解读

面试官真正想考察的不是“把 MAPE 从 10% 降到 5%”的调参技巧，而是“性能测试工程师能否把业务痛点、数据质量、模型局限、系统可观测性、上线风险控制”串成闭环。国内互联网场景下，峰值流量往往受秒杀、红包、短视频热点、政策舆情等突发事件驱动，单纯时序模型容易失效；同时，性能测试团队需要为容量评审、弹性扩缩容、预算申报给出“能拍胸脯”的数字，误差每降低 1%，背后都是真金白银。因此，回答必须体现：①对数据缺陷的洞察；②对业务外生变量的敏感；③对模型—工程一体化的落地经验；④对 SLA 与成本的双重权衡。

知识点

1. 数据质量与特征工程
   缺失值、采样粒度、节假日、营销活动、版本上线、CDN 节点切换、爬虫流量、灰度放量比例。
2. 外生变量引入
   把运营排期表、优惠券发放量、Push 下发量、搜索引擎指数、竞品同期活动、天气、疫情政策等转成可量化特征。
3. 多模型融合
   LSTM 捕捉长周期依赖；XGBoost/LightGBM 捕捉节假日突变；Prophet 捕捉周/年季节性；Transformer 捕捉多头注意力；贝叶斯结构时间序列（BSTS）给出置信区间。
4. 在线学习 & 滚动窗口
   每周回流最新 7 天数据，动态重训，避免概念漂移。
5. 异常检测与样本加权
   对历史“黑天鹅”事件（春晚红包、顶流明星官宣）做异常标注，采用 Huber Loss 或样本加权，降低离群点影响。
6. 评价指标体系
   MAPE 对低流量时段敏感，需同步跟踪 SMAPE、WAPE、RMSE、PINAW（预测区间覆盖率），防止“数字游戏”。
7. 性能测试视角的闭环
   预测结果→容量评估→HPA 阈值→压测脚本→线上巡检→误差回流，形成“预测-验证-修正”飞轮。

答案

“目前线上 LSTM 单模型 MAPE 10%，我们已经能把大促峰值预测到±8% 以内，但财务和运维希望再压到 5%，我的思路分四步：
第一步，数据补课。拉通运营、市场、算法、运维四方，把未来 14 天的‘确定事件’落库：几点发券、几点 Push、预算曝光量、版本放量比例。对历史同期缺失的分钟级日志，用 CDN 边缘节点带宽反向插值补全，避免 LSTM 因为‘假零值’学到错误模式。
第二步，双塔模型。主塔用堆叠 LSTM+Attention 处理 60 天滚动窗口的分钟级流量；副塔用 LightGBM 处理 200+ 外生特征，输出‘节假日突变系数’；两者在 Log1p 变换后的空间做加权融合，权重按上周滚动 OOS 误差逆方差动态调整。离线回溯 6 个月，MAPE 从 10% 降到 6.2%。
第三步，在线修正。上线后，T-2 天开始每天 6 点、16 点两次滚动推理；同时把实时 Nginx 日志 5min 级 aggregate 回流，如果当天累积误差超过 3%，触发‘小步快跑’重训，20 分钟内完成增量更新。
第四步，误差兜底。预测区间同步输出 95% 置信上限，容量评审直接按上限+10% 冗余申报；若真实流量突破上限 5%，立即触发‘熔断式压测’：在预发环境 1:1 流量回放 1 小时，验证缓存、线程池、DB 连接池是否安全，防止‘预测对了但系统扛不住’。
通过这四步，大促峰值 MAPE 压到 4.7%，财务预算节省 12%，线上零扩容事故。”

拓展思考

1. 如果下周出现“全网热搜”级突发事件，外生特征表里没有对应字段，模型如何在 30 分钟内自适应？
   可引入“实时搜索指数”作为即席特征，用迁移学习把历史同类事件（如明星官宣、政策发布）的增量模式蒸馏到模型，5 分钟内完成热更新。
2. 误差降到 3% 后，继续压缩的边际成本指数上升，如何与业务方谈判“可接受误差”？
   把容量成本曲线和预测误差曲线画在同一张图，找到“误差 3%→2% 需多买 800 台容器”的拐点，让业务方在“预算”与“风险”之间签字，避免技术团队无限背锅。
3. 预测结果直接输入到 K8s HPA，一旦预测偏高会造成资源浪费，如何设计“回退策略”？
   采用“渐进式扩容+快速回缩”：预测峰值前 2 小时开始阶梯式 20%→40%→60% 扩容，同时设置 CPU≥65% 持续 3 分钟才继续升档；峰值过后 5 分钟无流量增长立即触发缩容，保证“多弹少赔”。