如何通过k8s来降低运营成本？
通过k8s来降低运营成本从大方面上分为两类：资源配置和自动运维。下面具体来聊聊。
资源配置方面
资源配置主要是通过资源使用率来减少成本。
超卖
多数服务都有资源浪费的情况，特别是业务系统多数为IO密集型。CPU利用率很低，这时候可以进行超卖来提高资源使用率。超卖是指比如分配给了4个核，但是因为资源共享，在自身使用不高的情况下，有可能将4个核共享。比如超卖率为2。就是说极端情况下其实自己只得到2个核。但是这会配合监控使用。如果这个服务突然CPU使用率上升，最高还是可以用到4个核的。但是如果这个容器所在的物理机都分配满了，而且整体CPU使用率都很高，可能会获得不了足够的核数从而造成稳定性方面的影响。
混部
混部是指将一些资源使用不同的服务部署到一台物理机上，以提高整体的利用率。比如IO密集型业务、CPU密集型业务以及ES等高内存消耗的服务混部，让CPU、内存和网络资源都能够很好的利用。
按需调度
可以设置资源基线，如果用户没有特殊需求，则按照基线标准分配资源。如果用户有智能网卡、NUMA绑核等特殊需求，再将这些稀缺资源进行分配，以提高整体的资源利用率。另外还可以使用云提供商的存储服务，如AWS的EBS或GCP的Persistent Disks，以减少存储硬件的购买成本。
自动运维方面
自动运维这可以减少人工和机器两方面的成本。
自动扩缩容
利用Horizontal Pod Autoscaler（HPA）等工具根据负载自动增减Pod数量。
成本分析
使用Cost Anomaly Detection等工具来识别资源消耗高的服务进行优化，检测服务问题，提高资源使用率。
自动化工具
可以通过自动化工具来实现节点碎片的再平衡。随着时间的推移，任何活动的 Kubernetes 集群都会经历一系列重复的部署和周期性的扩展，这就意味着会不断添加和删除 Pod 和节点。这个周期通常会在集群中产生一些效率低下的情况。由于 Kubernetes 调度程序无法预测未来的 Pod 大小和节点添加，随着时间的推移，许多不一致性会出现在 Pod 的调度中。最终，Pod 会被调度到各个节点上，导致任何新的 Pod 无法在任何单个节点上满足所需的资源，使 Pod 无法调度，即使在节点上可能有更多的容量，但仍然需要扩展。这样就产生一个假的资源紧张现象，可以通过整合这些可用资源片段来避免。