<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[cloudpilot_ai的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/cloudpilot_ai</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; cloudpilot_ai]]></copyright><item><title><![CDATA[别了，EC2 Auto Scaling！AWS 2025 变革信号背后的行业真相]]></title><link>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/155279232</link><guid>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/155279232</guid><author>cloudpilot_ai</author><pubDate>Wed, 26 Nov 2025 18:11:25 +0800</pubDate><description><![CDATA[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&quot;节点数量&quot;转向&quot;工作负载需求&quot;。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。]]></description><category></category></item><item><title><![CDATA[美股 SaaS 巨头如何用 Karpenter 节省 1/4 的 EC2 成本]]></title><link>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/153329260</link><guid>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/153329260</guid><author>cloudpilot_ai</author><pubDate>Wed, 15 Oct 2025 16:03:21 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[全新 CloudPilot AI：嵌入 Kubernetes 的 SRE Agent，降本与韧性双提升！]]></title><link>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/152029589</link><guid>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/152029589</guid><author>cloudpilot_ai</author><pubDate>Wed, 24 Sep 2025 17:21:19 +0800</pubDate><description><![CDATA[然而，随着业务服务的激增和架构的复杂化，Kubernetes 集群的资源管理已逐渐成为一场成本与性能之间的“拉扯”。在生成式 AI 的浪潮下，计算资源，尤其是支撑所有服务运行与调度的 CPU 资源，已经从单纯的成本项目，升级为驱动创新速度与竞争力的底层基石。无论是发现过度配置的节点，还是追踪成本异常的集群，都能通过全新仪表盘快速定位，帮助用户实时掌握集群状况，为用户做出精准决策提供有力的数据支撑。：实时感知流量波动，自动迁移或调整副本数量，优先保障核心业务的稳定运行，让集群在高峰期不掉链，在低谷期不浪费。]]></description><category></category></item><item><title><![CDATA[AWS 优惠全用上，为什么成本还是降不下来？]]></title><link>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/150337769</link><guid>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/150337769</guid><author>cloudpilot_ai</author><pubDate>Wed, 13 Aug 2025 09:41:21 +0800</pubDate><description><![CDATA[AWS出海企业降本常见误区分析：过度关注实例单价而忽视资源利用效率是核心问题。文章揭示了三大效率陷阱：1. 预留实例(RI)和Savings Plans的灵活性缺陷导致业务波动时折扣失效；2. 调度低效造成Spot实例不敢用、资源错配等问题；3. 静态策略无法实现动态优化。通过Karpenter构建的智能调度方案可动态匹配资源，实现60%以上的降本效果。真正降本关键在于提升资源利用效率，而非单纯追求低价实例。]]></description><category></category></item><item><title><![CDATA[Karpenter 实现多云支持最后一块拼图：GCP Provider 预览版发布]]></title><link>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/149599145</link><guid>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/149599145</guid><author>cloudpilot_ai</author><pubDate>Thu, 24 Jul 2025 11:24:36 +0800</pubDate><description><![CDATA[CloudPilot AI团队开发的Karpenter GCP Provider发布预览版，填补了Karpenter在Google Cloud的空白，实现主流云厂商全覆盖。该版本提供智能节点配置、成本优化实例选择等核心功能，与GCE等GCP服务深度集成。目前为预览版，不建议生产使用。项目已开源，感谢社区贡献者参与共建。]]></description><category></category></item><item><title><![CDATA[实用脚本公开！0成本实现GitOps中Kubernetes资源自动调优]]></title><link>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/149499688</link><guid>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/149499688</guid><author>cloudpilot_ai</author><pubDate>Mon, 21 Jul 2025 10:39:31 +0800</pubDate><description><![CDATA[当然，市场上还有一些更高级的资源推荐算法和工具，比如 CloudPilot AI，能实时监控集群资源使用情况，对资源利用率的节点进行资源优化，减少浪费，适合有更高要求的团队。幸运的是，Kubernetes 自带了一个非常实用的工具——Vertical Pod Autoscaler（垂直 Pod 自动伸缩器，VPA），它可以帮你解决这个问题！为了真正做到资源配置的“精细化”，通常需要让 Pod 在正常负载下运行一段时间，收集性能指标，再进行分析和调整，然后再把优化后的结果应用到 Pod 的配置中。]]></description><category></category></item><item><title><![CDATA[谷歌为何落后于OpenAI？AWS的这条管理原则预言了结局]]></title><link>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/149399432</link><guid>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/149399432</guid><author>cloudpilot_ai</author><pubDate>Wed, 16 Jul 2025 15:23:35 +0800</pubDate><description><![CDATA[大量研究已证实，小团队的绩效优于大型“单体”团队，因为在小团队中沟通成本低，协作效率高。这在数学上也能解释。换句话说，如果你把团队拆成“前端/后端/设计/业务”这些组件团队，那么最后产出的是前端、后端模块以及业务和设计文档，这意味着需要在团队之间进行沟通和交接。举个例子，如果每个团队在开发产品新功能前都必须向 CEO 请示，那信息流最终只会把 CEO 淹没，决策自然变慢，很多传统企业就是这样被“流程”拖垮的。更令人惊喜的是，随着 Sprint 的推进，这些特性团队的表现还在持续提升。]]></description><category></category></item><item><title><![CDATA[被1600万家庭信赖的智能音箱Sonos，用什么方式让AWS云成本打3折？]]></title><link>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/149346062</link><guid>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/149346062</guid><author>cloudpilot_ai</author><pubDate>Tue, 15 Jul 2025 09:33:05 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[冲刺 IPO 的 Figma，早在 2023 年就完成了核心架构的重构]]></title><link>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/149324231</link><guid>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/149324231</guid><author>cloudpilot_ai</author><pubDate>Mon, 14 Jul 2025 10:07:10 +0800</pubDate><description><![CDATA[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）]]></description><category></category></item><item><title><![CDATA[颠覆 IT 世界的 20 万行代码：Kubernetes 的前世今生（文末有彩蛋）]]></title><link>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/149245796</link><guid>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/149245796</guid><author>cloudpilot_ai</author><pubDate>Thu, 10 Jul 2025 11:32:59 +0800</pubDate><description><![CDATA[在早期（2013–2016）的发展阶段，Kubernetes 借鉴了 Google 十余年在 Borg 和 Omega 上的实战经验，将这些久经考验的设计思想，重新打磨为一个模块化、可扩展、开放可用的容器编排平台。从 Pod 和控制器，到标签 API 和状态存储机制，几乎每一项核心设计都能追溯到 Borg 与 Omega 的技术遗产。]]></description><category></category></item><item><title><![CDATA[AWS悄悄变天：预留实例退场，Savings Plan上位！]]></title><link>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/149201993</link><guid>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/149201993</guid><author>cloudpilot_ai</author><pubDate>Tue, 08 Jul 2025 16:53:47 +0800</pubDate><description><![CDATA[如果你去查看诸如trn2p5ei8gf2和i7ie这些实例类型的定价页面，你会发现它们只显示 Savings Plans 折扣价，完全没有 RI 的踪影。]]></description><category></category></item><item><title><![CDATA[K8s 弹性伸缩踩坑实录：周末 2 天烧掉 10 万元！？]]></title><link>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/149063811</link><guid>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/149063811</guid><author>cloudpilot_ai</author><pubDate>Wed, 02 Jul 2025 10:20:52 +0800</pubDate><description><![CDATA[您本月的支出已超过预算的 80%。“今天早上 AWS 为什么一下子扣了我们 $5,000？原来，原本应该“智能”的 Kubernetes 弹性伸缩彻底失控了。本以为只是周五下午随手改了个小配置，结果这个通常只需 3 个 Pod 的服务，竟然疯狂——烧钱速度比拉斯维加斯的赌场还快。]]></description><category></category></item><item><title><![CDATA[揭秘 Anthropic 如何降低 Claude 模型的训练与推理成本]]></title><link>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/148904620</link><guid>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/148904620</guid><author>cloudpilot_ai</author><pubDate>Wed, 25 Jun 2025 18:22:34 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[Netvue利用CloudPilot AI，实现GPU降本52%，用AI守护千家万户的居家安全]]></title><link>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/148848486</link><guid>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/148848486</guid><author>cloudpilot_ai</author><pubDate>Mon, 23 Jun 2025 15:52:56 +0800</pubDate><description><![CDATA[Netvue」成立于2010年，是全球领先的智能家居软硬件解决方案提供商，专注于家庭安全监控。Netvue 将专业安防摄像机与先进的 AI 技术相结合，提供与设备相互协同工作的 Netvue 云服务，支持用户实时查看监控视频画面，并智能识别可疑人员。目前，]]></description><category></category></item><item><title><![CDATA[弹性伸缩从可用到好用，中间差了这 8 个关键点——CloudPilot AI 如何补齐？]]></title><link>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/148768942</link><guid>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/148768942</guid><author>cloudpilot_ai</author><pubDate>Thu, 19 Jun 2025 16:08:36 +0800</pubDate><description><![CDATA[在 Kubernetes 中，资源管理一直是个难题。配置复杂、调优困难，容易导致资源浪费和成本上升。虽然 Cluster Autoscaler 提供了基础的自动扩缩能力，但由于依赖节点组机制，响应慢、配置繁琐。Karpenter 作为更灵活的替代方案，通过直接与云厂商交互加快了扩缩容速度，简化了管理。但在实际场景中，它在调度复杂工作负载、应对 Spot 实例价格波动和中断风险方面仍有不足。]]></description><category></category></item><item><title><![CDATA[年吞百万请求，全球知名自由职业平台Fiverr的K8s弹性伸缩方案升级]]></title><link>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/148696889</link><guid>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/148696889</guid><author>cloudpilot_ai</author><pubDate>Mon, 16 Jun 2025 17:52:36 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[面对3倍流量激增，「纽约时报」如何既稳又省？]]></title><link>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/148614813</link><guid>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/148614813</guid><author>cloudpilot_ai</author><pubDate>Thu, 12 Jun 2025 17:21:57 +0800</pubDate><description><![CDATA[这不是普通的业务高峰，而是带有突发性与不可预测性的“流量地震”。现在，我们把很多服务统一部署到了共享平台，建立了统一的资源使用标准，因此更容易发现异常和偏离指标的服务，从而快速分析出哪些服务真的需要高负载，哪些是资源使用不合理。通过 KEDA + Karpenter 的组合，我们显著节省了 25% 的云成本，让我们的日常运维轻松了很多，被 Pager 警报叫醒的频率明显减少了。“我们运行的是一个多租户的 Kubernetes 运行时环境，包含部署在多个区域和环境的集群，其中包含一个用于测试变更的沙箱集群。]]></description><category></category></item><item><title><![CDATA[详解K8s 1.33原地扩缩容功能：原理、实践、局限与发展]]></title><link>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/148532354</link><guid>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/148532354</guid><author>cloudpilot_ai</author><pubDate>Mon, 09 Jun 2025 12:39:43 +0800</pubDate><description><![CDATA[你是否有过这样的经历？精心配置了 Kubernetes 的 Pod，设置了“刚刚好”的 CPU 和内存（至少你当时是这么想的），结果应用不是资源紧张喘不过气，就是像“双十一”抢购一样疯狂抢占资源。过去，唯一的解决办法就是——这种破坏性的做法就像用黄油刀做开胸手术，而 SRE 团队正透过手术室的窗户盯着看，紧张但无能为力。你不再需要手动启用特性，这使得它在生产环境中更加易用这意味着你可以。]]></description><category></category></item><item><title><![CDATA[别让 Spot 中断影响你下班！7 个策略教你优雅化解]]></title><link>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/148337669</link><guid>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/148337669</guid><author>cloudpilot_ai</author><pubDate>Fri, 30 May 2025 14:25:15 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[两招搞定K8s改造？全球领先数据云Snowflake这样做]]></title><link>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/148120706</link><guid>https://blog.youkuaiyun.com/cloudpilot_ai/article/details/148120706</guid><author>cloudpilot_ai</author><pubDate>Wed, 21 May 2025 17:29:25 +0800</pubDate><description><![CDATA[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]]></description><category></category></item></channel></rss>