问问助手

要不要上容器云,这笔钱到底花给谁

2026-10-06 Aryee 27
要不要上容器云,这笔钱到底花给谁

先把这一篇要替你回答的问题写清楚:不是"K8s 好不好",而是"这份申请我该不该批、批到哪一档"。

你的技术团队大概会用这样的话递过来:系统以后要上容器云,需要预算,最好再加一个人。容器云这三个字其实是两截:容器,就是装应用的那个标准盒子;"云"指的是把这些盒子摆起来、看着它们别出事的那一整套。

这话多半是好意,可它同时混着三件不同的事,而这三件事的价格、责任人、出故障时打给谁,全都不同。

老板如果按一句话来批,钱就花在了自己并不清楚的地方。

结论摆在这儿:容器云这笔钱买的不是"系统更稳",而是"有一方替你把机器看住"。

所以这笔账的第一问不是技术选型,而是:你需要的到底是哪一层,那一层现在由谁在管,管得好不好。

一、打包这一层:改的是发布这个动作

市场、销售、技术团队都爱用"容器云"这三个字,因为听起来是一件事、一笔预算。实际上是三笔不同的采购。

第一件:容器,也就是打包方式。 交付物从"部署文档加一堆散在服务器上的文件"变成"一个自带环境的镜像"。镜像,说白了就是连运行环境一起打包好的那一份程序:走到哪儿都带着自己那套环境,不用到了地方再装一遍。

这一层改变的是发布这个动作:以前发布要有人登机器、按顺序执行一堆步骤,现在发布是把同一个包推上去。

它的账单影响很小,很多时候甚至省掉两台专门用来做测试环境的机器。

二、编排这一层:真要养人的是这里

第二件:编排,也就是谁来摆放和看护这些盒子。 谁决定这个服务跑在哪台机器上、挂了之后在谁那台重启、流量涨了要多起几份由谁判断、机器要下线维护时上面那些活怎么挪走。

这一层是真要养人的那一层。前面那一篇讲"系统只有一个人会改,要不要加人"时说过的三层结构,在这里同样成立:这一层缺的不是软件,是有人能回答"改完了怎么确认没坏"。

三、托管这一层:把编排签给厂商

第三件:平台,或者叫托管集群,也就是把编排这一层签出去。 你付钱给一个厂商,让他替你把编排层跑起来,你只管把自己的应用交进去。

这一层厂商出的是人手,换走的是你的钱:真出故障时,是厂商的工程师在排查。可你的应用往后只能跑在这家厂商的规矩上,哪天要搬走,就得按搬家的价钱重算一遍。

四、这三件事的边界差别比技术差别重要

这三层的边界差别,比这三层在技术上的差别重要得多:

  • 只上打包这一层,钱几乎不动,团队的工作方式会好一点,什么都不用新增。

  • 上到编排这一层,你开始为"看护"这件事付费,而且是以人力为主。

  • 上到托管这一层,你把看护外包了,代价换成了绑定和一份结构完全不同的账单。

大多数"上容器云"的争论之所以吵不清,是有人在说打包的好处(打包真方便),有人在要编排的钱(要加人),有人在签托管的合同(厂商的销售已经来过了)。

批之前先问清:这份预算买的是哪一层。

五、市场这一年多正在重新问这件事

选型不必跟风,但风向值得看一眼,因为它决定了你听到的"这是行业标准做法"这句话还剩多少分量。

一份把成本分成五项的估算。

2026 年 3 月有一篇英文的 Kubernetes 总成本逐项清单,把一个月的开销分成五档:控制面约 150 美元、算力 500 到 2000 美元、网络 150 到 400 美元、工具链(监控、日志、镜像仓库那一套)200 到 500 美元、工程师时间 2500 到 8000 美元。

合计每月 3500 到 11000 美元。

那篇文章的结论也写得很直白:不到十个服务的小团队,用别的形式更便宜。这份估算里最贵的一项是"人",占掉总额的一半以上,而人这一项恰好是报价单上不会出现的那一行。

要提醒的是这份账的来历:这是一篇带立场的成本估算,不是抽样统计,那五项数字是作者给的一套典型配置的区间,不是你公司的账。

一片回摆的叙事。 2026 年 5 月到 6 月,中文技术号上集中出现同一族标题:"42% 的企业正在把微服务改回模块化单体""K8s 成本高 60%""架构十年信仰被账单和 AI 碾碎"。这里说的微服务,就是把系统分成几十个各管一小块业务、各自发布的小程序;改回模块化单体,就是再收进一个大程序。

这一族值得看,但那份原始统计没有跟着标题一起被转载:42% 是哪一批公司、按服务数量还是按营收、样本量多少,各家抄的都是同一个数而没有一家给出出处。

方向我是信的(下面第四节立的就是这个方向上的判断),但具体数字别当依据写进你的立项材料,那会在评审会上被人一句话问倒。

那篇流传最久的"迁走之后省了多少钱"。 从 2025 年 2 月起被反复转了一年多的《移除 Kubernetes 后,年省超 40 万美元,还不用加班》,标题里的数字很抓人。

这篇文章的成立前提在那篇文章里也写了:那家公司本来就不需要那一层:服务数量少、没有白天挤爆夜里空转的潮汐负载、也不需要多活(多活就是一个机房停机,另一个机房整个把流量接住)。那篇文章证明的不是"K8s 该迁走",而是"用不上这一层的公司不该为它付钱"。 这两句话差别很大。

三条路线的说法已经定型了。

2026 年 8 月那一轮选型指南把路线收成三条,用词很干净:自建的成本是人,商业发行版的成本是授权和对接,云平台内置的成本是绑定。

这三句话正好是本文第五节的骨架,市场在这一点上已经不再争论。

一句判读:这一轮回摆不是"容器错了",而是"为一层自己并不需要的编排,配一支看不出产出的队伍"这件事,终于被账单看见了。

六、三笔账,缺的那一笔最容易漏

(一)人

管这一层的人每天干的活并不神秘:把控制面升到能用的版本、处理节点被赶跑之后应用起不来的那些边角事、维护证书和网络策略、盯监控、把发布流水线接上。

节点,就是集群里的一台机器。负载太高,或者这台机器要下线维护,跑在上面的应用会被赶走,就得在别的机器上重新起来。

这些活听起来像"顺便做一下",可这个岗位有两件事躲不开:

第一,出事时的差别不在有没有这个人,而在他在不在的时候能不能把活挪走。 一台机器半夜失联,上面跑着七个服务,干这个岗位的人会先把服务挪到别的机器,再慢慢查那台机器;没有这个岗位,第二天早上大家发现有个功能不对,然后开始翻日志。

这两种情况的时长差距,通常是"半小时"和"一整个上午"的差距。

第二,这个岗位不适合兼职。 很多团队的做法是让业务开发轮值。第一次半夜出事,那位开发被迫把这一套学会了;第二次他就开始改简历。

轮值不是省钱,是把成本换成了离职风险。 这笔账要这么算:这个岗如果真的需要,那要么专设、要么签出去(第三项);让它悬在"大家都兼顾一点"上,是最贵的选择。

(二)账

上去了之后不会随着业务量下降的几项固定开销,得在批之前就知道名字:

  • 控制面本身:托管版一般按集群按小时收,几个测试环境就是几份。
  • 预留水位:为了让故障那台机器上的负载能被别人接住,集群平时的利用率天然只能做到六成左右。你买了十台的算力,实际敢用的是六台。这不是厂商多收钱的花样,"能容错"这件事本身就是这么定价的。
  • 跨可用区的流量:一组服务如果分散在两个机房,机房之间的每次互相调用都要按流量计费,业务量不变时这一行也会自己长。
  • 监控与日志存储:这一行最容易被低估。容器化的一个直接副作用是同一个应用的日志量常常翻倍:因为容器会反复重启,而每一次重启都把启动阶段那一大段日志重打一遍;再加上每次重启都换一个新实例名字,按名字聚合的那套统计也一起变长。而时间序列和日志多数按写入量收钱。
  • 额外买的那几档:镜像仓库、网络策略组件,还有网关(网关,就是所有进出流量都得先经过的那道大门,统一管着放行和限速)。

标准很简单:把上云前后同一业务量的账单并排放在一起,凡是"业务没有变多而钱变多了"的行,都属于这一笔。

这一笔不是不能花,但必须对应到一个你看得见的动作(比如"它让我们能在一分钟内把流量挪走"),否则它就是一行没人认领的固定成本。

(三)赔,也就是退路

这一笔几乎从来没人写进立项材料,而它是最贵的一笔。

上错了不会"把配置删掉就回到改动之前那一份"。

因为你的应用已经按新环境的规矩改过了:

  • 程序收到退出信号(就是系统在下线前对它说"你该收了")要先把手上的活干完再退。这叫优雅停机,以前不需要写。
  • 平台要定期问一句"你还活着吗",答不上来就杀掉重来。这一问一答的规矩叫健康探针,写错了会造成反复重启。
  • 配置以前放在本地文件里,现在要从环境变量或配置中心读。配置中心,说白了就是集中存放配置、改一处就统一下发的地方。
  • 临时文件以前写在本地盘上,现在那块盘随时会消失,得换成对象存储(就是隔着网络挂上来的那种存储,机器换掉文件还在)。

这四样东西,退回去的时候要再改一遍。 所以如果有人说"我们先小范围试一下,不行就撤",你得问一句:试的是哪一项。

只试第一项(打包方式)几乎无损;试第二项(编排)就要按上面的退路成本估工期,"试一下"就不是两周,而是两个月。

七、什么情况下这笔钱该批,什么情况下不该

我不认为"该不该上"有一条通用答案,但该批的三种触发是具体的:

第一种:多团队抢同一条发布通道。 两个团队以上、每周各自发好几次,发布要排队、互相把对方的改动带下去、出问题说不清是谁的那一笔。这时候你要的其实是第二项(就是谁来摆放、谁来照看这些盒子),因为痛的不是打包,是协调。

第二种:负载有明显的潮汐。 白天三倍于夜里、活动日十倍于平时,而现在的机器按峰值买、平时在空转。这时候弹性伸缩能真的省钱。

注意"明显"这两个字:如果你们的日曲线其实很平,那弹性那一档只是账单上一行好看的字。

第三种:要做跨机房或跨可用区的容灾,而且你要的是动作,不是说法。

差别在于:验收那天你是要"把一台机器断电,看流量会不会自己挪走",还是要一份写着"我们具备多可用区部署能力"的说明。前者需要这一层,后者只需要一张 PPT。

不该批的那一种也很好认:只有一个应用、一个团队、一天发两次。

这时候最划算的组合是:第一项(把东西打成镜像,让发布这件事有形状)+ 一台配得实在的服务器 + 一份真能跑起来的验证清单。

这三样加起来,比养编排那一层便宜一个数量级,而且不需要新增任何人。

这一节最值得记住的一句:这一层解决的是"协调"和"腾挪"这两个问题。如果你的痛点是"改不动"或者"没人知道有没有改坏",上哪儿都是白上。那两个毛病分别叫代码质量和测试,它们不会因为你换了平台就自己变好。

八、三条路线各自把哪一项推给了谁

按那句已经定型的说法往下走:自建的成本是人,发行版的成本是授权和对接,云厂商内置的成本是绑定。老板真正要看的是责任边界。责任边界说白了就一句话:出了故障那一晚,谁起床、谁上机、谁对外解释。

自建。 控制面、版本升级、数据库备份(编排层自己也有一个存配置的库,它坏了整套就散架)、机器上下线、网络策略,全在你这边。厂商在这个模型里只提供机器。

这条路真正的门槛不是钱,是必须有专门管这一层的人,而且要有两个:一个在线处理,另一个在他请假、生病、离职的时候顶得上。适合两种情况:要多集群跨云跨机房,或者有强合规要求不能让别人碰。

托管集群(最常被选、也最常被误解的一档)。 厂商担控制面:那一层的升级、可用性、备份他们管;节点、你的应用、你的网络配置、你的权限模型仍然全在你这边。

这一档最容易出事的地方,是团队把"托管"听成了"全包":真出故障时卡在"这算我这侧还是你那侧"那句话上,工单来回两轮就是两小时。

签这一档之前,三个问题必须有书面答案:

  1. 控制面升级由谁决定时间。 是被通知"下周我们要升,请提前验证",还是你自己挑窗口。前者意味着你的测试节奏要跟着厂商走。
  2. 编排层那份配置备份留几天。 有人误删了整条配置,能回到昨天,还是只能回到三个月前。
  3. 故障工单的响应上限写在合同的哪一行。 口头承诺的"我们企业客户优先"不是依据。

全包(平台服务或免运维的容器)。 你把伸缩、节点、大部分看护都交出去,换来两件事:账单结构变成按调用量、按秒计;以及平台不支持的那部分能力你得自己绕。

具体是:长时间连接、大批量后台任务、需要特殊系统参数的组件,这几类在"按秒计费"的模型里往往要么不做、要么做得很贵。真要把应用从这一档搬走,难度得按年来算,不是改一行配置的事。

一句判读:从自建到全包,你付出的是钱,收回的是责任边界变清楚。

所以如果你的团队现在的问题是"没人对线上负责",选全包只会把它变成"没人对我们负责",它不会自动变好;但如果问题已经问对了两遍,剩下的只是执行,那把边界签清楚比养一支队伍划算得多。

九、最贵的那种误会:把"我们已经有了"当成能力

这一节是本文最想让老板记住的,因为这一笔花出去之后不会在账单上显形。

一家公司批了容器云,买了托管集群,配置齐了,验收那天演示很顺利。两年后他们以为自己有"平台能力"。真实状况是:集群只有一套,会管的只有一个人,就是当初递申请的那一个。

这不是编出来的例子,这是最常见的结局,因为它有一条很顺的路径:申请是这个人写的,安装是他做的,中间踩的坑没人知道,权限在他一个人的账号上。

于是关键人风险从应用层挪到了基础设施层,而且挪到了更贵、更难招的那一层:找一个能改你们业务代码的人,比找一个知道他那套集群为什么这么配的人容易得多。

判断真假只有一条,很便宜:随便挑一个工作日,让第二个人按下"重新发布",看他在不查那位老手的情况下能不能做完。 做不到,那"上没上容器云"跟你的交付连续性就毫无关系。平台只是让那一个人更难被替换了。

还有一条同样便宜的观察方式:问那位管集群的人"你们这套配置里,哪一处是当初为了避免一个具体的坑才这么写的"。

答得出那一处、也答得出那个坑,这个岗是真的;只能背出参数含义,那多半是他照着一份教程敲出来的,教程里的那些坑一个都还没遇到。

十、今天不用花钱就能做的三件事

这三件事一件都不需要新增预算,而这三个动作恰好对着三笔账,一笔账配一个查法。

第一件:把现在这一套部署写成一页纸。 谁构建、产物放在哪儿、谁点发布、失败时回滚敲哪一步(回滚,就是把上一版没毛病的东西原样退回去)、这台机器上有什么是别处依赖的。

写不满一页,就是还没有这项能力,不管它跑在什么平台上。这一页纸的用途不是文档,是让"改完了能不能重来"这件事第一次变成可见的。

第二件:把上云前后同一业务量的账单并排列出来。 只挑一行:业务没有变多而钱变多了的。逐行问一句"这一行买到了哪一个动作"。答得上来的留下,答不上来的不是删掉,是在下一次扩容前先不要按它的增长率算钱。

第三件:让第二个人照着那一页纸做一次发布。 这一步同时回答三个问题:那一页纸对不对、上线权限是不是长在某个人身上、你们要不要真的加人。三件事里有两件是花钱买平台买不来的。

十一、三个自查问题

  • 递来的那份申请里,"上容器云"具体是哪一项:打包方式、编排层,还是把编排签出去?三项的价差不小,别按一句话批。
  • 现在这套东西,除了提申请的那位,还有第二个人能让它重新跑起来吗?没有的话,先解决这一项,再谈平台。
  • 上一笔基础设施的投入里,有没有哪一行账单是"业务没变多而它变多了"的?那一行现在对应到哪个你能看见的动作?

十二、读完能做什么决定

不是"上还是不上"这一个决定,而是三个更小的、可以先分开批的:

  1. 只批第一项。 打包方式的改动,通常两周内能看见效果,要往回退也几乎不花钱。这份申请里,能这样无痛先试的只有这一块。
  2. 把第二项的问题换一种方式回答。 不批平台,先批那一页纸和第二次发布。这两件事做完,你才知道缺的到底是"看护"还是"验证",而这两样东西的价格差一个数量级。
  3. 真要批第三项,就按责任边界谈。 上面那三个书面答案(控制面什么时候升级、备份留几天、工单最迟多久有人接)比任何架构图都更接近你将来出事时的真实体验。

顺序也建议这么走:先看清自己缺哪一项,再决定买哪一档。 市场这一轮回摆给的不是"别上容器云",而是一个更朴素的标准:那一项缺人可以补、缺验证补不上、而缺责任边界是买不来的。

引用这一篇
https://www.aryee.cn/archives/container-cloud-three-bills.html

转载或引用请注明出处与链接。

你手上那套系统,卡在哪一步?

留个手机号和方便的时间,我打过来先听你说现状和限制,再给一个能执行的判断:这套系统该继续修、该动哪里,还是重做一版更省。

约一次沟通不接纯 UI 外包,只做系统层面的问题。不方便留号码,也可以直接跟助手说一句话。