mcpField
C
capacity-planning

capacity-planning

github.com/dralgorhythmクラウド・DevOps12957 回インストール14 週間前に更新
リポジトリ

capacity-planning について

capacity-planningは、現在の使用量と成長予測に基づいてインフラリソースを見積もるスキルです。指標、サイジング式、計画書の構成を示します。

主な機能

  1. 01使用量の基準値と成長予測
  2. 02コンピュート、ストレージ、ネットワーク指標
  3. 03リトルの法則による見積もり
  4. 04CPU、メモリ、接続数の算定
  5. 05スケーリング条件としきい値

活用シーン

  1. 01将来のトラフィックに必要なリソースの予測
  2. 02データベース接続数の見積もり
  3. 03メモリとCPU容量の計画
  4. 04予測値と実際の使用量の比較

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/dralgorhythm/claude-agentic-framework --skill capacity-planning

インストール後、Claude Code で/capacity-planningを入力して読み込まれたか確認します。

詳細

容量計画

ワークフロー

  • ベースライン：現在のリソース使用量を測定する
  • 予測：将来の成長を予測する
  • サイジング：必要なリソースを算出する
  • バッファー：急増に備えて余裕を持たせる
  • モニタリング：実績と予測を追跡する

主な指標

コンピューティング
  • CPU 使用率（目標：60～70%）
  • メモリ使用量
  • リクエストレイテンシ（P50、P95、P99）
ストレージ
  • ディスク IOPS
  • スループット（MB/s）
  • 容量の増加率
ネットワーク
  • 帯域幅の使用率
  • 接続数
  • パケット損失

見積もりフレームワーク

リトルの法則
L = λ × W

L = Average number of items in system
λ = Average arrival rate
W = Average time in system
計算例
Given:
- 1000 requests/second
- 100ms average response time

Required concurrent connections:
L = 1000 × 0.1 = 100 concurrent connections

リソースのサイジング

データベース接続数
connections = (requests_per_second × avg_query_time) × 1.5
メモリ
memory = (concurrent_users × memory_per_user) + base_overhead
CPU コア数
cores = (peak_rps × cpu_time_per_request) / target_utilization

成長計画

トラフィックの増加
  • 過去の増加率
  • 予定しているマーケティング／ローンチ
  • 季節的な傾向
データの増加
  • 1 日あたりのレコード数
  • レコードのサイズ
  • 保持ポリシー

容量計画書

  1. 現在の状態を示す指標
  2. 成長に関する前提
  3. リソースの予測（3、6、12 か月）
  4. コストの見積もり
  5. スケーリングのトリガーとしきい値

コメント

Markdown 対応