Zum Hauptinhalt springen

Kosten mit OpenCost verfolgen

Ziele

Dieses Tutorial stellt Ihnen OpenCost vor, das Monitoring- und Kostenoptimierungstool, das in Ihren Managed Kubernetes-Cluster integriert ist. Am Ende dieses Handbuchs sind Sie in der Lage:

  • Zugreifen auf die OpenCost-Oberfläche.
  • Verstehen der Struktur der Oberfläche und der verfügbaren Ansichten.
  • Analysieren der Kostenverteilung Ihrer Anwendungen und Ihrer Infrastruktur.

Was ist OpenCost?

OpenCost ist eine Open-Source-Lösung, die als Standard der CNCF (Cloud Native Computing Foundation) gilt und Echtzeit-Einblicke in die Kosten Ihrer Kubernetes-Umgebungen bietet. Es hilft Ihnen genau zu verstehen, welche Ressourcen in Ihrem Cluster verbraucht werden und wie sich dies in Kosten niederschlägt.

Im Managed-Kubernetes-Produkt ist OpenCost vorinstalliert und konfiguriert, um Ihnen einen klaren Überblick über Ihre Ausgaben zu verschaffen. Es ist direkt mit den tatsächlichen Kosten der Cloud-Temple-Infrastruktur verknüpft.

Zugriff auf die OpenCost-Benutzeroberfläche

Die OpenCost-Benutzeroberfläche ist über eine sichere, cluster-spezifische URL verfügbar. Um darauf zuzugreifen, verwenden Sie die folgende URL, wobei Sie identifiant durch die Kennung Ihres Clusters (z. B. ctodev) ersetzen:

https://opencost.external-secured.identifiant.mk.ms-cloud-temple.com

info

Der Zugriff auf diese URL ist auf die IP-Adressen beschränkt, die Sie beim Cloud-Temple-Support angegeben haben. Falls der Zugriff nicht möglich ist, wenden Sie sich bitte an den Support, um die Firewall-Regeln überprüfen zu lassen.

OpenCost UI

Kostenverteilung (Allocations) erkunden

Die Haupt- und detaillierteste Ansicht von OpenCost ist das Dashboard Allocations. Hier können Sie den Echtzeit-Ressourcenverbrauch visualisieren.

Diese Ansicht ermöglicht es Ihnen, die Kosten nach nativen Kubernetes-Konzepten aufzuschlüsseln. Das Dropdown-Menü "Aggregate by" ist das Hauptwerkzeug für Ihre Analyse und ermöglicht es Ihnen, die Kosten zu gruppieren nach :

  • Namespace : Für eine Ansicht pro Umgebung oder Team.
  • Deployment, StatefulSet usw. : Zur Analyse der Kosten einer bestimmten Anwendung.
  • Controller : Für eine technischere Ansicht.

Label-basierte Aggregation

Für eine noch feinere Finanzanalyse kann OpenCost die Kosten basierend auf den Kubernetes-Labels aggregieren. Es gibt keine direkte „Label“-Option im Menü, aber OpenCost verarbeitet Ihre Labels und ermöglicht die Erstellung benutzerdefinierter Aggregationen. Dafür ist eine konsistente Labeling-Strategie unerlässlich. Durch die Verwendung von Labels wie team: backend oder product: api-gateway können Sie die Kosten analysieren, die genau zu Ihrer Organisation passen. Für diese Art der Analyse müssen Sie die KI-Integration von OpenCost nutzen.

Grafana Dashboard

Ein Grafana-Dashboard ist ebenfalls verfügbar, um die OpenCost-Daten zu visualisieren. Dieses Dashboard bietet eine alternative und ergänzende Ansicht zur OpenCost-Benutzeroberfläche und speichert den vollständigen Verlauf der Kostenmetriken, sodass Sie langfristige Trends analysieren können.

OpenCost Grafana-Dashboard

Erweiterte Nutzung: Integration mit einer KI (MCP-Server)

Für fortgeschrittene Benutzer kann OpenCost direkt über den Cline-Chat-Assistenten (oder andere) dank des MCP (Multi-purpose Co-processor)-Server-Systems abgefragt werden. Dies ermöglicht es Ihnen, Abfragen zu skripten und Kostendaten direkt in Ihren Konversationen abzurufen.

1. Konfiguration des MCP OpenCost in Cline

Um Cline mit Ihrer OpenCost-Instanz zu verbinden, müssen Sie die folgende Konfiguration zu Ihrer Datei cline_mcp_settings.json hinzufügen. Diese Datei befindet sich normalerweise im Konfigurationsverzeichnis von Cline.

Wir empfehlen, einen MCP-Server "opencost-xxxxx" zu erstellen, wobei xxxxx der Name Ihres verwalteten Kubernetes-Clusters ist. Die URL des MCP-Servers hat das Format https://opencost-mcp.external-secured.identifiant.mk.ms-cloud-temple.com Beispielsweise für den Cluster "bestie":

{
"mcpServers": {
"opencost-bestie": {
"disabled": false,
"timeout": 60,
"type": "streamableHttp",
"url": "https://opencost-mcp.external-secured.bestie.mk.ms-cloud-temple.com",
"headers": {
"Authorization": "Basic <TOKEN>"
}
}
}
}

Um den Wert <TOKEN> aus Ihren Anmeldeinformationen zu generieren, verwenden Sie einen der folgenden Befehle:

Für Linux/macOS:

echo -n 'finopsadm:VOTRE_MOT_DE_PASSE' | base64

Für Windows (PowerShell):

$credentials = [System.Text.Encoding]::UTF8.GetBytes("finopsadm:VOTRE_MOT_DE_PASSE")
[System.Convert]::ToBase64String($credentials)

Nachdem diese Datei gespeichert wurde, lädt Cline den MCP opencost-xxxxx automatisch beim Start.

2. OpenCost mit MCP abfragen

:::tip[Voraussetzungen ] Um mit dem MCP in natürlicher Sprache zu interagieren, muss die zugrunde liegende KI Zugriff auf Sprachmodelle (LLMs) haben, entweder lokal (LMStudio, etc), über eine Verbindung zu öffentlichen Diensten wie GPT-5 oder Gemini oder unter Nutzung unseres souveränen Produkts LLM-as-a-Service. :::

Nach der Konfiguration können Sie die LLM-Tools verwenden, um Abfragen in natürlicher Sprache an diesen MCP-Server zu stellen.

Beispiel

"nutze den MCP "opencost-bestie" und sag mir, welcher Prozentsatz der Clusterkosten nicht an Ressourcen allokiert ist" Sie erhalten Folgendes:

OpenCost-KI-Antwort

Beispiel 2

"nutze den MCP "opencost-bestie", und liste mir die Kosten für die persistenten Volumes für den gestrigen Tag auf"

KI-Antwort opencost 2

Beispiel 3

"nutze den MCP opencost-bestie und sage mir, welchen Prozentsatz der Clusterkosten auf die Anwendung mit dem Label "nginx" . (Filter in der Form filter: "label:app:frontend" )

KI-Antwort opencost 3

Fazit

OpenCost bietet Ihnen leistungsstarke Werkzeuge für eine feingranulare und Echtzeit-Analyse der Kosten Ihres Kubernetes-Clusters. Durch die primäre Nutzung der Ansicht Allokationen in Kombination mit einer durchdachten Labeling-Strategie erhalten Sie einen klaren Überblick über Ihre Ausgaben, der sowohl Ihre technischen Bereitstellungen als auch Ihre interne Organisation widerspiegelt. Der Einsatz von LLMs und des OpenCost MCP-Servers ermöglicht eine vertiefte Datenauswertung.