数据库容量规划:四个数与扩容触发线

0 阅读7分钟

大家好,我是数据库小学妹👋 我踩过的坑,你别再踩。

上周做例行巡检,顺手看了一眼表空间曲线。主库每周涨一成。这个比例单看没感觉。我拿计算器按了两下,按当时余量算,两个月后盘就满。那天下午我们把半年前的日志表归档掉,曲线才压回去。让我后怕的不是涨得快,是半年里没人算过它还能撑多久。

一、这件事其实只有四个数

容量规划听着复杂,能动手的只有四个数。第一个是日增量,每天实际长多少。第二个是增速形态,线性、复利还是阶梯。第三个是余量,可用容量减当前用量,还要留安全边际。第四个是扩容周期,从申请到能用的全部时间。

四个数一凑,剩下全是除法。余量除以 P95 日增,得到还能撑多少天。这个天数跟扩容周期一比,结论就出来了。天数小于周期,当天就得立项。

我这套库当时的账是这样的。余量约 580G,P95 日增 10G。除下来 58 天。而我们申请机器到货加迁移演练,实际要 45 天。中间能动的时间只有两周,紧得刚刚好。

数定义取法我的值
日增量每天净增长近 30 天 P95,不用均值10G
增速形态增长曲线形状排一遍增量看波动阶梯型
余量可用减已用再留边际容量 × 0.85 − 当前580G
扩容周期申请到能用问采购问运维45 天

二、数据从哪来

取数别想复杂,先把每天的快照存下来。MySQL 侧读 information_schema。PG 侧用 pg_database_size。两边写法不同,思路一样:一天一张,一库一行。

-- MySQL:各库当前容量
SELECT table_schema AS db_name,
       ROUND(SUM(data_length + index_length) / 1024 / 1024 / 1024, 1) AS size_gb
FROM information_schema.TABLES
GROUP BY table_schema
ORDER BY size_gb DESC;
-- PG:各库当前容量
SELECT datname AS db_name,
       ROUND(pg_database_size(datname) / 1024.0 / 1024 / 1024, 1) AS size_gb
FROM pg_database
ORDER BY pg_database_size(datname) DESC;

快照表自己建,字段三个就够。日期、库名、容量,主键放前两个。每天跑一次,一分钟结束,成本可以忽略。这张表一年也就三百多行,不占地方。

它真正的价值在三个月后。你会第一次拥有历史曲线,而不是凭印象说"最近涨得有点快"。算增量的 SQL 用窗口函数一行就写完,比手工比对强得多。没有这张表,容量规划只能靠拍脑袋。

CREATE TABLE db_size_snapshot (
  snap_date  DATE          NOT NULL,
  db_name    VARCHAR(64)   NOT NULL,
  size_gb    DECIMAL(10,1) NOT NULL,
  PRIMARY KEY (snap_date, db_name)
);

-- 用窗口函数算每日增量
SELECT snap_date, size_gb,
       size_gb - LAG(size_gb) OVER (ORDER BY snap_date) AS daily_growth_gb
FROM db_size_snapshot
WHERE db_name = 'orderdb'
ORDER BY snap_date DESC
LIMIT 30;

三、三种增长形态要分开看

线性增长最省心,日增稳定,乘天数就行。复利增长最坑,每月按比例涨,前半年温柔后半年陡峭。阶梯增长最常见,平时平缓,月末和大促猛涨一截。

形态不同,算法也不同。线性按日增乘天数。复利按季度重算再外推。阶梯按 P95 日增算,把峰值当常态。用错形态,结论能差出一倍。

所以日增要用 P95,不用均值。我那次均值 8G,P95 是 12G。看着差四个 G,落到余量上差一个多月。真正压垮盘的,就是那几天的高点。

判断形态的办法很土。把三十天增量排一遍,看波动大小。波动小是线性。逐月变大是复利。每隔几天冒一个尖,就是阶梯。

四、把余量变成告警

算出来只是一次结论。要让它长期生效,得变成告警。我设三档。容量到 70% 提醒,进周会议题。到 85% 动手,启动归档或扩容。

第三档最有用。余量天数小于扩容周期,直接立项。它把技术判断翻译成排期语言,领导一听就懂。百分比只是辅助,天数才是结论。

百分比和天数要一起看。只看百分比会翻车。一个大库 90% 但每天只涨 1G,还有得撑。一个小库 60% 但每天涨 20G,下周就危险。

所以看板上一行两列。使用率和剩余天数并排放。谁先触线报谁。我见过只放使用率的看板,报警那天已经在做停机方案了。

五、容量不止磁盘

磁盘最容易看见,也最容易算错。因为它不是唯一会满的东西。IOPS 会满,连接数会满,单表行数会到顶,自增主键也会用完。

这五项里任何一项先到,故障都会伪装成"磁盘还有空间"。人一看盘够,就往别处找原因。我吃过这个亏,找了两小时才发现是连接数顶了。自增那一条我单独写过,这里不铺开。

备份空间最容易漏。全量加增量加日志,实际占用经常是一到两份全量。还得留出恢复时解压和重建的空间,这部分没人算。

我见过盘剩 15% 就开始做恢复演练。恢复跑一半盘满,演练中断。最后连备份有没有用都没验证成,比不演练更糟。

-- 顺手把单表行数与自增水位也纳入巡检
SELECT TABLE_NAME, TABLE_ROWS, AUTO_INCREMENT,
       ROUND(AUTO_INCREMENT / 2147483647 * 100, 1) AS autoinc_pct
FROM information_schema.TABLES
WHERE TABLE_SCHEMA = DATABASE()
ORDER BY AUTO_INCREMENT DESC
LIMIT 10;

六、扩、归档,还是拆

余量不够时有三条路,选错会很贵。能归档的先归档,把冷数据挪走。成本最低,风险最小。归档解决不了增长的,再考虑扩容。

只有当单表行数和写入并发同时到顶,才轮到分库分表。那是最后一步,动了就难回头。判断顺序别反,反了就是拿最贵的手段解决最便宜的问题。先把归档做透,再谈扩容。

触发条件优先动作代价
冷数据占比高,查询集中在近期归档与冷热分离改造查询与存储路径
整体写入与容量同频增长扩容或加节点采购周期与迁移窗口
单表行数与写入并发同时到顶分库分表复杂度成倍上升

七、避坑清单

日增用 P95,别用均值。均值会把月末尖峰和大促抹平。算出来的余量能差一个多月,而压垮盘的就是那几天。

百分比和天数一起看。只看使用率会漏掉小库快涨。只看天数会漏掉大库将满。两列并排放在看板上,谁先触线报谁。

最后一条是我自己踩的。另一次扩容,我把余量算得很准,日增也算得很准。唯独没把采购和审批算进去。方案周三过,机器下周三才到,中间还夹着一次演练。后来我改成从扩容周期倒推:先问机器多久能到,再决定今天是归档还是立项。

写在最后

容量规划的价值不是预测准,是留出决策时间。预测永远会偏。但提前三个月知道要满了,就有一堆便宜办法可用。等到还剩三天,能选的只剩停机迁移。

四个数里最容易被忽略的是扩容周期。它不在数据库里,在流程里。技术同学容易只算前三项,然后把结论交给一个来不及的排期。这条我建议每次评审都单独拎出来问。文中的容量、日增与天数是示意值,换到你的库上要重算一遍。

你们库里的容量曲线,是按周看还是按月看?采购周期占多少天?这两个数一除,结论就出来了。评论区说说你的算法,我帮你核一遍够不够。

我是数据库小学妹,帮你少走弯路少踩坑,咱们下篇见👋