如何利用 Spot，成本与稳定同时兼得

2021 年，是一个举步维艰的一年，疫情跌宕起伏，各企业为了生存持续的降低公司运营成本，缩减部门经费接踵而至，然而我们公司也不例外走上了降本的道路，全面开启 spot 的使用，企业成本可算是直线下降，但道路可不是一帆风顺，大规模中断却是降本与业务稳定的头号敌人。

运维现状

在 AWS AutoScalingGroup（下面简称 ASG）下开启 100%Spot 时，通过监控 ASG 内的 CPU 阀值，当低于某个阀值时钉钉/短信通知运维人员，人肉把 spot 与 od 的比例进行调整，保证业务的稳定，但调整后什么时候调整回来又要靠运维人员人经验来判断，特别是在黑五，圣诞，元旦等节日，运维人员早早就把 od 比例调整，以防 spot 大面积中断，操作流程图如下：

很明显，运维人员负荷加重不少，如果晚上深夜 2，3 点出现事故，更是影响生活。所以运维同学也不敢把 Spot 比例调整到 100%，但是为了企业的生存，成本又不能不降，真是挣着卖白菜的钱，操着卖白粉的心。

大规模中断的痛

1) 实例启动时间慢

然而网上也有开启两个 ASG，一个是 OnDemand 组，一个是 Spot 组，通过 ELB 智能管控流量，一但出现大规模中断，启动实例需要一定的时间，如果 OD 占比过高，成本随之上升。所以 OD 与 Spot 都是由运维人员的经验来评估，缺乏准确性，最终还是人肉解决。

2)程序启动时间过慢

实例启动后，最终还是需要程序启动起来的时间决定，但如果程序启动太慢，例如加载数据，下载程序最新版本等操作，都会严重影响业务的稳定。

热池

根据以上的种种痛点，Spotmax也给出了一个相对完善的解决方案，热池

• 根据伸缩组中的实例类型，创建备用实例，当中断时，优先使用热池替换，可有效预防大规模中断及时补充实例，保证业务稳定

• 支持 spot 优先，如果 spot 没有库存，再使用热池替换

• 支持实例休眠功能，秒级启动 APP

• 暂停的实例 AWS 不收费，只收 EBS 的费用

根据 Spotmax 官网提供的测试数据来看，实例启动时间最大可提高 7 倍，通过休眠启动的程序只需要 5 秒就能运行，保障业务的稳定。

经过 2021 年的黑五、圣诞、元旦的尝试，运维人员终于得到了解放，spot 的使用也调整到 100%，再也不用深夜处理 spot 不足的告警了

总结

Spot 是一把双刃剑，如果使用得好，能为公司节省 65%以上的成本，如果没有相关的经验，使用 spot 对业务来说却是一个灾难。

希望本文的一些小分享能帮助到更多正在使用 spot 的运维团队，少走弯路，为企业节约更多的成本。