团队要签的是「活动期间可以承接每秒 1,000 次会话」,而压测最高跑到每秒 1,200 次。若要求丢失一个可用区后仍可服务,同样的混合流量在剩余两个可用区只通过了 850,会签结论就要改。容量是给定约束下通过验收的负载档位。

先写验收口径,再选择最高通过档

虚构交易把「在 2 秒内正确确认的订单比例」作为服务等级指标(SLI)。计时从提交逻辑订单开始,结束于用户可读的正确终态。每个业务 ID 只计一次,重试仍占用入口和下游资源。按提交时间归属五分钟订单批次,窗口结束后等待每笔订单的期限到达,再对账。若五分钟提交 24,000 笔,99.5% 的 SLO 至少需要 23,880 笔按时正确完成。超时未完成、业务失败、错误终态和不允许的拒绝都记入未达标。

同一档位还要满足负载有效性的前提。以模型允许的容差检查实际会话启动、入口动作混合、热点、重试量和订单流量,没有达到目标输入的运行不用于该档位签字。验收还要确认积压无持续增长、正式侧无测试写入,以及停压后能恢复到预设基线。固定版本下做多次有效运行,约定在每次运行都通过这些条件时签出通过档。

拓扑 输入档位 五分钟提交 / 按时正确完成 其余观察 判定
三可用区 1,000 会话/秒 24,000 / 23,940 队列无持续增长 通过
三可用区 1,200 会话/秒 28,800 / 28,670 队列无持续增长 通过
三可用区 1,250 会话/秒 30,000 / 29,730 消费积压增长 失败
两可用区 850 会话/秒 20,400 / 20,315 队列无持续增长 通过
两可用区 1,000 会话/秒 24,000 / 23,640 分区排队和超时增长 失败

表中是示意批次,每档还需在事先约定的次数和窗口内复验。可签的最高通过档分别为 1,200 和 850。只有已测通过档有直接证据,850 到 1,000 之间仍需复验。要求丢失一个可用区仍承接全部目标时,1,000 这一要求尚未满足。按已验证的 850 计算,和目标相差 150 会话/秒。容量评审应同时核对健康态和容灾态。

用拓扑和需求情景核算冗余

在完全相同、均匀分流而且没有共享瓶颈的简化条件下,N 个可用区失去一个,剩余每区输入约乘以 N / (N − 1)。三可用区变两可用区时,每区由约 333 增长到 500 会话/秒。若另有一半需求集中在某地,或者某个存储分片只能落在一处,就直接模拟真实流量切换与剩余配额。有几个可用区属于拓扑信息,冗余比例需要用容灾目标和故障放置推导。旧笔记里按冗余数放大的例子可以用来提出测试问题,实际倍率由路由决定。压力测试需要关注的注意事项 · Google SRE 的容量与故障规划

还要区分「故障已经完成后的稳定供给」和「故障发生时的切换过程」。后一种需要计入断开的连接、重试、中间的路由偏斜、消费者重平衡及扩容生效前的容量。稳态测到 850,并不能推出切换期间每一秒也能提供 850。将预测流量做成常态、活动、故障三组时,应为每组分别记录负载和持续时间,并注明所允许运营降级的功能以及给核心交易留下的预算。

容量结论需要附带复验材料

记录项 样例内容
系统条件 版本、配置、拓扑、实例和配额、外部支付替身
输入条件 场景脚本版本、数据种子、热点比例、实到速率、背景流量
验收窗口 开始与结束、预热、稳定观察、排空与重复次数
证据入口 指标查询与快照、业务 ID 对账、错误分类、队列趋势
决策 最后通过档、首个失败档、阻断条件、修复后复验项

可以按发布节奏运行两类回归。短跑固定可复制的前置数据、负载和窗口,用于判定改动是否引入明显退化。大规模试验在活动前、容量敏感的架构变化后及流量变化后执行,保留有状态和故障条件。基线太抖时先建立噪声范围和重复次数,并保存原始分布。若 A/B 运行受日内波动影响,可以交替运行基线和候选版本,记录顺序、预热及前次运行的残留。每次修复先复跑原失败场景,再复验目标档及邻近档位。报告保留通过条件以及重建数据所需的脚本、环境和证据。AWS 关于可扩展性与性能验收

系列导航

上一篇 系列目录 下一篇
怎样从监控证据定位瓶颈 深入压测 从组件基准到生产活动演练