capacity-planning

name	capacity-planning
description	容量规划时使用。适用于扩缩容决策、大促准备、成本优化、资源预测。融合 Google SRE Capacity Planning + 负载测试 + 成本模型。

容量规划（Capacity Planning）

适用场景

• 大促 / 活动前容量评估
• 日常扩缩容决策
• 成本优化
• 新服务资源预估
• 年度容量预算

核心原则

1. 数据驱动
   基于历史指标预测，不靠猜

2. Buffer 预留
   目标利用率 60~70%，不是 100%

3. 瓶颈优先
   找最先压垮的资源

4. 成本感知
   扩容有成本，不是越多越好

5. 定期评审
   每月 / 每季度回顾

容量评估公式

所需实例 = 峰值 QPS / 单实例 QPS × Buffer

示例：
  峰值 QPS = 10000
  单实例 QPS = 500（压测得出）
  Buffer = 1.5（50% 余量）
  
  实例数 = 10000 / 500 × 1.5 = 30

按 N+2 容灾：
  实际部署 = 32

工作流程

1. 收集当前指标
   - CPU / Memory / QPS / 连接数
   - 历史峰值
   - 增长趋势

2. 预测未来负载
   - 线性增长 / 季节性
   - 大促倍数

3. 压测单实例容量
   - k6 / JMeter
   - 找拐点

4. 计算所需资源

5. 成本评估

6. 扩缩容方案
   - 手动 / HPA / KEDA

7. 验证（压测）

8. 文档化

配套模板

• templates/capacity-plan-template.md — 容量评估 + 预测 + 成本 + 方案

质量自检

□ 基于数据（不靠猜）
□ 压测验证
□ Buffer 预留（50%+）
□ 成本评估
□ 扩缩容方案
□ 定期评审
□ 大促提前准备
□ 瓶颈识别

常见坑

1. 不压测就预估——数字不可信
2. 利用率 100%——没有 buffer
3. 只看 CPU——可能瓶颈在连接池
4. 不考虑成本——过度扩容
5. 不定期评审——资源浪费

与其他 skill 的协作

上游：
  devops-engineer monitoring-alerting → 指标数据
  
下游：
  devops-engineer kubernetes-orchestration → HPA 配置
  devops-engineer infrastructure-as-code → 资源申请