Crane 助力云原生用户充分发挥云上资源的最大价值，帮助企业降本增效之利器

前言

19年疫情至今，互联网业务高增速、强创收的局面已是昨日黄花。在面对疫情、国际局势、人口规模趋势、基尼效应、经济形势 等多种复杂的因素下，互联网企业的日子相对窘迫。严峻的环境倒逼着企业进行 “开源节流”、“降本增效”，捂紧钱袋子，应对充满未知的 “寒冬”。

本文将围绕 “FinOps“ 思想，介绍 “通过 Crane 手段进行优化应用资源配置“，以达到业务增效降本的目的。欢迎感兴趣的同学，参考、学习。

云上资源成本虚高的现状

一、云原生的崛起：服务上云

• 1998 年亚马逊发布论文：《分布式计算宣言》，分布式、微服务架构初现雏形；

• 20 年代传入中国，以阿里、腾讯为代表首先进行服务 ”单体拆分至微服务“ 的架构演化；

• 在云技术成熟之后，架构演进的阶段来到了云原生时代。

• 2017 年，Crane 项目开源，旨在为云原生用户提供云成本优化一站式解决方案；

• 2022 年，中国电子技术节能协会2022年“云计算中心科技奖”正式颁布，腾讯云Crane荣获“云计算中心科技奖卓越奖”，成为国内首个获得该国家级奖项的云原生解决方案；

• …

为何架构演进的历程会青睐云原生技术？具体原因可参看《云原生的崛起 一 ：市场竞争中真正敏捷力量 ！》 这里不做过多介绍。

二、服务上云的魔咒：服务健壮了，钱袋子却空了

上云会提供给服务足够的弹性，当流量在节假日、业务活动，等大规模洪峰到来时，能够快速的横向扩展，保障服务的健壮性；当呈现在流量峰谷时，服务可进行收缩；实现资源、服务的自主弹性。

那么在上述弹性的过程中，云上资源的调度是十分关键的。因为我们在采购资源时，一般是按定价 + 折旧的方式进行计费，如何在适当的时机占用适当的资源，对出纳的资源购置费用影响是举足轻重的。

如果对资源的调度模糊、不透明、或者粒度豪放，那么最终的结果就是：服务健壮了，钱袋子却空了！

三、钱都去哪了：云资源无序投入的背后急需明晰账单

在服务调性/流量模型中的不同阶段，我们需要对资源的调度进行观测，以明晰具体的资源利用率，判定其投入是否合理。

在不同业务调性、不同混部资源之间，如何做可靠的观测性方案、以及如何通过观测数据进行科学判定，是此环节的重大难题！

四、钱又回来了：划去糊涂账单，资源极致利用

当有明晰的账单及科学的资源利用判定，我们需要进行科学、合理的资源调度，以使其利用率最大，从而节省目标投入资金，让钱流回来。

如何在保障服务健壮的前提下，给出最优的调度方案，是此阶段的待解之题！

Crane 云上资源极致利用，降本增效之四大必杀技

Crane 依托于云原生技术，结合监控可视化、水平弹性、负载及拓扑感知 等多项硬核科技，将优化措施应用到云成本的多个关键环节，从而辅助用户决策、简化运维效率、提升系统稳态、全面降本增效。

一、全方面拥抱云原生

Crane 是国内第一个基于云原生技术的成本优化开源项目，全球范围内首个开源的FinOps认证解决方案。遵循 FinOps 标准，旨在为云原生用户提供云成本优化一站式解决方案，帮助企业降本增效。

目前，Crane 已经在腾讯、网易、小红书、思必驰、酷家乐、明源云、等多家互联网科技公司实现部署应用。

• 开源地址：https://github.com/gocrane/crane

---

二、无与伦比的高性价比

Crane 支持 FinOps 解决方案 全能力，以开源形式提供服务支撑。

通过对云计算成本进行可视化和分析，让企业管理者更好地了解云计算的成本结构和开支情况，从而更好地控制和优化云计算成本。具体包括以下方面：

1. 成本可视化：可以通过图表和报表等方式，将云计算成本可视化，让企业管理者可以更好地了解云计算的成本结构和变化情况。
2. 成本分析：可以对云计算成本进行分析，比如对不同业务部门的成本进行分析，对不同时间段的成本进行分析，从而更好地了解云计算成本的变化趋势和影响因素。
3. 成本控制：可以帮助企业管理者制定云计算成本控制策略，比如通过优化资源配置、采用更加经济高效的云计算服务等方式，降低云计算成本。
4. 成本优化：可以通过对云计算成本进行分析和控制，帮助企业优化云计算成本，提高企业的效益和竞争力。

1. Crane 能力全景图

2. Crane 核心能力图

---

三、实时动态的可观测监控

Crane 依托 Prometheus 监控组件，提供一组 Exporter 计算集群云资源的计费和账单数据。
进行多维度的成本洞察，优化评估，并通过 Cloud Provider 支持多云计费。

1. 成本洞察展示

• 通过图形化视图动态呈现当前资源调度分布情况，及成本分布现状。

---

四、高效智能的资源利用预测

基于可观测手段刮擦到的 负载、拓扑、QOS、Pod 等元数据，Crane 利用 强悍的算法模型进行业务流量模型、资源调度预测，资源配置变更等多种策略构建。在确保服务稳定的前提下，使得资源利用最大化，投入成本最低化。

• 算法模型赋能于弹性：EffectiveHorizontalPodAutoscaler

  • 提前扩容，保证服务质量：通过算法预测未来的流量洪峰提前扩容，避免扩容不及时导致的雪崩和服务稳定性故障。
  • 减少无效缩容：通过预测未来可减少不必要的缩容，稳定工作负载的资源使用率，消除突刺误判。
  • 支持 Cron 配置：支持 Cron-based 弹性配置，应对大促等异常流量洪峰。
  • 兼容社区：使用社区 HPA 作为弹性控制的执行层，能力完全兼容社区。

• 算法模型赋能于推荐：Recommender

  • 更合适的资源配置：采用 VPA - 滑动窗口算法，分析应用的真实用量，推荐更合适的资源配置，提升集群的资源利用率。
  • 更合适的负载配置：采用 HPA 算法，分析应用的真实用量，推荐更合适的副本配置，提升集群的资源利用率。
    • 其实现的基本算法是基于工作负载历史 CPU 负载，找到过去七天内每小时负载最低的 CPU 用量，计算按 50%（可配置）利用率和工作负载 CPU Request 应配置的副本数。

1. 智能推荐展示

---

Crane 环境快速搭建及功能验证：小试牛刀 -5- 分钟

Crane 提供了极简的环境搭建方法，5 分钟足以完成 Demo 的搭建及功能验证。感兴趣的同学，欢迎 尝试、学习、借鉴。

• 注意：末尾含删除环境指令，无需担心清理问题。

下面是总结的步骤，需要工具：

• 一台 mac 电脑 💻【有网，win 也可】
• 无特殊硬件要求

搭建环境

1. 云原生环境搭建：安装 k8s、helm、kind ，用于快速构建一个 demo 集群
2. Crane 系统搭建及操作：构建安装 crane 依赖服务组件
3. 预设集群链接与分析：启动 crane 并 视图展示 demo 数据效果

//云原生环境搭建：安装 k8s、helm、kind ，用于快速构建一个 demo 集群
brew reinstall kubernetes-cli
brew install helm
brew install kind
//Crane 系统搭建及操作：构建安装 crane 依赖服务组件
curl -sf https://raw.githubusercontent.com/gocrane/crane/main/hack/local-env-setup.sh | sh -
bash installation/local-env-setup.sh
export KUBECONFIG=${HOME}/.kube/config_crane
//预设集群链接与分析：启动 crane 并 视图展示 demo 数据效果
kubectl get deploy -n crane-system
get pod -n crane-system
kubectl -n crane-system port-forward service/craned 9090:9090
export KUBECONFIG=${HOME}/.kube/config_crane
kubectl -n crane-system port-forward service/grafana 8082:8082

图化步骤

清理环境

kind delete cluster --name=crane

附录

在技术日新月异的今天，面对竞争日益激烈的环境，拥有 Crane 降本增效的利器，意味着具备了**强悍且敏捷的竞争力！**无论是个人还是公司企业，都将是一笔 “无以比拟” 的巨大财富。