看季节而非均值
一个月均值会掩盖峰值日。拉六周一分钟分辨率数据并按季节驱动打标。预测需要周模式与峰值，而非平线。
query.range('rate(http_requests_total[1m])', '-6w', 'now', '1m')拟合再外推
用捕捉周期与增长的模型拟合，从当前余量外推饱和日。报告置信带而非单点日期，让读者知晓可信度。
转成工单
预测若不变成供给申请就无意义。把饱和日转为提前两倍供给周期的工单，路由到容量评审，每两周重跑。
验证
饱和日在未来，余量工单提前两倍供给周期，预测误差在置信带内。真实饱和日到来时记录并校准下一模型。饱和指标应选最先破坏 SLO 的，CPU 80% 是代理，队列深度是症状；供给周期应留两倍余量以防供给延误。