野蛮生长的阶段已经结束，开始进入存量竞争时代，IT的降本增效将是未来很长一段时间的主线。
文｜游勇
编｜周路平
IT支出作为互联网公司最大的成本，在数智化进入深水区和存量竞争的背景下，如何让IT降本增效变得更加迫切。
以前，大量企业的业务高速增长，发展的红利使得很多IT建设粗放式发展，很少人在意资源利用率的提升。但现在，野蛮生长的阶段已经结束，开始进入存量竞争时代，IT的降本增效将是未来很长一段时间的主线。
01
一场IT降本增效的沙盘演练
从物理机到虚拟机，再到现在的容器化，IT基础架构这些年一直在朝着敏捷、弹性、稳定的方向演进。而这些新的IT技术和架构到底带来了怎样的效果，一直是行业密切关注的话题。
不久前，全球知名独立咨询机构Forrester访谈了多位腾讯云容器服务TKE的客户，并且基于访谈信息，采用Forrester研发的TEI（Total Economic Impact）方法论，发布了国内首份容器服务总体经济影响报告。TKE是基于原生的K8s容器编排引擎，结合腾讯云的计算、存储、网络等基础设施打造的一个企业级的PaaS服务。
为了验证这套模型的效果，Forrester模拟了一家年营收4.5亿元左右的企业。这家企业的特点是业务范围覆盖全国，技术团队规模在百人以上，计划在三年时间完成90%以上服务和应用的容器化改造。
这场沙盘演练围绕着企业基础IT建设普遍关注的几个核心指标——基础设施成本、运维成本、应用开发的效率以及系统稳定性，在容器化之后，这些方面都得到了大幅提升。
首先是计算资源的成本节省超过70%。由于TKE容器的弹性调度能力，使得企业不用再购买备用机器，可以根据业务按需调用，而且容器化程度越深，TKE用量越大，机器节省的成本也逐年增加，三年累计收益达到1771万元。
其次是日常运维负担降低了50%以上，峰值运维负担降低98%。TKE使运维人效成倍数增长，将耗时多日的扩缩容工作转化为分钟级的自动化、平台化操作。这部分的收益在三年时间为914万元。
一位协同办公行业的业务副总经理直言，“我们的扩容效率提升非常明显，能做到一小时扩容10万核，即从提出申请到扩容全部完成只需要一个小时，如果除去其中申请和协调资源的时间，利用TKE扩容只需要十分钟。”
再者是应用开发效率的提升。容器的标准化和易迁移特性，让研发不用操心服务器的操作系统差异，能实现新应用、新功能的快速部署上线，迭代效率提升90%以上。对于一家拥有90名研发人员的组织而言，这部分在三年时间产生的收益达到3092万元。
最后是稳定性的收益，通过自动化预测、告警与修复故障，每年服务中断时间减少42.6小时，由此得以增加的运营利润达到183万元。
也就是说，这家年营收4.5亿元的复合式组织，三年内的总收益达到了5960万元。而该组织需要为此付出的成本——包括订阅费、部署实施费、学习成本是1541万元。两者相减，得到的净收益达到了4419万元，投资回报率高达287%。
而Forrester经过一系列严谨的测算之后，通过抽象提炼，最终形成了一套有普适性的模型。腾讯云也基于这套模型推出了容器服务的ROI计算器，客户只要输入各自的业务真实情况，能非常直观地看到三年后带来的收益。
这个沙盘演练的效果，在降本增效成为企业主旋律的当下，提供了一个非常有价值的参考。
更关键的是，这套模型并不是简单粗暴的叠加计算，而是充分参考了各行各业的真实客户在使用TKE容器化服务前后的特点和效果。
一是充分考虑了容器化改造的不同阶段。容器化比例没有简单粗暴地设计在一年内完成，而是逐年提高，这也符合目前企业对容器化改造的一个特点，循序渐进，逐步看到效果。
二是对收益和成本进行了细致的拆分。比如复合式组织设定了每年有三次大型流量峰值，每次峰值需要投入32个小时进行提前扩容准备；同时对运维人员和研发人员的时薪做了不同设计，甚至把薪资涨幅也都设计在内。而且也考虑了企业进行容器化改造产生的实施成本和技术人员对K8s容器技术的学习成本。
三是未将不可量化的收益纳入其中。企业在进行云原生容器化改造后，其实不仅有可量化的收益，也有很多不可量化的收益，包括客户满意度的提高，技术团队更流畅的协作和工作状态的提升等。但这套模型并没有将不可量化的收益统计在内，而这些效果确实在诸多企业的实际业务中真实存在。
甚至考虑到企业在现实业务中的复杂性和各种风险因素，Forrester还给每项收益下调了10%，成本则调高了10%。但即便在如此严苛的条件之下，容器化和非容器化的收益对比依然非常明显。
02
云原生已经成为共识
Forrester的这份研究报告背后，让外界进一步看到，以K8s容器为代表的云原生技术能够有效疏解企业在IT降本增效、弹性伸缩方面的心头之痛。
此前，有机构统计过一个很残酷的数字：国内数据中心CPU利用率仅为10%左右。IT资源利用率不高的背后，与传统IT架构的特性有很大关系。不管是物理机还是虚拟机，其应用、操作系统和基础设施之间很多是紧耦合的关系，不够弹性。
在单体机架构下，每台服务器只运行一个应用程序。后来的虚拟机虽然允许一台服务器运行多个应用程序，在一定程度上解决了服务器资源浪费的问题，但每台虚拟机都有自己的操作系统，会消耗大量与计算不相关的资源，不仅造成了浪费，而且启动速度也很慢。
腾讯当年在业务全面上云之前，也遇到类似的难题。每个业务部门为了应对突发的流量，在升级服务器资源时会留出资源缓冲区，这是IT部门的常规操作。但当所有的缓冲区叠加在一起，就形成了大量的闲置资源浪费。
而对于业务还在不断增长或者业务波峰波谷比较明显的企业而言，这样的痛感来得更加真实。
现在，云原生的架构能实现系统的敏捷部署、弹性扩展、动态迁移、故障自愈等。而容器作为云原生的代表性技术之一，实现了应用与运行环境的解耦。相比于物理机、虚拟机，一个容器就是一个应用程序，它将所有文件配置以及运行所需要的必要文件打包到一起，这意味着它只打包了计算环境所需要的内容。而基于开源容器编排引擎K8s，能够实现了容器的自动部署，扩展和管理。
其优势已经非常明显，比如解决异构环境一致性问题、更高的机器资源利用率等，几个简单的命令就可以在单机上管理容器。比如，它可以自动调度和自动修复，可以运行在k8s集群中的任一节点，而且某一个服务器挂了，可以自动调度到另外一台主机上运行，无需人工干涉。
另外，成本上也有优势，容器按量计费，Pod销毁了就不收费，计费粒度是秒级的，但虚拟机不一样，它的生命周期更重一些，弹性能力也比容器差，计费粒度也更粗。
一位信息通信行业的云服务运维负责人透露，他们在使用了腾讯云容器服务TKE之后，业务高峰期的扩容只需要不到五分钟时间，以前两三个人加班加点才能完成的工作，现在只需要一个人就能操作。
如今，以容器、微服务等为代表的云原生技术已经成为企业技术选型的共识。一位管理软件的高管告诉数智前线，客户现在都默认你用的就是云原生方案，已经不需要再去特别强调的事。
在Forrester 2022年全球云基础设施调研中，72%的中国云决策者表示，使用以云原生为代表的新计算架构进行现代化改造将是其组织未来12个月的技术架构和交付优先事项之一，而世界其他地区的这一比例为53%。
应用容器化率也在逐年攀升。2020年容器超过虚拟机成为企业部署计算的最小单元。据Gartner预测，到2025年，85%的组织将在生产环境中使用容器。
腾讯作为国内最早上线容器服务TKE的企业之一，这次与Forrester联合发布业内首份容器经济影响报告，并推出ROI计算器，将让各行业进一步看到直观、系统地看到云原生带来的价值，从而加速容器化率的提升。
其实早在2016年，腾讯就开始启动基于K8s的TKE项目。到目前为止，腾讯云TKE已经为上万企业客户提供容器化平台，单集群支持上万个节点。除了腾讯自己，包括快手、小红书也接入了腾讯云的容器服务，都取得了实打实的效果。
今年4月，腾讯云入选Gartner容器客户之声亚太区“卓越表现者”象限。在8家获评的容器管理厂商中，腾讯云成为唯一入选的中国企业。
03
TKE如何帮助企业降本增效
其实，在Forrester产出这份报告之前，腾讯云TKE已经在腾讯内部和外部客户的业务中得到了检验。
2022年，腾讯宣布完成了自研业务全面上云，成了国内最大的云原生实践。
但在自研业务上云初期，腾讯也经历过很多企业都面临的困境，比如习惯“堆机器”，把物理机原封不动搬到云上，或者直接把容器当虚拟机用，整个架构和代码不需要任何的改造，但违背了云原生的初衷，云的价值完全没有发挥出来。尤其是当实例变得又大又复杂时，没法快速启停，影响了弹性扩缩容的效率。
但很快，腾讯基于腾讯云TKE，开启了真正的云原生之旅。
腾讯一开始先将离线业务容器化，比如基于滚动的发布，对自研业务的灰度测试非常关键，比如动态路由能力，实现路由的自动化。然后是在线业务容器化，实现自定义工作负载，保证Pod容器的中断时间控制在一秒以内，实现原地无感知的升级扩容。
过去几年的努力，腾讯内部95%的业务都放在可调度的公共集群里。而腾讯云TKE的落地规模已经超过5000万核，累计为腾讯节省了数十亿元成本。而且，即便面对腾讯如此庞大且复杂的业务体量，TKE平台从始至终没有遇到过大的故障。
对于还在观望的企业而言，腾讯自己提供了一个很好的云原生转型范本。
作为国内最大的房产中介平台，贝壳一直对新的IT技术保持着非常高的热情。相比于那些不敢用、不会用的企业，贝壳在做云原生技术架构的改造前，内部就已经进行了容器化改造，并且与腾讯云TKE有一些小规模合作。但起初用的是TKE普通节点，本质上是在虚拟机上部署一些托管的K8s能力，效果并不明显。
2023年初，贝壳打响了云原生攻坚战，提出了“4321”的技术口号，其中4指的是计算集群利用率提升到40%。
“容器化和云原生，是提升利用率，尤其是提升在线业务利用率的一个技术达成路径。”贝壳云技术中心系统研发部高级经理杨菁伟说。
很快，贝壳接入了腾讯云TKE的原生节点，其核心还是怎么弹性扩缩容，自动化部署以及提高已有资源的利用率。TKE原生节点帮助贝壳解决了三个核心问题：
首先是Request配置。在创建K8s集群的工作负载时，通常需要配置合适的资源，Request是下限，指的是容器需要保留的最小资源量；limits是上限，一个容器使用的最大资源量。以前都是客户根据经验自己配置，很容易估不准，大家习惯将申请量设置得较大，造成资源闲置，这是一个非常普遍的现象。
腾讯云TKE原生节点的“成本大师”推出了Request智能推荐工具，可以通过分析客户业务实际利用率和历史数据，给客户推荐最合适的Request配置，确保资源得到合理利用。
其次，在节点放大之后，容易遇到稳定性问题，考验TKE资源如何调度。比如K8S集群有时会出现调度不均，某些节点负载过高，而其他节点负载又很低。人工调度往往不及时，也很麻烦。腾讯云TKE原生节点，支持根据客户节点的实际负载进行智能调度。包括支持“节点动态放大”，根据实际需求，自动增加CPU和内存资源。
三是在线和离线业务能否混合部署。在线业务对资源的要求高，但变化会比较明显，离线业务便静态，及时性不高。要想集群24小时运转，就需要把在线和离线业务混在一起运行。
同时，腾讯云TKE在内核层面实现资源隔离，允许高低优任务共存，高优任务可抢占低优资源，确保在线业务不受影响。
最终，在TKE原生节点的支持下，贝壳的资源利用率从去年年初的峰值不到25%，到年底提升到了40%。
“容器不是终点，它其实是一切的起点。”杨菁伟说，容器化为贝壳真正迈向云原生打下了基础，未来将推进两件事：一是让自建的容器逐渐迁移到公有云的底座上，增加腾讯云TKE在贝壳的算力供给比重；二是针对应用以外的组件进行云原生的适配，实现数据的云原生和缓存的云原生等。
在线教育平台作业帮也是一家非常典型的客户。作为一家月活用户约1.7亿的在线教育公司，学生学习的时间集中在周末和放学之后，波峰波谷非常鲜明，高峰时段的流量是平时峰段的20倍，是低峰时段（凌晨到5点左右）的上百倍。
所以，作业帮对资源弹性调度的诉求非常高。作业帮从2020年开始将部分业务逐渐接入腾讯云容器服务TKE，涉及数千业务应用，数十万计算核数。通过HPA机制、离在线混部、共享GPU等腾讯云TKE提供的一套整体解决方案，作业帮的节点平均CPU利用率从10%提升到30%，成本下降40%，接口响应提升10%。
当然，除了被广泛使用的TKE原生节点，腾讯云也针对企业Serverless和大模型的需求，衍生出了TKE超级节点和SCF on K8s等新的产品形态。
IT的降本增效从来不是一朝一夕能做完的事，需要企业根据自身业务特点持续地推进和优化，当然也需要技术服务商及时地捕捉和响应市场的需求。
