直接依据流量波动规律规划带宽更科学：先用docker stats和cAdvisor采集10秒粒度时序数据，识别单峰、双峰+平台期、脉冲三类模式，再按类型实施host直通+tc限速、iptables时间标记分流、关闭慢启动+预分配缓冲等差异化带宽策略，并通过iperf3丢包检测、噪声注入延迟测试及Prometheus速率曲线对比验证效果。
直接看流量波动规律来规划带宽，比凭经验拍板靠谱得多。关键不是堆高带宽，而是让有限资源匹配真实业务节奏。
抓准进出流量的波峰波谷特征
容器网络流量从来不是匀速的，它受业务周期、用户行为、定时任务影响明显。比如电商服务凌晨流量低、早10点和晚8点出现双峰；CI/CD构建容器常在整点批量启动，造成短时出口流量尖刺；日志同步服务则可能每5分钟固定上行一次小峰值。
- 用 docker stats --no-stream --format "{{.Name}}: {{.NetIO}}" 快速查看实时进出流量（单位为B/s）
- 对重点容器加标签，例如 docker run --label traffic=high-peak ...，后续可用 docker stats --filter "label=traffic=high-peak" 聚焦监控
- 避免只看瞬时值——用 curl -s http://localhost:9327/metrics | grep container_network（需启用cAdvisor）采集连续样本，时间粒度建议设为10秒
用时间序列数据识别典型模式
连续采集24–72小时后，把入向（ingress）和出向（egress）流量分别画成折线图。你会看到三类常见形态：
- 单峰型：如内部报表服务，集中在工作日16:00–17:30生成导出文件，此时出向带宽需求激增3–5倍
- 双峰+平台期：典型Web应用，早晚高峰叠加午间稳定访问，平台期带宽可压到峰值的30%以下
- 脉冲型：AI推理容器每处理一个请求就突发几百MB下行（模型权重加载）+几十MB上行（结果回传），间隔不规则但总时长可控
标记出每个波峰持续时长、幅度、发生频次，这些数字就是带宽预留的硬依据。
按波动类型做差异化带宽分配
别给所有容器配同一档带宽。根据识别出的模式动态分组：
- 对单峰型容器，用 --network host 模式直通宿主机网卡，并配合 tc htb 在宿主机eth0上为其单独划出“高峰时段专用通道”，平时不限速，高峰前5分钟自动启用限速策略
- 对双峰型容器，在bridge网络下用 docker run --sysctl net.core.somaxconn=65535 提升连接队列，同时用 iptables -t mangle -A OUTPUT -s 172.17.0.0/16 -m time --timestart 09:00 --timestop 10:30 -j MARK --set-mark 1 标记早高峰流量，再用tc按mark分流
- 对脉冲型容器，关闭TCP慢启动（--sysctl net.ipv4.tcp_slow_start_after_idle=0），并预分配足够内存页缓存收发缓冲区（--sysctl net.core.rmem_max=8388608 --sysctl net.core.wmem_max=8388608），让每次脉冲都能瞬时打满可用带宽
验证优化效果的实测方法
调优不是一锤定音，得用真实负载验证：
- 用 iperf3 -c <容器IP> -t 60 -i 5 模拟持续流量，观察波峰时段是否仍出现丢包（tc -s qdisc show dev eth0 中drop计数非零即告警）
- 在波谷时段故意注入噪声流量（dd if=/dev/zero bs=1M count=1000 | nc <目标IP> 8080），确认关键服务响应延迟上升不超过15%
- 对比优化前后Prometheus中 container_network_transmit_bytes_total{container=~"xxx"} / 300 的5分钟速率曲线，看波峰削平程度与波谷利用率提升是否达标
