资源优化

优化资源请求/限并右调服务以无失余量砍成本。

为什么

请求 4 CPU 和 2GB 内存但用 0.5 CPU 和 200MB 的服务超配 8x — 且 $50/pod/月、50 pod 年浪 $25k。右调（请求设 p95 用 + 20% 余量、限设 p99 * 2）砍浪同时保尖峰余量。陷阱是无数据右调 — 猜"可能 1 CPU"留你要么超（浪）要么欠（OOM）。用指标：过去 30 天 p95 和 p99 CPU/内存、请求设 p95 + 余量、限设 p99 * 2（或若 OOMKilled 比节流糟则移限）。这是季度练习：随代码变用漂，6 月前右调的服务现可能超配。季度右调的团队报无任何余量失成本降 30-50%，因他们付实际用非猜。

何时使用

所有服务季度、大代码变后、成本超预算时。

如何做

1. 按服务收 30 天用指标
   - CPU 和内存用，p50/p95/p99，每 pod
   - 用指标服务器或监控工具（Datadog、Grafana）
   - 30 天捕周模式和偶发尖峰

2. 请求设 p95 用 + 余量
   - requests.cpu = p95(cpu) * 1.2   （20% 余量）
   - requests.memory = p95(memory) * 1.3  （30% 余量；内存少突发）
   - 请求定调度；设太高浪集群资源

3. 慎设限（或移）
   - limits.cpu = p99(cpu) * 2  （允突发；CPU 节流优雅）
   - limits.memory = p99(memory) * 1.5  （OOMKilled 非优雅；设高或移）
   - 若 OOMKilled 致过事件 → 移内存限（让节点处理）

4. 右调副本和 HPA
   - 若 p95 CPU 是请求 10% → 超配；降请求或减副本
   - 若 HPA 从不扩超 min → min 太高；降它
   - 若 HPA 总在 max → max 太低；提它（或修瓶颈）

5. 右调后验
   - 部新请求/限，看 1 周
   - 无 OOMKilled？无 CPU 节流？延迟 SLO 内？→ 右调成
   - 若问题 → 回滚并重查（你用坏数据或错余量）

示例

# 右调 checkout（30 天指标）：
#   CPU：p50 0.2、p95 0.5、p99 0.8  （核）
#   内存：p50 200MB、p95 400MB、p99 600MB

# 当前（超配）：
resources:
  requests: { cpu: "2", memory: "2Gi" }   # CPU 4x 超、内存 5x
  limits:   { cpu: "4", memory: "4Gi" }

# 右调：
resources:
  requests:
    cpu: "0.6"      # p95(0.5) * 1.2 = 0.6
    memory: "520Mi" # p95(400) * 1.3 = 520
  limits:
    cpu: "1.6"      # p99(0.8) * 2 = 1.6（CPU 节流优雅）
    # 内存限移 — OOMKilled 比节点压力糟

# 成本省：
#   前：50 pod × 2 CPU × $50/CPU/月 = $5,000/月
#   后：50 pod × 0.6 CPU × $50/CPU/月 = $1,500/月
#   省：$3,500/月 = $42k/年（70% 降，无余量失）

# HPA 右调：
#   当前：min 10、max 50。HPA 从不超 12。
#   → min 5（降基线）、max 30（降封；若撞 30 修瓶颈）
#   → 多省 5 pod × 0.6 CPU × $50 = $150/月

# 验（1 周后）：
#   OOMKilled：0  ✅
#   CPU 节流：<0.1%  ✅
#   p99 延迟：450ms（SLO 500ms）  ✅
#   → 右调成

常见问题

⚠无数据右调 — 猜"1 CPU"留你要么超（浪）要么欠（OOM）；用 30 天 p95/p99 指标。
⚠内存限太低 — 突发时 OOMKilled 丢在飞请求；设高或移（OOM 比节点压力糟）。
⚠一次右调永不重查 — 用随代码变漂；季度重右调。
⚠右调请求非副本 — 50 pod 每 0.6 CPU 仍 30 CPU；若 p95 0.5 你需 5 pod 非 50。

最佳实践

✓收 30 天每 pod p50/p95/p99 CPU 和内存；请求设 p95 + 20% 余量、限设 p99 * 2（或若 OOMKilled 险则移内存限）。
✓也右调副本和 HPA：若 p95 CPU 是请求 10% 则降请求或减副本；若 HPA 从不超 min 则降 min。
✓右调后验：看 1 周 OOMKilled、CPU 节流、SLO 破；若问题现则回滚。
✓季度和大代码变后重右调；用漂，6 月前右调的服务现可能超配。