gke-cost

GKE 成本优化

本参考介绍了在保持黄金路径安全性和可靠性的同时，降低 GKE 成本的策略。

MCP 工具： get_k8s_resource、describe_k8s_resource、 apply_k8s_manifest、patch_k8s_resource、get_cluster

黄金路径成本优化功能

黄金路径已包含成本优化设置：

设置	值	影响
autoscalingProfile	OPTIMIZE_UTILIZATION	激进地缩减节点，降低闲置
: : : 计算资源 :
verticalPodAutoscaling	enabled	VPA 建议可避免过度配置
: : : :
Autopilot 定价	按 Pod 请求付费	未使用的节点容量不收费
: : : :
Node Auto Provisioning	enabled	自动创建规格合适的节点池
: : : :

成本优化策略

1. 通过 ComputeClasses 使用 Spot VM

对可容错工作负载使用 Spot VM（可降低 60-90% 的成本）。

apiVersion: cloud.google.com/v1
kind: ComputeClass
metadata:
  name: spot-with-fallback
spec:
  activeMigration:
    optimizeRulePriority: true
  priorities:
  - machineFamily: n4
    spot: true
  - machineFamily: n4
    spot: false

适合使用 Spot 的工作负载：

工作负载	适合使用 Spot？
批处理 / 数据处理	是
开发 / 测试环境	是
无状态 Web/API（副本数 >= 2）	是（需配置 PDB）
使用检查点的作业	是
有状态工作负载（数据库）	否
单副本关键服务	否

处理驱逐：

spec:
  template:
    spec:
      terminationGracePeriodSeconds: 25  # Must be < 30s for Spot
      containers:
      - name: app
        lifecycle:
          preStop:
            exec:
              command: ["/bin/sh", "-c", "sleep 5"]

1.1 直接为工作负载选择 Spot（NodeSelector）

对于 GKE Autopilot 中的无状态或批处理工作负载，无需创建自定义 ComputeClass 即可使用 Spot VM。只需在 Pod 或 Deployment 规格中添加 nodeSelector，即可直接指定内置的 Spot 容量。

警告

抢占警告：Spot VM 可随时中断，并会提前 30 秒通知。工作负载必须具备容错能力，并至少运行 2 个副本以确保高可用性。推荐 Spot VM 时，务必明确告知用户存在被抢占的风险。

apiVersion: apps/v1
kind: Deployment
metadata:
  name: stateless-spot-app
spec:
  replicas: 2
  template:
    spec:
      nodeSelector:
        cloud.google.com/gke-provisioning: Spot
      terminationGracePeriodSeconds: 25  # Must be < 30s to allow graceful shutdown before preemption
      containers:
      - name: app
        image: <IMAGE>

2. Pod 规格调整

利用 VPA 建议，减少过度配置的请求。

# 1. Deploy VPA in recommendation mode
kubectl apply -f - <<EOF
apiVersion: autoscaling.k8s.io/v1
kind: VerticalPodAutoscaler
metadata:
  name: <DEPLOYMENT>-vpa
spec:
  targetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: <DEPLOYMENT>
  updatePolicy:
    updateMode: "Off"
EOF

# 2. Wait 24+ hours for data collection

# 3. Read recommendations
kubectl get vpa <DEPLOYMENT>-vpa -o jsonpath='{.status.recommendation}'

优化规则：

条件	操作	节省幅度
CPU 请求 >5x P95 实际值	调整为 P95 * 1.2	高
内存请求 >3x P95 实际值	调整为 P95 * 1.2	高
CPU 请求 >2x P95 实际值	调整为 P95 * 1.2	中
未设置资源请求	添加请求（启用装箱优化）	中

3. 机器类型选择

系列	用例	相对成本
e2	通用型，可突发	最低
t2a / t2d	横向扩展（Arm/AMD），性价比高	低
: : 优化 : :
n4a	基于 Axion Arm，通用型	低
: : 性价比高 : :
n4 / n4d	通用型（Intel/AMD），规格灵活	低至中
c4a	计算优化型（Arm），效率高	中至高
c3 / c4	计算优化型（Intel）	中至高
c3d / c4d	计算优化型（AMD），高性能	中至高
: : 吞吐量 : :
ek-standard	增强型 Autopilot（黄金路径）	中
m3 / x4	内存优化型、SAP HANA、大型数据库	高
g2（L4 GPU）	AI 推理	高
a3（H100 GPU）	AI 训练	最高
a4 / a4x	超大规模 AI（Blackwell GPU）	最高

在 Autopilot 中，机器类型由系统管理。使用 ComputeClasses 影响 类型选择。

4. 承诺使用折扣（CUD）

对于稳定运行的工作负载，可购买 1 年或 3 年期 CUD：

• 1 年期：约 20-30% 折扣
• 3 年期：约 50-55% 折扣
• 自动应用于该区域内符合条件的用量
• 通过 Google Cloud Console > Billing > Committed use discounts 购买

5. 集群管理

• 停止/启动开发集群：即使没有工作负载，闲置的开发集群仍会产生费用（控制平面费用）。
• 调整节点池大小（Standard）：使用 Cluster Autoscaler 并设置适当的最小值/最大值。
• 多租户集群：由多个团队共享单个集群，而不是每个团队使用独立集群（参见 gke-multitenancy 技能）。

成本监控

# View cluster cost breakdown (requires Cost Management API)
gcloud billing budgets list --billing-account=<BILLING_ACCOUNT> --quiet

# View node utilization
kubectl top nodes

# View pod resource usage vs requests
kubectl top pods --all-namespaces --containers

开发/测试成本节省

对于非生产环境，以下偏离黄金路径的设置可以接受：

| 设置 | 生产环境（黄金路径） | 开发/测试 | : : : : | ----------------------- | ------------------ | ----------------------------- | | 集群模式 | Autopilot | Autopilot（Pod 较少时更便宜） | | 发布渠道 | Regular | Rapid（更快获得修复） | | 专用节点 | 必需 | 可选（访问更简单） | | 监控组件 | 完整套件 | 仅 SYSTEM_COMPONENTS | | Secret Manager 轮换 | 120s | 已禁用 | | 维护时段 | 已配置 | 不需要 |