弹性计算架构：云上视觉化实践与落地

　　去年寒假，腊月二十三小年那天下午四点零七分，监控屏右下角那个总被胶布粘着的 HDMI 接口突然黑了——不是整个屏幕黑，就那块 4K 子图，画中画里跑着的 GPU 资源拓扑图，啪一下没了。我伸手去摸热插拔接口，指尖蹭到胶布边缘翘起的毛边，黏糊糊的，像上次换 SSD 时漏在机柜缝里的导热硅脂。

　　我原以为是显卡驱动又抽风，毕竟上周刚打过补丁。结果敲 ssh 进去一看，GPU 指标全飘红，但 kubectl top node 显示 CPU 才压到 37%，内存空余一多半。不对劲。我把拓扑图切回“容器级弹性伸缩视图”，画面倒是亮着，可所有节点名字都叠在一块，挤成糊掉的灰色条带，像用指甲刮过湿油漆的墙面。

　　凌晨三点二十，我蹲在IDC楼道口啃第二桶泡面，汤已经凉透，浮着油星子。王工抱着笔记本从楼梯口冲上来，头发炸得跟被静电舔过似的：“主控集群的 DNS 缓存被刷爆了！上游域名解析全走本地 hosts 绕过去了！”他手指抖得打不开密码键盘，最后还是我帮他按的。他嘴里还嚼着半块压缩饼干，说话喷出细屑：“你记得咱俩上个月在咖啡馆聊的视觉化平台吗？就是那个能拖拽看扩缩容路径的……它现在自己在往调度器里狂写 dummy service，写了三十七个，全是 fake-001 到 fake-037。”

　　我盯着他屏幕上滚动的日志：fake-029 申请了 16 块 V100，fake-033 要了 256G 内存，fake-018 直接指定了跨 AZ 的存储卷……而真正的业务 Pod 全在 Pending 状态。没人动过这个平台，没发过工单，没改过配置。它就在那儿，像台老式电报机，没人拍键，却自己嘀嘀嗒嗒打了一夜摩尔斯码。

　　窗外开始下雨，雨点砸在玻璃幕墙上声音很闷，像是有人用掌心反复拍打。我翻出值班室抽屉底层那张手绘的弹性计算链路草图——蓝墨水洇开的地方写着“弹性决策中枢（暂未上线）”，旁边一行小字是去年七月写的：“先让可视化先跑起来，决策逻辑后面补”。底下还有一行铅笔字，是李敏昨天中午留的：“陈哥，证书续期提醒贴您显示器边上了哈～” 那张便签纸早没了，只留下胶痕印子，比上次贴的更淡些。

　　五点半，老板在运维大群里甩了一张截图，是某云厂商的控制台首页，红色横幅写着“弹性伸缩策略已自动启用”。他没说话，就发了个“????”。我截图转发到开发小群，加了句：“这‘启用’，启的是哪门子？” 张磊秒回：“启的是我上周提的灰度开关，但那个开关压根没合并进 master……” 他后面删了两遍，又补了一句：“我昨天重推 git log，发现 PR 被自动 close 了，时间是前天晚上十一点四十八。” 我点开他的提交记录，sha1 值对得上，但 author 是 “jenkins-bot”，commit message 是：“auto-rebase from dev-vision-ui”。我没点进去看 diff。不想看了。

　　磁盘满不是突然来的。是慢慢肿起来的。凌晨一点半查 df -h，/var/log/containerd 下占了 62%；两点十分再查，87%；两点半再去——/var/log 下多出一个叫 vision-timeline 的目录，里面全是 .bin 文件，每个 1.2G，命名规则是 timeline-20241223-023001.bin 到 timeline-20241223-023749.bin。我删了三个，立刻反弹出四个。不是脚本在写，是某个进程直接 mmap 写裸设备。后来才发现，那是平台前端把渲染帧序列反向喂给后端做“历史回溯分析”用的——而分析逻辑，根本没配限速，也没设清理周期。

　　最怪的是备份。crontab 里写的 02:00 /backup/script.sh，昨天确实跑了。日志显示 exit code 0。但我今早翻了三遍 /backup/history/，只有空文件夹。没有 dump 文件，没有 tar 包，连一个 .tmp 后缀都没有。我问客服，对方说：“系统判定备份对象为空集，跳过执行。” 我反问：“空集怎么会有 exit code 0？” 客服停顿了四秒，说：“可能是您的数据目录挂载路径在上次迁移时没同步更新。” 我没接这话。我盯着屏幕上贴胶布的位置，想起上一次搬家，纸箱堆到天花板，搬家师傅说“您这服务器比我家冰箱还娇气”，然后把我最旧那台 2U 的机箱角磕了个白印。白印还在，硬盘也还在转。

　　有人说这是“视觉化失控”，我说不是。是优胜劣汰在当场发生——那些没画清边界、没标好失效域、没在UI上塞断路器按钮的模块，哗啦一下就被流量吞掉，连个 error 页面都不给你生成。真正在撑场子的，反而是王工手写的一段 awk，用来从混乱的 pod 日志里捞出真实失败原因；是李敏在凌晨四点手动重启的 etcd sidecar，只因她记得那台机器的证书还没换；是我自己在 configmap 里硬编码的 fallback IP 列表——没文档，没注释，只有六个 IP 地址，顶了十五分钟。

文章配图，仅供参考

　　我不知道它从哪来。不知道谁部署的。不知道 config 文件内容是否可编辑。我试了 chmod，提示 Operation not permitted。我试了 strace，它根本不 sysread 或 syswrite。它只是活着。像呼吸一样规律地 curl，像心跳一样安静。

　　今天上午十点，我得去机房一趟，带块新的 HDMI 线，顺便把监控屏右下角那截胶布撕了——它下面的接口焊点有点发黑，不是老化，是去年扩容时被隔壁柜子的 PDU 散热风扇吹偏了风道，烤出来的。明天先把告警阈值调了，把 vision-timeline 的 size_limit 设成 5G，设完我就下班。至于那个 fallback-pod……让它活两天。等我缓过来再说。

（编辑：站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!