一、“按需”二字背后有四件事

1.1 先认识三个词

1.1.1 算力池化

算力池化是把分散在不同位置的加速部件统一登记与封装，形成一个可统一分配的资源池。有了池化，资源才能被灵活切分、组合与回收。

1.1.2 弹性伸缩

弹性伸缩指根据实际负载自动增加或减少资源。它与人工调整的区别在于响应速度：负载升高后系统自动补充，不必等待人工申请与审批。

1.1.3 计量与归因

计量是对资源使用情况进行统计的过程，归因则是把统计结果对应到具体的任务、团队或项目上。只有两者齐备，使用状况才说得清楚。

1.2 四件事缺一不可

四项能力依次是：① 随时可得，需要时能立刻拿到资源；② 随时可变，规模能随负载自动调整；③ 随时可见，使用情况能被准确统计与展示；④ 随时可放，任务完成后能及时收回。缺少任何一项，按需使用都会出现断点。

二、第一件事：随时可得

2.1 池化把分散变成统一

资源之所以不能随时拿到，多数时候并不是总量不足，而是分布零散、口径不一、调用方式各异。池化解决的正是这个问题：把不同规格的资源以统一的方式登记与管理，让系统清楚知道哪里有余量、余量有多少。

2.2 发放速度由三件事决定

能否快速拿到资源，取决于三点：① 是否模板化，即常用配置是否被预先定义好；② 是否自动化，即从申请到分配的过程是否有人工介入；③ 是否预置环境，即驱动、框架与常用工具是否随资源一同就绪。三点都做到，等待时间才能被压缩到很短。

2.2.1 环境预置最容易被忽略

资源到手之后还要花大量时间配置环境，是可变性最常见的隐性成本。把常用环境的版本组合固化为可直接选用的模板，能让拿到资源到开始工作之间的间隔明显缩短。

三、第二件事：随时可变

3.1 三个旋钮要调好

要让资源真正跟着负载变化，需要调好三个设置：① 看什么指标，通常关注资源占用率、排队长度或响应时长；② 什么时机触发，即达到什么条件开始调整；③ 调整多大幅度，即一次增加或减少多少。三个设置相互牵制，需要结合实际业务反复校准。

3.2 扩容有两条路径

负载上升时通常有两条路可选：一是增加数量，即多取用几份同等规格的资源，适合可并行的任务；二是提升规格，即换成能力更强的资源，适合难以拆分的任务。选择哪条路，取决于任务能否被拆分。

3.2.1 避免来回抖动

伸缩最常见的困扰是频繁增减。常用的缓解办法有两点：一是设置上下阈值之间的缓冲区间，避免指标在临界点附近反复穿越；二是设置冷却时间，两次调整之间留出足够的观察期。

四、第三件事：随时可见

4.1 计量要解决三件事

可靠的统计要回答三个问题：① 统计什么，是占用时长、资源数量，还是实际完成的工作量；② 统计多细，是按任务、按团队还是按项目；③ 结果给谁看，是一线使用者、运维还是管理方。三个问题先定清楚，数据才能真正被用起来。

4.2 观测要看四类指标

日常观测通常覆盖四类指标：① 资源占用情况，反映使用是否充分；② 任务进展，反映当前处于哪个阶段；③ 响应表现，反映服务质量是否达标；④ 健康状态，反映环境是否存在异常。四类指标共同构成对运行状况的整体判断。

4.2.1 提醒要设得有价值

提醒不在于多，而在于准。建议只对两类情况设置提示：一是超过约定范围，如占用长期偏低或偏高；二是需要人工介入，如出现持续异常。过于频繁的提醒反而会让人忽视真正重要的信息。

五、第四件事：随时可放

5.1 释放要有明确触发条件

资源的释放最好由条件自动触发，常见条件有三类：① 任务完成，即指定的工作已经结束；② 空闲超时，即长时间没有任何有效负载；③ 到达约定时点，即事先设定的使用期限已满。三类条件结合使用，可以避免忘记释放带来的空转。

5.2 释放与保留要平衡

释放不等于一概清空。有些内容值得保留：训练过程中的检查点、精心配置的环境快照、以及有价值的运行记录。合理的做法是把“需要长期保存的”与“可以即时回收的”分开处理。

5.2.1 台账是最好的助手

把每一份资源的申请时间、使用者、用途与释放时间记入台账，既能防止遗漏，也能为后续规划提供依据。台账不必复杂，关键是及时更新与定期回顾。

六、四件事连成一个闭环

6.1 环环相扣

四项能力并不是彼此独立的：拿不到资源，无从谈起灵活变化；数量不变，规模就难以贴合负载；看不见使用情况，就无法判断该增该减；不能及时释放，前面节省下来的余量又会被空转消耗掉。它们串成一个闭环，按需使用才真正成立。

6.2 闭环靠数据不断校准

闭环运行一段时间后，应定期回顾三件事：等待时长是否缩短、资源实际被使用的时间占比是否提升、以及任务完成后释放是否及时。三项记录持续向好，说明整套机制正在发挥作用。

七、不同角色关注点不同

7.1 一线使用者

最关心三件事：能否快速拿到资源、环境是否开箱可用、以及异常时能否得到明确提示。

7.2 运维人员

关注的是整体状态：资源是否分布合理、伸缩是否平稳、以及释放是否彻底。

7.3 管理方

更看重可说明性：资源都用在哪些地方、哪些团队使用较多、下一个阶段的规划是否有依据。一套好的统计与归因体系，可以同时满足三类角色的需要。

八、天翼云息壤的支撑能力

8.1 资源池化与统一封装

天翼云息壤将不同规格的加速部件统一封装并纳入资源池，对外提供一致的调用方式，为随时可得打下基础。

8.2 快速发放与多种取用方式

息壤支持多种算力取用方式，既可以快速获取云主机形态的资源，也可以通过公共算力服务按任务提交，配合模板化配置，让拿到资源到开始工作之间的间隔尽可能缩短。

8.3 弹性伸缩与任务级调度

息壤具备弹性伸缩与任务级智能调度能力，按任务的实际需要分配资源，并随负载变化自动调整，同时对大任务与小任务分层安排，避免相互挤占。

8.4 观测、管理与国产适配

息壤提供运行状态的观测与记录能力，支持对使用情况进行统计与追溯，并深度适配国产算力，支持全栈国产化技术路线，满足对自主可控有要求的场景。

8.5 大规模资源与权威认可

息壤依托大规模智算资源，建成上海、北京等万卡级智算池，为不同规模的任务提供稳定的资源保障。公开信息显示，天翼云息壤相关能力建设成果先后入选央企十大超级工程、获评算力中国·年度突破成果与十大硬核科技、并获得世界互联网大会杰出贡献奖等认可，具体以天翼云官网和官方渠道发布的信息为准。

九、三个常见疑问

9.1 疑问一：弹性伸缩会不会带来不稳定

只要设置得当，反而会更稳定。关键在于预留启动准备时间，让新资源在负载真正到来之前就绪，并通过缓冲区间与冷却时间减少频繁调整。

9.2 疑问二：统计太细会不会增加负担

由平台自动采集可以避免人工填写。建议在起步阶段只统计必要的几项，待流程稳定后再逐步细化，避免一次铺得太开。

9.3 疑问三：如何判断机制是否健康

看三个信号是否持续改善：需求提交后的等待时间是否缩短、资源实际被使用的时间占比是否提升、以及长期闲置的情况是否减少。三项同时向好，说明闭环正在发挥价值。

十、科普小结

按需付费算力不只是一句话的约定，而是四项能力共同支撑的结果：随时可得靠资源池化与快速发放，随时可变靠弹性伸缩与任务级调度，随时可见靠精确计量与运行观测，随时可放靠明确的释放条件与台账管理。四件事连成闭环，并用数据不断校准，算力才能真正做到用多少取多少、用完及时归还。天翼云息壤把这些能力集中在一个平台上，让各类团队都能以更从容的方式使用算力。