智汇 IT
城启新篇

容量规划从堆机器到算细账

凌晨三点。手机响了。CPU打满。你爬起来扩容。加机器。第二天流量回落。新买的节点在那儿空转。钱花了。这就是容量规划没做好的日常。

很多人把容量规划当成算命。拍脑袋。去年多少。今年翻倍。买。结果呢?要么不够。要么浪费。说实话。这事没那么玄。但也没那么简单。

先搞清楚容量规划到底在规划什么

不是只算CPU。内存。磁盘IO。网络带宽。连接数。队列长度。甚至包括数据库的TPS。缓存命中率。容量规划的核心是找到资源供给和业务需求之间的平衡点。但这个平衡点一直在动。

业务说。我要万无一失。运维说。预算就这么多。两边扯皮。最后往往按最坏情况准备。代价就是闲置。反过来。按平均水位准备。大促一来就崩。麻烦在于。你很难提前知道大促到底来多少流量。

运维工程师深夜查看服务器CPU监控告警图
运维工程师深夜查看服务器CPU监控告警图

所以得靠数据。历史监控。压测。业务预测。三样缺一不可。历史告诉你过去什么样。压测告诉你系统能扛多少。业务预测告诉你未来可能什么样。但业务预测经常不准。去年翻倍。今年可能持平。甚至下降。你信谁?

余量留多少是个玄学

有人留20%。有人留50%。有人留一倍。余量不是越多越好。每多一台机器。都是钱。电费。机柜。运维成本。云上更直接。账单每月准时来。

但余量太少。风险就高。一个突发流量。一个慢查询。一个内存泄漏。系统就可能雪崩。你赌不起。尤其核心链路。支付。登录。订单。这些地方宁可浪费一点。

不过话说回来。非核心链路呢?推荐。评论。历史订单。这些可以降级。可以限流。可以排队。容量规划不是一刀切。得区分业务等级。SLA要求。RTO。RPO。这些词听着烦。但真出事的时候。它们就是决策依据。

云平台资源利用率监控仪表盘展示CPU内存曲线
云平台资源利用率监控仪表盘展示CPU内存曲线

有个团队做过实验。把余量从50%降到20%。省了三分之一机器。结果一次营销活动。流量涨了40%。系统没崩。因为自动扩容跟上了。但自动扩容也有代价。冷启动慢。扩容需要时间。如果流量涨得太快。还是来不及。

云原生改变了什么又没改变什么

云原生改变了什么又没改变什么
云原生改变了什么又没改变什么

弹性伸缩听起来很美。按需付费。用多少算多少。但实际用起来。限制不少。HPA基于CPU。但CPU不是唯一指标。内存涨了CPU没动。HPA不动。然后OOM。这事不少见。

还有。云厂商的实例规格。不是你想加多少就加多少。配额限制。区域库存。价格波动。云不是无限资源池。大客户也得提前报备。不然大促时开不出机器。

所以现在做容量规划。反而更复杂了。以前管物理机。买回来就行。现在要管云账号。配额。预留实例。竞价实例。成本模型变了。但核心没变。还是得知道系统能扛多少。需要多少。什么时候需要。

说白了。容量规划是个持续过程。不是一年做一次。业务在变。代码在变。架构在变。你的容量模型也得跟着变。

代价怎么算

代价怎么算
代价怎么算

过度规划的代价是浪费。不足的代价是故障。哪个更贵?看业务。电商大促崩一小时。损失可能是几百万。那多买机器就是保险。内部系统崩一小时。大家喝杯咖啡。那就可以抠一点。

关键是把代价量化。别光说“重要”。要算。每小时损失多少。影响多少用户。修复要多久。这些数字摆出来。决策就容易了。

还有一点。容量规划不只是技术问题。是组织问题。谁负责。谁审批。谁背锅。很多公司没明确。结果就是没人做。或者做了没人认。出事再复盘。晚了。

我见过做得好的团队。每周看监控趋势。每月做容量评估。每季度做压测。大促前一个月开始准备。预留 buffer。准备降级方案。上线前再压一次。听起来繁琐。但真到峰值时。心里有底。

反过来。拍脑袋的团队。大促前三天开始买机器。结果云厂商没库存。临时改架构。上线一堆 bug。最后靠人肉扛。扛过去了是英雄。扛不过去是事故。

所以别把容量规划当负担。它其实是帮你省钱的。也是帮你保命的。

最后说个小事。有次我问一个架构师。你们容量规划怎么做。他说。看去年。加一倍。再打个折。我问为什么打折。他说。因为去年也是这么干的。你看。这就是循环。

打破循环。从看数据开始。从算清楚代价开始。从承认自己不知道开始。

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。如有侵权请联系删除。
文章名称:容量规划从堆机器到算细账
文章链接:https://www.itcdj.com/news/881.html