Introducing Spend Management: Spending limits and alerts for Cloudflare
TL;DR · AI 摘要
Cloudflare推出Spend Management功能,允许用户设置支出阈值和自动暂停,控制云服务成本。
核心要点
- Spend Management支持通过仪表板、CLI和API设置支出限制
- 达到阈值时自动暂停服务,防止意外费用
- 适用于Workers和Durable Objects,与AI Gateway集成
结构提纲
按章节快速跳转。
- §引言
开发者长期请求的支出控制功能正式上线,解决云服务成本管理痛点。
- ·功能机制
通过阈值设置、邮件通知和自动暂停实现支出控制。
- ›使用场景
适用于Workers和Durable Objects,与AI Gateway集成管理AI推理成本。
提供REST API实现程序化配置,文档已上线。
实时显示近实时账单数据,支持阈值和限额管理。
- ·审计日志
记录限额变更记录和触发事件时间戳
思维导图
用一张图看清主题之间的关系。
查看大纲文本(无障碍 / 无 JS 友好)
- Spend Management
- 核心功能
- 阈值设置
- 自动暂停
- 邮件通知
- 集成产品
- Workers
- Durable Objects
- AI Gateway
- 管理界面
- 仪表板
- CLI
- REST API
金句 / Highlights
值得收藏与分享的关键句。
设置支出阈值后,Cloudflare会自动暂停服务,防止意外费用
AI Gateway已支持按用户和模型设置预算,与Spend Management协同工作
账单周期从付费订阅开始日计算,非自然月周期
介绍支出管理:Cloudflare 的支出限制和警报 | Cloudflare 博客
post
Durable Objects
Workers
Billing
Developer Platform
Developers
2026年11月13日
介绍支出管理:Cloudflare 的支出限制和警报
Celso Martinho ,  Sid Chatterjee ,  Brendan Irvine-Broque ,  Zunayed Ali ,  and André Cruz
10分钟阅读
COPY URL
支出控制一直是开发者在我们的开发者平台上构建应用时最常请求的功能之一。随着现在已有超过1000万开发者在Cloudflare上构建应用,这比以往任何时候都更加重要。
虽然我们之前就已经为付费计划提供了使用通知和预算警报,但这并不能完全解决问题;通知与控制是两回事。
现在您可以设置支出阈值,并选择在达到这些限制时让Cloudflare暂停活动,从而避免因意外使用产生未计划的账单。今天,我们正式推出支出管理(Spend Management)Beta版,面向所有按需付费(PayGo)客户,率先支持Workers和Durable Objects。
将支出管理与AI网关的支出限制结合使用,可以跨应用管理计算和AI推理成本。AI网关目前已支持为Workers AI和其他AI提供商设置按用户和按模型的预算,并应用于通过网关路由的请求。
工作原理
您可以通过仪表板、cf CLI 或 REST API 开始使用支出管理。
在仪表板中,前往 管理账户 > 账单 > 支出限制,启用您希望控制支出的产品。
当您为某个产品启用控制后,可以定义支出限制、指定通知接收者的电子邮件地址,并设置一个或多个警报阈值。
为Durable Objects启用支出管理
如果您配置了接收者电子邮件地址,当评估支出达到其中一个阈值或支出限制时,Cloudflare将发送通知。当达到限制时,将强制执行阻止策略,并自动暂停您的产品。
达到支出限制时的电子邮件通知
如果您前往仪表板,可以近乎实时(在10分钟内)查看每个支持产品的当前账单周期成本,并从那里管理您的设置和阈值。概览面板会告诉您哪些产品已配置了阈值和限制。在此示例中,可以看到Workers在达到硬限制之前触发了两次警报。
使用支出管理的产品概览
请注意,账单周期从付费订阅开始时启动,而不是从您部署Worker或创建支出上限时开始;通常10月10日开始的订阅周期为10月10日-11月10日,而不是日历月。
仪表板还会显示审计日志,因此您可以查看谁更改了限制以及何时更改,或何时达到上限。
与大多数Cloudflare服务一样,支出管理也提供了API,您可以编程方式使用;相关文档可在我们的开发者文档中找到。以下是一个示例,但使用的是API:
curl --fail-with-body --request POST \
"https://api.cloudflare.com/client/v4/accounts/${CLOUDFLARE_ACCOUNT_ID}/billing/spend-policies" \
--header "Authorization: Bearer ${CLOUDFLARE_API_TOKEN}" \
--header "Content-Type: application/json" \
--data '{
"name": "Workers spending cap",
"product_id": "workers",
"enabled": true,
"threshold_cents": 10000,
"action": "usage_block",
"notification_email": "[email protected]"
}'当然,你也可以使用 cf,Cloudflare API 的 CLI 工具:
cf billing spend-policies list
cf billing spend-policies create
cf billing spend-policies get
cf billing spend-policies update
cf billing spend-policies delete
cf billing spend-policies audit list
cf billing spend-policies activity list
cf billing spend-policies create --body '{
"name": "Workers spending cap",
"product_id": "workers",
"enabled": true,
"threshold_cents": 10000,
"action": "usage_block",
"notification_email": "[email protected]"
}'一旦设置上限,该产品的所有新调用都会被拒绝。请注意,我们只会暂停会产生成本的客户代码调用——例如在 Workers 中,定时触发器和队列消费者调用会被暂停,但静态资源仍会继续提供服务。
要恢复服务,你可以:
- 将上限提高到当前周期累计支出以上。
- 禁用或删除阻断策略。
- 等待到下一个计费周期,现有阻断将自动失效。
就是这样。你现在就可以开始使用 Workers 和 Durable Objects 的支出管理功能,其他产品也将很快支持。
继续阅读,了解我们是如何构建这个系统的,以及接下来会发生什么。
我们如何构建支出管理系统
尽管表面上看起来简单直接,但在 Cloudflare 的规模上构建这样一个系统并非易事。从分布式网络中的任意一次调用,到需要全局执行的阻断决策,构建支出管理系统需要与多个团队协作、修改现有系统的代码,并从零开始创建新的系统。
让我们先从一个被限制的可计费事件的全局视角开始:
被限制的可计费事件生命周期
现在我们深入探讨。
在源头附近进行收集和聚合
每次调用都会生成使用量度量:根据产品不同,可能是请求次数、CPU 时间、执行时长或存储操作。但将如此大量的原始数据从源头传输并处理到计费引擎,既无法扩展也不够高效。
因此,我们采用两阶段计量流水线,尽可能在源头附近收集并聚合度量值,将事件合并为使用量汇总,使引擎看到的是累积使用量,而不是逐一处理所有事件。
让我们看一下示意图。
我们如何收集、解析并聚合数据,然后再发送到计费引擎
第一阶段将原始事件体积减少到接近解析后的每分钟窗口。每个计量解析器将原始事件转换为使用量度量,然后将匹配的度量合并为通常为一分钟的桶。不过,仍可能有多个记录描述同一账户和时间窗口。
在第二阶段,一个独立的服务会使用相同的分组规则将第一阶段的中间聚合结果进行合并,但通常会以五分钟的时间窗口为单位,进一步减少数据量,以便下游的使用引擎进行处理。在此阶段,我们还会归档这些合并后的聚合数据,这为我们提供了一个持久的数据集,用于后续的分析和对账。
这种两阶段流水线的好处在于,它能尽早减少原始事件的数据量,使下游引擎只需处理计算支出所需的聚合使用数据。这正是Cloudflare在如此大规模下实现这一方案的可行性所在。
使用引擎:按账户划分的处理
使用引擎将聚合的测量数据转换为使用记录,这些记录是标准化的,包含账户、使用窗口、指标、数量和相关维度。换句话说,它将产品特定的计量器映射到支持的使用指标上。
我们按账户划分处理流程,这样账户的使用情况和订阅信息会在同一位置交汇。这使我们能够维护其累积的使用量,并在不跨定价处理器协调的情况下应用包含的额度。
使用引擎中的按账户划分处理
如你所见,我们并行运行不同的分区,这使我们能够在保持每个账户定价状态完整的同时,将工作分散到各个账户。同时请注意,每个分区都保留了一个用于快速访问的本地状态,以及一个持久的预写日志(WAL)变更日志存储在磁盘上。这为我们带来了以下优势:
- 更少的跨分区协调:每个账户的使用情况和订阅状态保持在一起。
- 一致的定价:使用更新共享相同的额度和累积支出状态。
- 并行处理:不同的分区可以独立计算支出。
- 可恢复性:持久的状态使替代处理器在发生故障时能够重建并恢复处理。
最后,使用指标会被传递到计费引擎。
计费引擎
计费引擎是支出管理中最关键的模块;它将使用情况转换为货币价值,并且是能够回答以下问题的组件:“根据该账户的消费情况、订阅信息和定价规则,到目前为止它已经花费了多少?”
以下是它的运作方式。
计费引擎的概览,支出管理的“大脑”
本质上,计费引擎整合了以下三类信息:
- 使用记录:如请求数量和CPU毫秒数等数量。
- 订阅信息:账户的计费周期和计划变更。
- 定价规则:费率、包含的额度和计费四舍五入规则。
使用数据和订阅是独立的数据流
使用数据和订阅更新以独立的数据流形式到达,因此我们不能假设它们按顺序到达计费引擎。此外,我们必须能够从数据处理失败或订阅信息缺失(例如,因失败的网络钩子)中恢复。
如果使用数据在所需订阅信息到达之前到达,我们会将其保留为待处理状态,并在相关信息可用时重新处理。这使我们能够容忍临时延迟,而不会将未计费的使用视为免费。
跟踪累积支出
最后,我们计算并跟踪累计支出。计费引擎使用一个产品目录数据库,该数据库定义了使用指标,包括配额、费率和四舍五入规则,同时结合账户的订阅信息。一百万CPU毫秒并不一定意味着额外费用:引擎首先应用账户的CPU配额,然后对超出部分进行计费。它对累计使用情况进行计费,而不是对每个请求单独四舍五入并收费。
累计支出计算完成后,将执行以下两个步骤:
- 策略评估:判断是否达到一个或多个警告或阻止阈值。
- 报告:我们通过API在仪表板中显示预估使用费用,并在必要时通过Cloudflare邮件服务发送电子邮件提醒。
异步配额执行
计费引擎不会阻塞请求路径或直接拒绝请求。相反,策略服务将配额发送到我们的运行时配置服务和Quicksilver(我们内部开发的键值存储系统,旨在实现全球范围的快速复制和低延迟访问)。这会异步地将配额传播到所有节点。
一旦配额到达Quicksilver,运行时会在其定期刷新期间获取配额,并开始拒绝超出配额的调用或操作。
换句话说,执行使用本地状态,因此请求无需等待计费引擎。通过复用现有的运行时账户限制架构,我们在不将计费引擎置于请求路径的同时,将配额分发到全球网络。
下一步计划
任何按需付费客户都可以立即开始使用支出管理功能。虽然这是我们在路线图上的重要里程碑,但这仅仅是开始。让我们分享未来几周和几个月的一些计划。
更多产品
我们首先从Workers和Durable Objects的配额开始,但不久后您将能够测量和限制许多其他Cloudflare产品和原语的使用。我们构建的系统使得产品接入变得简单且熟悉,因此预期产品目录将持续增长。
更接近实时
虽然接近实时(10分钟内)是一个很好的基准,但我们并不满意,作为固执的工程师,我们已经有非常好的想法来进一步缩短这个时间。预计随着时间推移,测量和执行之间的差距将逐渐缩小,最终希望缩短到一分钟以内。
基于代理和应用的预算
目前,我们按产品和原语来衡量支出,但在控制成本时还有其他有用的维度需要探索。例如,开发人员可能希望监控特定应用的成本——比如使用R2或Workers AI等其他原语的Worker脚本。我们如何衡量整个应用的总成本,并暂停该应用,而不是禁用所有客户应用中的底层原语?
另一个令人信服的成本控制使用场景是AI代理。我们都读过关于失控代理进入无约束递归推理循环的恐怖故事,它们通过高频、昂贵的API调用产生数千美元的成本,更不用说对数据库和其他服务造成拒绝服务(DoS)问题。AI Gateway已经允许你为通过它的AI请求分配预算。一个任务还可能消耗计算、数据库和存储资源。我们希望实现跨产品对这些更广泛资源使用进行预算管理。
你将能够标记代理的调用,我们的流水线会将这些元数据从运行时传递到计费引擎。这将使我们能够追踪支出并在跨产品中暂停应用程序或代理任务,而不会中断其他无关的应用程序。
入门指南
此次发布是使支出控制成为在Cloudflare上构建应用的常规组成部分的第一步,与部署代码和监控应用程序并行。
查看计费开发者文档获取更多信息。开始使用支出管理功能,并告诉我们哪些方面有效、哪些缺失,或者更细粒度的预算在哪些地方会有帮助。
加入我们的Discord或社交媒体。我们在倾听!
目录栏
讨论栏
相关标签和社交媒体链接
相关标签
在社交媒体上关注
- Cloudflare
- Celso Martinho
- Sid Chatterjee
- Brendan Irvine-Broque
- André Cruz
电子邮件订阅