容量規劃

Vibe Prompt

「幫我根據過去 3 個月的流量趨勢預測下個月的資源需求,並建議何時擴容。」

預測方法

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression

# 過去 90 天的每日最大 QPS
days = np.arange(90).reshape(-1, 1)
# 模擬成長趨勢 + 季節性
qps = 100 * (1 + days.flatten() / 90) + 20 * np.sin(days.flatten() * 2 * np.pi / 7)

model = LinearRegression()
model.fit(days, qps)

# 預測未來 30 天
future_days = np.arange(90, 120).reshape(-1, 1)
predicted_qps = model.predict(future_days)

print(f"預測第 120 天 QPS: {predicted_qps[-1]:.0f}")
print(f"成長率: {(predicted_qps[-1]/qps[-1] - 1) * 100:.1f}%")

# 擴容建議
target_qps_per_pod = 500
current_pods = int(qps[-1] / target_qps_per_pod) + 1
future_pods = int(predicted_qps[-1] / target_qps_per_pod) + 1
print(f"當前所需 Pod: {current_pods}")
print(f"下月所需 Pod: {future_pods}")
print(f"建議提前 {30 - 7} 天擴容至 {future_pods} 個 Pod")

擴容策略

| 策略 | 適用場景 | |------|---------| | 垂直擴容 | 單體應用,短期 | | 水平擴容 | 微服務,長期 | | 預先擴容 | 可預測流量(促銷活動) | | 自動擴容 | 波動劇烈 | | 排程擴容 | 固定週期(上班日 vs 假日) |

解鎖完整教學內容

本章為付費內容。加入專案即可解鎖超過 5000 字的深度解析,包含 10 個以上神級 Prompt 與真實 Source Code 範例!