Premium
Hizmetler
Premium

Kubernetes Maliyet Optimizasyonu: 8 Adım ve 23 Araç

Hazal Şimşek
Hazal Şimşek
Güncellenme tarihi: 15 Eki 2026

Kubernetes kümeleri, fatura yükselirken tamamen sağlıklı görünebilir. Otomatik ölçeklendirme yapılandırılmış, panolar yeşil ve harcama yine de artıyor. Bir ankette, %42 oranında 455 platform mühendisi maliyeti bir numaralı Kubernetes zorluğu olarak belirtti; %88 ise toplam sahip olma maliyetinin yıldan yıla arttığını gördü.1

68 Kubernetes maliyet optimizasyonu vaka çalışması topladık ve bahsedilen her kullanım senaryosunu, onu yayımlayan her satıcıyla eşleştirdik:

Grafik Yükleniyor

Daha koyu hücreler daha fazla bahsedildiği anlamına gelir. Boş hücreler, o aracın o kullanım senaryosu için yayımlanmış bir vakasının olmadığı anlamına gelir.

Küme harcamasını azaltmaya yönelik gerçek hayattan örnekler içeren 8 adımlık rehber ve Kubernetes maliyet optimizasyonu aracı karşılaştırması için okumaya devam edin.

1. Herhangi bir değişiklik yapmadan önce ölçün

Bu rehberin geri kalanındaki her sayı bir deltadır ve bir delta bir başlangıç noktası gerektirir. İlk değişiklikten önce kaydedilmiş bir taban çizgisi olmadan, 1. adımın işe yarayıp yaramadığını bilmenin ve 3. adımın tasarrufunu, onu önceleyen doğru boyutlandırmaya değil de birleştirmeye atfetmenin hiçbir yolu yoktur. Bu, çoğu mühendislik çalışmasından daha önemlidir çünkü altı eylemin tümü aynı faturayı azaltır ve tasarrufları toplanmaz. 1. adımda kapasite boşaltmak, 3. adım düğümleri kaldırana kadar faturada hiçbir şey üretmez.

Dört şeyi ölçün:

  • İş yükü başına talep edilen ile kullanılan CPU ve bellek. Aradaki fark, boyuta göre sıralanmış 1. adım birikiminizdir.
  • Ad alanı ve iş yükü başına maliyet. 2. adım kotalarını dayatma değil müzakere haline getiren şey budur.
  • Paketleme verimliliği, düğüm başına ayrılabilir ile talep edilen. 3. adımın hedefi.
  • Üretim dışı ortamlarda günün saatine ve haftanın gününe göre atıl maliyet. 5. adımı daha inşa etmeden boyutlandırır.

En az bir tam iş döngüsü boyunca ölçün. Yedi gün minimumdur, otuz daha iyidir. Pencere, prosedürel bir ihtiyat değildir. 1. adım bellek taleplerini gözlemlenen maksimumda belirler ve gözlemlenen bir maksimum, onu gözlemleyen pencere kadar iyidir. 48 saat üzerinden alınan bir maksimum, haftalık bir toplu işi kaçırır ve takip eden Pazar günü OOMKill üretir.

Araçlar

  • Maliyet tahsisi: Tahsis modelinin arkasındaki CNCF projesi OpenCost, ücretsiz tabandır. Kubecost’un ücretsiz katmanı, aynı motoru 250 çekirdeğe kadar bir arayüzde paketler.
  • Kullanım: Prometheus, kube-state-metrics ile birlikte alt katmandır. Robusta KRR, kümeye hiçbir şey kurmadan onu doğrudan okur.
  • Daha geniş harcama: Kubernetes’in finansın da açıklamak zorunda olduğu bir faturanın parçası olduğu durumlarda CloudZero, Vantage ve Finout bu katmanı değiştirmek yerine onun üzerinde yer alır.

Her iki maliyet aracı da etikete göre ilişkilendirme yapar, bu yüzden önce etiketleme gelir. Etiketlenmemiş harcama, bir taban çizgisinin üç hafta sonra işe yaramaz çıkmasının en yaygın nedenidir.

Aşağıdaki her eylem öneriyi, yöntemi, yapılandırmayı ve o adımı atan bir şirketi belirtir. Her vaka çalışması ve her istatistik bir kaynak bağlantısı taşır.

2. Ad alanı kotalarını koruyucu bariyer olarak ayarlayın

Ekipler hiçbir talep belirtmeden yeni iş yükleri dağıttıkça tasarruflar azalır. LimitRange, bunları atlayan konteynerlere varsayılan talepler sağlar ve ResourceQuota bir ad alanının toplamda tüketebileceğini sınırlar.

LimitRange’i ResourceQuota’dan önce dağıtın. Bir kota bir kaynağı kısıtladığında, o kaynak için talebi olmayan herhangi bir pod kabul sırasında reddedilir; bu nedenle ters sıra dağıtımları bozar.2

Her yük dengeleyici bulut sağlayıcı tarafından ayrıca faturalandırılır ve sahipsiz birimler, podları ortadan kalktıktan sonra da faturalanmaya devam eder.

2. CPU ve bellek taleplerini doğru boyutlandırın

Talepler düğüm sayısını, düğüm sayısı da faturayı belirler. Çoğu küme, talepler bir kez tahmin edilip bir daha gözden geçirilmediği için ödediği kapasitenin çok altında çalışır. AWS, Azure ve Google Cloud genelindeki 23.000 üretim kümesi üzerinde yapılan bir analizde ortalama CPU kullanımı %8, bellek %20 ve GPU %5 bulunmuştur.3

CPU taleplerini gözlemlenen kullanımın 95th yüzdelik dilimine yakın ayarlayın. Bellek taleplerini bir yüzdelik dilim yerine gözlemlenen maksimumda ayarlayın ve bellek limitini talebe eşit yapın. Bir yüzdelik dilim, kalan trafik sırasında konteyneri yetersiz bırakır; limit talebe eşit olduğu için bu eksiklik yavaşlama yerine OOMKill olarak ortaya çıkar.

CPU limitini atlayın. CPU kısıtlaması, podu öldürmeden gecikmeyi kötüleştirir ve talep, iş yükünün ihtiyacı olanı rezerve eder.

Yalnızca öneri modundaki Vertical Pod Autoscaler, bu değerleri üretim riski olmadan üretir.

Önerileri kubectl describe vpa payments-api ile okuyun ve hedef değeri mevcut taleple karşılaştırın.

Gerçek hayat vaka çalışması: Tryg Insurance

Tryg Insurance, Nordik bölgesindeki en büyük genel sigortacıdır ve Kubernetes’i Oracle Cloud Infrastructure üzerinde çalıştırır. Mühendislik ekibi, hizmet seviyelerini korurken iş yüklerini dinamik olarak doğru boyutlandırmak için Horizontal Pod Autoscaler ile Vertical Pod Autoscaler’ı birleştirdi ve hiçbir ticari optimizasyon platformu kullanmadan yalnızca açık kaynak otomatik ölçeklendiricilerle Kubernetes bulut maliyetlerini %50 azalttı.4

4. Karpenter ile düğümleri konsolide edin ve atıl iş yüklerini sıfıra ölçeklendirin

Doğru boyutlandırma kapasite açar, ancak bu kapasite, bir şey onları kaldırana kadar çalışmaya devam eden düğümlerde durur. Karpenter zamanında örnekler sağlar ve iş yüklerini daha az düğüme yeniden paketler. KEDA, kuyruk odaklı iş yüklerini sıfır kopyaya ölçeklendirir; bu, standart bir Horizontal Pod Autoscaler’ın yapamayacağı bir şeydir.

Konsolidasyon ilkesini WhenEmptyOrUnderutilized olarak ayarlayın. Alternatif olan WhenEmpty, kesintiyi hiç iş yükü podu barındırmayan düğümlerle sınırlar ve bunlar müdahale olmadan nadiren oluşur.5

Dar bir örnek listesi bunu bozar, çünkü Karpenter ucuz aykırı değerler bulamaz ve spot dayanıklılığınız düşer. Tüm örnek aileleri arasından seçim yapmasına izin vermelisiniz.

Gerçek hayat vaka çalışması: Adidas

Adidas, AWS EKS üzerinde birden çok Kubernetes kümesi çalıştırır. Platform mühendisliği ekibi, düğüm sağlama için Karpenter’ı benimsedi, olay odaklı ölçeklendirme için KEDA ekledi, Kyverno ilkeleriyle otomatik olarak Vertical Pod Autoscaler nesneleri oluşturdu ve atıl ortamlar için kube-downscaler kullandı. Tamamen açık kaynak bir yığın kullanarak Kubernetes kümelerini AWS’de çalıştırma maliyetini %50’ye kadar azalttılar.6

5. İş yüklerini spot’a taşımadan önce uygun şekilde hazırlanın

Spot örnekler mevcut en büyük indirimi ve en dar uygulanabilirliği sunar. PodDisruptionBudgets, örnek çeşitlendirme, topoloji yayılımı ve sonlandırma yönetimi yerli yerinde olmadan hiçbir şey spot’a taşınmamalıdır.

Hiçbir esneklik payı bırakmayan bir PodDisruptionBudget, Karpenter konsolidasyonu dahil tüm gönüllü kesintileri engeller; bu nedenle değerlerde boşluk payı olmalıdır.7

Gerçek hayat vaka çalışması: Delivery Hero

Delivery Hero, 390 uygulamayı 43 ülkede işletir ve iş yüklerinin yaklaşık %90’ı AWS EKS üzerinde çalışır. Ekip, kapasite türlerini doğrudan değiştirmek yerine sonlandırma yönetimi ve bir descheduler’ı sürece dahil ederek yaklaşık altı ay içinde Spot Instances’a geçiş yaptı.

  • Altyapı maliyetleri yaklaşık %70 düştü
  • Spot indirimleri, isteğe bağlı fiyatlandırmaya kıyasla %90’a kadar ulaştı
  • Platform, normal hacmin 4 ila 5 katı trafik ani artışlarını karşılar.8

6. Üretim dışını bir zamanlamayla kapatın

Geliştirme ve hazırlama ortamları gece ve hafta sonları çok az yük taşır veya hiç taşımaz. Zamanlanmış kapatma teknik olarak basittir ve politik olarak itirazsızdır; bu da onu sunulması en hızlı tasarruf ve daha zor değişikliklerin daha sonra desteğe ihtiyaç duyacağı yerlerde yararlı bir ilk eylem yapar.

Zamanlamayı üretim dışı ad alanlarında varsayılan olarak uygulayın ve ekiplerin açıkça çıkış yapmasını zorunlu kılın. Katılmak için eylem gerektiren bir ilke, ayrılmak için eylem gerektiren bir ilkeye göre daha az ekibe ulaşır.

Düğüm konsolidasyonu çalışıyorsa tasarruf faturaya yansır; çünkü ölçeklendirilmiş dağıtımlar geride boş düğümler bırakır.

Gerçek hayat vaka çalışması: Bud Financial

Bud Financial, finansal hizmetler sektörü için finansal işlem verilerini zenginleştirir ve Google Kubernetes Engine üzerinde yaklaşık 25 küme çalıştırır. Ekipleri, günlük yeniden dengelemenin yanı sıra gece ve hafta sonları küme düğümlerini küçültmek için zamanlanmış duraklatma ve sürdürme kullandı.

  • Maliyetler yalnızca zamanlama değişikliğinden %47 düştü
  • Zamanlama, haftada 80 saat küme çalışmasını ortadan kaldırdı
  • Kaynak kullanımı %90’ın üzerine çıktı.9
Ekibimiz, iş süreçlerinizden birini yapay zeka ajanlarıyla ücretsiz olarak otomatikleştirsin.
Bir süreci otomatikleştir

7. Uyumlu iş yüklerini ARM’e taşıyın

ARM tabanlı örnekler, yukarıdaki eylemler gibi aynı atıl kapasite için rekabet etmek yerine birim fiyatı değiştirir; bu nedenle bu tasarruflar gerçekten diğerleriyle birleşir. Engelleyiciler, ARM64 derlemeleri olmayan bağımlılıklar olacaktır.

Kullanıcılar bunu tüm altyapı genelinde değil iş yükü başına kapsamalı ve herhangi bir şey zamanlamadan önce çok mimarili imajlar oluşturmalıdır.

Gerçek hayat vaka çalışması: Pinterest

Pinterest, hem maliyet hem de karbon azaltımı amacıyla web API iş yükünü ARM64 üzerinde çalışan AWS Graviton örneklerine taşıdı.

  • Maliyetler %47 düştü
  • Bilgi işlem tüketimi %38 düştü
  • Karbon emisyonları %62 düştü.10

8. Ayar yapma tükendiğinde mimariyi değiştirin

Yukarıdaki altı eylem mevcut kümeler içindeki iş yüklerini ayarlar. Bunlar tükendiğinde daha fazla kazanım, daha fazla ayar yapmak yerine mimari değişiklik gerektirir.

Yayımlanmış iki sonuç pratik sınırı işaret eder. InCred Finance, ekibinin optimize edilmiş saydığı kümelerde harcamayı %30 azalttı11; Yotpo, iş yüklerinin %80’ını spot örneklerde çalıştırırken 30–%40 tasarruf elde etti12. Bu aralığın ötesinde, kalan israf artık kümelerin içinde değil, küme sayısındadır. Her biri bir kontrol düzlemi ücreti taşır ve bin paketlemenin geçemediği bir zamanlama adası oluşturur.

Çoklu kiracılık her iki maliyeti de ortadan kaldırır. Her müşteriye, ekibe veya ortama bir küme ayırmak yerine, sanal kümeler paylaşılan fiziksel altyapı üzerinde çalışır. Düğümler havuzlanırken her kiracı kendi API sunucusunu ve sanal kontrol düzlemini alır. Bu, küme başına kontrol düzlemi ücretini ortadan kaldırır ve izole alanlar içinde değil, paylaşılan düğüm havuzu genelinde bin paketlemeye olanak tanır.

yaml

bash

İki mekanizma mevcuttur. Ad alanları her zaman daha ucuzdur; bu nedenle seçim, maliyete değil, kiracıların gerektirdiği ayrıştırmaya göre yapılır.

  • Ad alanları tek bir kümeyi bölümlendirir ve kendilerine ait hiçbir kontrol düzlemi eklemez. Kiracılar birbirine güvendiğinde ve bir API sunucusu ile bir dizi CRD’yi paylaşabildiğinde yeterlidir.
  • Sanal kümeler, her kiracıya ana bilgisayarda bir iş yükü olarak çalışan kendi API sunucusunu verir. Bu maliyet iki durumda gerekçelendirilir: kendi küme kapsamlı kaynaklarına ihtiyaç duyan kiracılar ve paylaşılan bir API sunucusunun karşılayamayacağı yalıtım gereksinimleri.
Görsel, sanal kümeleri ana bilgisayar kümeleriyle karşılaştırıyor.

Gerçek hayat vaka çalışması: Atlan

Atlan, müşterilerinin yaklaşık %95’i için platformu barındıran bir veri kataloğu şirketidir; bunların çoğu, veri yalıtımının sözleşmesel olduğu sağlık ve finans alanındadır. Müşteri başına bir tam EKS kümesi çalıştırıyordu ve 100 kümeyi aştı; bu, günün her saati çalıştırılması pahalı ve bakımı zor bir altyapıydı. 2022’nin ilk çeyreğinden itibaren çoklu kiracılık seçeneklerini değerlendirdi ve vCluster üzerine yeniden inşa ederek her müşteriye fiziksel bir küme yerine sanal bir küme verdi.

  • Fiziksel EKS kümeleri 100’den fazladan 20’ye düştü, hâlâ 100+ müşteriye hizmet veriyor
  • Kubernetes harcaması $600,000 azaldı.13
Kıyaslamalarımızı ve veri odaklı içgörülerimizi kaçırmayın. Düğme Google'ı açar; AIMultiple'ı seçmeniz, Google arama sonuçlarında AIMultiple'ı daha sık görmek istediğinizi onaylar.
GoogleTercih edilen kaynak olarak ekle

Yürütme sırası

Taahhütler, en kolay eylem olmasına rağmen en sonda yer alır. Doğru boyutlandırmadan önce satın almak, doğru boyutlandırmanın kaldırmak üzere olduğu israfın bir ila üç yılını kilitler. Bu, mevcut en pahalı sıralama hatasıdır ve yaygındır çünkü mühendislik çalışması yerine bir satın alma gerektirir.

Eylem 7 bir adım değil, bir daldır. İlk altı tamamlandığında ve sonuç hâlâ yetersiz kaldığında onu uygulayın; çünkü her birinin ne kadar verimli çalıştığından ziyade kaç kümenin çalıştığını değiştirir.

Kubernetes maliyet optimizasyonu araçları

Üç veya daha fazla yayımlanmış vaka çalışmasına sahip araçları, veri setindeki 47, 68 vaka çalışmasından kapsayacak şekilde grafiğe döktük:

  • Yatay: her aracın sahip olduğu vaka çalışması sayısı, her biri bir kez sayılır.
  • Dikey: bu vakaların kapsadığı farklı kullanım senaryosu kategorisi sayısı, on üzerinden. Bir araç bir kategoride ne sıklıkta görünürse görünsün kategori başına bir kez sayılır; bu nedenle CAST AI’nın 12 ayrı doğru boyutlandırma bahsi, 10 puanına 1 katkıda bulunur.
  • Kabarcık boyutu: aracın sekiz strateji aşamasının kaçında göründüğü.

Açık kaynak framework’ler

Açık kaynak framework’ler 0’dan 6’ya kadar aşamalar için dağıtılabilir. Kullanıcılar yükseltmeleri, sürüm dalgalanmasını, Prometheus saklama faturasını ve ticari bir önericinin onlar adına yapacağı yargı kararlarını üstlenir.

Bunların her biri farklı bir alana sahiptir; bu nedenle birkaçı aynı anda çalışır.

  • Robusta KRR veya VPA updateMode: "Off" içinde 1. adım birikimini üretir. Hiçbir şey yazmaz.
  • Karpenter düğümlere sahiptir: sağlama, konsolidasyon, örnek seçimi, spot çeşitlendirme, mimari. 3, 4 ve 6. adımları yürütür.
  • KEDA, HPA’nın tek başına yapamadığı sıfıra ölçekleme dahil kopya sayılarına sahiptir.
  • py-kube-downscaler veya kube-green üretim dışı zamanlamaya sahiptir. Listedeki en ucuz tasarruf.
  • OpenCost baştan sona ölçer ve hiçbir şeye katılmaz.

Ticari platformlar

Her ticari araç düğüm katmanında üç konumdan birini alır. Karar budur ve fiyat veya özellik sayısından daha önemlidir; çünkü 3. adımın NodePool manifesti ya ayakta kalır ya da kalmaz.

  • Dokunmayın: StormForge, PerfectScale, Sedai ve Kubex iş yüklerini doğru boyutlandırır. Altta Karpenter veya Cluster Autoscaler’a ihtiyaç duyarlar ve ona asla dokunmazlar. Mevcut bir kuruluma en güvenli ekleme.
  • Onunla çalışın: ScaleOps, Karpenter’ın üzerine bin paketleme ekler. nOps, kendi yerine koymak yerine mevcut bir Cluster Autoscaler veya Karpenter’ı ayarlar. Daha fazla kapsama, sağlayıcı hâlâ sizde.
  • Onu değiştirin: CAST AI ve Spot Ocean kendi sağlayıcılarını kurar ve manifesti atar. En geniş kapsama, en az kontrol.
  • Görünürlük araçları dışarıda durur: OpenCost, Kubecost, CloudZero, Vantage ve Finout yalnızca okur; bu nedenle hiçbir şeyle çakışmazlar ve serbestçe üst üste eklenir. Başka ne benimsenirse benimsensin birini çalıştırın.

Bu araçlar nasıl birleştirilir

Fatura, bildirilen taleplere değil, çalışan düğümlere dayanır. Doğru boyutlandırma talepleri düşürür; bu, mevcut düğümlerde yer açar ancak bunlardan hiçbirini kaldırmaz; bu nedenle bir düğüm aracı bu alanı konsolide edene kadar fatura değişmez. Yalnızca düğüm araçları ayna nedenden ötürü başarısız olur: kendilerine verilen talepleri paketlerler, bu yüzden aşırı şişirilmiş talepler daha sıkı paketlenir.

Her iki katmanı kapsamanın iki yolu:

  • İki araç: talepler için VPA, StormForge veya PerfectScale, düğümler için artı Karpenter. Daha ucuzdur ve düğüm katmanı doğrudan kontrol altında kalır.
  • Tek platform: CAST AI, Zesty veya Spot Ocean her ikisini tek bir üründe yapar. Daha pahalıdır ve sağlayıcıları Karpenter’ın yerini alır.

İşleri bozan beş araç kombinasyonu:

  • Tek bir dağıtımda iki değiştirici doğru boyutlandırıcı: StormForge, ScaleOps, PerfectScale veya Zesty ile birlikte Auto içindeki VPA, aynı alana farklı sayılar yazan iki denetleyici anlamına gelir. İş yükü başına bir değiştirici kabul denetleyicisi.
  • Tek bir düğüm grubunda Karpenter ve Cluster Autoscaler: Her ikisi de aynı zamanlanamayan podlara karşı sağlama yapar; bu nedenle küme ihtiyaç duyduğunun yaklaşık iki katı düğümle sonuçlanır.
  • Aynı metrikte VPA ve HPA: Kullanım artar, VPA talebi yükseltir, ölçülen kullanım düşer çünkü kullanım/talep olur, HPA kopyaları kaldırır, pod başına yük artar, tekrarlanır. HPA, kuyruk derinliği gibi VPA’nın dokunmadığı bir şeye göre ölçeklendiğinde güvenlidir, örneğin KEDA aracılığıyla.
  • Tek ödeme yapan hesapta iki taahhüt aracı: Her ikisi de aynı kapsanmamış harcamaya karşı satın alır; bir ila üç yıl boyunca aşırı taahhüdü kilitler.
  • İki tam platform: CAST AI, Zesty ve Spot Ocean’ın her biri kendi sağlayıcısını kurar ve her biri ona sahip olmayı bekler.

Topladığımız tüm vaka çalışmalarını inceleyin:

Bulut Maliyetleri Hakkında Daha Fazla Okuma

Pod yerleşiminde ustalaşmak ve bulut bilgi işlem harcamanızı azaltmak için daha fazlasını okuyun:

Bu araştırmayı kaynak gösterin

Yayınlayacağınız yere uygun formatı seçin. Bağlantılı sürümü CMS'inize yapıştırmak, geri bağlantıyı korur.

Hazal Şimşek (2026) - "Kubernetes Maliyet Optimizasyonu: 8 Adım ve 23 Araç". AIMultiple.com adresinde çevrimiçi yayımlanmıştır. Erişim tarihi: 15 Ekim 2026, kaynak: https://aimultiple.com/kubernetes-cost-optimization [Çevrimiçi Kaynak]

Şimşek, H. (2026, 15 Ekim). Kubernetes Maliyet Optimizasyonu: 8 Adım ve 23 Araç. AIMultiple. https://aimultiple.com/kubernetes-cost-optimization

@misc{simsek2026,
  author = {Şimşek, Hazal},
  title  = {{Kubernetes Maliyet Optimizasyonu: 8 Adım ve 23 Araç}},
  year   = {2026},
  month  = oct,
  howpublished    = {\url{https://aimultiple.com/kubernetes-cost-optimization}},
  note   = {AIMultiple. Erişim tarihi: 15 Ekim 2026}
}
Tüm verileri indir

249 veri noktasının sonuçları ve zaman damgaları. Bu makaledeki grafik ve tablolarda gösterilen özet verileri, 6 CSV dosyası içeren ZIP dosyası olarak indirin.

Son güncelleme: 18 Eylül 2026
İndir

Arkasındaki ayrıntılı veriyi ister misiniz? Premium'a katılın

Hazal Şimşek
Hazal Şimşek
Endüstri Analisti
Hazal, AIMultiple'da süreç zekası (süreç madenciliği dahil) ve kurumsal otomasyon (BT otomasyonu ve düşük kodlu/kodsuz otomasyon dahil) konularına odaklanan bir endüstri analistidir.
Tam Profili Görüntüle

Yorum yapan ilk kişi olun

E-posta adresiniz yayınlanmayacak. Tüm alanlar gereklidir. Yorumlar orijinal dilinde bırakılır.

0/450