Blog: Crane v0.7：通过控制台一键节省云成本

Mon, 01 Jan 0001 00:00:00 +0000

Crane（ Cloud Resource Analytics and Economics ）是一个依托FinOps理论指导，基于云原生技术栈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。

近期，Crane 发布了 0.7.0 版本。在新版本里我们提供了大量的新功能和优化，包括智能推荐框架 Recommendation Framework 以及全新改版的 Crane 产品化控制台。

详细的 Release Note 请见：https://github.com/gocrane/crane/releases/tag/v0.7.0

资源推荐框架 Recommendation Framework

Crane 的资源推荐，副本推荐功能在腾讯内部落地帮助自研业务每月节省了大量的成本，取得了很好的效果，详情请见：https://mp.weixin.qq.com/s/1SeMzcf_VRvRysZ9NLI-Sw 。同时，我们认为自动分析集群资源找到浪费并给出优化建议是帮助企业降本的重要方法，引入更多的分析类型至关重要。

因此在 0.7.0 版本中，Crane 设计了 Recommendation Framework，它提供了一个可扩展的推荐框架以支持多种云资源的分析，并内置了多种推荐器：资源推荐，副本推荐，闲置资源推荐。Recommendation Framework 通过 RecommendationRule 和 Recommendation CRD 描述了如何进行资源的分析推荐。

智能推荐的规则

apiVersion: analysis.crane.io/v1alpha1
kind: RecommendationRule
metadata:
 name: workloads-rule
 labels:
 analysis.crane.io/recommendation-rule-preinstall: "true"
spec:
 runInterval: 24h  # 每24h运行一次
 resourceSelectors: # 资源的信息
 - kind: Deployment
 apiVersion: apps/v1
 - kind: StatefulSet
 apiVersion: apps/v1
 namespaceSelector:
 any: true # 扫描所有namespace
 recommenders: # 使用 Workload 的副本和资源推荐器
 - name: Replicas
 - name: Resource

推荐的结果

kind: Recommendation
apiVersion: analysis.crane.io/v1alpha1
metadata:
 name: workloads-rule-resource-flzbv
 namespace: crane-system
 labels:
 analysis.crane.io/recommendation-rule-name: workloads-rule
 analysis.crane.io/recommendation-rule-recommender: Resource
 analysis.crane.io/recommendation-rule-uid: 18588495-f325-4873-b45a-7acfe9f1ba94
 app: craned
 app.kubernetes.io/instance: crane
 app.kubernetes.io/managed-by: Helm
 app.kubernetes.io/name: crane
 app.kubernetes.io/version: v0.7.0
 helm.sh/chart: crane-0.7.0
 ownerReferences:
 - apiVersion: analysis.crane.io/v1alpha1
 kind: RecommendationRule
 name: workloads-rule
 uid: 18588495-f325-4873-b45a-7acfe9f1ba94
 controller: false
 blockOwnerDeletion: false
 spec:
 targetRef: # 推荐目标资源
 kind: Deployment
 namespace: crane-system
 name: craned
 apiVersion: apps/v1
 type: Resource
 completionStrategy:
 completionStrategyType: Once
 adoptionType: StatusAndAnnotation 
 status:
 recommendedInfo: >-
  {"spec":{"template":{"spec":{"containers":[{"name":"craned","resources":{"requests":{"cpu":"229m","memory":"120586239"}}},{"name":"dashboard","resources":{"requests":{"cpu":"114m","memory":"120586239"}}}]}}}} # 推荐配置，可通过 kubectl patch 更新 deployment 配置
 currentInfo: >-
 {"spec":{"template":{"spec":{"containers":[{"name":"craned","resources":{"requests":{"cpu":"0","memory":"0"}}},{"name":"dashboard","resources":{"requests":{"cpu":"0","memory":"0"}}}]}}}} # 当前配置，可通过 kubectl patch 回滚已经采纳建议的 deployment 配置
 action: Patch # 建议的 Action

目前 Crane 支持了以下推荐能力：

资源推荐: 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: 通过 HPA 算法分析应用的真实用量推荐更合适的副本数量
闲置节点推荐: 扫描集群中的空闲节点
闲置PV推荐: 扫描集群中的未挂载 Pod 的 PV

用户可以基于 Recommendation Framework 通过实现 Recommender 接口快速开发新的推荐能力或者扩展现有的推荐能力。欢迎大家一起共建，丰富各类云资源的推荐能力，比如：GPU 的资源推荐，腾讯云 CLB 的闲置资源推荐。

Crane Dashboard

Crane 在0.7.0 版本中花了大量时间基于 TDesign 的前端模版重构了 Dashboard，提供了一套美观、实用的产品界面。

新手用户可以观看以下视频对 Dashboard 有一个初步的了解：

视频中将一次成本优化过程分成了三个步骤：

成本展示: Kubernetes 资源( Deployments, StatefulSets )的多维度聚合与展示。
成本分析: 周期性的分析集群资源的状态并提供优化建议。
成本优化: 通过丰富的优化工具更新配置达成降本的目标。

通过 Dashboard，用户可以了解如何通过 Dashboard 快速上手，开启成本优化之旅。

我们也提供了 Crane Dashboard 的 Live Demo，欢迎体验：http://dashboard.gocrane.io/

成本分析

用户可以在 Dashboard 的菜单->成本分析->资源推荐中使用各种推荐能力，通过推荐功能，用户可以发现集群中的资源浪费，页面上的“采纳建议” 会提供一条 kubectl 命令，用户可以在他的环境中执行命令更新资源配置实现降本，后续会提供一键采纳建议的功能。

资源推荐：

副本数推荐：

碳排放计算器

用户可以在 Dashboard 的菜单->成本洞察->碳排放分析中使用碳排放计算器：

详细的能力介绍请参考：https://mp.weixin.qq.com/s/HQFTT7VG8M_q3WV7e4LRkg

升级指南

通过以下命令可以从旧版本的 Crane 升级到 0.7.0。

kubectl apply -f https://raw.githubusercontent.com/gocrane/helm-charts/crane-0.7.0/charts/crane/crds/analysis.crane.io_analytics.yaml
kubectl apply -f https://raw.githubusercontent.com/gocrane/helm-charts/crane-0.7.0/charts/crane/crds/analysis.crane.io_recommendationrules.yaml
kubectl apply -f https://raw.githubusercontent.com/gocrane/helm-charts/crane-0.7.0/charts/crane/crds/analysis.crane.io_recommendations.yaml
kubectl apply -f https://raw.githubusercontent.com/gocrane/helm-charts/crane-0.7.0/charts/crane/crds/autoscaling.crane.io_effectivehorizontalpodautoscalers.yaml
kubectl apply -f https://raw.githubusercontent.com/gocrane/helm-charts/crane-0.7.0/charts/crane/crds/autoscaling.crane.io_effectiveverticalpodautoscalers.yaml

helm repo add crane https://gocrane.github.io/helm-charts
helm repo update
helm upgrade -n crane-system --install crane crane/crane --version 0.7.0