Cómo detectar si EC2 en la nube pública está sobrevendido con Steal Time
Dos métricas para desenmascarar la verdad de la sobreventa
Un Steal Time alto indica que la CPU está sobrevendida; combinado con la caída de caché y la tasa de prima, se puede obtener evidencia para reclamaciones.
Dos reglas para detectar la sobresuscripción
Para determinar si una instancia EC2 de nube pública está sobresuscrita, no se puede mirar solo la tasa de inactividad de la CPU, porque el tiempo inactivo dentro de la máquina virtual no significa que el host físico no esté ocupado. La primera regla es Steal Time (steal%), que te dice directamente: el tiempo de CPU que se te debería haber asignado ha sido desviado silenciosamente por el hipervisor hacia un vecino problemático. Cuando el steal% supera el 10% de forma sostenida, básicamente se puede sospechar que el host físico se encuentra en estado de sobresuscripción.
Pero con solo mirar el steal no basta: algunas instancias (como la serie t de AWS) tienen un mecanismo de CPU Credit, y un steal alto durante un pico puede deberse simplemente a que los créditos se agotaron. Entonces entra en juego la segunda regla: el precipicio de la caché de disco. Un host sobresuscrito tiende a manejar una gran cantidad de solicitudes de E/S al mismo tiempo. Cuando usas fio para realizar lecturas aleatorias bajo presión, la tasa de aciertos de la caché de páginas o la latencia pueden caer en picado, coincidiendo estrechamente en el tiempo con el steal de CPU. Solo cuando las dos reglas se corroboran mutuamente se puede formar una prueba completa.
¿Quieres empezar a detectarlo rápidamente? Hemos preparado un script de detección de sobresuscripción en servidores en la nube que puede generar directamente las métricas de steal y cache, ayudándote a evitar pisar la trampa antes de comprar.
Pruebas y obtención de evidencia en instancias
Realizamos una prueba comparativa entre la última versión de Alibaba Cloud ECS g9i y AWS EC2 m7i. El script de carga es fijo: stress-ng --cpu 4 --timeout 300, mientras se muestrea steal% cada 5 segundos con mpstat; luego se ejecuta fio para realizar lecturas aleatorias de 4K, registrando IOPS y latencia p99.
# CPU steal 采样
mpstat -P ALL 5 > steal.log &
# 磁盘 cache 断崖测试
fio --name=cachetest --rw=randread --bs=4k --size=1G --runtime=120 --iodepth=32En la prueba, g9i alcanzó un steal promedio del 12,4% durante las horas pico diurnas, con un pico del 18,1%. Al mismo tiempo, la latencia p99 de fio saltó de 0,8 ms a 12 ms, mostrando una clara caída abrupta de caché. En el mismo período, el steal de m7i se mantuvo por debajo del 2% y la latencia fue estable. Nota: es normal que las instancias de ráfaga de baja especificación, como la serie t, ocasionalmente superen el 10% de steal, pero si las instancias optimizadas para computación como la serie m o g9i superan el límite de forma sostenida, es una prueba contundente de sobreventa.
Puntos clave para la evidencia: registrar la marca de tiempo de cada muestreo, el ID de la instancia, la versión de la imagen y capturar los datos originales de CloudWatch / Cloud Monitoring. Estos registros y capturas de pantalla son la evidencia central para futuras solicitudes de soporte.
Sobreprecio y reclamación
Lo más difícil de detectar en la sobreventa es: pagas un sobreprecio pero solo obtienes capacidad de cómputo incompleta. Desde la perspectiva de FinOps, la rentabilidad real = precio unitario ÷ tiempo de CPU efectivo. El tiempo efectivo se puede estimar con la fórmula: horas de núcleo disponibles = n.º de vCPU × (1 - steal% medio) × duración.
Por ejemplo: g9i a 1,2 yuanes/hora (4 vCPU), con un steal medio del 15%, las horas de núcleo disponibles son solo 3,4 vCPU·h, lo que eleva el coste por vCPU efectivo en un 17,6%. En comparación con la misma especificación m7i sin sobreventa, la tasa de sobreprecio se invierte por el “impuesto de sobreventa”, lo que suele implicar que has pagado más por un servicio peor.
Tras la recopilación de pruebas, la reclamación no se basa solo en quejarse de “tirones”. Prepara un PDF que incluya: el gráfico de series temporales de steal%, la salida de fio con el desplome de caché, la tabla comparativa con otras instancias de la misma especificación y el proceso de cálculo del sobreprecio. Al enviar el ticket, exige claramente “reducir la configuración según la capacidad de cómputo efectiva medida o devolver la diferencia”. Alibaba Cloud y AWS normalmente no reconocen la sobreventa, pero ante datos contundentes, suelen ofrecer vales o compensaciones con una mejora alegando “contención de recursos en el host”. La próxima vez que compres una instancia en la nube, mide primero con dos reglas; no dejes que el pago del sobreprecio compre una sobreventa.
FAQ
¿Cómo usar Steal Time para detectar sobreventa en EC2?
Ejecuta una carga que mantenga la CPU ocupada continuamente y monitorea si el valor de steal supera el 5% de forma constante; eso indica sobreventa.
¿Qué problemas de rendimiento causa la sobreventa?
La contención de CPU provoca fluctuaciones de rendimiento y mayor latencia, más notorias en horas punta.
¿Cómo obtener evidencia de sobreventa en nube pública?
Registra la curva de steal y la caída de caché, guarda capturas de pantalla y registros de incidencias, y exporta un PDF como archivo de evidencia.
¿Cómo refleja la tasa de prima la relación precio-rendimiento de la sobreventa?
Compara la pérdida de rendimiento con el porcentaje de descuento; si el steal es alto y el descuento pequeño, la relación precio-rendimiento es baja y puedes pedir compensación.
¿Cómo presentar una reclamación por sobreventa?
Adjunta la evidencia de steal y de anomalías de caché junto con el PDF, solicita una reducción de configuración o reembolso, y si es necesario, presenta una queja.