Capacity нельзя оценивать по одному resource metric

Нагрузка не всегда масштабируется линейно.

Cache hit ratio может резко измениться после определённого объёма.

Database query plan — переключиться.

Lock contention — вырасти непропорционально concurrency.

Поэтому capacity planning опирается на реальную кривую поведения системы, а не простую экстраполяцию процентов.

Когда инфраструктура регулярно масштабируется в последний момент.

Когда пики нагрузки известны заранее, но всё равно создают инциденты.

Когда cloud cost растёт быстрее бизнес-нагрузки.

Когда непонятно, какой ресурс ограничит следующий этап роста.

Когда autoscaling включён, но downstream остаётся фиксированным.

Когда эксплуатация реагирует на alarms, не имея прогноза capacity.

Когда roadmap продукта заметно изменит профиль нагрузки.

Stateless compute можно добавить за минуты.

Новая database shard — уже другой тип изменения.

External API quota может вообще находиться вне контроля команды.

AMPE разделяет elastic и non-elastic capacity и планирует их разными горизонтами.

Если disk usage растёт известным образом, реакцию можно описать.

Если система впервые показывает новый тип деградации, нужен анализ.

Хорошая эксплуатация автоматизирует стандартное и сохраняет внимание специалистов для нового.

Инцидент закрыт — сервис восстановлен.

Но operational loop ещё не закончен.

Нужно понять: что было первым сигналом; почему защита не сработала; почему диагностика заняла столько времени; какой capacity или architectural limit проявился; какое изменение снизит вероятность повторения.

AMPE связывает incident review с reliability backlog.

Большая доля сбоев следует за изменениями.

Если deployment, configuration, infrastructure и feature flags живут в отдельных системах без общего временного контекста, поиск причины дольше.

AMPE связывает operational telemetry с историей изменений.

Business growth формирует прогноз нагрузки.

Load profile переводится в resource demand. Observability показывает текущую headroom. Capacity model прогнозирует предел. Roadmap запускает изменение заранее. Incident data корректирует модель. Cost показывает экономическую эффективность мощности.

Так эксплуатация перестаёт быть только реакцией на текущие события.

Потолки системы становятся видны до фактического достижения.

Autoscaling используется вместе с downstream limits.

Пики готовятся заранее.

Infrastructure cost лучше объясняется через нагрузку.

Инциденты возвращают знания в capacity и reliability planning.

И главное — эксплуатация получает возможность предупреждать проблему, а не только качественно реагировать после её появления.