最近帮朋友公司看服务器账单，一个月光云服务就花了一万多，查了半天才发现问题出在资源浪费上。他们开了十几台虚拟机，很多白天跑着，晚上闲置，没人管。其实这种情况特别常见，尤其是用云平台的用户，资源看着随手可调，但监控没跟上，钱就悄悄溜走了。
为什么得盯着资源消耗？
云平台的好处是弹性强，要多少资源点一下就行。可这也容易让人放松警惕。比如你做个活动页面，临时加了配置，活动结束了忘了降回去，那台高配实例还在那儿跑着，CPU利用率不到10%，等于每个月白交几百块电费。
更麻烦的是有些后台服务，比如日志处理、定时任务，平时不显山露水，一到半夜就开始猛吃内存，甚至拖慢其他服务。你不看监控，根本发现不了。
常见的监控指标有哪些？
想管住开销，先得知道看什么。核心就几个：CPU使用率、内存占用、磁盘IO和网络流量。这些数据大多数云厂商都提供，比如阿里云的云监控、腾讯云的Cloud Monitor，登录控制台就能看到。
比如你想查某台服务器最近24小时的负载情况，可以直接在图表里选时间范围，观察峰值是不是异常。如果发现每天凌晨三点CPU突然飙到90%以上，持续两小时，那就得查查是不是有脚本在那时候集中跑。
设置告警，让系统自己喊你
总盯着仪表盘不现实，更好的办法是设阈值告警。比如你可以设定：当某台机器内存使用超过85%持续5分钟，就发短信或邮件提醒你。
以AWS CloudWatch为例，创建告警的配置可以这样写：
{
"AlarmName": "High-Memory-Usage-Warning",
"ComparisonOperator": "GreaterThanThreshold",
"EvaluationPeriods": "1",
"MetricName": "MemoryUtilization",
"Namespace": "CWAgent",
"Period": "300",
"Statistic": "Average",
"Threshold": "85"
}这个配置的意思是：每5分钟检查一次内存使用率，平均值超过85%就触发告警。你可以把它绑定到你的通知渠道，比如钉钉机器人或者企业微信。
用标签（Tag）管资源，谁用谁负责
大一点的团队，几十个人都在开资源，很容易乱套。这时候建议用标签来分类，比如给每个项目打上team:marketing、env:staging这样的标记。
后续查账单的时候，直接按标签筛选，就知道市场部这个月用了多少资源，测试环境有没有长期开着没关的机器。责任到人，沟通起来也方便，直接找对应负责人就行。
定期做资源审计，别让“僵尸”实例续费
建议每个月抽一天，把所有正在运行的实例过一遍。重点看那些长时间低负载的机器，问问业务方还在不在用。很多人开了测试机，用完就忘了，这种就是典型的“僵尸资源”，每月默默扣钱。
有些公司干脆写个脚本，自动扫描连续7天CPU低于5%的实例，发邮件提醒负责人，三天不回复就自动关机。省下来的钱，够请整个技术团队吃顿火锅了。