capacity-planning

Capacity Planning

Use Cases

• Capacity assessment before major promotions / events
• Routine scaling decisions
• Cost optimization
• Resource estimation for new services
• Annual capacity budget

Core Principles

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%

1. Bottleneck First Find the resource that gets overwhelmed first

2. Cost Awareness Scaling has costs; more is not always better

3. Regular Review Review monthly / quarterly

## 容量评估公式

```text
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

Workflow

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

Supporting Templates

• templates/capacity-plan-template.md — Capacity assessment + forecasting + cost + plan

Quality Self-Check

□ 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

Common Pitfalls

1. Estimating without load testing——the numbers are unreliable
2. 100% utilization——no buffer
3. Looking only at CPU——the bottleneck may be in the connection pool
4. Ignoring cost——over-scaling
5. Irregular reviews——resource waste

Collaboration with Other Skills

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