cloudpilot_ai的博客

摘要：2025年云计算基础设施管理正经历根本性变革，传统EC2自动扩展组(ASG)模式逐渐被取代。新一代解决方案包括无服务器容器、智能混合实例架构和轻量级虚拟化技术等，将关注点从"节点数量"转向"工作负载需求"。这种转变带来运维负担减轻、弹性效率提升等优势，但也面临控制权让渡和学习成本等挑战。团队需重新评估架构必要性，培养抽象化思维，以适应以工作负载为中心的自动扩展新范式。

摘要：Freshworks 采用 Karpenter 优化 AWS EKS 资源利用率，解决原有方案导致的 低效问题。Karpenter 通过实时匹配 Pod 需求创建精准配置的 EC2 实例，显著提升性能、降低成本，并支持多实例类型与可控节点中断。部署通过 Terraform+ArgoCD 实现，配置 NodePool/EC2NodeClass 模板统一管理，结合优雅终止和分级调度策略，最终在保证高可用性的同时节省成本。

我们能从每 CPU 的成本、实例被中断的频率等各种角度去衡量和预测，一旦有了这样的度量基础，团队就无需自己从零构建算法工具，没有太多人力，也更容易向上沟通：我们在 Spot 上做得怎么样了，可以用数据说话。搭个简单的测试服务，用 Blazemeter 试用版或者 k6 这种工具，模拟真实流量，把数据打出来，观察行为，调整参数，测完之后分享给团队。为什么不换个更便宜的？我觉得这没什么不好，作为云平台工程的负责人，我希望我的团队能够对这种提议提出质疑，这样我就有机会用数据和实际案例去说服他们，这才是。

Figma 提交 IPO 申请，2025年或成最大科技上市案。2024年营收7.49亿美元（+48%），月活超1300万，70%收入来自企业客户。四年内营收增长近百倍，曾拒绝Adobe 200亿美元收购要约。为支撑快速增长，Figma将核心服务从AWS ECS迁移至Kubernetes，以解决状态服务部署、开源生态集成等痛点。迁移聚焦保持用户抽象不变，同时获得弹性伸缩、服务网格等云原生能力，并降低未来技术锁定的风险。该战略转型预计将提升平台性能与可用性，为IPO后的持续扩张奠定技术基础。（149字）

在 GenAI 时代，云成本达到了历史新高。这并不仅仅因为企业使用了更多计算资源，而是他们没有高效地利用这些资源。根据 Harness 的研究，预计今年的企业云支出浪费将高达 445 亿美元，相当于每分钟烧掉 8.5 万美元。是一家 AI 初创公司，总部位于旧金山。目前是硅谷最受欢迎的人工智能公司之一，最新一轮估值为 615 亿美元，业内排名第二，是 OpenAI 最大的竞争对手。作为 Claude 模型背后的创造者，Anthropic 早已成为 AI 模型领域的明星选手。

在专属 Auto Scaling Group 中部署 Karpenter Controller；通过 Helm 模板定义节点组规格；逐步减少第三方解决方案中的管理下 NodeGroup 的最小/最大节点数，一旦节点被移除，就让 Karpenter 接管；按优先级分批次迁移（从非关键负载开始）；对于某些场景，禁用合并策略并设置实例空闲 TTL，以防止业务中断。

使用 AWS Spot 实例可以显著降低云成本，最多可比按需实例节省 90%。对于 Kubernetes 集群而言，Spot 实例尤其适合运行具备弹性、非关键或突发型的工作负载，是实现性价比的理想选择。不过，Spot 实例自带“中断风险”——AWS 仅提前 2 分钟发出终止通知（CloudPilot AI 可提前45分钟发出中断通知），而通常新节点启动需要约 5 分钟。这就留下了一个，如果处理不当，可能对业务造成影响。

Snowflake 的 IT 云运营团队迎来了云基础设施演进的关键转折点。随着 Amazon EKS 上容器化工作负载规模不断扩大，他们亟需一个更现代、安全且高效的操作系统。其原有基于 Amazon Linux 2（AL2）的架构虽能运行，却存在多重挑战：经过全面评估，AWS 专为容器优化设计的操作系统 Bottlerocket 成为解决这些问题的理想选择。Bottlerocket 是 AWS 专为容器优化场景设计的开源操作系统。与传统通用型操作系统不同，Bottlerocket 采用了最小化设计，去除了不

这一选择也使我们能够复用现有的工程经验与工具链，既保留了现有 Makisu 投入，又通过 Bazel 的跨平台能力打通了 Arm 构建的路径。镜像构建完成后，流水线会触发最后一步，使用多架构容器 manifest 将 x86 和 Arm 镜像合并为一个统一的多架构容器镜像。我们没有完全放弃 Makisu，而是选择通过引入一个支持构建 Arm 架构镜像的新容器镜像构建器，来演进我们的构建流水线。在 Uber，我们在逐步引入生产环境变更时非常谨慎，逐步扩大变更范围，因此构建了基于架构的调度约束和回滚机制。

在云计算领域，尤其是在像 QA（Quality Assurance）这样并非生产环境的场景中，基础设施的成本管理始终是一个挑战。我们的 QA 环境对测试的稳定性要求较高，但我们注意到，大量基础设施成本都花在了 EC2 按需实例上。经过深入调研，我们决定在 QA 环境中引入，并结合与中断处理器进行优化。本文将介绍我们在保证应用可靠性的前提下，从最初的架构出发、一路成功实现云支出大幅缩减的实践过程。

（chuhaijiang.com）是「数绘星云」公司打造的社交内容电商服务平台，专注于为跨境生态参与者提供数据支持与智能化工作流。平台基于大数据与 AI 技术，帮助商家精准分析市场趋势、优化运营策略，并借助中国供应链优势直达海外社交电商用户。

磨刀不误砍柴工，深入理解数据和使用模式才是降本增效的关键。

1969 年，弗雷德·罗杰斯（Mr. Rogers）在美国参议院商务委员会作证，申请资金以支持公共广播的发展。他那番感人至深的发言被认为是美国电视史上的关键时刻，强调了教育类节目对公众福祉的重要性。时至今日，这一使命仍在延续， 美国公共广播公司 PBS 的 Mike 和他的团队也以自己的方式践行着这一承诺——将每一分公共资金都用到极致。在资源有限但对高质量、易获取内容的需求不断增长的时代，这些工程师在幕后努力提高效率，利用创新性技术，确保每一分钱都物超所值。

Clusterman 的节点回收（Recycling） 策略需要修改代码才能自定义。例如，如果想要回收 G5 系列实例，需要手动调整 Clusterman 代码。这种方式不仅增加了维护成本，还降低了在特殊场景下的适配灵活性。Karpenter 允许用户指定节点存活时间（TTL），在满足 Pod 中断预算约束的前提下，实现定期回收节点，例如：“请在 10 天后回收这些节点。Spot 实例的分配策略在迁移过程中，我们学到的一个重要经验是 Spot 实例的分配策略。

本文由网络安全独角兽 Orca Security 的 FinOps 工程师 Ilay Simon 撰写，介绍了他们如何一步一步通过减少闲置资源来削减 Kubernetes 成本。

从灵活实例选择到模型服务标准化，再到监控设置，机器学习领域降成本提性能的落地解决方案全解析。

踩坑经验

随着业务增长，Slack 在管理可扩展性和资源利用率方面面临挑战。本文将介绍 Slack 如何平稳过渡至 Karpenter 以及利用 Karpenter 精简基础设施、提升资源利用效率、降低成本，减轻IT团队运维负担

从 Cluster Autoscaler 切换到 Karpenter 对 Grafana 来说是一次巨大的成功。Karpenter 的设置比 CA 稍微复杂一些，但结果却是非常积极的，它最终实际上简化了我们的基础架构。对于更大、更复杂的 EKS 集群来说，它似乎是最合适的工具。作为一家公司，Grafana Labs 一直以来都很注重成本，因此，闲置率是他们始终关注的一个指标，这样就能充分利用现有资源，并提供最佳服务。这一变化显著降低了 AWS 集群中的闲置率，使其变得更加高效。