FinOps 背景需求
在典型的互联网公司的成本组成中，IT 成本占比并不低，技术成本与人力成本的比例差不多在 1:2 ~ 1:2.5 左右， 降低 IT 成本显然能带来立竿见影的效果。
近 10 年来云计算、云原生、容器、Kubernetes、DevOps 等技术的高速发展，使得 IT 成本的管理变得更加复杂，也给成本的管理带来了更多的挑战。目前大多数互联网公司，都基于 Kubernetes 实现资源的统一管控，实现统一的大池子，基于此的统一调度、分配、混合云等都是过去降本增效的重要手段。
但是，随着成本治理的深入，用户会发现资源治理团队的压力会越来越大。因为资源获取途径的简化，会导致资源使用方很容易的开出大量资源，导致资源成本快速上升或剧烈波动，并且这个过程在流程上缺乏管控。
在云原生时代，随着资源池化之后，成本默认归属到了技术中心部门，业务部门对成本没有感知，同时缺乏有效的手段针将成本拆分到业务线，即典型的大账问题 ，导致无法有效评估业务 ROI。
Kubecost 简介
为了解决“大帐问题”，分大帐为细账，Kubecost 成本计量工具应运而生。Kubecost 是一款专为 Kubernetes 环境设计的成本监控与优化工具，是开源工具 OpenCost 的商业化版本。通过提供详尽的资源使用情况报告，帮助用户深入了解其 Kubernetes 集群的运行成本。Kubecost 的核心价值在于它能够为用户提供一个直观且易于理解的界面，让用户能够轻松地追踪和管理云资源的成本。无论是对于初创企业还是大型组织，Kubecost 都能帮助它们实现更高效的资源利用和成本控制。
Kubecost 的设计理念是基于这样的认识：随着 Kubernetes 在现代云原生架构中的广泛应用，越来越多的企业开始面临如何有效管理和优化云成本的问题。Kubecost 通过集成多种云服务提供商的数据，为用户提供了一个统一的视图，使得成本管理变得更加简单直接。此外，Kubecost 还支持自定义成本分配规则，这意味着用户可以根据自身业务需求灵活调整成本计算方式，进一步提升成本管理的精准度。
核心功能
Kubecost 提供了一系列强大的功能，旨在帮助用户更好地理解和控制 Kubernetes 环境下的云成本。以下是 Kubecost 的几个关键特性：
- 成本可视化：Kubecost 通过图表和仪表板的形式，为用户提供了一个清晰的成本概览。用户可以查看不同时间范围内的成本趋势，以及按命名空间、工作负载等维度细分的成本详情。
- 成本预测：基于历史数据，Kubecost 可以预测未来的成本趋势，帮助用户提前规划预算并做出相应的成本优化决策。
- 成本分配：Kubecost 支持自定义成本分配规则，允许用户根据实际业务场景调整成本分摊方式，确保成本计算更加符合实际情况。
- 成本优化建议：Kubecost 不仅提供成本数据，还会根据用户的使用情况给出具体的优化建议，比如推荐更适合的工作负载配置或资源利用率改进方案。
- 多云支持：Kubecost 支持多种云服务提供商，包括 AWS、Azure 和 Google Cloud 等，使得用户可以在不同的云环境中统一管理成本。
通过这些功能，Kubecost 成为了 Kubernetes 用户不可或缺的工具之一，帮助他们在享受云原生技术带来的便利的同时，也能够有效地控制和优化成本。
- 产品详细介绍链接：https://docs.kubecost.com/
- 开源项目地址：https://github.com/opencost/opencost/blob/develop/spec/opencost-specv01.md
- FinOps资料：https://www.finops.org/introduction/what-is-finops/
观测云集成
观测云提供了集成 KubeCost 的能力，通过 ServiceMonitor 方式获取。
前置条件
- 安装 K8S 环境
- 安装 KubeCost
- 安装 DataKit
- 安装 Prometheus Operator
CRD 配置
KubeCost 已暴露了指标，只需要让 DataKit 能够发现指标并上报。
- 新增
kubecost-serverMonitor.yaml
apiVersion: monitoring.coreos.com/v1 kind: ServiceMonitor metadata: name: kubecost-metrics labels: app.kubernetes.io/name: cost-analyzer namespace: kubecost spec: selector: matchLabels: app.kubernetes.io/name: cost-analyzer endpoints: - interval: 30s path: /metrics port: tcp-model params: measurement: - kubecost-cost-analyzer- 执行
kubectl apply -f kubecost-serverMonitor.yamlDataKit 配置
如已开启，请忽略。
- 开启 DataKit Service Monitor 自动发现
添加env : ENV_INPUT_CONTAINER_ENABLE_AUTO_DISCOVERY_OF_PROMETHEUS_SERVICE_MONITORS
apiVersion: apps/v1 kind: DaemonSet metadata: labels: app: daemonset-datakit name: datakit namespace: datakit spec: ... template: ... spec: ... containers: - env: ... - name: ENV_INPUT_CONTAINER_ENABLE_AUTO_DISCOVERY_OF_PROMETHEUS_SERVICE_MONITORS value: "true" ...- 重启 DataKit
场景视图
登录观测云控制台，点击「场景」 -「新建仪表板」，输入 “KubeCost”， 选择 “KUBECOST”监控视图，点击 “确定” 即可添加视图。
关键指标
以下是 KubeCost 关键指标的描述信息。
| Metric | 描述 |
|---|---|
| container_cpu_allocation | container cpu 分配 |
| container_gpu_allocation | container gpu 分配 |
| container_memory_allocation_bytes | container 内存分配 |
| pv_hourly_cost | PersistentVolume 每小时成本 |
| node_total_hourly_cost | 节点每小时总成本 |
| node_cpu_hourly_cost | 节点 cpu 每小时成本 |
| node_ram_hourly_cost | 节点 ram 每小时成本 |
| node_gpu_hourly_cost | 节点 gpu 每小时成本 |
总结
观测云可以集成 KubeCost，获取 KubeCost 的指标并基于相关指标定制成本使用的相关视图，从而通过关注成本视图采取一些列的成本控制与优化策略，为企业的 FinOps 建设赋能。
)
