云与集群成本优化检查清单

使用方式

成本优化先做可见性，再做资源效率，最后做架构和采购。不要一上来就砍资源，先用标签和分摊把成本归属清楚，再找真正的浪费点。

按“可见 → rightsizing → 弹性 → 存储 → 网络 → 采购 → 治理”的顺序推进，每项优化都要评估稳定性和性能影响。

检查清单

1. 可见性

• 资源有统一标签：团队、环境、服务、成本中心。
• 按命名空间/服务/集群分摊成本。
• 有闲置资源、低利用率资源和异常增长报告。
• 成本数据每天更新，能看到趋势和预算。
• 云账单与集群成本能对账。

2. 计算资源

• 工作负载 requests/limits 与实际使用匹配。
• 长期低利用率的节点被识别并缩容。
• HPA/KEDA/Karpenter 按负载弹性伸缩。
• 无状态服务使用 Spot/抢占实例，配合 PDB。
• 开发/测试环境非工作时段自动关机。
• 避免过度申请 GPU 和超大规格实例。

3. 存储

• 清理未挂载的 PV、快照和旧镜像。
• 按访问频率选择存储类型和生命周期。
• 日志、备份、对象存储有保留策略。
• 重复数据删除和压缩已评估。
• 冷数据迁移到低频/归档存储。

4. 网络

• 跨可用区/跨地域流量有成本和延迟评估。
• NAT Gateway、负载均衡和公网 IP 按需使用。
• CDN 和缓存减少回源流量。
• 服务间调用尽量同可用区。
• 云厂商的流量计费规则已确认。

5. 采购与承诺

• 预留实例/节省计划覆盖稳定负载。
• 按需、Spot、预留组合经过测算。
• 许可和订阅按实际使用量复核。
• 云厂商折扣和信用额度已使用。
• 避免长期锁定与业务不确定性冲突。

6. 治理

• 预算和告警已设置，超支有通知。
• 新资源必须带标签，成本异常有 owner。
• 成本优化纳入季度评审。
• 优化变更经过性能和稳定性验证。
• 成本指标与 SLO 一起看，避免为省钱牺牲可靠性。

常见误区

• 只看账单总额，不看资源利用率和归属。
• 直接降低 requests 导致调度过密和 OOM。
• 为了省钱全部用 Spot，关键服务没有 PDB 和中断处理。
• 存储只删快照，不检查备份保留和合规要求。
• 忽略跨可用区流量和 NAT 费用。
• 成本优化一次性运动，没有持续治理。

相关条目

• kubecost、opencost、kubectl-cost
• karpenter、cluster-autoscaler、hpa、keda
• resource-quota、limitrange、vpa
• storageclass、volume-snapshot、minio
• k8s-production-checklist、observability-roadmap
• gpu-cluster-checklist、platform-engineering-roadmap