AIOps 怎么做容量趋势预测和扩容建议

容量这件事，很多团队的处理方式是"事后补救"——监控告警 CPU 90%、内存吃紧、磁盘快满，再去加机器。

这种打法的代价是：要么频繁救火，要么提前买一堆"以防万一"的资源放着浪费。

AIOps 在容量这一层做的事，是把节奏从"等出问题再扩"换成"提前规划"。

容量预测的本质：把"趋势"算出来

容量预测的逻辑其实不复杂——基于历史数据外推未来。但好的预测需要回答几个问题：

• 业务有没有周期性？ 电商有日周期、月周期、大促周期；办公系统有工作日/周末差异。
• 增长是线性还是非线性？ 用户量翻倍，资源消耗不一定也翻倍。
• 历史里有没有异常点？ 一次故障、一次大促，要不要算进趋势？
• 预测窗口要多长？ 提前一天、一周、一个月，对应的决策不一样。

AIOps 在这一层做的就是用模型自动处理这些细节，给出带置信区间的容量预测，而不是一个干巴巴的"未来三天会涨 20%"。

不只是预测，还要给"建议"

光给一个预测曲线，工程师还得自己想"那我该买几台机器"。AIOps 的扩容建议要往前再走一步：

• 现在的资源能撑到什么时候？ 比如"按当前趋势，CVM 集群 CPU 将在 12 天后触及 80% 阈值"
• 要扩多少？ 给出具体数量、规格、计费方式建议
• 能不能省钱？ 如果短期波峰用包年包月不划算，建议按量计费或弹性伸缩
• 能不能缩？ 长期低利用率的资源，给出缩容建议

预测 + 建议放在一起，才能真正减少工程师的判断成本。

多云环境下的容量管理

容量管理在多云场景下尤其复杂。

腾讯云上 CVM 跑核心业务、阿里云上 ECS 跑数据处理、AWS 上 EC2 跑海外服务——每个云的容量基线、扩缩容方式、计费模型都不一样。如果工具只能管单云，工程师又得手动跨平台对账。

合理的做法是让 AIOps 平台跨云做容量分析：

• 不同云上的资源用量统一汇总
• 跨云对比利用率，找出最容易出问题的那一块
• 给出的扩缩容建议，针对具体云的具体资源生效

在 CloudQ 里怎么做

CloudQ 的 AI 容量监测就是为这个场景准备的：

• 覆盖范围：腾讯云账号下可直接做容量监测和预测；阿里云支持只读资源查询（需先配凭证），可用于容量盘点；AWS、华为云、Azure、GCP 等相关能力陆续开放中
• 趋势预测：基于历史用量预测未来扩容时间点
• 具体建议：给出"何时扩、扩多少、用什么规格、按什么方式计费"的可执行建议
• 对话式获取：在企微/飞书/钉钉里直接问"未来一周哪些资源可能不够用"，几秒拿到答复

容量管理做到最后，理想状态是：你不需要盯着监控看 CPU 曲线，AIOps 会在合适的时间点提醒你"该扩了"或者"这里可以缩"。工程师的精力，才能从"看仪表盘"挪到真正有价值的事上去。