AutoScaling 推出成本优化模式

简介: AutoScaling 专有网络伸缩组在原有的扩缩容策略基础之上,新增了一种 `成本优化策略`,当前专有网络伸缩组支持三种扩缩容策略,即:优先级策略、均衡分布策略、成本优化策略。

当您的伸缩配置选择了多实例规格,并想以最低的价格来使用同等规模的 ECS 实例配置时,您可以选择使用 成本优化策略 的伸缩组,来降低您的 ECS 实例使用成本;当您的伸缩配置选择的实例为抢占式实例时,您可能会遇到由于价格、库存等原因导致抢占式实例创建失败场景,从而导致扩容不及时,影响到业务,您也可以选择使用 成本优化策略 的伸缩组,在抢占式实例创建失败的时候自动为您尝试创建同规格的按量实例,来保证业务的稳定性。

本文将通过在 弹性伸缩控制台 创建 成本优化策略 伸缩组的方式,向您详细介绍 成本优化策略 伸缩组。

伸缩组扩缩容策略

AutoScaling 专有网络伸缩组目前支持三种扩缩容策略,即:优先级策略、均衡分布策略、成本优化策略,本章将主要介绍 成本优化策略,并给出最佳实践。

成本优化策略

专有网络环境的伸缩组,支持使用 成本优化策略。配置了 成本优化策略 的伸缩组,以 vcpu 单价为最高优先级,当发生扩容伸缩活动时,按 vcpu 单价从低到高的顺序尝试不同的组合来创建实例。如果当前伸缩活动选用的组合(实例规格与实例付费类型)不能创建出所要创建的实例数时,自动尝试下一个组合,直到所有实例创建完成或者所有组合尝试完成。如果伸缩配置的实例付费类型为抢占式实例,那么每种实例规格对应两种价格:抢占式实例 vcpu 单价、按量实例 vcpu 单价。

最佳实践

首先登陆 弹性伸缩控制台,点击 创建伸缩组,选择好专有网络和虚拟交换机以后,选择成本优化策略,如下图所示:

image.png

点击提交,伸缩组创建成功,在 伸缩组创建成功 提示框中选择 创建伸缩配置,继续创建伸缩配置,推荐配置多实例规格,实例按付费类型可以选择抢占式实例或者普通按量实例。本章以多规格抢占式实例伸缩配置为例,创建伸缩配置,如下图所示:

image.png

从上图可以看出,伸缩组设置了两个可用区:华南1可用区B、华南1可用区C,伸缩配置配置了两种实例规格:ecs.sn2ne.large、ecs.sn2ne.xlarge,且实例类型为抢占式实例。上述伸缩配置中,抢占式实例设置了竞价价格,如果没有设置,伸缩组发生扩容伸缩活动时将按照当前抢占式实例市场价格进行出价来创建抢占式实例。

通过 [ECS购买页],选择对应的地域,输入相应的实例规格,可以获得当前抢占式实例(按量实例)的市场价格,如下图所示:

image.png

如上图所示,实例规格 ecs.sn2ne.large(2c4g) 抢占式实例市场价为 0.11元/时,按量实例市场价为 0.89元/时,对应的抢占式实例单 vcpu 单价为 0.11/2 = 0.0505元/时,按量实例 vcpu 单价为 0.89/2 = 0.445元/时,同样的方式,可以获取实例规格 ecs.sn2ne.xlarge(4c16g) 按量实例 vcpu 单价为 0.4975元/时,抢占式实例 vcpu 单价为 0.415/时。按照单 vcpu 从低到高顺序,当伸缩组发生扩容伸缩活动时,伸缩组优先创建实例规格为 ecs.sn2ne.large 的抢占式实例(0.0505元/时),如果 可用区B可用区C 均无法创建出满足当前伸缩活动所需要的抢占式实例数,则依次尝试实例规格为 ecs.sn2ne.xlarge 的抢占式实例(0.415/时)、实例规格为 ecs.sn2ne.large 的按量实例(0.445 元/时)、实例规格为 ecs.sn2ne.xlarge 的按量实例(0.4975元/时)。

创建伸缩规则,并执行伸缩规则,触发伸缩活动,向当前伸缩组添加 6 台 ECS 实例,如下图所示:

image.png

image.png

查看新创建出来的实例的规格和类型,结果实例规格为 ecs.sn2ne.large,类型为抢占式实例。

写在最后

如果您的伸缩组网络类型为专有网络,伸缩配置设置为抢占式实例时,建议您配置 成本优化策略。由于抢占式实例受价格、库存等因素影响较大,配置了 成本优化策略 的伸缩组可以保证在抢占式实例无法成功创建时,为您尝试创建同规格的按量实例,并从您配置的实例规格中自动选择价格最优的实例规格进行创建,降低您的 ECS 实例使用成本。同样,如果您的伸缩配置设置为按量实例,您也可以通过配置 成本优化策略 来降低您的 ECS 实例使用成本。

相关实践学习
2分钟自动化部署人生模拟器
本场景将带你借助云效流水线Flow实现人生模拟器小游戏的自动化部署
7天玩转云服务器
云服务器ECS(Elastic Compute Service)是一种弹性可伸缩的计算服务,可降低 IT 成本,提升运维效率。本课程手把手带你了解ECS、掌握基本操作、动手实操快照管理、镜像管理等。了解产品详情: https://www.aliyun.com/product/ecs
相关文章
|
11天前
|
Kubernetes 算法 调度
阿里云 ACK FinOps成本优化最佳实践
本文源自2024云栖大会梁成昊演讲,讨论了成本优化策略的选择与实施。文章首先介绍了成本优化的基本思路,包括优化购买方式、调整资源配置等基础策略,以及使用弹性、资源混部等高级策略。接着,文章详细探讨了集群优化和应用优化的具体方法,如使用抢占式实例降低成本、通过资源画像识别并优化资源配置,以及利用智能应用弹性策略提高资源利用效率。
|
26天前
|
关系型数据库 Serverless 分布式数据库
PolarDB Serverless 模式通过自动扩缩容技术,根据实际工作负载动态调整资源,提高系统灵活性与成本效益
PolarDB Serverless 模式通过自动扩缩容技术,根据实际工作负载动态调整资源,提高系统灵活性与成本效益。用户无需预配高固定资源,仅需为实际使用付费,有效应对流量突变,降低总体成本。示例代码展示了基本数据库操作,强调了合理规划、监控评估及结合其他云服务的重要性,助力企业数字化转型。
29 6
|
1月前
|
人工智能 Serverless 数据处理
极速启动,函数计算弹性降本能力再升级
在数字化转型的大潮中,云计算成为推动创新和优化业务流程的关键力量。作为阿里巴巴集团的核心产品之一,函数计算(Function Compute)引领着 Serverless 计算的新时代。本文将深入探讨函数计算如何通过技术革新实现提效降本,以及其在 AI 业务、数据处理和 Web 应用等多个领域的广泛应用。
|
4月前
|
Serverless Cloud Native 关系型数据库
Serverless集群资源随业务负载动态弹降特性的重点评测
Serverless集群资源随业务负载动态弹降特性的重点评测
|
7月前
|
消息中间件 存储 容灾
AutoMQ 云上十倍成本节约的奥秘: SPOT 实例
AutoMQ Kafka 优化设计,充分利用云基础设施,尤其是成本低廉的Spot实例,实现公有云成本节约。尽管Spot实例的不确定性可能导致服务中断,AutoMQ通过Broker无状态化、快速弹性扩展和Serverless支持,以及应对Spot实例回收的优雅停机和容灾机制,确保了可靠的Kafka服务。混合使用按需实例以保证关键服务稳定,同时在面临Spot实例库存不足时,具备回退到按需实例的能力。AutoMQ Kafka通过创新技术在稳定性与成本之间找到了平衡,为用户提供灵活且经济高效的解决方案。
126 0
AutoMQ 云上十倍成本节约的奥秘: SPOT 实例
|
7月前
|
安全 Serverless API
Serverless架构在图像处理中展现出高成本效益,按需付费降低费用,动态调整资源避免浪费
【5月更文挑战第16天】Serverless架构在图像处理中展现出高成本效益,按需付费降低费用,动态调整资源避免浪费。其出色的并发处理能力和自动扩展确保高并发场景的顺利执行。简化开发流程,让开发者专注业务逻辑,同时提供丰富API和集成服务。安全方面,Serverless通过云服务商管理基础架构和多种安全机制保障任务安全。因此,Serverless是处理高并发、动态需求的理想选择,尤其适合图像处理领域。随着技术发展,其应用前景广阔。
75 4
|
7月前
|
Cloud Native Serverless API
Serverless 成本再优化:Knative 支持抢占式实例
Knative 是一款云原生、跨平台的开源 Serverless 应用编排框架,而抢占式实例是公有云中性价比较高的资源。Knative 与抢占式实例的结合可以进一步降低用户资源使用成本。本文介绍如何在 Knative 中使用抢占式实例。
92943 10
|
7月前
|
存储 Prometheus 监控
成本更低、更可控,云原生可观测新计费模式正式上线
成本更低、更可控,云原生可观测新计费模式正式上线
312 11
|
7月前
|
存储 人工智能 Kubernetes
阿里云ACK助力GPU成本优化,实现灵活管理
摘要:本文将介绍如何在阿里云容器服务ACK中,利用cGPU技术,共享GPU算力,提高GPU利用率,降低TCO。
173 2
|
7月前
|
Kubernetes Serverless 开发者
阿里云 SAE 2.0 正式商用,极简易用、百毫秒弹性效率,降本 40%
本文主要介绍阿里云 Serverless 应用引擎如何帮助企业跨越技术鸿沟,从传统应用架构无感升级到 Serverless 架构,以更高效、更经济的方式进行转型,快速进入云原生快车道,让 2 人的研发团队享受 2000 人技术团队的红利。
下一篇
DataWorks