έλεγχος αναμονής/ορίων και υποβάθμισης (έτοιμα βιβλία αναπαραγωγής).
• Οι μετοχές των Καναρίων Νήσων και η αυτόματη ανατροπή είναι ενεργοποιημένες.
• Ελέγχονται οι πινακίδες/ειδοποιήσεις (ρυθμός καύσης, κορεσμός, p99).
• Συναφείς είναι το σχέδιο DR και οι επαφές κλιμάκωσης.

18) Αντι-μοτίβα

«CPU <70% - όλα είναι καλά»: αγνοώντας τα όρια εξάρτησης (συνδέσεις DB, IOPS, ουρές αναμονής).
Κεντρικό «μαύρο κουτί» χωρίς μετρήσεις ανά ζεύξη - είναι αδύνατο να κατανοήσουμε πού βρίσκεται το όριο.
Έλλειψη στρατηγικής κρυφής μνήμης - η απελευθέρωση χάνει την προέλευση του θανάτου.
Το retray όριο hardcode χωρίς προϋπολογισμούς είναι μια θύελλα αιτημάτων.
«Ένας πάροχος πληρωμών» είναι ένα σημείο αποτυχίας στο αποκορύφωμά του.
Η αγνόηση των θερμών αποθεμάτων αποτελεί ψυχρή αρχή ως αιτία συμβάντων.
Δεν υπάρχουν περιοδικές δοκιμές DR - το σχέδιο δεν λειτουργεί όταν χρειάζεται.

19) Ελάχιστες εκτιμήσεις κόστους (παράδειγμα)

Υπηρεσία X: σταθερή 350 RPS ανά θάλαμο (vCPU = 1, RAM = 2 GiB). Ο στόχος είναι 5.000 RPS, αίθουσα κεφαλής 25%.
Απαιτούμενη ισχύς = '5000/0. 75 = 6667 RPS '.
Podov = 'ceil (6667/350) = 20'. Συν θερμή δεξαμενή 15% → 3 επιπλέον λοβό.
DB: Όριο TPS 12k, τρέχουσα πίστωση TPS 9k, πρόβλεψη αιχμής 10. 5k TPS → απόθεμα 1. 5k (14%). Απαιτεί δείκτες/περιτύλιγμα/αντίγραφα ή αποθήκευση για να μειωθεί σε 8. 5k.
Προμηθευτής A (KYC): ποσόστωση 120 rps, μέγιστη τιμή 95 rps, εκστρατεία + 40% → 133 rps> ποσοστώσεις → δρομολόγηση 70% A/30% B.

20) Πρότυπο υλοποίησης του σχεδιασμού χωρητικότητας

1. Περιγράψτε την πορεία e2e και τα σημεία συμφόρησης.
2. Εισάγετε την CU και μετρήστε τη σταθερή απόδοση κάθε στρώματος.
3. Ρύθμιση κορεσμού και μετρήσεων p99 σε όλους τους συνδέσμους.
4. Δημιουργία χρονοδιαγράμματος εκδήλωσης/εκστρατείας/απελευθέρωσης.
5. Κατασκευή πρόβλεψης ομάδας και σεναρίων.
6. Pin headroom ανά νήμα και ανά περιφέρεια (δεσμευτικό για τον προϋπολογισμό σφάλματος).
7. Δημιουργία HPA/VPA/KEDA + θερμοσυσκευές, όρια/retrays/ουρές αναμονής.
8. Έλεγχος ποσοστώσεων παρόχου, δυνατότητα πολλαπλών διαδρομών.
9. Συλλογή πινάκων ταμπλό και εβδομαδιαία αναθεώρηση δυναμικότητας ρυθμού.
10. Τριμηνιαία - ασκήσεις DR και αναθεώρηση μοντέλου.

21) Η τελική γραμμή

Ο σχεδιασμός της χωρητικότητας είναι μια διαχειρίσιμη δέσμη προβλέψεων, αρχιτεκτονικών περιορισμών και κόστους, και όχι "προσθήκη ΚΜΕ. "Όταν κάθε στρώμα της διαδρομής e2e έχει μετρημένη χωρητικότητα και οι στρατηγικές κεφαλής και υποβάθμισης συνδέονται με τον προϋπολογισμό SLO και σφάλματος, τότε τα φορτία αιχμής, οι εκστρατείες και τα ατυχήματα παύουν να αποτελούν έκπληξη. Η προσέγγιση αυτή μειώνει τον κίνδυνο συμβάντων, σταθεροποιεί τις επιχειρηματικές μετρήσεις και βελτιστοποιεί το κόστος.