-
如何使用DuckDB进行降本增效
在前一篇公众号文章 《DuckDB 是什么及适用场景》中，原文链接为：https://mp.weixin.qq.com/s/v7yJhoJkZVKcho4PjoQEhw，我们介绍了 DuckDB 是什么及其适用场景，接下来就以一个实际的例子进行演示，验证一下 DuckDB 是不是真的很香。
今天要探讨的这个例子就是如何使用 DuckDB 对云上的资源进行降本增效。既然要进行降本增效，那么我们就要用一定的方法论来指导我们的工作。
01我们的方法论
评估和优化云资源使用
- 分析现有云资源的使用情况，包括实例类型、存储使用量、网络带宽等
- 根据业务需求，评估并优化云资源的使用效率，避免资源浪费
- 定期进行云资源审计，确保资源的合理分配和使用
选择合适的云服务商和定价模型
- 对比不同云服务商的性能、价格、服务质量等因素
- 根据业务需求选择合适的定价模型，如按需付费、预留实例、节省计划等
- 密切关注云服务商的优惠活动，合理利用优惠政策降低成本
实施自动化和智能化管理
- 使用自动化工具和技术，如自动化部署、监控和告警等，提高云资源管理的效率
- 利用 AI 和机器学习技术，实现云资源的智能调度和优化
- 自动化处理云资源的生命周期，包括创建、扩缩容、终止等
精简应用架构和减少资源依赖
- 评估现有应用架构的合理性，精简不必要的组件和服务
- 减少对外部资源和服务的依赖，降低潜在的成本和风险
- 优化应用性能，提高资源利用率
推广云原生技术和容器化部署
- 引入云原生技术和容器化部署方案，提高应用的可移植性和弹性
- 利用容器编排工具，实现资源的自动分配和调度
- 简化应用部署和运维流程，降低维护成本
加强安全防护和风险管理
- 建立健全的安全防护体系，保障云资源的安全性和稳定性
- 定期进行安全漏洞扫描和风险评估，及时修复潜在的安全隐患
- 加强员工的安全意识和培训，降低人为风险
建立成本效益评估机制
- 定期对云资源使用的成本效益进行评估
- 分析成本结构，找出成本控制的关键点
- 根据评估结果调整云资源管理策略，实现持续优化
02以往是怎么做的
接下来我们介绍一下之前是怎么做的。不写文字了，放一个思维导图吧：
03现在是怎么做的
接下来就以一种全新的方法来处理，思维导图如下：
准备数据
从 Grafana 的 Dashboard 上面下载监控数据，格式使用 CSV 及 JSON 都可以，我这里使用的是 CSV 格式。
操作过程就省略了，下载完毕，我们的当前目录下面会有两个文件：
➜ 降本增效 wc -l 20240627_cpu.csv 20240627_mem.csv 299 20240627_cpu.csv 293 20240627_mem.csv 592 total下载下来的 CSV 文件中有些字段是中文的，需要调整成为对应的英文，过程就省略了。
主角登场
既然原始数据有了，接下来就唤出我们的主角：DuckDB。创建一个名为 costsaving.db 的数据库，我们需要把数据保留一段时间（因为分析是需要时间的）。
(venv311) ➜ 降本增效 duckdb costsaving.db v1.0.0 1f98600c2c Enter ".help" for usage hints. -- 查看一下当前的数据库 D .databases costsaving: costsaving.db -- 查看一下当前的表 D .tables导入数据
有了一个库之后，接下来我们就在这个库里面创建几张表：
-- 查看一下本地的 CSV 文件里面的字段情况 D DESCRIBE table './20240627_cpu.csv'; ┌─────────────────────────────────────┬─────────────┬─────────┬─────────┬─────────┬─────────┐ │ column_name │ column_type │ null │ key │ default │ extra │ │ varchar │ varchar │ varchar │ varchar │ varchar │ varchar │ ├─────────────────────────────────────┼─────────────┼─────────┼─────────┼─────────┼─────────┤ │ Time │ TIMESTAMP │ YES │ │ │ │ │ __name__ │ VARCHAR │ YES │ │ │ │ │ hostname │ VARCHAR │ YES │ │ │ │ │ instance_id │ VARCHAR │ YES │ │ │ │ │ ipgroup │ VARCHAR │ YES │ │ │ │ │ zone_name │ VARCHAR │ YES │ │ │ │ │ rmgroup_id │ VARCHAR │ YES │ │ │ │ │ rmgroup_name │ VARCHAR │ YES │ │ │ │ ...... ...... ...... │ tag_name │ VARCHAR │ YES │ │ │ │ │ percent │ VARCHAR │ YES │ │ │ │ ├─────────────────────────────────────┴─────────────┴─────────┴─────────┴─────────┴─────────┤ │ 21 rows 6 columns │ └───────────────────────────────────────────────────────────────────────────────────────────┘ D SELECT * from './20240627_cpu.csv'; ┌──────────────────────┬──────────────────────┬──────────────────────┬───┬──────────────────────┬──────────────────────┬─────────┐ │ Time │ __name__ │ hostname │ … │ tag_ccc_security_d… │ tag_name │ percent │ │ timestamp │ varchar │ varchar │ │ varchar │ varchar │ varchar │ ├──────────────────────┼──────────────────────┼──────────────────────┼───┼──────────────────────┼──────────────────────┼─────────┤ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-xxxxxxxxxxxx-ac… │ … │ │ │ 53.2% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-xxxxxxxxxxxx-ac… │ … │ │ │ 37.6% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-cccccc-yyy-001-… │ … │ │ │ 36.9% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-prod-xx-xxx-uip… │ … │ │ │ 34.4% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-xxxxxxxxxxxx-ac… │ … │ │ │ 34.2% │ │ · │ · │ · │ · │ · │ · │ · │ │ · │ · │ · │ · │ · │ · │ · │ │ · │ · │ · │ · │ · │ · │ · │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-staging-ddddddd… │ … │ │ │ 0.212% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-qa-zzzzzz-002 │ … │ │ │ 0.196% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-qa-bbbb-manage-… │ … │ │ │ 0.169% │ ├──────────────────────┴──────────────────────┴──────────────────────┴───┴──────────────────────┴──────────────────────┴─────────┤ │ 298 rows (40 shown) 21 columns (6 shown) │ └────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘基础数据没有问题，接着我们就在 DuckDB 里面创建若干表，并把数据导入进来即可。操作如下：
D SELECT COUNT(*) FROM './20240627_cpu.csv'; ┌──────────────┐ │ count_star() │ │ int64 │ ├──────────────┤ │ 298 │ └──────────────┘确认非生产环境有多少台机器：
D SELECT COUNT(*) FROM './20240627_cpu.csv' WHERE hostname NOT ILIKE '%prod%'; ┌──────────────┐ │ count_star() │ │ int64 │ ├──────────────┤ │ 178 │ └──────────────┘确认生产环境有多少台机器：
D SELECT COUNT(*) FROM './20240627_cpu.csv' WHERE hostname ILIKE '%prod%'; ┌──────────────┐ │ count_star() │ │ int64 │ ├──────────────┤ │ 120 │ └──────────────┘非生产 178 + 生产 120 = 共 298 台，数量完全吻合，那么我们进行下一步。接着创建 4 张表：
-- 分别创建测试及生产环境的 CPU 使用信息表 D CREATE TABLE nonprod_cpu AS FROM './20240627_cpu.csv' WHERE hostname NOT ILIKE '%prod%'; D CREATE TABLE prod_cpu AS FROM './20240627_cpu.csv' WHERE hostname ILIKE '%prod%'; -- 分别创建测试及生产环境的 MEM 使用信息表 D CREATE TABLE prod_mem AS FROM './20240627_mem.csv' WHERE hostname ILIKE '%prod%'; D CREATE TABLE nonprod_mem AS FROM './20240627_mem.csv' WHERE hostname NOT ILIKE '%prod%';创建完成，验证一下：
D .tables nonprod_cpu nonprod_mem prod_cpu prod_mem验证数据
验证一下数据是否正确：
D FROM nonprod_cpu LIMIT 10; ┌──────────────────────┬──────────────────────┬──────────────────────┬───┬──────────────────────┬──────────────────────┬──────────┬─────────┐ │ Time │ __name__ │ hostname │ … │ tag_ccc_security_c… │ tag_ccc_security_d… │ tag_name │ percent │ │ timestamp │ varchar │ varchar │ │ varchar │ varchar │ varchar │ varchar │ ├──────────────────────┼──────────────────────┼──────────────────────┼───┼──────────────────────┼──────────────────────┼──────────┼─────────┤ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-xxxxxxxxxxxx-ac… │ … │ │ │ │ 53.2% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-xxxxxxxxxxxx-ac… │ … │ │ │ │ 37.6% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-cccccc-yyy-001-… │ … │ │ │ │ 36.9% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-xxxxxxxxxxxx-ac… │ … │ │ │ │ 34.2% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-cccccc-yyy-001-… │ … │ │ │ │ 31.6% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-xxxxxxxxxxxx-ac… │ … │ │ │ │ 30.4% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-cccccc-yyy-001-… │ … │ │ │ │ 25.2% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-qa-eeee-0002 │ … │ │ │ │ 24.7% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-cccccc-yyy-001-… │ … │ │ │ │ 24.5% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-xxxxxxxxxxxx-ac… │ … │ │ │ │ 22.9% │ ├──────────────────────┴──────────────────────┴──────────────────────┴───┴──────────────────────┴──────────────────────┴──────────┴─────────┤ │ 10 rows 21 columns (7 shown) │ └───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘ D FROM prod_cpu LIMIT 10; ┌──────────────────────┬──────────────────────┬──────────────────────┬───┬──────────────────────┬──────────────────────┬──────────┬─────────┐ │ Time │ __name__ │ hostname │ … │ tag_ccc_security_c… │ tag_ccc_security_d… │ tag_name │ percent │ │ timestamp │ varchar │ varchar │ │ varchar │ varchar │ varchar │ varchar │ ├──────────────────────┼──────────────────────┼──────────────────────┼───┼──────────────────────┼──────────────────────┼──────────┼─────────┤ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-prod-xx-xxx-uip… │ … │ │ │ │ 34.4% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-prod-zzzzzz-Ent… │ … │ │ │ │ 19.8% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-prod-zzzzzz-Ind… │ … │ │ │ │ 17.9% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-prod-zzzzzz-Ind… │ … │ │ │ │ 15.2% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-prod-zzzzzz-Ind… │ … │ │ │ │ 14.9% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-prod-yyy001-wor… │ … │ │ │ │ 12.9% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-prod-aaaaa-exp… │ … │ │ │ │ 12.6% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-prod-zzzzzz-Sea… │ … │ │ │ │ 12.1% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-prod-fff-server… │ … │ │ │ │ 12.0% │ │ 2024-06-27 14:16:5… │ AliyunEcs_CPUUtili… │ yy-prod-ccccccc-se… │ … │ │ │ │ 11.7% │ ├──────────────────────┴──────────────────────┴──────────────────────┴───┴──────────────────────┴──────────────────────┴──────────┴─────────┤ │ 10 rows 21 columns (7 shown) │ └───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘类型转换
percent 字段是 varchar 类型的，我们需要把它转换成数字。
D ALTER TABLE prod_cpu ALTER percent TYPE NUMERIC USING REPLACE(percent, '%', '')::NUMERIC(5,3);开始查询
查看一下非生产环境的 CPU 低于 40% 使用率的 ECS，
D SELECT hostname, instance_id, percent FROM nonprod_cpu WHERE percent < '40' ORDER BY hostname; ┌─────────────────────────────────────────────┬─────────────────────────┬───────────────┐ │ hostname │ instance_id │ percent │ │ varchar │ varchar │ decimal(18,3) │ ├─────────────────────────────────────────────┼─────────────────────────┼───────────────┤ │ yy-staging-aaaaaaaa-bbbbbb-bff-server-01002 │ e-abc33abcdefghijklmno │ 0.314 │ │ yy-qa-aaaaaaaa-big3-Server-0001 │ e-abcimabcdefghijklmno │ 2.590 │ │ yy-qa-aaaaaaaa-bbbbbb-bff-server-0001 │ e-abc5babcdefghijklmno │ 1.710 │ │ yy-staging-aaaaaaaa-big3-Server-01001 │ e-abc2rabcdefghijklmno │ 3.100 │ │ · │ · │ · │ │ · │ · │ · │ │ · │ · │ · │ │ yy-staging-ddddddd-bastion-02 │ e-abc8zyxwvuabcdefghij │ 0.715 │ │ yy-staging-aaa-bbbbbbbbbb-01 │ e-abc9zyxwvuabcdefghij │ 0.250 │ ├─────────────────────────────────────────────┴─────────────────────────┴───────────────┤ │ 177 rows (40 shown) 3 columns │ └───────────────────────────────────────────────────────────────────────────────────────┘查看生产环境的 CPU 低于 30% 使用率的 ECS：
cent FROM prod_cpu WHERE percent < '30' ORDER BY hostname; ┌──────────────────────────────────────────────────────────┬────────────────────────┬───────────────┐ │ hostname │ instance_id │ percent │ │ varchar │ varchar │ decimal(18,3) │ ├──────────────────────────────────────────────────────────┼────────────────────────┼───────────────┤ │ yy-Prod-aaaaaaaa-big3-Server-001 │ e-abccabcdefghijklmnop │ 8.310 │ │ yy-Prod-aaaaaaaa-big3-Server-002 │ e-abc8abcdefghijklmnop │ 4.750 │ │ yy-Prod-aaaaaaaa-bbbbbb-bff-server-001 │ e-abc0abcdefghijklmnop │ 6.980 │ │ yy-Prod-aaaaaaaa-bbbbbb-bff-server-002 │ e-abcaabcdefghijklmnop │ 3.830 │ │ · │ · │ · │ │ · │ · │ · │ │ · │ · │ · │ │ yy-prod-awesome-yyyyyyyy-WAS-0001 │ e-abcqrstuvwxyzabcdefg │ 2.200 │ │ yy-prod-awesome-yyyyyyyy-WAS-0002 │ e-abcqrstuvwxyzabcdefg │ 2.260 │ ├──────────────────────────────────────────────────────────┴────────────────────────┴───────────────┤ │ 119 rows (40 shown) 3 columns │ └───────────────────────────────────────────────────────────────────────────────────────────────────┘单独查看 CPU 及 MEM 的意义不大，因此我们要进行关联查询，找出 MEM 及 CPU 都小于 40% 的实例。接下来我们就使用一个简单的关联查询。
关联查询
D SELECT c.hostname, c.percent AS cpu_percent, m.percent AS mem_percent FROM nonprod_cpu c LEFT JOIN nonprod_mem m ON c.hostname = m.hostname WHERE c."percent" < 40 AND m."percent" < 40 ORDER BY c.hostname; ┌─────────────────────────────────────────────┬───────────────┬───────────────┐ │ hostname │ cpu_percent │ mem_percent │ │ varchar │ decimal(18,3) │ decimal(18,3) │ ├─────────────────────────────────────────────┼───────────────┼───────────────┤ │ yy-staging-aaaaaaaa-bbbbbb-bff-server-01002 │ 0.314 │ 10.100 │ │ yy-qa-aaaaaaaa-bbbbbb-bff-server-0001 │ 1.710 │ 28.000 │ │ · │ · │ · │ │ · │ · │ · │ │ · │ · │ · │ │ yy-staging-ddddddd-bastion-02 │ 0.715 │ 22.500 │ │ yy-staging-awesome-yyyyyy-01 │ 0.250 │ 4.810 │ ├─────────────────────────────────────────────┴───────────────┴───────────────┤ │ 84 rows (40 shown) 3 columns │ └─────────────────────────────────────────────────────────────────────────────┘ -- 或者 ORDER BY 1 D SELECT c.hostname, c.percent AS cpu_percent, m.percent AS mem_percent FROM nonprod_cpu c LEFT JOIN nonprod_mem m ON c.hostname = m.hostname WHERE c."percent" < 40 AND m."percent" < 40 ORDER BY 1;最终结果
跳板机不做降本处理，因此，我们需要把跳板机的机器排除掉：
SELECT c.hostname, c.instance_id, c.percent AS cpu_percent, m.percent AS mem_percent, c.tag_application_name as bff_name FROM nonprod_cpu c LEFT JOIN nonprod_mem m ON c.hostname = m.hostname WHERE c. "percent" < 40 AND m. "percent" < 40 AND bff_name NOT NULL AND bff_name <> 'bastion' ORDER BY bff_name; +--------------------------------------------------+------------------------+-------------+-------------+---------------------------------+ | hostname | instance_id | cpu_percent | mem_percent | bff_name | +--------------------------------------------------+------------------------+-------------+-------------+---------------------------------+ | yy-qa-bbbbbbbbbb-aaaaa-aaaaaaaaaaaaa-vvv-v2-0001 | e-abcabdefghxyzopcbacd | 0.877 | 19.100 | Awesome Project XX | | yy-staging-ddddddd-00099 | e-abcabdefghxyzopcbacd | 0.212 | 4.970 | Awesome xx | | yy-staging-ddddddd-00100 | e-abcabdefghxyzopcbacd | 1.700 | 19.400 | Awesome YY | ...... ...... ...... | yy-staging-awesome-xxxxxxxx-001 | e-abcopqrstuvwxyzabc12 | 3.830 | 28.100 | Awesome YYYYYYYY | | yy-staging-awesome1-images-001 | e-abcopqrstuvwxyzabc12 | 1.190 | 26.900 | Awesome YYYYYYYY | | yy-staging-awesome-xxxxxxxx-002 | e-abcopqrstuvwxyzabc12 | 1.980 | 25.900 | Awesome YYYYYYYY | | yy-qa-awesome-win-01 | e-abcopqrstuvwxyzabc12 | 1.200 | 22.600 | awesome XX | | yy-qa-awesome-client-02 | e-abcopqrstuvwxyzabc12 | 4.730 | 36.100 | awesome XX | +--------------------------------------------------+------------------------+-------------+-------------+---------------------------------+现在数据已经梳理完成，接下来就可以按照业务组（以应用名进行分组）分批进行降本了。
[!TIP] 如果要使用 Excel 进行上述分析，大概需要多久呢？是否可以做到两个或多个 Sheet 的关联呢？
各个击破
那么接下来的任务就是按应用为维度进行各个击破：
- 发邮件给相关的 PM 进行沟通及获取审批
- 审批之后，DevOps 团队开始对资源进行降本
- 测试环境可以随时进行，生产环境需要排期进行
好的，现在就去发邮件。因为模板都具有通用性，因此每个业务都可以复用。那么我们的邮件模板如下：
MAIL_TITLE: 申请测试环境 {BUSINESS_NAME} 业务的 ECS 降配 Hi {PM_NAME}, 近期 DevOps 团队监控到 {BUSSINESS_NAME} 业务的 ECS 在最近 7 天的使用率 比较低（CPU 及 MEM 均低于 40%）。因此，根据降本增效原则申请降配，以实现 更为高效的资源利用和更为经济的运行方式。 涉及到的降配资源信息如下： {RESOURCE_LIST} 因此，申请上述资源的降配，由原来的规格进行减半。如果后续需要进行压测， 届时再按要求进行资源的升配。还请审批，谢谢。 如有任何问题还请及时沟通，再次感谢。有了邮件模板后，接下来的问题就是如何把相关的数据渲染到模板中。方法有很多，我这里使用了 BASH 脚本来生成邮件模板。脚本如下：
#!/bin/bash declare -A PM_PROJECT_MAPPING_LIST PM_PROJECT_MAPPING_LIST=( ["Lebron_James"]="Awesome Project XXXXX" ["Dwyane_Wade"]="Awesome Project AAAAA" ["Chris_Bosh"]="Awesome Project CCCCC" ) for PM in "${!PM_PROJECT_MAPPING_LIST[@]}"; do echo "MAIL_TITLE: 申请测试环境 ${PM_PROJECT_MAPPING_LIST[$PM]} 业务的 ECS 降配" echo echo "Hi `echo "${PM}" |cut -d'_' -f1`," echo echo "近期 DevOps 团队监控到「${PM_PROJECT_MAPPING_LIST[$PM]}」业务的 ECS 在最近 7 天的使用率" echo echo "比较低（**CPU及 MEM 均低于 40%**）。因此，根据降本增效原则申请降配，以实现" echo echo "更为高效的资源利用和更为经济的运行方式。" echo echo "涉及到的降配资源信息如下：" echo duckdb -markdown -s "SELECT c.hostname, c.instance_id, c.percent AS cpu_percent, m.percent AS mem_percent, c.tag_application_name as app_name FROM nonprod_cpu c LEFT JOIN nonprod_mem m ON c.hostname = m.hostname WHERE c."percent" < 40 AND m."percent" < 40 AND app_name='${PM_PROJECT_MAPPING_LIST[$PM]}' AND app_name <> 'bastion' ORDER BY app_name;" costsaving.db echo echo "因此，**申请上述资源的降配，由原来的规格进行减半**。如果后续需要进行压测，" echo echo "届时再按要求进行资源的升配。还请审批，谢谢。" echo echo "如有任何问题还请及时沟通，再次感谢。" echo echo "XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX" echo done执行结果如下：
[root@mymssql01 ~]# sh generate_email.sh MAIL_TITLE: 申请测试环境 Awesome Project XXXXX 业务的 ECS 降配 Hi Lebron, 近期 DevOps 团队监控到「Awesome Project XXXXX」业务的 ECS 在最近 7 天的使用率 比较低（**CPU及 MEM 均低于 40%**）。因此，根据降本增效原则申请降配，以实现 更为高效的资源利用和更为经济的运行方式。 涉及到的降配资源信息如下： | hostname | instance_id | cpu_percent | mem_percent | app_name | |-----------------------------------|------------------------|------------:|------------:|-----------------------| | yy-qa-aaaaaa-bbbbbbb-web-001 | e-aaaabcdefghijklmnopq | 2.400 | 30.300 | Awesome Project XXXXX | | yy-qa-aaaaaa-bbbbbbb-web-002 | e-aaaabcdefghijklmnopq | 2.330 | 29.800 | Awesome Project XXXXX | | yy-staging-aaaaaa-bbbbbbb-web-001 | e-aaaabcdefghijklmnopq | 2.750 | 24.100 | Awesome Project XXXXX | | yy-staging-aaaaaa-bbbbbbb-web-002 | e-aaaabcdefghijklmnopq | 1.010 | 13.300 | Awesome Project XXXXX | 因此，**申请上述资源的降配，由原来的规格进行减半**。如果后续需要进行压测， 届时再按要求进行资源的升配。还请审批，谢谢。 如有任何问题还请及时沟通，再次感谢。 XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX生成的邮件模板是 Markdown 格式，因此，那么剩下的工作就是用鼠标粘贴复制到邮件中了。粘贴到邮件中的效果如下：
如果连鼠标也不想用，可以在脚本里面发邮件；如果连脚本都不想执行，是不是可以集成到一个平台上呢？方法及思路有很多。
04总结
从有了想法开始到实现以及整个文档的初步编写，整个过程花了半天时间。所以，新的分析方式的效率是非常高的，这多亏了 DuckDB。但 DuckDB 所能提供的远不止这些，后续关于 DuckDB 更多有趣及好玩的场景，我们再做分享，谢谢大家。
如有相关问题，请在文章后面给小编留言，小编安排作者第一时间和您联系，为您答疑解惑。
云和安全管理服务专家
