K8s 集群成本优化的 10 个反直觉实践：故意降低可用性后，我们省了 60% 的钱
去年审计报告出来时，我盯着那行 “K8s 集群年度支出超 40 万” 的数字发呆 —— 我们明明只有 3 个核心业务模型，怎么会花这么多？
后来翻遍了服务器账单才发现，最大的浪费藏在 “追求完美” 里：日志分析服务用了和支付系统一样的高可用配置，离线训练任务跑在昂贵的按需实例上，连内部测试用的集群都保持着 3 个节点的冗余。
那天下午，我做了个大胆的决定：给非核心服务 “降级”。半年后再看账单，成本直接砍了 60%，而业务几乎没受影响。
今天想和你聊聊这 10 个反直觉的成本优化实践 —— 那些看似 “不合理” 的做法，恰恰是中小团队最该掌握的省钱智慧。每个实践都带着温度和具体故事，希望能让你在成本和可用性之间找到舒服的平衡点。
1. 给非核心服务设个 “故障容忍期”
以前总觉得 “所有服务都要高可用”，直到某次日志分析服务崩了 5 分钟，我们才发现：根本没人在乎。
那天下午，ELK 集群的一个节点突然宕机，等自动恢复时已经过了 5 分钟。事后调查发现，除了我收到报警，没有任何业务方反馈 —— 因为大家看日志都是按小时粒度，5 分钟的中断完全不影响。
现在我们给这类非核心服务设了 “5 分钟故障容忍期”：
- 副本数从 3 减到 2（省 30% 资源）
- 不用抗中断的按需实例，改用 Spot 实例（省 50% 成本）
- 恢复策略设为 “延迟 3 分钟重启”（避免频繁调度浪费资源）
关键提醒：判断一个服务是否能设容忍期，就看 “中断 10 分钟会不会有人打电话骂你”—— 没人骂的，尽管大胆降配。
2. 让测试环境 “白天上班，晚上睡觉”
测试集群以前 24 小时待命，后来发现：开发团队晚上 9 点后就没人用了，却空耗着 3 台服务器的资源。
现在我们给测试环境加了个 “作息表”：
# K8s CronJob定时关闭测试环境
<
