显然,运行速度更快的 JVM 意味着需要的云资源更少。 译自 How To Reduce Cloud Waste,作者 Simon Ritter。 这就是 JVM 的核心功能之一会导致云资源浪费的地方。 为了实现“一次编写,随处运行”的承诺,Java 应用程序编译成字节码,即虚拟机的指令,而不是特定处理器的指令。 这显然非常浪费,并且会产生不必要的云基础设施成本。 我们如何解决这个问题? 一种方法是使用提前 (AOT) 编译。与其使用 JIT 编译,所有代码都直接编译成本地指令。 这些不是减少云浪费,而是减少了提供相同承载能力所需的云资源。其效果是进一步降低云成本。 让我们看一个真实客户如何使用它的例子。Supercell 是一家运营着世界上一些最大的在线多人游戏的公司。 显然,运行速度更快的代码的 JVM 意味着需要更少的云资源。
上云初期,弹性扩缩容省了不少运维人力;但随着时间推移,云上的"隐形支出"开始累积,每个月的账单里都有一些说不清楚的费用。问题出在哪里?通常是这5类资源浪费在悄悄烧钱。 展开代码语言:TXTAI代码解释你:帮我检查有没有浪费的资源CloudQ:发现以下潜在浪费:-5台实例CPU月均低于5%,建议评估是否可以停机预计月节省:¥2,380-3块云盘未挂载任何实例,建议确认后删除预计月节省 降配带来的不只是省钱,还有更合理的资源分配。第三类:存储浪费——快照策略不合理快照是一个很容易被忽视的计费项。 更常见的情况是:某个已经下线的系统,关联的快照和云盘还在计费,但负责的工程师已经离职,没有人知道这些资源还在跑。 ,重复请求导致带宽消耗翻倍系统性降本的正确姿势单点优化的效果是有限的,系统性降本需要:全量摸底:先搞清楚所有资源在跑,建立资产清单标准评估:用统一的标准识别浪费,而不是凭感觉优先级排序:按节省金额+操作风险综合排序
限制脚本的资源使用通过操作系统提供的工具或编程语言的功能,限制脚本对系统资源的占用。(1)使用 ulimit 限制资源在 Linux 中,可以使用 ulimit 命令限制脚本的资源使用。 优化脚本逻辑脚本逻辑本身可能存在问题,导致资源浪费。以下是一些常见的优化方法:(1)减少不必要的循环和计算避免在脚本中执行冗余的循环或计算。例如:如果需要处理大量数据,可以分批处理。 监控资源使用定期监控脚本的资源使用情况,及时发现潜在问题。 清理临时文件和缓存脚本运行过程中可能会生成大量临时文件或缓存,需要及时清理以避免磁盘空间浪费。(1)Bash 示例在脚本结束时删除临时文件:#! 避免僵尸进程如果脚本启动了子进程但未正确回收,可能会导致僵尸进程(Zombie Process),从而浪费系统资源。(1)Bash 示例确保子进程被正确回收:#!
传统数据平台常面临三大痛点:离线分析与实时查询抢占资源、空闲时段计算资源闲置、跨系统数据搬迁产生冗余。 腾讯云自研的云原生数据仓库TCHouse-X通过创新架构设计,从根源上解决了资源错配难题,为企业打造高效、灵活的智能分析底座。 一、弹性伸缩机制:按需分配,告别资源闲置 传统数仓采用固定资源池模式,高峰期计算能力不足导致任务积压,低谷期大量服务器空转。TCHouse-X基于Kubernetes编排引擎,实现毫秒级资源调度。 五、全生命周期管理:从存储到计算的极致优化 TCHouse-X提供智能诊断工具链,自动识别未使用的索引、过期的临时表、低效的执行计划等12类资源浪费场景。 六、结语 在数据要素价值释放的黄金时代,TCHouse-X凭借云原生架构的先天优势,为企业提供了避免资源浪费的系统化解决方案。
产能不免,供给不上的问题 后端 API 出现 BUG,需要等待修复的问题 后端 API 发生了修改,没有通知到前端,showcase 的时候发现了 bug …… 这一系列的问题,让我觉得特别不开心,我浪费了大把地青春在等后端写代码 而联想起很早以前的全功能型团队,我不禁要写一篇文章吐槽一下,WTF,前后端分离团队的资源浪费。 前后端分离团队的资源浪费 与前后端团队相比,一个全功能型团队接触到新的任务时,他接到的是一个开发后端 API、前端 UI 的任务。而不是一个后端 API,又或者仅仅是一个前端 UI 的 story。 设计不当导致的浪费 两种不同的团队类型,意味着全功能型团队的成员: 节省了大量的时间在 API 沟通上 可以设计出符合前端 UI 的 API 遇到 Bug 时,可以快速地修复 而在一个前后端分离团队里, 沟通不畅导致的浪费 对于那些前、后端不在同一地方开发的团队来说,他们可能使用 API 文档或者契约来沟通。而在开发的过程中,有一些补充的修改,在即时通信软件上通知了,但是执行的人忘了这回事。
麦肯锡在调查报告中指出,2020 年,由于缺乏成本优化手段,80% 企业的云资源成本大幅超出预算;同时,45% 的企业由于缺乏优化措施,在直接迁移上云的过程中会超买 55% 的资源,并且在上云的头 18 本文将会具体介绍百度的云原生成本优化体系并重点阐释对成本优化起到关键作用的混部和超卖技术,最后介绍如何保证资源资源利用率提升之后的稳定性,希望能给企业的云原生转型提供经验借鉴。 从下面两张图中可以看出企业在云原生转型过程中面临 K8S 采用率逐年提升但资源 来源于《2020 年 CNCF 中国云原生调查报告》,图中显示生产系统中使用 Kubernetes 的比例已从 2019 年的 72% 增长到了 82%,越来越多的企业在云上使用基础设施资源、通过 Kubernetes 平台来管理应用。 1.2 成本优化方案 浪费的根因主要是由于业务申请的资源过大,实际使用的资源过小,整体利用率不高,并且业务自身存在波峰波谷且申请时一般会按照波峰申请。
更具有创新性的是,这项技术是在新型微反应器上开发和测试的,与标准的大规模反应相比,在进行化学发现时,这种微反应器更快速,产生更少的浪费。 这些微流体反应器可用于分析制造,发现化合物的催化剂,研究药物开发中的相互作用,并且它们有望减少浪费,加速创新并提高化学研究的安全性。 然而使用Hartman的方法,整个过程可以在几周内完成,浪费和能源使用量会少得多。
云计算是一件美好的事情,但如果不仔细管理,因为获取资源的太方便反而可能会导致浪费、效率低下和开支失控。问题是,大多数企业依靠云提供商的月度账单来管理他们的使用和花费,这可能会带来一些问题。 虽然大多数云提供商提供某种标签功能,使客户能够对资源进行分类,但合规性和一致性难以执行,使得客户很难了解谁使用了哪些资源和成本。 云扩大“浪费”线 随着基础架构即服务(IaaS)和平台即服务(PaaS)的快速增长,云浪费的可能性非常大。事实上,一些专家估计,企业平均浪费了大约30%的云支出。 为什么会产生这些浪费?简单。 有许多不同的浪费来源,但最常见的一些情况包括购买超大型虚拟机(VM),使虚拟机在不需要时仍然处于运行状态,对不常访问的数据使用昂贵的存储空间,或者来回使用未经授权的资源(又名影子IT)。 但是,访问资源的方便性可能导致使用和成本失控 - 换言之,这会导致云膨胀。幸运的是,通过适当的人员,流程和技术组合,您可以减少云计算的浪费,同时成功地削减您的云“浪费线”。
任何类型的浪费都是预算杀手;消除浪费已成为重中之重。云浪费是一个明显的罪魁祸首,那么我们如何识别、根除并在未来制定策略以避免它呢? 在寻求减少浪费的同时,我们不能牺牲可靠性,找到这种平衡对于在预算紧张的情况下执行我们的工作至关重要。 评估现状 云计算在工程和技术创新中变得越来越重要。 毕竟,浪费并不是一个新问题,但由于许多因素(例如越来越多地使用多个环境和提供商)的影响,它变得越来越复杂。那么,我们如何开始应对这个日益紧迫的问题呢? 识别浪费领域 找出问题领域是消除它们的的第一步。 部署可靠的监控器来跟踪正在使用的资源数量以及哪些服务器经常处于空闲状态或超负荷状态。从资源的角度进行评估可以清晰地描绘出我们必须掌握的局面。 接下来,我们需要从数据角度来处理这个问题。 标准化是一条简单的道路,但往往会留下未使用的资源。 采用多云策略正在成为新的标准。此策略提供了许多好处,包括灵活性和创新性以及成本优化。就成本效率而言,任何提高定制化的方法都是一个胜利。
机器之心报道 编辑:蛋酱、泽南 Colorless green ideas sleep furiously. 人类语言语法的基础不可能是基于统计意义的。 ChatGPT 掀起了科技领域最新的一轮军备竞赛,但留给 AI 领域的议题还有很多:ChatGPT 是一种真正的创新吗?是否意味着初步的通用人工智能?很多学者持有不同看法,这种讨论随着新技术的热度而愈发热烈。 那么语言学领域的大佬们如何看待 ChatGPT 的进步呢?特别是乔老爷子 —— 语言学巨头乔姆斯基。 近日,美国哲学家、语言学家、认知科学家诺
然而现在,我们生活在一个极端浪费的低效环境里。真是太可悲了。 本文最初发布于 Cliff Harris 的个人博客。 如果我是对的(保守地说),我们的 PC 99% 的运行时间都被浪费掉了。也就是说,计算机能源消耗的 99% 被浪费掉了。这简直是犯罪,这是要干什么? 我想是因为我昨天在里面打开过一个 SVG 文件,然后就这样了,12 段无用的代码,浪费着内存,可能还会轮询 CPU。 这太疯狂了,这就是为什么我们似乎什么都没做,却什么都很慢。 然而现在,我们生活在一个极端浪费的低效环境里,真是太可悲了。
调研机构麦肯锡公司在一份调查报告中预测,在未来几个月,经济衰退将迫使企业加强对云计算支出的审查,企业将致力于识别和减少云支出中的浪费。 Flexera公司表示,这些企业实际浪费的云计算支出比平均水平更高,因为许多企业往往低估了浪费的金额。 03 关注“云计算弹性” 采用云计算服务,企业可以根据当前的需求通过提高或降低计算能力来有效地进行支出。 麦肯锡公司表示,许多企业通过人工管理云计算的使用,运行过时且缺乏灵活性的系统,并容忍其他导致购买未使用云计算容量的弱点。 04 审查与供应商的协议 麦肯锡公司表示,很多企业经常为将业务迁移到云平台制定过于雄心勃勃的时间表,并在云计算应用方面有过多的支出。在经济衰退时期,企业的云计算支出通常会低于预测。
AI让资源利用率爆表,你还在傻傻浪费吗?运维的世界,从来不缺挑战——服务器负载飙升、资源分配不均、闲置率高、成本居高不下……这还只是冰山一角。 传统的运维模式靠人盯着监控,靠经验拍脑袋,最终资源浪费严重,性能优化总是差那么点意思。 你是不是走进了这些坑在传统运维里,资源利用率低的情况比比皆是:服务器长时间空闲:业务低谷期服务器资源闲置,但又不能随便关机,导致浪费。突发负载时资源不够:流量突然暴增,手动扩容来不及,用户体验直接崩。 弹性伸缩,让资源“不浪费一分钟”传统的运维模式里,服务器要么一直开着浪费电,要么关掉后突发流量就措手不及。 ,无需调整")这种自动伸缩策略,让资源利用率达到最佳状态,不再浪费。
考虑到人们如何将云计算视为一种节能资源,其流失的数量更令人担忧。 ? 那么到底什么是云计算浪费?为什么会飞速增长?在本文中将讨论为什么云计算浪费如此之大,以及可以采取哪些措施来减少浪费进行探讨。 什么是云计算浪费? 像其他资源浪费一样,当组织获取的云计算资源数量超出了可利用的范围时,就会产生云计算浪费。 云计算浪费具有几种形式。 一旦云计算资源大量浪费,组织就被迫生产更新、更昂贵的产品,从而降低盈利能力。 云计算浪费增加的原因 云计算的好处是无穷的,但这并没有消除增加云计算浪费的危险。 造成巨大云浪费的几个原因 (1)缺乏全面的了解 Syncsort表示,就像孩子不了解浪费水资源一样,很多人也不知道云计算浪费会带来哪些影响,大约有62%的组织报告其云计算服务成本高于预期。 这不仅增加了组织的成本,而且还导致了云计算资源的浪费。为了遏制此类事件,组织必须足够小心谨慎,以确保在后台不会耗尽其他云计算资源。 (9)低效的定价 一般来说,如果有两种选择,人们可能更容易做出选择。
前言2022年,Coding给开发者搞了一种模式,DevOps,别管这东西多高级多看不懂,我只知道开发可以全在云上做了,什么环境配置,什么安装什么都不需要,在云端一点就完成,有浏览器有网,随时随地就能开发 腾讯现在针对云原生构建又有了一个新产品cnb——Cloud Native Build,官网在cnb.cool,每个月有1600免费核时的云原生开发额度,够爽吧。 最大支持64核128G嘿嘿,既然资源都是云端的,那是不是可以异想天开一下。 只拿来写代码那太浪费了,cnb的云原生开发基于docker那样的模式,那很自由了,前几天我看到cnb在部署Deepseek,也验证了这一想法。 构建逻辑docker.ide/Dockerfile,即为运行云原生开发所用到的环境。
资源老是浪费?试试用 AI 来规划容量!”你有没有遇到过这些场景?年中大促,系统刚上线5分钟就挂了,领导气到直拍桌子。平时业务访问量不高,却每天跑着几十台机器,成本烧得像请了一群摸鱼员工。 传统容量规划是通过峰值预估 + 人工经验来计算资源需求,比如预估每天访问量,推算出 CPU、内存、磁盘等需要多少。 三、用代码告诉你,AI 是怎么预测资源用量的咱用 Python 和 Prophet 来预测服务器的 CPU 使用率。 具体咋做的:把去年的访问量、CPU使用率、下单高峰数据喂给模型用 Prophet + LSTM 组合模型预测负载接入阿里云 ACK 容器服务,用 AI 预测结果驱动自动扩容策略结果如何? 从自动化走向智能化,是必然趋势:CI/CD走通了,容器上云了,下一步一定是资源管理自动化,否则还是“人管机器”,效率低下。
多类型实例混用:结合CPU密集型(如AWS C系列)、内存密集型(如阿里云 R系列)实例,避免资源冗余。2. 预留实例“锁定期”陷阱问题:预留实例购买后无法退订,业务调整时导致浪费。对策:优先购买1年期实例,避免3年期长周期锁定。2. 存储“只增不删”顽疾问题:历史数据未设置过期策略,存储水位持续攀升。 影子IT:员工“私自”开资源问题:开发人员违规创建云资源,导致成本失控。对策:启用云厂商IAM权限管理,结合第三方工具(如CloudHealth)监控异常资源。 AI驱动预测与自动优化智能资源推荐:AI分析历史负载,自动推荐最优实例规格。异常检测:机器学习识别资源浪费模式(如长期低CPU利用率)。2. 最终目标:让云资源像“自来水”一样按需使用,但每一滴都产生价值!
一份报告显示,仅美国每天就浪费70亿加仑的饮用水。由于只有不到百分之一的地表水适合人类消费,因此节约用水在可持续发展中变得至关重要。 为了帮助克服水危机,各种组织已经开始使用AI来有效地阻止这种浪费。研究人员正在使用AI原型,结果是有效的。 ANN算法支持建立水厂,提供有关当前资源的最新统计数据,并帮助为即将到来的情况建立模型。具有神经网络的软件程序动态地制定水运行策略。 它还有助于开发目前的水资源。 AI的决策能力可以优化和自动化可用资源。理事机构和水有关部门可以通过AI驱动的规划了解实时失水和浪费。 突破性用例 在希腊,研究人员使用前馈神经网络训练算法来刺激降低地下水趋势。
但同时受访企业也表示,更多的云支出带来了更多的浪费,约有30%的云支出被浪费了,优化云支出迫在眉睫。73%的企业计划在2020年重点关注云成本优化,成为其首要计划。 随时优化:优化工作不可能一劳永逸,只有随时进行优化,才让企业防止当前和将来的云浪费。 容量规划 IT团队需要确保有足够的容量来处理意外的流量高峰和负载波动,但又不至于在不必要的资源方面支出过高。 灵活使用云服务折扣 企业可以利用云提供商提供的折扣来降低云成本。以下可以分为两种方式来看: 一种是预留实例。如果企业事先承诺在1-3年内使用一定容量的资源,可以使用预留实例来节省云资源。 值得注意的是,企业需要随时管理和监控折扣,以确保它们与不断发展的云使用量保持一致。 防止云扩散 云扩散是指云资源不受控制的扩散,导致许多云费用飙升。 除了云策略外,还应密切关注云费用和合同,明确企业是否在为不再使用的云服务付费。 在当前经济形势下,没有一家企业能容忍浪费。确保对所有云资源进行成本优化,让企业花的每一分钱都是值得的。
企业上云已经成为大势所趋。随着企业上云的系统越来越多,企业在云上的成本支出越来越大,云上成本浪费也越来越大。 据专业咨询机构RightScale的一份调研报告显示,当下的企业级用户在云计算支出一项的浪费高达30%。 不过,这些流程方面的管控可能需要第三方的云管平台工具配合。 3. 事中分析——减浪费 减浪费是成本优化的关键一环。 甚至有部分研究人员认为这一数据被低估,因为调查的样本聚焦于中型以上企业,如果考虑到浪费更为严重的小企业,真实的云资源浪费规模可能更高,预计可高至45%。 企业要把云上减浪费作为头等大事重视。 可以从云资源、架构优化、计费模式三个层面分析如何减浪费。 从资源层面来看,需要重点审视五个方面: 配多了:是否存在闲置云资源?