生产环境里，云成本一路飙高，往往不是因为用了多少资源，而是资源利用率没做优化。一个容易被忽略的雷区，就是现货实例和抢占式虚拟机。

AWS 的 Spot Instance 和 GCP 的 Preemptible VM，本质都是云厂商把闲置算力折价卖出来，折扣力度不小，但附带一个硬伤——随时可能被回收，通常只有极短的通知窗口。如果直接把这种资源塞到生产工作负载里，又没做架构上的中断处理，服务断联、请求失败就成了家常便饭。表面上省了计算费，实际运维成本和线上事故的开销又全还回去了。

举个例子，一个跑在 Kubernetes 上的无状态 Web 应用，配置里只指定了 spot/spot 节点亲和性，副本数设了 5 个。YAML 看着干净，问题在于：当云厂商回收实例，Pod 被驱逐，流量还在往里打，服务直接裸奔。如果没配 PodDisruptionBudget、没做优雅终止，也没在上一级加队列解耦，这套“省着用的架构”就变成了定时炸弹。

要把折扣算力用稳，得先想清楚哪些负载可以容忍中断。典型的候选者是异步任务、批处理、无状态 Web 前端、CI/CD 跑机这些。确定范围后，核心思路是用队列把这层算力和上游请求隔开：生产者把任务放进持久化队列，消费者跑在 spot 池子里，执行该任务，并且保证任务是幂等的，这样即使中途被中断，重试也不会产生副作用。

接着，不能把所有副本都押在 spot 上。AWS Auto Scaling Group 和 GCP 的 Flexible VMSS 都支持混合实例池，一部分按需实例托底，保证最低可用性，另一部分用现货实例去吃波动流量。监控和自动扩缩再跟上，按任务积压量调整 spot 节点数量，压力和成本才能平衡。

不少团队一看到 spot 折扣就去换，省没省到钱先不说，服务可用性先打了个折。成本优化从来不是单纯比单价，而是在可靠性和支出之间找到那条刚好够用的线。