《Go 语言编程实战》18.1 架构复盘与容量规划
上线前的最后一道算术题是「这台机器到底能扛多少」。本节用本机真实的基准数据（M1 Pro 上 536.6 ns/op、1 alloc/op，并发 8 路 135.7 ns/op）做架构复盘与容量规划：从实测吞吐推算单副本容量，用安全系数与依赖瓶颈算出需要的副本数，并给出成本与冗余的权衡表。
tag
容量规划
共 15 篇文章。
单元化架构与故障隔离
单元化架构与故障隔离：从单体集群的爆炸半径讲起，剖析单元（Cell）划分、纯函数单元路由、数据分片归属与单元封闭原则，给出单元级降级熔断、容量冗余规划、按单元打标的可观测性与四阶段灰度迁移的落地方法，并对比多集群多活架构的取舍、单元数量选择与常见踩坑清单
46. 排队论与容量估算：利特尔法则与尾延迟
从平均延迟骗人的现象切入，用利特尔法则串起并发数、吞吐与延迟三者的守恒关系，推导 M/M/1 与 M/M/c 的排队延迟公式与利用率曲线，解释为什么 80% 利用率就能让 P99 爆炸，剖析尾延迟放大、协调遗漏与队头阻塞，最后给出线程池、连接池的容量估算与压测实操。
容量规划与成本优化
系统讲解 ClickHouse 容量规划与成本优化：数据量/增长率/保留期/副本数/压缩比构成的容量模型、压缩比实测方法、存储与计算资源配比公式、冷热分层与 TTL 降采样、列裁剪与编码调优、基于 system.parts 的成本监控，以及扩容阈值与告警实践。
38. MongoDB 压测与容量规划
压测与容量规划方法：基准与负载与稳定性三层测试、YCSB 与 mongosh 自建压测脚本、工作集估算与内存规划、maxIncomingConnections 连接模型、存储与索引体积估算，以及扩容触发阈值与压测报告指标。
《Spring Boot 实战》17.2 压测与容量评估
压测做错比不做更危险：它会给出一个被信任的错误容量结论。本节讲清压测目标、场景与数据设计、工具选型、压测机与被测机分离、预热与稳定期、指标采集口径，拆解「连接池与并发不匹配」等假瓶颈，并给出用实测 QPS 乘安全系数倒推实例数的完整方法与示例。
《AI Agent 工程实战》14.3 吞吐与并发压测：找容量上限与拐点
用纯标准库 asyncio 写一个极简压测器（固定并发、固定请求数，统计 QPS/P50/P95/错误率），对第 8 章的并发受限服务跑 4 档并发。真跑显示 QPS 在并发 8 附近见顶（110→176 后不再涨），延迟却从 45ms 涨到 224ms，拐点清晰；再加请求超时后 QPS 会虚高而错误率飙到 87%，并给出容量规划余量。
磁盘水位与容量规划：三档水位、分片规划与扩容决策
系统讲解 Elasticsearch 的磁盘水位机制与容量规划方法：low/high/flood 三档水位的作用与默认值、只读索引块与写拒绝的触发条件、分片大小与数量的规划原则，以及基于增长趋势的扩容决策流程。
图数据库容量规划与成本优化：内存估算、分片与云实例选型
系统讲解图数据库的容量规划与成本优化实践：容量规划的方法论（从业务指标到资源）、内存估算公式（节点/关系/属性/索引的字节开销）、堆内存与 page cache 的分配、存储估算与增长预测、分片与读写分离、云实例选型（内存型/通用型/存储型）、成本构成与优化手段、容量压测与验证、监控与弹性伸缩、以及决策清单与常见坑，帮助在图数据库上既不浪费预算也不留性能隐患。
Nginx 监控与可观测性：stub_status 指标、Prometheus 集成与容量规划
把 Nginx 从黑盒变成可观测的组件，讲解 stub_status 内置指标、Prometheus exporter 集成、访问日志采集与可视化、告警规则设计、容量规划与压测，以及基于 request_id 的全链路追踪排错方法。
Kafka 性能调优与容量规划：从生产者到 Broker 的全链路压测指南
系统讲解 Kafka 性能调优与容量规划：性能模型（吞吐/延迟/持久化三角）、生产者调优（批量/压缩/重试/buffer）、消费者调优（fetch/并发/批量处理）、Broker 调优（磁盘/页缓存/分区数/segment）、压缩与序列化选型、容量规划估算、kafka-producer-perf-test 压测方法
数据库容量规划与资源治理：从评估、监控到扩展路径
系统化讲解数据库容量规划与资源治理：容量评估指标与测算方法、水位预警、存储/连接数/CPU 等资源监控、配额与治理、垂直与水平扩展路径、以及一份年度容量规划的实践框架。
推理基准与压测：TTFT、ITL、TPOT 指标与容量规划实战
『我的推理服务到底能扛多大流量？』『加一张卡值不值？』『P99 为什么这么差？』这些问题都需要一套科学的基准测试方法。本文讲解 LLM 推理的核心性能指标 TTFT / ITL / TPOT，分析延迟与吞吐曲线，演示 LLM Perf 与 Locust 两类压测工具，最后给出容量规划与成本建模的完整方法。一、推理性能指标体系
DevOps 性能容量规划：负载测试、自动伸缩与容量预测
系统讲解 DevOps 场景下的性能容量规划方法论，涵盖负载测试工具选型、K8s 自动伸缩配置、容量预测模型、瓶颈定位与云成本优化策略。
「产品矩阵平台」运维与成本优化
运维与成本优化：集群成本结构分析、资源分配基准、容量规划、自动伸缩策略与云平台成本优化的系统化方法论。