1. 课程导论：为什么需要多集群？为什么需要资源画像？成本优化的核心挑战与收益

1.1 从单集群到多集群：架构演进的必然

在云原生落地初期，大多数团队从单 Kubernetes 集群起步。随着业务规模增长、合规要求细化以及容灾需求提升，单集群架构逐渐暴露出以下瓶颈：

1.2 资源画像：多集群成本优化的“透视镜”

在多集群环境中，每个 Deployment 的资源请求（requests）与限制（limits）往往基于经验值或保守估算设置。这导致两个普遍问题：

• 过度配置： 为应对突发流量，requests 设置过高，集群利用率长期低于 30%。
• 配置盲区： 不同集群、不同环境（prod/staging/dev）的 Deployment 资源规格不统一，缺乏数据驱动的调整依据。

资源画像 正是解决上述问题的核心手段。它通过采集历史监控数据（CPU、内存、网络 IO），为每个 Deployment 建立动态的资源使用模型，从而回答三个关键问题：

1. 实际需要多少资源？ —— 基于 P50/P90/P99 分位值计算合理 requests。
2. 弹性伸缩的触发点在哪里？ —— 识别资源拐点，优化 HPA 阈值。
3. 哪些集群存在资源浪费？ —— 跨集群对比资源利用率，识别优化目标。

1.3 成本优化的核心挑战

在多集群 + 资源画像的背景下，成本优化面临以下四大核心挑战：

1.4 收益量化：成本优化的 ROI

根据 FinOps 基金会及多家头部企业的实践数据，系统性地实施资源画像与多集群弹性伸缩优化，可带来以下可量化的收益：

• 基础设施成本降低 25%–40%： 通过合理设置 requests 和 HPA 阈值，减少闲置资源。
• 部署密度提升 30%–50%： 资源画像指导 Pod 规格调整，同一节点可运行更多 Pod。
• 弹性响应时间缩短 60%： 基于画像的预测性伸缩替代被动式 HPA。
• 成本归属准确率提升至 95% 以上： 结合标签与资源画像，实现精细化分摊。

1.5 课程路线图

本课程将按照以下路径，从理论到实践逐步展开：