10 年经验面试：公司要求大数据成本一年降 30%，你怎么做？
面试怎么回答
我会先把账算清楚：按计算、存储、网络拆，再通过资源队列和标签分摊到业务线、团队，甚至到任务和表，找出占大头的部分。措施先易后难：先清理浪费，根据血缘和访问记录下线没人用的任务和报表、冷数据降级和生命周期管理、合并重复计算的指标，这部分见效最快；再对成本最高的任务做调优，比如处理倾斜、回收过度分配的资源、全量改增量；然后在资源层面提升利用率，混部、错峰、弹性扩缩容、预留和 Spot 实例，引擎替换和存算分离这种大改单独立项评估。为了防止反弹，建立月度成本看板、新任务资源评估和审批，把成本纳入团队目标。推动上把 30% 拆到各项措施和各团队，每项有负责人和预估收益，先用清理浪费拿到快速成果；下线报表要和业务方用成本数据沟通；同时守住核心链路 SLA 和数据质量，每次调整都有回滚方案。
先把这段讲顺；面试官追问时，再展开下面的原理和细节。
详细讲解
降本增效是这几年数据负责人的必修课。普通开发回答这道题会讲「小文件合并、调参数」；负责人要讲的是：怎么把成本看清楚、怎么定目标、怎么推动几十个人和多个业务方一起降，并且不影响业务。
第一步：把账算清楚
不知道钱花在哪，就没法降：
- 按资源拆：计算（集群、Serverless、实时任务）、存储（HDFS、对象存储、OLAP 引擎）、网络和其他云服务各占多少；
- 按归属拆：成本分摊到业务线、团队、项目，甚至到单个任务和单张表，通过资源队列、标签、元数据实现；
- 找大头：通常 20% 的任务和表占了 80% 的成本。
第二步：分几类做，先易后难
- 清理浪费（见效最快）：
- 下线没人用的任务和表：根据血缘和访问记录，找出几个月没人查询的报表和下游；
- 冷数据降级：老分区转到低频或归档存储，按生命周期自动删除临时表；
- 清理重复建设：多个团队各自算一遍的相同指标合并。
- 优化任务：
- 针对成本最高的几十个任务做调优：数据倾斜、过度分配的资源、不必要的全量计算改增量；
- 存储格式和压缩、小文件合并。
- 资源和架构层面：
- 提高集群利用率：离线和实时混部、错峰调度、弹性扩缩容；
- 云上用预留实例、Spot 实例；评估引擎替换、存算分离等方案，这类收益大但周期长、风险高，要单独立项。
- 机制层面（防止反弹）：
- 成本看板每月公开到团队和业务线；
- 新任务上线要评估资源，大任务要审批；
- 把成本纳入团队目标。
第三步：推动和节奏
- 目标拆解：30% 拆到各类措施和各个团队，每一项有负责人和预计收益；
- 先拿快的成果：前两个月清理浪费通常就能拿到 10%–15%，建立信心；
- 业务方配合：下线报表、缩短数据保留期要和业务方确认，用「这张报表一年花 X 万，近三个月没人看」来沟通；
- 守住底线：核心链路 SLA 和数据质量不能因为降本而下降，每次调整做好回滚方案。