当你的应用在流量高峰时响应变慢，或深夜闲置却仍在烧钱，你可能会想到配置弹性伸缩。但真正让伸缩策略生效的，是监控指标驱动的阈值设置。CPU 和内存使用率是最常用的两个指标，但阈值设多少、怎么设，却常常让人纠结。本文直接从实际问题切入，分析阈值设置的判断过程、操作步骤、取舍和失败条件。
为什么 CPU 和内存使用率是核心监控指标？
弹性伸缩的本质是根据需求自动调整计算资源。AWS EC2 官方文档指出，EC2 提供了按需、可扩展的计算容量，你可以根据需要增加容量（扩展）来处理计算密集型任务或流量高峰，当使用量下降时再减少容量（收缩）。而判断何时伸缩，最直接的依据就是实例的 CPU 和内存使用率——它们反映了当前负载压力。
但这两个指标各有局限：CPU 使用率对计算密集型应用敏感，内存使用率对内存型应用（如缓存、数据库）更关键。如果只盯着一个指标，可能会漏掉另一种瓶颈。例如，一个应用 CPU 使用率很低，但内存已接近耗尽，此时只按 CPU 伸缩就会导致内存溢出。
阈值设置的核心问题：设多高才合适？
阈值设置没有万能答案，它取决于你的应用特性和业务容忍度。但有一个基本原则：阈值应反映“不可接受的服务质量”的临界点。例如，如果 CPU 持续高于 80% 会导致延迟飙升，那么 80% 就是扩容触发点；如果内存使用率高于 90% 可能触发 OOM，那么 90% 就是扩容信号。
但阈值并非越低越好。设置过低的阈值（如 CPU 30%）会导致频繁扩容，增加成本；设置过高（如 95%）则可能来不及扩容，造成性能下降。你需要找到“甜蜜点”。
操作步骤：从监控到阈值配置的完整流程
假设你在 AWS 上使用 EC2 Auto Scaling，可以按以下步骤配置：
- 收集基线数据：在配置前，至少观察 1-2 周的正常运行指标，记录 CPU 和内存的峰值、平均值和持续时间。
- 确定扩容阈值：选择一个高于正常峰值、但低于危险水平的数值。例如，正常峰值 60%，可以设 70% 作为扩容阈值。
- 确定缩容阈值：缩容阈值应低于扩容阈值，且留出缓冲。比如扩容 70%，缩容可设 40%，避免频繁抖动。
- 设置冷却时间：冷却时间（Cooldown）防止刚扩容又缩容。通常扩容后冷却 300 秒，缩容后冷却 600 秒。
- 测试并调整：用负载测试工具模拟峰值，观察伸缩行为，根据结果微调阈值。
注意：AWS 官方文档强调，实例类型决定了硬件配置，不同实例类型对 CPU 和内存的平衡不同，因此阈值也应随之调整。例如，内存优化型实例的 CPU 阈值可能比通用型更高。
阈值设置的取舍：响应速度 vs 成本
阈值设置本质是在响应速度和成本之间权衡。阈值越低，扩容越早，响应越快，但成本越高；阈值越高，成本越低，但风险越大。AWS Well-Architected 成本优化支柱指出，成本优化的目标是充分利用所有资源，以最低价格实现业务成果。这要求你避免过度配置，但也不能因阈值过高导致性能不足。
一个常见取舍是：使用多个指标组合触发。例如，同时监控 CPU 和内存，当两者都超过阈值时才扩容，或任一超过就扩容。前者更保守，后者更激进。你需要根据应用的关键瓶颈选择。
失败条件与常见误区
即使设置了合理的阈值，弹性伸缩仍可能失败。常见失败条件包括：
- 指标延迟：监控数据采集和聚合有延迟（通常 1-5 分钟），可能导致扩容滞后。建议结合预测性伸缩或使用更敏感的指标（如请求数）。
- 冷启动时间：新实例启动需要时间（尤其是容器或大型实例），如果负载突增，可能来不及。需预留缓冲或使用预置容量。
- 阈值抖动：如果缩容阈值设置太低，负载轻微波动就会触发缩容，导致资源反复伸缩。建议设置足够的冷却时间。
- 单指标盲区：只监控 CPU 而忽略内存，可能导致内存型应用崩溃。务必根据应用类型选择指标组合。
常见误区还包括：
- 认为阈值是固定不变的——实际上应根据业务周期（如促销、工作日/周末）调整。
- 忽略实例类型差异——不同实例的 CPU 和内存配比不同，阈值应基于实际实例规格。
- 没有测试就上线——阈值设置必须经过负载测试验证。
监控指标驱动的策略：不止于 CPU 和内存
虽然本文聚焦 CPU 和内存，但弹性伸缩的监控指标还可以是网络 I/O、请求数、队列长度等。AWS Well-Architected 框架提供了设计可靠、安全、高效、经济且可持续工作负载的最佳实践，其中性能效率支柱强调选择正确的资源类型和配置。你应根据应用特性选择最相关的指标。
此外，AWS 提供了动态伸缩、预测性伸缩等多种策略。动态伸缩基于实时指标，预测性伸缩基于历史数据预测未来需求。结合使用可以更平稳地应对流量变化。
结论与最佳实践
监控指标驱动的弹性伸缩，核心是设置合理的 CPU 和内存使用率阈值。最佳实践包括：
- 基于基线数据设置阈值，避免拍脑袋。
- 使用多个指标组合，避免单点盲区。
- 设置冷却时间和缓冲，防止抖动。
- 定期回顾和调整阈值，适应业务变化。
- 结合负载测试验证伸缩行为。
记住，阈值设置没有绝对正确，只有适合你的工作负载。通过持续监控和优化，你才能实现真正的“弹性”。
参考资料
延伸阅读