TikTok 团队的扩容往往是被动触发的——直播卡了才想起带宽不够，批量任务堆积了才想起加节点。这种模式的问题不只是慢，而是贵。被动扩容时通常会一次性买超配以防再次不够，长期下来带宽成本远超实际需求。更合理的做法是基于历史数据预测容量水位，在水位到达阈值之前主动扩容。TikTok 业务有明显的周期性规律，直播时段、发布节奏、大促节点都相对可预测，这让预测成为可能。本文讨论 TikTok 容量水位预测的方法、模型选择与落地要点。

一、TikTok 容量预测要解决的三个问题

为什么基线预测比突发预测更有价值

TikTok 突发需求很难精确预测——爆款视频带来的流量、临时加开的直播场次，往往只有小时级甚至分钟级的提前量。基线需求则完全不同：每天晚间的直播时段、每周固定的发布节奏，这些规律性极强。TikTok 团队应当把预测精力主要放在基线与周期上，用稳定预测的准确率覆盖大部分扩容需求，突发情况则用预留余量与弹性伸缩兜底。

二、TikTok 容量数据的三个采集要求

1. 采集带宽而非平均值

用平均带宽做预测会低估峰值。TikTok 容量规划应当基于分位值——用 95 分位的带宽消耗作为基线，90 分位作为日常排产参考。因为推流带宽在直播开场前后会有明显尖峰，平均值会把尖峰抹平。

2. 按业务类型分开采集

直播、批量上传、办公流量三类业务的时间分布完全不同。混在一起统计，算出来的"总需求"没有任何指导意义。TikTok 团队应当分别建模再汇总，这样预测结果才能直接转化为"直播需要几个出口"的决策。

3. 保留完整的历史跨度

预测需要足够长的历史数据才能识别周期性。TikTok 团队建议至少保留六个月的原始采样数据，三个月以上的高精度聚合数据。数据跨度不足时，模型会把偶发事件当成规律，或者错过周期性波动的识别。

三、TikTok 容量预测的三种方法

1. 历史同期对比法

最简单的预测方式：拿上周同一天同一时段的实际消耗，作为今天同期的预测值。TikTok 业务中直播排期相对固定时，这种方法的准确率往往出奇地高，且完全可解释。缺点是无法应对结构性变化——如果这周新增了两场直播，历史同期法就会低估。

2. 移动平均与趋势外推

用最近若干时段的平均值作为基线，再叠加趋势项外推。适合业务量处于稳定增长期的场景。TikTok 团队在业务规模快速变化时用这种方式，需要注意趋势外推在遇到拐点时会明显失准，因此要配合人工判断周期是否仍在延续。

3. 分时段分解模型

把整体需求拆成"基线 + 周期 + 事件"三部分分别预测再相加。基线来自长期趋势，周期来自小时与星期的规律性，事件来自已知的直播排期与大促计划。这是 TikTok 业务中效果最好的方法，因为业务结构本身就支持这种分解。缺点是模型实现与维护成本最高。

、TikTok 容量预测的三个关键注意点

1. 已知排期要显式纳入

TikTok 直播排期、大促计划、批量任务计划都是提前知道的。这些确定性因素必须显式加进预测，而不是指望模型从历史数据里推断出来。TikTok 团队应当建立"排期系统"与"容量预测"的联动——排期变更时同步更新预测。

2. 预测必须带置信区间

一个精确到小数点的预测值反而危险，因为它传递了虚假的确定性。TikTok 容量预测应当输出区间：乐观值用于评估余量是否够用，保守值用于决定是否需要立即扩容。带宽规划应当以保守值为依据。

3. 预测偏差要持续跟踪

预测准确率本身需要被监控。TikTok 团队应当按周统计预测与实际的偏差，偏差持续偏大说明模型或数据出了问题。偏差突然变差，往往是业务发生了结构性变化——比如新增了业务线或改变了发布策略。

、TikTok 预测结果如何转化为扩容决策

• 触发阈值：预测水位达到 70% 时启动准备，达到 85% 时完成扩容，这是给交付留出时间；
• 扩容幅度：按预测的峰值加上余量计算，避免每次只加一点导致频繁操作；
• 预留缓冲：整体保留一定比例的空闲资源，专门应对无法预测的突发；
• 成本校验：扩容前核算成本影响，避免为了一次性活动永久增加固定支出。

关键在于阈值要早。TikTok 团队如果等到预测水位到达 95% 才动手，扩容的交付时间会让实际水位冲破 100%。

、TikTok 容量预测的四个常见误区

• 误区一："预测越准越好"——精确预测会让人忽略余量，而余量才是抗突发的关键；
• 误区二："有模型就不用人判断"——结构性变化时人工判断更重要；
• 误区三："预测只用来做扩容"——预测同样能用于识别异常，某天消耗远超预测往往说明有配置错误或异常任务；
• 误区四："历史数据够用就行"——数据质量差的历史数据会让模型学到错误的规律。

、总结

TikTok 容量水位预测的核心是用历史规律覆盖大部分扩容需求，把预测精力集中在基线与周期上，突发情况靠余量与弹性兜底。数据采集要基于分位值、按业务类型分开、保留足够历史跨度。方法上历史同期法最简单可用，分时段分解模型效果最好但成本最高。落地时有三个要点：已知排期显式纳入、预测输出置信区间、预测偏差持续跟踪。预测结果要通过明确的触发阈值转化为扩容动作，阈值必须留出交付时间。所有预测工作都以让扩容决策提前发生、避免被动超配与成本浪费为前提。需要了解各区域 TikTok 出口的带宽规格与交付周期时，可到 tiktokjiasu.com 的节点专区查看说明。

如果你想为 TikTok 业务建立容量水位预测，可访问 tiktokjiasu.com 查看各区域节点的带宽规格、覆盖市场与扩容交付周期，据此设定预测触发阈值与扩容幅度；实际配置与价格以官网实时页面为准，建议先从直播与批量两类业务分开建模，积累六个月的原始采样数据后逐步引入分时段分解模型。