容量規劃

1）什麼是容量規劃，為什麼需要

能力規劃（能力規劃）是評估並提供以最低成本實現目標SLO所需資源的系統過程。它不僅涉及CPU/內存，還涉及網絡吞吐量，存儲，DB/kesh，事件隊列/總線，外部提供商（付款/KUS/antifrod）以及人力資源（電話，支持）。

• 執行SLO/SLA甚至在高峰和降解。
• 盡量減少TCO和簡單資本（過度投資）。
• 減少資源耗盡的事件風險（saturation → p99/錯誤）。
• 確保發布和活動（市場營銷，錦標賽，頂級比賽）的可預測性。

2）輸入和真相來源

可觀察性：RPS/concarrentity，p50/p95/p99，error-rate，aturation（CPU，mem，disk IOPS，network pps/mbps），隊列長度，rate限制。
商業活動：活動日歷，季節性（晚上/周末/大型活動），地區/轄區。
Tehdolg/Fichi：路線圖發布、體系結構更改（例如加密、新拼寫）。
提供商：配額和通過支付/KUS/郵件/反欺詐服務。
過去的事件：瓶頸在哪裏（DB，kesh，L7平衡器，總線，CDN，磁盤）。

3）基本概念和公式

Headroom-容量庫存：'headroom=（max_RPS −實際_RPS ）/max_RPS"。
峰值為20-40％（對於關鍵流）的目標值。
Aturation-占用資源與可用資源的關系（CPU% 、內存/GC、連接、文件描述器、IOPS、隊列深度）。
Throughput是穩定的-p99和error-rate執行長時間SLO（非一次性激增）的速度。
Capacity Unit（CU）是該服務的配給功率單位（例如X RPS每個pod vCPU=1，RAM=2 GiB）。
系統限制為max，無降解：「N_pods × CU」。重要的是要考慮共享的依賴性（DB/kesh/總線）。

4）需求模型： 預測

統計排名：每周/每日季節性，假期，體育決賽，區域高峰。
隊列：按國家/地區、支付提供商、設備、VIP細分市場。
事件三角洲：運動/槍支/發行版/SEO的影響。
「如果」（場景規劃）：晚上7點至晚上10點的流量增加50％；提供商A的下降→重新分配到B（對潛伏期增加30％）。
實時調整：不按主要指標（重振會議，排隊比賽，籃子）進行調整。

5）句子模型： 鏈條「斷裂」的地方

請求管道：Edge/CDN → L7平衡器→應用程序→ kesh → DB →外部API →隊列/總線→ 處理程序/ETL。

• 容量（CU/實例）、可擴展性（Horizo​​n/Vertic）。，極限（連接，pps，IOPS），滯後。
• 拒絕政策（利率限制，電路突破，退化）。
• SLO是本地的，它們對e2e-SLO的貢獻。

6）錯誤庫存和預算

我們將頭部與錯誤預算聯系起來：預算減少→庫存增加。
對於關鍵流（付款/驗證）-上面的頭部，對於次要流-下面的頭部。
寒冷/溫暖儲備：在高峰/事故中激活。

7）縮放： 戰術

HPA（按負載度量）：RPS，latency，隊列長度，定制SLI（優於CPU％）。
VPA：調整podam資源（與stateful和p99 GC）。
KEDA/適配器：按外部源（Kafka lag, Redis list length, CloudQueue depth）進行縮放。
Warm pools/加熱：提前舉起實例以避免寒冷的開始。
「加載代碼」方法：對自動軌道/限制/定時器/轉發策略進行驗證並進行審查。

8）隊列，後壓和尾部控制

目的是防止p99的雪崩狀生長。
限制並發性和隊列大小，引入時間窗口和冪等性。
Hedging/Retry-budget：限制用戶和系統的總體時間預算。
Graceful degradation：在超載時關閉次要幻燈片。

9） DB、Keshi和Storage

DB：連接限制，日誌/FSync，索引，查詢計劃，replica lag，熱鍵/表，事務的max TPS。
Keshi：按細分得分，釋放/殘障時的「錯過風暴」，按鍵分配。
Storaj： IOPS/throughput,延遲,壓縮,TTL,清理舊批次/快艇。
遷移模式：expand→migrate→contract沒有停止鎖定。

10）事件流和ETL

Kafka/總線：批量吞吐量，lag，ISR，compaction，生產商/消費者限制。
ETL/batchi：啟動窗口、運行時間預算、對原木的影響（throttle I/O）。
對於臨界浮動（付款/資產負債表），相同性和異常性。

11）網絡和外圍

L4/L7平衡器：連接極限,syn backlog, TLS offload, session reuse。
CDN/Edge：帶寬、緩存策略以減少起源負載。
網內限制：VPC/子網中的 pps/mbps，egress成本（FinOps）。

12）多區域，DR和轄區

策略：主動（GSLB/Anycast），主動（熱/熱/冷DR）。
N+1按地區分列：在保持SLO核心流的同時忍受AZ/地區的損失。
法律本地化：按國家/地區劃分流量/數據，不同的限制以及每個提供商的SLO。
DR測試：具有實際負載轉移的常規遊戲日。

13）外部提供商： 配額和路線

付款/KYC/antifrod/郵件/SMS：TPS配額，爆發，日限。
多供應商：潛能/成功路由,SLO按供應商,自動收件人。
SLA合同：合規e2e-SLO，升級渠道，狀態網絡手冊。

14） FinOps： 成本和效率

TCO：compute+storage+network egress+許可證/提供商+值班。
單位經濟學：1k 請求/1存款交易/1 KYC的成本。
優化：右對齊,現貨/前綴折扣,高速緩存命中,登錄/跟蹤,冷存儲級別。
時移負荷：在「夜間」窗口和廉價區域不關鍵的戰鬥。

15）Dashbords和報告（最低招聘）

Capacity Overview:

當前負載vs持續的鏈路通過。
按服務和地區分列的Headroom；預計24/72小時。
KPI FinOps：$/1K查詢，$/存款。

Risk & Hotspots:

頂部瓶頸（p99, saturation, lag）, DR.

Providers:

提供商的成功/潛伏期和限制；路線上的流量份額。

Backlog:

升級計劃/指數/優化計劃,預期節省/容量增長。

16）流程和角色

RACI：平臺（infra/cluster/balancer），DB/Data（索引，復制），服務命令（分析/緩存），SRE（SLO，Alerta），Sec/Compliance（加密/日誌），財務（預算）。
節奏：每周能力審查（路線圖，預測，風險），每月FinOps摘要，每季度DR測試。
更改管理：大型活動/發布通過機會門（下表）。

17）發行和活動支票清單（capacity-gate）

• 高峰負荷預測和「+x％緊急尾巴」。
• 用於核心流（付款/CUS/登錄）的可用頭頂。
• 向提供者確認配額；備用路由處於活動狀態。
• HPA/KEDA閾值和warm-pool設置。
• 隊列/限制和降級得到驗證（花花公子準備就緒）。
• 金絲雀股份和自動回滾包括在內。
• Dashbords/Alerta （burn-rate, saturation, p99）已驗證。
• DR計劃和升級聯系是相關的。

18）反模式

「CPU <70％-一切都很好」：忽略依賴性限制（DB連接，IOPS，隊列）。
沒有按鏈接度量的集中式「黑匣子」-無法理解限制的位置。
缺少緩存策略-釋放失敗會殺死起源。
沒有預算的撤退限制的硬碼是一場查詢風暴。
「一個支付提供商」是高峰期的故障點。
忽視溫暖的儲備是事件的起因。
沒有定期的DR測試-該計劃在需要時不起作用。

19）迷你計算（示例）

服務X：每波德350 RPS的可持續性（vCPU=1, RAM=2 GiB）。目標是5,000 RPS，頭部25％。

所需功率='5000/0。75 = 6667 RPS`.

Podov='ceil（6667/350）=20'。另外，warm-pool 15% → 3 pod。

DB： 12k TPS限制，當前信用9k TPS，高峰預測10。5k TPS →庫存1.5k (14%).需要：索引/sharding/副本或緩存以降至 8。5k.

提供商A （KYC）：配額120 rps，峰值95 rps，活動+40% → 133 rps>配額→路由70% A/30% B。

20）實現能力規劃模板

1.描述e2e路徑和瓶頸。
2.引入CU並測量每個層的穩定通量。
3.在所有鏈接上配置靜止度和p99度量。
4.形成事件/活動/發布日歷。
5.構建隊列和「如果」腳本的預測。
6.固定對流和對流區域（綁定到錯誤預算）。
7.設置HPA/VPA/KEDA+warm-pools、限制/轉發/隊列。
8.檢查提供商配額,啟用多條路由。
9.收集減速板和每周的節奏能力評論。
10.每季度-DR演習和模型修訂。

21）結果

容量規劃是一組可管理的預測，架構限制和成本，而不是「增加CPU」。當每個e2e路徑層都具有測得的容量，並且頭部和降解策略與SLO和錯誤預算相關聯時，峰值負載，活動和事故不再令人驚訝。這種方法可以降低事故風險，穩定業務指標並優化成本。