预热池成本账

两种方案

钱花在哪里 —— 看时钟

两种方案的能力完全相同，区别只在于容量什么时候是预热的。下面每一根柱子代表一天中的一个小时，柱高代表预热容器数。

方案 B 把付费容器·小时砍掉 51% —— 每月 54,600 小时是买了却从没用上的。

成本拆解

任务是跑在你已经付过钱的预热容器上，所以按任务算的算力费用不额外增加。这一点容易被忽略：干活是免费的，「随时就绪」才是账单。

时段长短如何影响账单

150 个容器每保持预热 1 小时，成本 $98。降到 20 保底的每小时成本 $13。选定时段，就能读出价格。

曲线越往下越平，因为有两笔钱永远不变：夜间 20 个容器的保底，和 $250 的套餐费。时段压到 8 小时以下，省得不多，却明显丢覆盖范围。

两种方案各能覆盖什么

方案 B 在时段内并不更弱，只在时段外更弱。所以整个选择归结为客户的一个问题：突发流量会在凌晨 3 点出现吗？

方案 B —— 怎么实现

用两个定时函数切换预热池大小。Modal 原生支持，不需要外部调度器。

@app.cls(min_containers=20, max_containers=150, scaledown_window=600, ...)
class Processor: ...

@app.function(schedule=modal.Cron("50 7 * * *", timezone="Asia/Ulaanbaatar"))
def warm_up():
    Processor().update_autoscaler(min_containers=150)   # 时段开始前 10 分钟

@app.function(schedule=modal.Cron("0 18 * * *", timezone="Asia/Ulaanbaatar"))
def cool_down():
    Processor().update_autoscaler(min_containers=20)

敏感性分析 —— 每容器内存

目前这个 class 上既没设 cpu= 也没设 memory=，所以 Modal 按容器实际用量计费。2 GiB 那一行是本报告采用的估算值，另外两行给出上下界。

最坏情况下账单翻倍。显式设一个 memory= 就能把这个风险封住，预测也才算落地 —— 算不出上限的账单，不能算报价。