容量规划是一个产品满足用户目标需求而决定生产能力的过程。

只有线性可水平扩展的集群才适合做容量规划（能通过获取一个节点的处理能力，计算出集群的处理能力）。

线上压测到单节点的某一指标达到临界值，从而计算出集群的最大处理能力，再根据线上历史监控获得当前集群实际运行负荷，通过计算即可求出理论服务器数。

若计算出集群当前的负荷快达到极限处理能力时，则可以通过垂直扩展(加CPU/内存/磁盘)和水平扩展(加服务器)两种方式来增加集群容量。

容量规划共分六步。

第一步，需要明确目标。

容量规划的目标是集群实际负荷小于等于集群理想负荷。

集群水位=集群负荷/集群能力 * 100%

集群能力=单机能力 * 实际服务器数

标准水位=标准负荷/标准集群能力 * 100%

标准集群能力=单机能力 * 理论服务器数

又因为集群负荷=标准负荷

所以集群水位 * 实际服务器数=标准水位 * 理论服务器数

理论服务器数=集群负荷 * 实际服务器数/（标准水位 * 集群能力）

注：单机能力是单台服务器压测阀值qps，是线上压测数据；

单机负荷是前一天单台服务器最大qps，是线上监控数据；

集群能力是单机能力 * 实际服务器数，是线上压测数据；

集群负荷是前一天集群最大qps，是线上监控数据；

单机水位是单机负荷/单机能力 * 100%；

集群水位是集群负荷/集群能力 * 100%。

当然满足目标的同时，集群的状态是受到约束的，资源是不可能无限供应，终会有一项资源会达到临界值。

约束条件有两类，一类是服务类，另一类是资源类。

服务类约束条件主要是响应时间小于等于200ms。

资源类约束条件主要是CPU利用率小于等于80%；内存占用小于等于1GB；磁盘IO使用率小于等于60%；带宽小于等于200Mbps。

第二步，需要了解集群特点。

不同的集群在选取容量指标和约束条件时是完全不同的，容量指标主要用于衡量集群的处理能力，而约束条件是压测停止的信号。

对于CPU密集型的集群，常常选择TPS(每秒处理请求数)作为集群的容量指标来衡量集群的处理能力，而约束条件则会重点关注CPU的使用率是否会率先达到瓶颈。

对于存储型的集群，选择流量(MB/S)作为容量指标，存储型的集群的TPS依赖于服务数据的大小，所以流量更适合来衡量集群的处理能力，而约束条件最先达到瓶颈的是网络流量或者IO。

若想要判断集群式的类型，则可以通过线下的性能测试结果来判断，线下的性能测试可以作为线上压测的参考依据。

第三步，需要选取合适的容量指标。

容量指标主要用于衡量服务器的处理能力。

容量指标的选取原则：

1）线上数据可采集；

2）能够客观反映服务器的处理能力。
作为容量指标，需要通过线上监控获取统计数据，其历史数据用于计算集群的实际负荷，而通过压测获得集群的最大处理能力。

第四步，需要明确约束条件。

约束条件主要是线上压测停止的信号，包括服务类指标和资源类指标。

只要有一项指标达到临界值，就会停止压测，并将当前容量指标的值作为集群的最大处理能力。

服务指标的选取原则：

1）服务需求——保证产品的服务质量；

2）资源使用瓶颈——保证系统的安全。

第五步，需要进行线上压测。

线上压测主要用于获取集群的最大处理能力。

线上压测的手段主要有三种，分别为模拟请求、线上引流和修改负载权重。

对于不同的集群系统架构特点和服务类型，选取不同的压测手段。

第一种压测手段：模拟请求。

模拟请求是模拟客户端的调用方式向压测服务器发起请求，简单易操作。
测试数据：

可以通过分析线上日志，根据线上服务配比建立压测模型，对于HTTP请求服务，可以通过提取线上日志数据URL直接用于压测请求数据。
实施步骤：
1）将线上一台节点offline，测试客户端直接连接被测服务器；
2）客户端梯度增加并发(50),不断增加并发直至超过设定的服务指标。
优缺点：

测试效果不受服务实际流量的限制，压测时间灵活，适用于GET请求不会产生脏数据。服务类指标可以通过测试客户端直接获取。
风险评估：

风险低，首先服务器offline不会影响到线上的正常请求；其次缓慢增加并发，不会造成服务崩溃的情况。

第二种压测手段：线上引流。

线上引流是将线上其它节点的请求复制到被测服务器上的操作，推荐使用Tcpcopy工具。
测试数据：线上请求直接复制引流，无需准备数据。
实施步骤：
1）将线上一台节点Offline，按照Tcpcopy部署的方法部署client和server，通常将Tcpcopy部署在nginx所在服务器，被压测服务器前需要增加一层nginx服务器；
2）将集群的其它节点流量复制到offline节点上，可以通过“tcpcopy –r参数”逐步增加复制系数，不断增加“-r参数”，直至超过设定的服务类指标；
3）若100%全部线上流量都不能压测到offline节点的瓶颈，则需要再次逐步放大引流系数。
优缺点：
请求真实，能够放大流量，测试效果不受服务实际流量的限制，压测时间灵活，但环境部署稍微麻烦，对于PUT请求需要做一些服务处理，避免产生脏数据。
风险评估：
风险低，首先服务器offline不会影响到线上的正常请求，缓慢增加流量复制，不会造成服务崩溃的情况。

第三种压测手段：修改负载权重。

对于一个集群，前面往往会有负载均衡服务器，通过修改nginx中upstream模块的负载均衡weight，可以不断增加集群某一节点的请求数，增加其访问压力。
测试数据：无需准备。
实施步骤：
1）缓慢增加nginx的负载均衡系数，使被测节点压力不断增加；

2）直至超过设定的服务类指标，停止增加压力。
优缺点：
完全真实的场景，压测数据准确，但是依赖自身的流量，压测时间不灵活，需要处于高峰期，对用户体验有一定影响。随着一台服务器的负载增加，响应时间会受到一定影响，这会直接反馈给在线用户。
风险评估：
风险低，虽然在高峰期进行压测，但是只需要修改nginx配置，再重启服务，这个对服务基本无影响。每次逐步增加weight不会出现服务器崩溃的情况。

第六步，需要进行线上监控。

线上监控不仅用于收集集群历史数据，监控计算集群的实际负荷，还用于在压测过程中，监控约束条件中的各种指标是否超限并停止压测。根据集群的特点和之前性能测试经验，关注容量指标和约束条件的服务和资源指标。集群历史数据是需要进行长期采集和整理的。