2. 基础概念：资源画像的定义、维度与生命周期

在云原生成本分摊模型中，资源画像是连接基础设施消耗与业务成本的桥梁。它并非简单的资源规格快照，而是对工作负载在时间维度上资源使用行为的数字化描述。理解资源画像的定义、核心维度及其生命周期，是进行精准成本分摊与故障排查的前提。

2.1 资源画像的定义

资源画像（Resource Profile）是指对云原生工作负载（Pod、容器、函数等）在特定时间窗口内，对其所消耗的各类资源（CPU、内存、网络、存储）进行采样、聚合与建模后形成的特征化描述。它通常包含以下要素：

• 资源使用量：实际占用的资源数值（如 CPU 核数、内存 MiB）。
• 资源请求量：工作负载声明的最小资源保证（Requests）。
• 资源限制量：工作负载被允许使用的资源上限（Limits）。
• 时间序列特征：资源使用随时间变化的模式（如波峰、波谷、周期性）。

2.2 资源画像的核心维度

资源画像通常从四个维度进行刻画，每个维度都有其独特的度量指标与分摊影响。下表总结了各维度的关键属性：

2.2.1 CPU 画像

CPU 画像关注的是工作负载对计算资源的实际消耗模式。常见问题包括：CPU 突发（短时间内高负载）导致节点资源争抢，以及CPU 节流（Throttling）导致应用延迟增加。在成本分摊中，通常使用 P95 或 P99 分位值来代表典型消耗，避免被瞬时峰值扭曲。

2.2.2 内存画像

内存画像需要区分已分配内存与活跃内存。许多工作负载会预先申请大量内存但实际使用率很低，造成资源浪费。内存画像的故障排查重点在于识别内存泄漏趋势——如果内存使用量随时间线性增长而不回落，则可能触发 OOMKill，导致 Pod 频繁重建，产生不必要的成本。

2.2.3 网络画像

网络画像在微服务架构中尤为重要。它需要捕获服务间通信流量与外部流量。成本分摊时，网络流量通常按方向（入站/出站）和目的地（同可用区/跨可用区/公网）分别计价。网络画像的异常模式包括：流量风暴（短时间内流量激增）和重传率升高（网络质量下降导致成本增加）。

2.2.4 存储画像

存储画像关注持久化数据的容量与性能。在 Kubernetes 环境中，需要区分临时存储（如 EmptyDir、hostPath）和持久存储（如 PVC）。存储画像的常见故障是存储容量不足导致 Pod 被驱逐，以及IOPS 瓶颈导致应用响应变慢。成本分摊时，存储通常按预分配容量而非实际使用量计费，因此画像需要反映容量利用率。

2.3 资源画像的生命周期

资源画像并非一成不变，它随着工作负载的运行阶段而演变。理解其生命周期有助于在故障发生时快速定位是哪个阶段的数据出现了偏差。资源画像的生命周期通常包含以下五个阶段：

1. 定义阶段：在部署时，通过 YAML 或 Helm Chart 声明资源 Requests 与 Limits。这是画像的初始基线。
2. 采集阶段：通过 Metrics Server、Prometheus 或 eBPF 等工具，以固定间隔（如 15s、30s）采集资源使用数据。
3. 聚合阶段：将原始时间序列数据按时间窗口（如 5min、1h）进行聚合，计算均值、分位值、最大值等统计量。
4. 建模阶段：基于聚合数据生成资源画像模型，可能包含周期性模式（如每天 10:00 为高峰）或趋势预测。
5. 应用阶段：将画像模型用于成本分摊、自动扩缩容（HPA/VPA）、资源优化建议等场景。

2.4 生命周期各阶段的故障模式

下表总结了资源画像生命周期各阶段常见的故障模式及其对成本分摊的影响：