用途：在季节性流量高峰、新功能上线、季度容量评审、资源利用率持续上升或预算规划前，基于历史指标预测资源需求，避免资源饱和。
主要能力：收集 CPU、内存、磁盘、网络、请求速率、数据库连接池等历史指标；用 Prometheus 的 predict_linear() 预测达到阈值的时间；计算各资源当前余量与饱和剩余时间；结合业务增长预测建模多种场景；生成带成本、时间线和触发条件的扩容建议；配置低余量容量告警。
使用方式：需提供至少 4 周（建议 8 周）历史指标与趋势分析时间范围，可选业务增长预测和预算约束。步骤为：查询并导出 Prometheus 指标；用 predict_linear 计算增长率并预测饱和；计算当前余量；用脚本建模增长场景；生成扩容建议；配置容量告警。示例查询如 predict_linear(avg(rate(node_cpu_seconds_total{mode!="idle"}[5m]))[8w:], 4724*3600) > 0.80，导出命令使用 curl 调用 Prometheus 的 /api/v1/query_range。
适用场景：基础设施容量评审、扩容决策、预算规划前的资源预测。
限制：线性预测需至少 4 周数据，数据不足则预测不可靠；部署、迁移等阶跃变化会扭曲趋势；线性假设不适用于指数增长；需考虑采购与迁移的提前期；需与预算对齐。相关技能包括 setup-prometheus-monitoring、build-grafana-dashboards、optimize-cloud-costs。