闭环反馈 = 通过测量修正偏差

一、控制论本质

闭环反馈是控制论的核心结构：测量实际输出 y(t)，与目标值 r(t) 比较产生误差 e(t)，再用误差驱动控制 u(t)。

            ┌─────────────────┐
   r(t) ──→ │  +  求和节点    │
            │  ↑              │
            │  e(t)           ↓ u(t)
            │  控制律 C(s) ──→ [被控对象 G(s)] ──→ y(t)
            │  ↑                              │
            └────────  反馈 H(s)  ────────────┘

关键属性：

• 必须能测量输出 y(t)
• 控制律 u(t) = f(e(t))，是误差的函数
• 反馈使系统对干扰和模型不确定性具有鲁棒性

为什么有效： 误差 e(t) 携带了"实际偏离理想"的信息。任何导致偏离的因素（干扰、模型误差、老化）都会体现在 e(t) 上，控制律自动修正。

核心公式：

闭环传递函数：
        Y(s) = C(s)·G(s) / (1 + C(s)·G(s)·H(s)) · R(s)
        Y(s) = C(s)·G(s) / (1 + K_开环) · R(s)

误差（稳态）：
        e_稳态 = 1 / (1 + K_开环) · r  ← K_开环越大，误差越小

干扰 D(s) 的影响：
        Y(s) / D(s) = 1 / (1 + K_开环) ← 反馈抑制干扰

关键结论：

• K_开环 → ∞，误差 → 0
• 但 K_开环 太大 → 不稳定（震荡、发散）—— 这是反馈的根本矛盾

二、钱学森原话

钱学森 Ch 4 §4.6： "自动控制系统之所以能够自动地、精确地工作， 关键在于它有反馈环节。 没有反馈，就没有自动控制。"

钱学森 Ch 4 §4.6： "反馈控制系统在扰动作用下的稳态误差， 等于扰动信号除以 1 + K_开环。 增大 K_开环 可以减小稳态误差， 但 K_开环 过大又会使系统不稳定。"

三、软件工程对位

闭环反馈场景	软件工程实例
监控告警	Prometheus + Alertmanager
自动扩缩容	K8s HPA（CPU 高→扩容）
熔断器	错误率高 → 熔断 → 恢复
自愈系统	检测到异常 → 重启/迁移
限流	QPS 超阈值 → 限流
缓存失效	命中率低 → 调整 TTL
定时巡检	健康检查失败 → 摘除节点
蓝绿发布	流量异常 → 自动回滚

共同特征：

• 有测量（指标、日志、链路）
• 有目标（阈值、SLO）
• 有调节（扩容、熔断、回滚）

四、调用的 L 层方法论

方法论	在闭环中的角色
feedback-loop（反馈闭环）	闭环的核心结构
alert（告警分级）	误差的告警（软硬激发 + 滞回）
spectral-analysis（谱分析）	反馈系统的频率响应分析
extremum-seeking（自寻最优）	无模型的闭环调参
redundancy-fault-tolerance（冗余容错）	反馈失效时的备份

五、实战案例

案例 1：API 自动限流

闭环反馈：
  目标：QPS ≤ 10000
  测量：实际 QPS
  误差：目标 - 实际
  控制：调整限流阈值

结构：
  request → limiter(动态阈值) → pass/drop
       ↑                    ↓
       └── metrics ←─── 实际 QPS

关键设计：

• 滞回窗口：上升阈值 10000，下降阈值 8000（避免震荡）
• 软硬响应：90% 软响应（告警），100% 硬响应（拒绝）

案例 2：数据库连接池自愈

闭环反馈：
  目标：连接池使用率 < 80%
  测量：active_connections / max_connections
  误差：阈值 - 实际
  控制：扩容连接池 / 重启服务

结构：
  db_pool → connection_request → grant/deny
       ↑                              ↓
       └──── metrics ←──── active_count

案例 3：K8s HPA 自动扩缩

闭环反馈：
  目标：CPU < 70%
  测量：节点 CPU 使用率
  误差：70% - 实际
  控制：增减 Pod 数量

结构：
  HPA controller ──→ scale up/down
       ↑                    ↓
       └── metrics ←─── node CPU

六、反模式

反模式	症状	应该改用
无滞回的告警	阈值边界震荡	加滞回窗口（alert.md）
反馈环路过长	调节滞后严重	串级控制或缩短链路
反馈增益过高	系统震荡	降低增益或加阻尼
反馈环断裂	出问题不响应	冗余容错 + 健康检查
目标值频繁变	系统抖动	目标值应有滞回/平滑

七、何时升级到其他结构

升级到串级控制（嵌套反馈）：

• 单层反馈调不够好（如外层 SLO + 内层资源使用）
• 内外环时间常数差 3-5 倍

升级到复合控制（前馈+反馈）：

• 干扰可预测（如定时流量高峰）
• 需要预判 + 实测结合

升级到自适应控制：

• 被控对象参数大幅变化
• 不同业务时段行为不同

升级到协调控制：

• 多个反馈环互相干扰
• 需要多级分散协调

八、控制结构对位（供业务主题引用）

本结构被调用：

• themes/system-stability：监控告警 + 自愈 + 熔断 = 闭环
• themes/observability：日志/指标/链路 + 告警 = 闭环

本结构调用：

• feedback-loop：闭环的具体实现
• alert：闭环的告警环节
• spectral-analysis：闭环的频率响应
• extremum-seeking：无模型调参
• redundancy-fault-tolerance：反馈失效保护

九、与其他控制结构的关系

开环 → 闭环（加测量和反馈）
闭环 → 串级（嵌套反馈）
闭环 → 复合（加前馈）
闭环 → 自适应（参数在线调整）
闭环 → 协调（多环协同）

总结

闭环反馈 = 应对不确定性的标准解。当业务场景是：

• 输出可测量
• 干扰不可预测
• 模型有误差

用闭环：自动修正、抗干扰、鲁棒。

当单层闭环不够（震荡/滞后/参数漂移），升级到串级、复合、自适应。