Kubernetes 成本優化：企業級容器平台的 10 個省錢策略

Kubernetes 成本挑戰

隨著容器化部署的普及，Kubernetes 已成為企業的標準基礎設施。然而，Flexera 2026 年的報告指出，不當的 K8s 配置可能導致資源浪費高達 60%。

核心原因在於：開發者傾向於「過度配置」資源請求，以確保應用程式不會因資源不足而崩潰。但這種保守策略直接導致了大量的資源閒置。

💡 核心觀念：Kubernetes 成本優化的本質，不是減少資源，而是讓每一分錢都花在刀口上。

叢集層級優化

1. 啟用 Cluster Autoscaler

Cluster Autoscaler 會根據 Pending Pod 的資源需求自動調整節點數量：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: cluster-autoscaler
  namespace: kube-system
spec:
  template:
    spec:
      containers:
      - name: cluster-autoscaler
        image: k8s.gcr.io/autoscaling/cluster-autoscaler:v1.29.0
        command:
          - ./cluster-autoscaler
          - --v=4
          - --scale-down-enabled=true
          - --scale-down-delay-after-add=5m
          - --scale-down-unneeded-time=3m
          - --skip-nodes-with-local-storage=false
          - --balance-similar-node-groups=true

關鍵參數調校：

2. 合理規劃節點池

不同工作負載應使用不同的節點池：

⚠️ Spot 節點注意事項：Spot 節點可能隨時被回收。務必確保 Spot 池上的工作負載有適當的 Pod Disruption Budget 和重試機制。

Pod 層級優化

3. 精確設定資源 Requests 與 Limits

這是 K8s 成本優化中最重要的一環。過高的 requests 導致資源閒置，過低則造成 OOM 或被驅逐：

resources:
  requests:
    cpu: "250m"      # 根據實際 P95 使用量設定
    memory: "512Mi"  # 根據實際峰值 + 20% 緩衝
  limits:
    cpu: "1000m"     # 突發上限，通常為 requests 的 2-4 倍
    memory: "1Gi"    # 硬上限，超過即 OOM Kill

💡 實戰建議：使用以下 PromQL 查詢來找出過度配置的 Pod：

(kube_pod_container_resource_requests{resource="cpu"} 
 - rate(container_cpu_usage_seconds_total[5m])) 
/ kube_pod_container_resource_requests{resource="cpu"} > 0.7

比率大於 0.7 的 Pod 代表至少 70% 的 CPU request 被浪費。

4. 實施 Vertical Pod Autoscaler (VPA)

VPA 會根據歷史使用數據自動調整 Pod 的資源配置：

apiVersion: autoscaling.k8s.io/v1
kind: VerticalPodAutoscaler
metadata:
  name: my-app-vpa
spec:
  targetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: my-app
  updatePolicy:
    updateMode: "Auto"  # 或使用 "Off" 僅獲取建議
  resourcePolicy:
    containerPolicies:
    - containerName: my-app
      minAllowed:
        cpu: "100m"
        memory: "128Mi"
      maxAllowed:
        cpu: "2"
        memory: "4Gi"

5. 使用 Horizontal Pod Autoscaler (HPA)

搭配 VPA 使用 HPA，根據實際流量自動擴縮 Pod 副本數：

• CPU 目標：建議設為 70%（留 30% 緩衝給突發流量）
• 自訂指標：使用 RPS（每秒請求數）比 CPU 更精確
• 縮減冷卻：設定 scaleDown.stabilizationWindowSeconds: 300

命名空間與治理

6. 實施 ResourceQuota

防止單一團隊或命名空間過度消耗叢集資源：

apiVersion: v1
kind: ResourceQuota
metadata:
  name: team-a-quota
  namespace: team-a
spec:
  hard:
    requests.cpu: "20"
    requests.memory: "40Gi"
    limits.cpu: "40"
    limits.memory: "80Gi"
    pods: "50"
    services: "10"

7. LimitRange 預設值

設定命名空間層級的預設資源限制，避免開發者忘記設定 resources 導致無限制消耗：

apiVersion: v1
kind: LimitRange
metadata:
  name: default-limits
  namespace: team-a
spec:
  limits:
  - default:
      cpu: "500m"
      memory: "512Mi"
    defaultRequest:
      cpu: "100m"
      memory: "128Mi"
    type: Container

監控與可觀測性

8. 建立成本儀表板

使用 Prometheus + Grafana 搭建成本監控，追蹤以下關鍵指標：

9. 部署 Kubecost

Kubecost 可以精確計算每個 namespace、deployment、甚至每個 Pod 的實際成本：

# 安裝 Kubecost
helm install kubecost kubecost/cost-analyzer \
  --namespace kubecost \
  --create-namespace \
  --set kubecostToken="YOUR_TOKEN"

10. 定期成本審計

建立每週成本審計 Checklist：

• 檢查 CPU/Memory 使用率低於 20% 的 Deployment
• 確認 CronJob 已設定 successfulJobsHistoryLimit 和 failedJobsHistoryLimit
• 驗證 HPA 和 VPA 是否正常運作
• 審查新部署的資源 requests 是否合理

預期效益

根據我們為 20+ 家企業實施 K8s 成本優化的經驗，以下是各策略的預期節省幅度：

💡 綜合效益：完整實施以上所有策略，典型企業可降低 30-50% 的 K8s 運營成本。

下一步

想要為你的 Kubernetes 叢集做一次免費的成本健檢？歡迎聯絡我們，CloudSwap 團隊將提供專業的容器平台費用優化諮詢。