文章目录
前言
很荣幸参加了由腾讯云联合CSDN推出的“腾讯云 Finops Crane 集训营”，在集训过程，从0到1体验了Crane平台的搭建。好了，话不多说，下面跟着我一起走入Finops Crane。
FinOps（Financial Operations）是一种管理云计算成本的方法，它强调将云计算资源的成本与使用情况及业务需求相匹配，从而提高企业的效率和效益。在当前云计算环境下，FinOps已经成为了越来越多企业的管理方法。本文将会介绍Crane这个云计算成本管理工具，并详细介绍如何在实际应用中使用Crane进行云计算资源成本管理。
一、Crane是什么？
Crane 是一个基于 FinOps 的云资源分析与成本优化平台，它的愿景是在保证客户应用运行质量的前提下实现极致的降本。Crane 已经在腾讯内部自研业务实现了大规模落地，部署数百个 K8s 集群、管控 CPU 核数达百万，在降本增效方面取得了阶段性成果。以腾讯某部门集群优化为例，通过使用 FinOps Crane，该部门在保障业务稳定的情况下，资源利用率提升了 3 倍；腾讯另一自研业务落地 Crane 后，在一个月内实现了总 CPU 规模 40 万核的节省量，相当于成本节约超 1000 万元/月。
Crane的出现可以解决K8S原生能力的不足：
- 资源配置浪费
基于经验的资源配置不准导致大量浪费 - 弹性不及时
基于阈值的弹性的滞后性导致业务来不及弹 - 业务稳定性
CPU是可压缩资源，CPU承压时，所有Pod等比受损，独占式绑核能力造成较大资源浪费
核心功能包括：成本可视化和优化评估；内置了多种推荐器 - 资源推荐、副本推荐、闲置资源推荐；基于预测的水平弹性器；负载感知的调度器；基于 QOS 的混部。下面我们来详细了解下 Crane 的各项功能。
二、Crane的特点
- 成本透明化
Crane可以帮助企业在云计算环境中实现资源成本的透明化管理。它可以帮助企业实时监控云计算资源的使用情况，并将其与成本进行关联，提供实时的成本分析和预测功能。这样，企业就可以更好地控制成本，提高效益。 - 基于预测的水平弹性器
EffectiveHorizontalPodAutoscaler 支持了预测驱动的弹性。它基于社区 HPA 做底层的弹性控制，支持更丰富的弹性触发策略（预测，观测，周期），让弹性更加高效，并保障了服务的质量。 - 推荐框架
提供了一个可扩展的推荐框架以支持多种云资源的分析，内置了多种推荐器：资源推荐，副本推荐，HPA 推荐，闲置资源推荐。 - 负载感知的调度器
动态调度器根据实际的节点利用率构建了一个简单但高效的模型，并过滤掉那些负载高的节点来平衡集群。 - 拓扑感知的调度器
Crane Scheduler与Crane Agent配合工作，支持更为精细化的资源拓扑感知调度和多种绑核策略，可解决复杂场景下“吵闹的邻居问题"，使得资源得到更合理高效的利用。 - 基于 QOS 的混部
QOS相关能力保证了运行在 Kubernetes 上的 Pod 的稳定性。具有多维指标条件下的干扰检测和主动回避能力，支持精确操作和自定义指标接入；具有预测算法增强的弹性资源超卖能力，复用和限制集群内的空闲资源；具备增强的旁路cpuset管理能力，在绑核的同时提升资源利用效率。 - 易于使用
Crane非常易于使用。它可以与各种云计算平台集成，并提供简单易懂的用户界面，使用户可以轻松地使用它来管理云计算资源的成本。 - 开源
Crane是一个开源的工具，它可以帮助企业在使用云计算资源时更好地管理成本。Crane的开源性质使得企业可以自由地使用它，并根据自己的需求进行二次开发。
三、Crane使用
1、环境准备
安装 kubectl
kubectl官方文档：https://kubernetes.io/zh-cn/docs/tasks/tools/
下载kubectl
curl -LO "https://dl.k8s.io/release/$(curl -L -s https://dl.k8s.io/release/stable.txt)/bin/darwin/arm64/kubectl"
下载kubectl的校验和文件：
curl -LO "https://dl.k8s.io/release/$(curl -L -s https://dl.k8s.io/release/stable.txt)/bin/darwin/arm64/kubectl.sha256"
根据校验和文件验证kubectl：
echo "$(cat kubectl.sha256) kubectl" | shasum -a 256 --check
安装 Helm
Helm官方文档：https://helm.sh/zh/docs/intro/install/
下载
curl -fsSL -o get_helm.sh https://raw.githubusercontent.com/helm/helm/main/scripts/get-helm-3
赋权
chmod 777 get_helm.sh
安装
./get_helm.sh
安装 kind
kind官方文档：https://kind.sigs.k8s.io/docs/user/quick-start/#installation
下载
curl -Lo ./kind https://kind.sigs.k8s.io/dl/v0.18.0/kind-linux-amd64
赋权
chmod +x ./kind
安装 Docker
docker官方文档：https://docs.docker.com/get-docker/
2、安装Crane
我们这里使用 Helm 的方式来进行安装，首先需要安装 Prometheus 和 Grafana（如果您已经在环境中部署了 Prometheus 和 Grafana，可以跳过该步骤）。
$ helm repo add prometheus-community https://finops-helm.pkg.coding.net/gocrane/prometheus-community
$ helm upgrade --install prometheus -n crane-system \
--set pushgateway.enabled=false \
--set alertmanager.enabled=false \
--set server.persistentVolume.enabled=false \
-f https://gitee.com/finops/helm-charts/raw/main/integration/prometheus/override_values.yaml \
--create-namespace prometheus-community/prometheus
由于 Crane 的 Fadvisor 会使用 Grafana 来展示成本预估，所以我们也需要安装 Grafana：
$ helm repo add grafana https://finops-helm.pkg.coding.net/gocrane/grafana
$ helm upgrade --install grafana \
-f https://gitee.com/finops/helm-charts/raw/main/integration/grafana/override_values.yaml \
-n crane-system \
--create-namespace grafana/grafana
上面我们指定的 values 文件中配置了 Prometheus 数据源以及一些相关的 Dashboard，直接安装后即可使用。
然后接下来安装 crane 与 fadvisor，同样直接使用 Helm Chart 安装即可，如下命令所示：
$ helm repo add crane https://finops-helm.pkg.coding.net/gocrane/gocrane
$ helm upgrade --install crane -n crane-system --create-namespace crane/crane
$ helm upgrade --install fadvisor -n crane-system --create-namespace crane/fadvisor以下命令将安装 Crane 以及其依赖 (Prometheus/Grafana)
安装后可以查看 Pod 列表了解应用状态：
$ kubectl get pods -n crane-system
NAME READY STATUS RESTARTS AGE
crane-agent-8jrs5 0/1 CrashLoopBackOff 71 (2m26s ago) 3h23m
crane-agent-t2rpz 0/1 CrashLoopBackOff 71 (65s ago) 3h23m
craned-776c7b6c75-gx8cp 2/2 Running 0 3h28m
fadvisor-56fcc547b6-zvf6r 1/1 Running 0 158m
grafana-5cd57f9f6b-d7nk5 1/1 Running 0 3h32m
metric-adapter-887f6548d-qcbb8 1/1 Running 0 3h28m
prometheus-kube-state-metrics-5f6f856ffb-4lrrr 1/1 Running 0 3h34m
prometheus-node-exporter-97vmz 1/1 Running 0 3h27m
prometheus-node-exporter-m2gr9 1/1 Running 0 3h27m
prometheus-server-7744f66fb4-lw2sz 2/2 Running 0 3h34m
也可以采用下面这种方式安装
curl -sf https://raw.githubusercontent.com/gocrane/crane/main/hack/local-env-setup.sh | sh -
如果上面安装命令报网络错误，可以下载本地的安装包执行安装，在命令行中执行以下安装命令：
bash installation/local-env-setup.sh
增加环境变量
export KUBECONFIG=${HOME}/.kube/config_crane
验证安装完成，服务都为running即可
3、访问dashboard
增加端口映射后，访问127.0.0.1:9090即可
kubectl -n crane-system port-forward service/craned 9090:9090
4、页面展示
集群总览
成本洞察
成本分析
5、功能应用
智能弹性 EffectiveHPA
Kubernetes HPA 支持了丰富的弹性扩展能力，Kubernetes 平台开发者部署服务实现自定义 Metric 的服务，Kubernetes 用户配置多项内置的资源指标或者自定义 Metric 指标实现自定义水平弹性。
EffectiveHorizontalPodAutoscaler（简称 EHPA）是 Crane 提供的弹性伸缩产品，它基于社区 HPA 做底层的弹性控制，支持更丰富的弹性触发策略（预测，观测，周期），让弹性更加高效，并保障了服务的质量。
- 提前扩容，保证服务质量：通过算法预测未来的流量洪峰提前扩容，避免扩容不及时导致的雪崩和服务稳定性故障。
- 减少无效缩容：通过预测未来可减少不必要的缩容，稳定工作负载的资源使用率，消除突刺误判。
- 支持 Cron 配置：支持 Cron-based 弹性配置，应对大促等异常流量洪峰。
- 兼容社区：使用社区 HPA 作为弹性控制的执行层，能力完全兼容社区。
测试验证
安装 Metrics Server：
kubectl apply -f installation/components.yaml
启动一个 Deployment 用 hpa-example 镜像运行一个容器， 然后将其暴露为一个 服务（Service）
kubectl apply -f https://raw.githubusercontent.com/gocrane/crane/main/examples/autoscaling/php-apache.yaml
kubectl apply -f https://raw.githubusercontent.com/gocrane/crane/main/examples/analytics/nginx-deployment.yaml
创建 EffectiveHPA
kubectl apply -f https://raw.githubusercontent.com/gocrane/crane/main/examples/autoscaling/effective-hpa.yaml
增加负载：
kubectl run -i --tty load-generator --rm --image=busybox:1.28 --restart=Never -- /bin/sh -c "while sleep 0.01; do wget -q -O- http://php-apache; done"
观察负载情况：
kubectl get hpa ehpa-php-apache --watch
随着请求增多，CPU利用率会不断提升，可以看到 EffectiveHPA 会自动扩容实例。
推荐规则
推荐框架会自动分析集群的各种资源的运行情况并给出优化建议。Crane 的推荐模块会定期检测发现集群资源配置的问题，并给出优化建议。智能推荐提供了多种 Recommender 来实现面向不同资源的优化推荐。
推荐规则查看：
kubectl get RecommendationRule
workloads-rule 这个推荐规则的资源对象如下所示：
- 每隔 24 小时运行一次分析推荐，runInterval 格式为时间间隔，比如: 1h，1m，设置为空表示只运行一次。
- 待分析的资源通过配置 resourceSelectors 数组设置，每个 resourceSelector 通过 kind、apiVersion、name 选择 K8s 中的资源，当不指定 name 时表示在 namespaceSelector 基础上的所有资源。
- namespaceSelector 定义了待分析资源的命名空间，any: true 表示选择所有命名空间。
- recommenders 定义了待分析的资源需要通过哪些 Recommender 进行分析。目前支持两种 Recommender：
- 资源推荐(Resource): 通过 VPA 算法分析应用的真实用量推荐更合适的资源配置
- 副本数推荐(Replicas): 通过 HPA 算法分析应用的真实用量推荐更合适的副本数量
四、Crane的优势
- 1、实时监控成本
Crane可以帮助企业实时监控云计算资源的使用情况，并将其与成本进行关联，提供实时的成本分析和预测功能。这样，企业就可以更好地控制成本，提高效益。 - 2、优化资源利用率
Crane可以帮助企业优化云计算资源的利用率。它可以帮助企业发现不必要的资源浪费，并提供优化建议，使企业可以更好地利用云计算资源，提高资源利用效率。 - 3、提高决策效率
Crane可以帮助企业更好地了解云计算资源的成本和使用情况。这样，企业就可以更好地做出决策，以满足业务需求，并在成本和效益之间取得平衡。 - 4、智能预测
Crane可以帮助企业完成流量智能预测，进行自动扩缩容，应对大促节假日等有规律的流量洪峰。
总结
经过一段时间的试用，说一下我对Finops Crane的个人看法。
首先从安装部署到落地实践测试的过程中，没有遇到什么疑难杂症，易用性非常好，无论是初学者还是专业人士，都可以很容易地上手使用。这使得Finops Crane在使用过程中非常方便，能够帮助用户更快地完成任务。
其次在UI页面的视觉上，清爽度很高、简约而又不简单，配置与管理上也很便捷，可以快速地进行参数设置和管理，包括一键带入、生成命令等功能。
再者在功能的体验上，确实很强大，包括成本的计算、弹性伸缩的预判、资源推荐等等让人眼前一亮，这使得公司很容易计算K8S的整体成本并减少资源的浪费。
最后有两个建议希望后续能够加强：
- 加强用户社区的建设、加强品牌营销与推广。
由于Finops Crane产品是一款新兴的产品，社区支持相对较弱。用户在使用过程中可能会遇到一些问题和困难，需要自己进行摸索和解决，可能会带来一些不便和障碍。 - 加强产品的创新与技术研发，持续优化产品性能和用户体验。
例如提升推荐命令的精准性、推荐页面异常情况等等
参考文献
- Crane github：https://github.com/gocrane/crane
- Crane官网： https://gocrane.io/
关于腾讯云 Finops Crane 集训营：
Finops Crane集训营主要面向广大开发者，旨在提升开发者在容器部署、K8s层面的动手实践能力，同时吸纳Crane开源项目贡献者，鼓励开发者提交issue、bug反馈等，并搭载线上直播、动手实验组队、有奖征文等系列技术活动。既能让开发者通过活动对 Finops Crane 开源项目有深入了解，同时也能帮助广大开发者在云原生技能上有实质性收获。
为奖励开发者，我们特别设立了积分获取任务和对应的积分兑换礼品。
活动介绍送门：https://marketing.csdn.net/p/038ae30af2357473fc5431b63e4e1a78
开源项目： https://github.com/gocrane/crane
2220
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
