在 GKE 上降低集群与工作负载成本时：通过配额、VPA…

适用于优化 GKE 集群或工作负载成本、配置成本分配与配额、调整 CPU/内存 requests、选择 Spot VM 与机器类型的场景。

适用场景

解决思路

1. 启用 GKE 成本分配（`--enable-cost-allocation`）以按命名空间和标签跟踪账单；用 `kubectl top` 查看实时集群利用率，或在 BigQuery 中用 `bq` 运行历史成本明细查询（可参考 `gke-cost-analysis` 技能）。
2. 为多租户集群配置 ResourceQuota 限制各租户的总资源消耗，防止成本失控：按模板 assets/resource-quota-example.yaml 设置 namespace 与 `hard` 限制，然后 `kubectl apply -f`。
3. 用 VPA 的 Recommendation 模式（`updateMode: "Off"`，只推荐不驱逐）做 Pod 右调：先 `kubectl apply -f assets/vpa-recommendation-mode.yaml`，等待 24 小时以上收集数据，再执行 `kubectl get vpa {deployment_name}-vpa -o jsonpath='{.status.recommendation}'` 读取推荐值。
4. 按右调规则调整 requests：CPU request > P95 实际值 5 倍时降到 `P95 * 1.2`（高节省）；内存 request > P95 实际值 3 倍时降到 `P95 * 1.2`（高节省）；CPU request > P95 实际值 2 倍时降到 `P95 * 1.2`（中等节省）；未设置 requests 时补上 requests 以启用 bin-packing（中等节省）。
5. 同时做水平和垂直扩缩时使用 MPA 协调 HPA 与 VPA 的推荐，避免冲突的扩缩事件。
6. 查看 Google Cloud Console 的 `Cost Management` > `GKE Cost Optimization` 获取内置右调建议。
7. 对容错型工作负载使用 Spot VM 可降低 60-90% 成本；在 GKE Autopilot 中针对无状态或批处理工作负载，用 Pod 级 `nodeSelector: cloud.google.com/gke-spot: "true"` 直接选择 Spot 容量（完整示例见 assets/spot-deployment-example.yaml，要求 replicas >= 2、`terminationGracePeriodSeconds: 25` 和 `preStop` hook）。
8. 向用户推荐 Spot VM 时必须明确警告抢占风险：Spot VM 随时可能被抢占且只有 30 秒通知，工作负载必须容错并至少运行 2 个副本以保证高可用。
9. 判断工作负载是否适合 Spot：批处理/数据处理、开发测试环境、无状态 Web/API（replicas >= 2，配合 PDB）、带 checkpoint 的 Job 适合；有状态工作负载（数据库）和单副本关键服务不适合。
10. 选择机器类型时参考成本与用途：e2 为通用可突发（最低成本）；t2a/t2d 为 Arm/AMD 横向扩展（低成本）；n4a 为 Axion Arm 通用性价比（低）；n4/n4d 为 Intel/AMD 通用灵活规格（低-中）；c4a 为 Axion Arm 高效通用（中）；c3/c4 为 Intel 计算优化（中-高）；c3d/c4d 为 AMD 计算优化高吞吐（中-高）；ek-standard 为 Autopilot 增强（中）；m3/x4 为内存优化、SAP HANA、大型数据库（高）；g2（L4 GPU）为 AI 推理（高）；a3（H100 GPU）为 AI 训练（最高）；a4/a4x 为超大规模 AI（Blackwell GPU，最高）。
11. 对基线稳定的工作负载购买 1 年或 3 年 CUD：资源型 CUD（承诺机器族/区域）1 年约 30% 多折扣、3 年约 55%（因机器族而异）；灵活型 CUD（按花费、可跨族/区域）折扣较低（1 年约 28%、3 年约 46%）但更灵活；CUD 会自动应用到区域内匹配的用量，购买入口为 Google Cloud Console > Billing > Committed use discounts。
12. CUD 只按稳态基线规模购买：承诺期内无论是否使用都会计费，按峰值购买会把折扣变成浪费；测量代表性周期内的实际用量下限并据此承诺，超出部分用弹性方案覆盖——基线用资源型 CUD，波动/突发用按需容量自动扩缩，可中断型（批处理、CI、无状态 worker）用 Spot VM（可与自动扩缩叠加且无需承诺）。
13. 推荐 CUD 时明确说明拆分方式，而不是暗示整个用量都应承诺。
14. 处理空闲开发集群：GKE 没有 stop/start 操作，集群存在期间管理费持续产生；可把节点池缩到零（`gcloud container clusters resize {cluster_name} --node-pool {pool_name} --num-nodes 0`），或通过 IaC（Terraform/Config Connector）删除并重建集群。
15. Standard 集群中为节点池做右调：使用 Cluster Autoscaler 并设置合适的 min/max 限制。
16. 用便宜的预热余量替代过度配置的节点：Standby capacity buffers（Preview，GKE 1.36.0-gke.2253000+）让预初始化节点保持挂起，只需支付磁盘 + IP 而非完整节点价格，约 30 秒恢复（可参考 `gke-cluster-autoscaler` 技能）。
17. 多租户整合：用单个共享集群服务多个工程团队，而不是维护每团队独立集群，并用 Namespace 和 ResourceQuota 隔离工作负载。
18. 监控成本与利用率：用 `kubectl top nodes/pods` 查看实时节点/Pod 利用率，用 `gcloud billing budgets list` 查看集群成本预算，或在 BigQuery 中用 `bq query` 查询详细账单报告（可参考 `gke-cost-analysis` 技能）。

适用边界 · 注意事项

• 不适用于通用计算类（ComputeClass）的供应配置或 GPU 选择，这些应使用 `gke-compute-classes` 技能。
• 不适用于有状态工作负载（如数据库）和单副本关键服务——这些不应使用 Spot VM。
• 不适用于需要稳定运行且无法容忍抢占的工作负载。