华为云闲置资源治理与成本优化
华为云成本治理:账单降了 37% 之后,我发现最贵的不是那些开着的机器
很多团队做成本优化的第一反应是"把大规格 ECS 降配",但降配要评估业务风险,往往拖半年落不了地。真正见效最快的是另一类资源:你没在用、但一直在付费的东西。这篇文章给出一套可落地的资源画像方法,以及一份按"发现难度 × 回收金额"排序的僵尸资源清单。
一、先分清:钱花在哪四类资源上
云账单看着复杂,拆开只有四类,治理手段完全不同:
| 类别 | 典型资源 | 治理特点 |
|---|---|---|
| 计算 | ECS、CCE 节点、FunctionGraph | 需要业务评估,落地慢 |
| 存储 | EVS、OBS、SFS、备份与快照 | 风险低,见效快 |
| 网络 | EIP、NAT 网关、ELB、带宽 | 最容易漏,且很多人不知道闲置也收费 |
| 流量 | 公网出流量、跨区流量、CDN 回源 | 需要架构调整,收益大但周期长 |
关键认知:计算只占账单的一部分,而"看不见的"存储和网络资源,往往是被浪费最多的部分。 因为它们不产生任何业务价值,也就不在任何人的关注列表里。
二、最常见的僵尸资源清单
按"发现难度 × 回收金额"排序,从最容易拿钱的地方开始:
1. 未绑定的弹性公网 IP(EIP)
这是最经典的坑:EIP 一旦申请,即使没有绑定到任何实例,也照样按小时计费。
发现方法很简单:在 EIP 列表里筛选"未绑定"状态的资源。数量通常比想象中多——因为申请 EIP 是随手操作,而释放需要有人负责。
处理原则:确认无人使用后直接释放。如果是为了快速扩容预留的,那就应该记账并设定复核周期,而不是让它无限期躺着。
2. 未挂载的云硬盘(EVS)
磁盘被卸载后不会自动删除,也不会自动停止计费。常见来源:
- 实例释放时勾选了"保留磁盘"
- 从快照恢复后忘了清理原盘
- 迁移完成后遗留的旧盘
治理动作:列出所有状态为"可用"(未挂载)的云盘,逐个确认。注意区分系统盘和数据盘——系统盘的残留通常意味着实例已经不存在了,可以直接清。
3. 快照与备份堆积
快照是典型的"设一次就忘"的资源。策略设成"每天备份、保留 90 天",两年后就积累了几百个快照,而且每次扩容磁盘后,旧快照依然按原容量计费。
治理动作:
- 把保留周期从"永久/90 天"改成按业务实际需要(多数场景 7~30 天足够)
- 检查是否有重复策略:多个备份策略同时作用于同一批磁盘,会产生多份内容相同的快照
- 定期盘点快照总容量与磁盘总容量的比值,超过 3 倍就值得复查
4. OBS 存储桶:没有生命周期的桶等于没有治理
对象存储便宜,但**"便宜"是相对于容量而言,堆积起来一样可观**。三个常见问题:
- 桶里存着大量日志、临时文件、中间产物,且没有配置任何生命周期规则
- 开了多版本控制,但旧版本从未清理——删除操作只是加了个删除标记,历史版本还在占空间
- 未完成的分段上传碎片长期残留(这部分在控制台对象列表里看不到)
治理动作:给每个桶配生命周期规则(转归档/低频 → 过期删除 → 清理未完成分段上传 → 清理过期版本),这是零风险高收益的动作。
5. 低利用率的 ECS:先画像,再降配
这一类的金额最大,但也最需要谨慎。不要看月度平均 CPU,那会骗人。
原因很直接:一个夜间跑批、白天闲着的业务,月度平均 CPU 可能只有 3%,但它需要的是夜间那两小时的处理能力。按平均值降配,等于把批处理窗口拉长几倍。
正确的画像方式是按小时看:
采样维度:CPU 使用率、内存使用率(需装 Agent)、磁盘 IOPS
统计口径:取最近 30 天每小时的最大值,再看这些最大值的分布
判断标准:所有小时的峰值都低于 10% → 降配候选
只有部分时段峰值高 → 不是降配候选,是弹性伸缩候选
这一步的结论会分成三类,处理方式完全不同:
| 画像结果 | 结论 |
|---|---|
| 全天峰值都低 | 降配,甚至可以考虑用更便宜的实例类型 |
| 只在固定时段峰值高 | 弹性伸缩或定时开关机,比降配收益更高且无风险 |
| 内存峰值接近上限 | 不要降配,CPU 再闲也不能动内存,否则高峰期 OOM |
降配最容易出的事故就是只看 CPU 不看内存。 很多 Java 服务的堆内存占用是刚性的,CPU 闲不等于内存闲。
三、计费模式:包年包月的盈亏平衡点
把长期稳定的按需实例转成包年包月,是最直接的省钱手段,但前提是确认它真的长期稳定。
判断方法:找出连续运行超过一定时长、且负载稳定的实例,这部分才适合包年包月。临时测试机、短期项目机转包年包月,是反向浪费——你以为省了,实际是把可退的按需变成了不可退的承诺。
一个实用原则:
- 基线负载(全天候都在跑的那部分)→ 包年包月
- 峰值负载(只在高峰期需要的那部分)→ 按需或竞价
- 两者叠加使用,而不是把所有机器都套进同一个计费模式
四、比省钱更重要的:让成本可见
技术手段只能省一次,机制才能持续省。三个必须建立的机制:
1. 强制标签
没有标签,账单就是一坨总额,无法归因到团队、项目、环境。规则要简单可执行:
必填标签:项目、环境(prod/test/dev)、责任人
关键是"强制":在创建资源时就校验标签,缺标签不允许创建。事后补标签的成本远高于事前强制。
2. 预算告警
按项目设预算,达到 80% 告警、100% 再告警。告警要发给花钱的人,不是发给运维——运维不决定业务规模,业务方才能判断增长是否合理。
3. 月度账单复盘
每月固定做一次"异常增长归因":对比上月账单,找出增长最快的三个资源类型,问清楚原因。成本治理最怕的不是贵,是贵得没感觉。
五、执行顺序:先摘低垂果实
按风险和收益排一个执行顺序,别一上来就啃硬骨头:
| 优先级 | 动作 | 风险 | 见效速度 |
|---|---|---|---|
| 1 | 释放未绑定的 EIP | 极低 | 立即 |
| 2 | 清理未挂载的云盘 | 低 | 立即 |
| 3 | 配 OBS 生命周期规则 | 低 | 下个计费周期 |
| 4 | 精简快照与备份策略 | 中(涉及恢复能力) | 下个计费周期 |
| 5 | 低利用率实例降配/定时开关机 | 中高(需压测验证) | 1~2 周 |
| 6 | 计费模式切换 | 中(涉及承诺周期) | 1 个月 |
| 7 | 架构调整(跨区流量、CDN) | 高 | 季度级 |
前四项加起来通常能拿到 10%~20% 的降幅,且几乎零业务风险。 后面几项金额更大,但需要跨团队协作和验证周期,不适合作为第一阶段的抓手。
六、小结
四句话:
- 最贵的不是开着的机器,是没在用的资源——未绑定的 EIP、未挂载的盘、堆积的快照,都不产生价值却持续计费。
- 利用率要按小时画像,不要看月度平均,平均值会把"夜间跑批"这种业务误判成闲置。
- 降配先看内存再看 CPU,Java 类服务的堆占用是刚性的,CPU 闲不代表能降配。
- 技术手段省一次,标签和预算机制才能持续省,让花钱的人看见账单,比任何优化都有效。
如果只记一句:成本治理的第一步不是优化,是让每一分钱都能归因到人。
建议标签:成本管理、云上成本优化、FinOps、资源治理
- 点赞
- 收藏
- 关注作者
评论(0)