从 AWS 迁移到裸金属每年为我们节省了 23 万美元

原文 ↗ Hacker News 讨论 ↗

从 AWS 迁移到裸金属服务器，据称每年节省约 23 万美元，这一说法引发了对云基础设施与自建基础设施经济性的更广泛讨论。评论者争论，在把迁移工作量、持续运维成本和冗余设计全部算进去之后，这样的节省是否仍然成立，并指出该公司的原 AWS 架构看起来存在过度配置和优化不足的问题。许多人最终认为，对于可预测、稳定的负载，机房托管或专用硬件通常要便宜得多；而云平台在快速迭代、托管服务以及突发或不确定需求方面仍然更有优势。

成本与节省之争

  • 许多人都同意，裸金属 / 机房托管（colo）对于稳定负载而言，本质上比 AWS 更便宜；有人称云的成本通常约为本地部署的 ~2–2.5 倍。
  • 几位评论者认为，所称每年节省 23 万美元被夸大了，因为：
    • 他们使用的是按需 EC2，没有使用预留实例或 Savings Plans（本可节省 ~35%+）。
    • 如果工作负载适合，Spot 实例和 Graviton（m7g）还能进一步大幅降低计算成本。
  • 反方观点：即使对 AWS 做了合理优化，评论者仍然预计裸金属能带来可观节省，尤其是在带宽和存储方面。
  • 有人指出，这笔节省大致相当于每年雇用 1 名美国中级工程师；在美国以外，可能足以雇用数名工程师。

隐藏成本与运维成本

  • 怀疑者强调：
    • 迁移工作量和风险没有被计入。
    • 持续的硬件工作：故障、容量规划、采购交期、远程支持（remote hands）。
    • 高可用存储（Ceph/Longhorn）、网络（Cilium/eBPF）、Kubernetes 控制平面，以及经过测试的备份和 PITR 的严肃数据库配置都很复杂。
  • 其他人回应：
    • AWS 环境同样需要专家（DevOps/SRE、finops、安全、YAML/IaC 工作、供应商管理）。
    • 对于小规模机群（1–2 个机柜），运维开销可以很小，尤其是在使用机房托管和自动化（PXE、Harvester、Proxmox 等）的情况下。

可靠性、高可用与架构

  • 有人强烈批评单机柜 / 单数据中心方案不如 AWS 多 AZ 可靠；在单个机柜上做“正常运行时间监控”被视为一种讽刺。
  • 支持者表示他们维护着一个 AWS 故障切换集群，可以很快拉起，但其他人指出 DNS、数据同步和故障切换演练都绝非小事。
  • 围绕 AWS 中的多区域 / 多云是否属于“Cloud 101”，以及本地部署是否能现实地达到那种韧性展开了争论。

云与裸金属：各自适合什么场景

  • 支持云的观点：
    • 通过托管服务（Fargate、S3、Aurora 等）可以快速试验。
    • 无需处理物理硬件、机房设施、发电机、HVAC。
    • 能够快速扩容，并在无需大量前期资本开支的情况下支持非常高的增长。
  • 支持裸金属 / 机房托管的观点：
    • 带宽和可预测计算成本上的节省非常大。
    • 很适合批处理 / ML、长时间运行的工作负载，以及成熟稳定的产品。
    • 如果避免使用云特定服务，性能可能更好（直接 NVMe、没有“吵闹邻居”），并且供应商锁定更少。

关于这个案例的元讨论与质疑

  • 有人认为他们最初的 AWS 规模（用于一个 uptime 应用的 28 节点 K8s）明显过度配置了。
  • 另一些人说这篇博客缺少关键细节（数据量、HA 设计、RTO/RPO、colo 条款），因此很难全面判断这个决定。
  • 还有几位指出，云在尽快验证业务方面依然有价值；之后再迁移出去，被视为合理的“第二阶段”优化。