ტვირთისა და რისკების პროგნოზირება

1) რატომ არის ეს აუცილებელი?

• დაგეგმვა (capity planning) და ბიუჯეტი;
• SLO/SLI პარამეტრები, შეცდომების ბიუჯეტები და ალერტინგის პოლიტიკოსი;
• გამოშვების სტრატეგიის არჩევა (canary, blue-green, dark launch);
• რისკების მართვა: დეგრადაციის თავიდან აცილება, რიგები, გარიგების ფრაგმენტი, SLA ჯარიმები.

2) ძირითადი ცნებები

დატვირთვა (დატვირთვა): შემომავალი მოვლენების/ოპერაციების ინტენსივობა (RPS, TPS, events/sec), აგრეთვე CPU/RAM/IO/NET მოხმარება.
Capacity (Capacity): სტაბილურად მიღწეული შესრულება მოცემული SLO და ღირებულებით.
რისკი: არასასურველი მოვლენის × გავლენის ალბათობა (SLA მარცხი, ინციდენტი, გადატვირთვა).
ადრეული ინდიკატორები: ინციდენტამდე მზარდი მეტრიკა (latency p95/p99, queue depth, GC pauses, error rate, saturation).
უსაფრთხოების ზღვარი (Headroom): ხელმისაწვდომი სიმძლავრის თანაფარდობა მიმდინარე დატვირთვასთან.

3) მონაცემთა წყაროები და მეტრიკა

წყაროები: logs და მეტრიკა (Prometheus/OTel), ტრეკები, ბიზნეს ტირაჟი (Kafka), CDN/WAF/ALB Logs, marktech მონაცემები (კამპანიები), ღონისძიების კალენდარი, ბილინგი/კატები (FinOinOps), ichichichetet/გამოშვებები, რიგები (Kafka/Rabbit), BD/ქეში.

• ტრაფიკი: RPS/TPS, აქტიური მომხმარებლები (DAU/MAU), სესიები, ნაბიჯების კონვერტაცია.
• პროდუქტიულობა: latency p50/p95/p99, throughput, შეცდომები (4xx/5xx), timeouts, retries.
• Ресурсы: CPU/LoadAvg, RAM/GC, disk IOps/lat, network bw, connection pool usage.
• რიგები: backlog, lag, consumer lag, time-in-queue.
• БД: QPS, lock waits, slow queries, replication lag.
• Кэши: hit ratio, eviction rate, hot keys.
• ბიზნესის დონე: დეპოზიტები/განაკვეთები წუთში, გადახდის უარი, KYC/AML რიგები.
• საიმედოობა: SLI/SLO, error budget burn (1h/6h/24h).

4) ძირითადი პროგნოზირების მოდელები

1. დეტერმინალური და კალენდარული: რეგრესია ცნობილ დრაივერებზე (თარიღი/დრო, მატჩები, ტურნირები, ბაზრის აუზები, გეო, აქციების იარაღი).
2. სტატისტიკა: სეზონური/ტენდენცია (ARIMA/ETS), რეგრესია არდადეგებთან, მსგავსი მიდგომები.
3. ML/ensembles: gradient Busting/Random Forest/XGBoost/LightGBM; ჩვენ დავამატებთ ფიჩებს: ამინდი, გაცვლითი კურსი, სპორტული ამბები, კონკურენტი ტირაჟი.
4. შერეული: სტატისტიკა ძირითადი სეზონურობისთვის + ML ეგზოგენური ფაქტორებისთვის (კამპანიები, გამოშვებები).
5. კვოტები/კვანძები: პროგნოზი არა მხოლოდ საშუალოა, არამედ p90/p95 headroom- ის დაგეგმვისთვის.

მოდელის გამოშვებები: RPS/TPS პროგნოზი და ლატენტობის/შეცდომების განაწილება T + 1h/T + 24h/T + 7d/T + 30d ჰორიზონტებზე სანდო ინტერვალებით.

5) რიგები და შეზღუდვები: მინი თეორია

Little- ის კანონი: L = c × W (სისტემაში საშუალო რაოდენობა = ინტენსივობა × საშუალო დრო).
ვიწრო ადგილები: BD/ქეში/საბურავი/ნაერთების აუზები/პროვაიდერების API ლიმიტები.
Saturation: დატვირთვისას> 70-80%, ლატენტობა არაწრფივად იზრდება.
Backpressure: მომხმარებელთა დაცვა გადატვირთვისგან (ლიმიტები, ხაზები, აშკარა პოლიტიკა, ფიჩების დეგრადაცია).

6) ტევადობის დაგეგმვა (Capacity Planning)

SLO მეთოდი: საჭირო p99 ლატენტობა და მისაღები error rate, რომელიც შენარჩუნებულია headroom N% -ით.
მეთოდი „სცენარისგან“: „ჩემპიონთა ლიგის მატჩი“, „შავი პარასკევი“, „ფართომასშტაბიანი ტურნირი“ - ზედა მეოთხედი ტრეფიკი + ერთი AZ/კვანძი.
Cost-aware მეთოდი: ჩვენ ვირჩევთ კონფიგურაციას $/RPS, ფასდაკლების, სარეზერვო, სპოტის/გამოწერის, ავტოსალინგის გათვალისწინებით.

არტეფაქტები: Capacity Model per სერვისი, ლიმიტები და კვოტები (API, BD, რიგები), ცხრილი „ვიწრო ადგილი - მოქმედება“ (შარდვა, ქეშირება, რეპლიკა, CQRS, ასინკი).

7) რისკების მართვა

რისკების რეესტრი: იდენტიფიკატორი, აღწერა, ალბათობა, გავლენა (ფინანსები/SLA/მარეგულირებელი), მფლობელები, პრევენციის/რეაქციის გეგმები.
კატეგორიები: დატვირთვა (გადატვირთვა), ინფრასტრუქტურა (AZ/region fail), დამოკიდებულებები (გადახდის პროვაიდერები), გამოშვება (რეგრესია), საკვები (კამპანია უფრო ძლიერია, ვიდრე მოლოდინები), შესაბამისობა (ლიმიტები/რეგულატორი).
მატრიცა: Heatmap (Low/Medium/High × Impact).
KRI (Key Risk Indicators): რიგების სიღრმე, p99 ზრდა, hit-ratio ვარდნა, burn rate> 2 ×, პროვაიდერების შეცდომები.

8) ადრეული გაფრთხილება და ალერტინგი

Early-warning SLIs: ზრდა p95, ქეშების შემცირება, tail latence ზრდა, retry/timeout ზრდა, მზარდი მზარდი მზარდი lag.
Burn-rate არის შეცდომების ბიუჯეტის ალერტები: სწრაფი (1h) და ნელი (6-24h) ფანჯრები.
ბარიერი და ანომალია-ბაზირებული ალერტები: ძირითადი ბარიერები + ანომალიების მოდელები (IQR, STL, ნაკადის დეტექტორები).
სიგნალის ერთობლიობა: განთავისუფლების მოვლენების კორელაცია/დეგრადაციის კამპანიები.

9) სცენარის ანალიზი და რა-if

„თუ ტრაფიკის ზრდა + 60% 10 წუთში?“

„თუ CDN/WAF წყვეტს ლეგიტიმური ტრაფიკის 5% -ს?“

„თუ გადახდის პროვაიდერი კარგავს ავტორიზაციის 30% -ს?“

თითოეული სცენარისთვის: მოსალოდნელი მეტრიკა, ვიწრო ადგილები, დეგრადაციის ნაბიჯები (კრიტიკული წინსვლა), სახელმძღვანელო/ავტო სკეიტი, პროვაიდერების გადართვა.

10) პროგნოზის ტესტირება და გადამოწმება

დატვირთვის ტესტები: სინთეზური ტრაფიკი (k6/JMeter/Locust), პროფილები „ნამდვილი მიქსი“.
Game Days/Chaos: AZ გამორთვა, BD დეგრადაცია, აუზის ამოწურვა.
Shadow/Dark: ტრეფიკი „ჩრდილში“ ახალი ბილიკის გარეშე, პროდ გავლენის გარეშე.
სიზუსტის რეტროსპექტივა: MAPE/SMAPE/RMSE + post-mortem "სად შეცდომა დაუშვა? ”.

11) პროცესები და როლები

• Responsible: SRE/Platform/DS ანალიტიკოსები.
• Accountable: Head of Ops/SRE.
• Consulted: Dev Leads, Marketing, Finance (FinOps).
• Informed: Support/Compliance/Business.
• კადენსი: ყოველკვირეული პროგნოზები, SLO/Capacity- ის ყოველთვიური გადასინჯვა, წინასწარი ტირიფის რუმები.

12) ხელსაწყოები და დასტის დამზადება

მონაცემები: Kafka, ClickHouse/BigQuery, Lake/DWH, dbt.
მონიტორინგი: Prometheus, Grafana, Tempo/Jaeger, Loki/ELK, OTel.
ML/პროგნოზები: Airflow/Argo, feature store, ARIMA/ETS/GBM მოდელები, პროგნოზის სერვისი (gRPC/REST).
Тесты: k6/JMeter/Locust, Fault-injection/Chaos Mesh.
მენეჯმენტი: Feature Flags, Autoscaling (HPA/KEDA), Policy-as-Code.
FinOps: cost explorer, showback/chargeback ,/RPS დაშბორდები.

13) პრაქტიკული განხორციელების ტექნიკა (roadmap)

1. მეტრიკისა და დამოკიდებულების ინვენტარიზაცია - კრიტიკული ბილიკების რუკა (ანაბარი, განაკვეთი, დასკვნა).
2. SLO/SLI და შეცდომების ბიუჯეტები არის მიზნობრივი p95/p99, error-rates, burn-alert.
3. მონაცემთა შეგროვება და გაწმენდა - მოვლენების ერთი ფენა/მეტრიკა, დედაპლაცია, დაგვიანება.
4. სეზონური სეზონის ძირითადი პროგნოზი არის დღისით/ყოველკვირეული ნიმუშები, არდადეგები/მატჩები.
5. დრაივერების გაფართოება - ბაზრის კამპანიები, გამოშვებები, გეო, გადახდის ფანჯრები.
6. Capacity მოდელები სერვისებისთვის - headroom, limites, ვიწრო ადგილები, ოპტიმიზაციის გეგმა.
7. სცენარი „what-if“ და დეგრადაციის ცხრილი (kill-switches, read-only, grace).
8. ტესტების/ჩრდილების გადამოწმება - მოდელების და რეიდების კორექტირება.
9. ოპერაციული რუტინა - ყოველკვირეული პროგნოზები, revent revention, retro retro.
10. ავტომატიზაცია - პროგნოზის მიხედვით, პროვაიდერების ავტოპარკი, ფიჩეფლაგის მანქანები.

14) ანტიპატერები

პროგნოზი „მხოლოდ საშუალოზე“ p95/p99 კუდის გარეშე.
რიგებისა და ტყვიების უგულებელყოფა - პრობლემები მწვერვალზე მოდის.
„ხელით თვალზე“ სანდოობის და სიზუსტის მეტრიკის გარეშე.
არანაირი კავშირი არ არსებობს ხარჯებთან.
დეგრადაციის გეგმის არარსებობა და ფიჩეფლაგები.

15) დაშბორდი და მოხსენებები

Exec Dashboard: პროგნოზი RPS/TPS (p50/p90/p95), headroom, რისკის გათბობა, burn-rate.
The Dashboard: p95/p99 latence სერვისებისთვის, რიგები/lag, hit-ratio, კომპონენტების აუზი, BD/ქეში, გარე API ლიმიტები.
ფინანსური: $/RPS, ხარჯების პროგნოზი, ოპტიმიზაციის ეფექტი.
პროგნოზის სიზუსტე: ფაქტობრივი vs პროგნოზი, შეცდომა პერიოდებში/გეო/არხებზე.

16) არტეფაქტების შაბლონები

Risk Register: ID, რისკი, ალბათობა/გავლენა, მფლობელი, KRI, პრევენციის გეგმა, რეაქციის გეგმა.
Capacity Sheet: მომსახურება, მიმდინარე throughput, ლიმიტი, ვიწრო ადგილი, headroom, საჭირო გაფართოება, ETA/ღირებულება.
What-If Cards: სცენარი, შეყვანის ფაქტორები, მოსალოდნელი მეტრიკა, მოქმედებები, დასრულების კრიტერიუმი.
Playbook Degrade: Fich- ის გამორთვის სია, QoS დონე, ქეში/სტატიკის მარშრუტები, retry/timeout ლიმიტები.

17) ძირითადი KPI ფუნქციები

SLO- ს შესრულება (პერიოდების% სამიზნეში), ადრეულ ინდიკატორებზე რეაგირების დრო, პროგნოზის სიზუსტე (MAPE/SMAPE), გადატვირთვის გამო ინციდენტების რაოდენობა, ავტომატური მასშტაბების წილი, $ დაზოგვა/RPS SLO დეგრადაციის გარეშე.

შედეგი

დატვირთვისა და რისკების სისტემური პროგნოზირება არის კავშირი: მაღალი ხარისხის მონაცემები, მნიშვნელოვანი მეტრიკა, გადამოწმებული მოდელები, სკრიპტები და playbooks, მასშტაბის ავტომატიზაცია და დეგრადაცია. ასეთი წრე უზრუნველყოფს სტაბილურობას, ხარჯების პროგნოზირებას და მომხმარებლის სტაბილურ გამოცდილებას ექსტრემალურ მწვერვალებშიც კი.