面对节假日小促、618/1111等大促，特别是去年疫情期间配送业务的急速陡增，精细化的容量管理对系统持续稳定运行和云成本控制至关重要，而弹性伸缩架构又是实现精细化的核心点。

本次演讲将全面介绍达达在业务量激增和云原生技术升级改造的背景下，精细化的容量管理、弹性伸缩架构的探索、策略优化、指标可观测等方面的实践和收益。

演讲提纲：

1. 从一次故障说起弹性容量的重要性
2. 弹性扩缩容 AutoScaling 的架构探索和设计
3. 基于 Container+Serverless 的极限扩缩容及智能策略优化
4. 可观测性的第四象限：成本模型及精细化弹性和跟踪
5. 总结与展望

你将获得：

1. 弹性架构的实施需要保证业务稳定性不受影响，同时将成本进一步优化
2. 弹性架构对多云、对多种运行时和环境、对新生元原生技术的抽象适配
3. 如何做到极致的弹性容量和成本优化

随着字节跳动业务快速发展，字节后端微服务规模膨大，对于后端整体的可观测性平台提出极高的要求：承载海量的时序（每秒10亿打点量）、日志、链路数据消费存储和查询，快速梳理微服务间链路关系，智能化检测服务异常状态，提供一站式的易用平台帮助业务排障。

本次分享会带来字节跳动在后端全栈（微服务监控/容器/物理层）可观测性平台产品、数据接入以及自研的底层组件（时序数据库，分布式调用链路，智能异常检测）等介绍，展现我们的思考和理解。

演讲提纲：

1. 字节可观测性业务挑战
2. 字节可观测性技术挑战
3. 可观测性平台 Argos 概览
4. 技术内核探究
   • 聚焦可观测性三大自研利器：
   • 跨服务洞察的链路追踪：ByteDTrace
   • 高吞吐高性能的时序数据库：ByteTsd
   • 无监督自适应的智能异常检测：TSAP
5. 中场总结：从无到有、满足温饱
6. 未来展望：从有到极致、深度赋能

你将获得：

1. 在字节跳动的体量和膨胀的业务需求下，如何重新思考可观测性平台的底层组件
2. 和开源、业界方案相比，时序数据和调用链路，以及异常检测，字节有哪些独特性自研的目标 & 效果如何
3. 如何在支持业务快速奔跑的场景下，逐步规范和统一可观测数据体系、构建一站式的产品体系
4. 对于未来的可观测性平台，字节还有哪些进一步的思考

Redis 在携程受到研发的广泛青睐，用量在最近几年里增长几倍，稍有不慎就会导致线上事故，运维治理的压力逐渐增大。面对几百T数据的 Redis 实例和几千台的宿主机，如何运维治理？在受疫情影响和国际化节能增效的大背景下，基于硬盘的持久化 KV 存储类型也被提上日程，我们选择了 KVRocks 并基于它来做演进的对象，它跟 Redis 有什么区别，能省多少的成本？性能上和 Redis 是否有差异？除此之外我们在 KVRocks 上做了哪些改动来适配携程的现有业务？本次演进都将逐一阐述说明。

演讲提纲：

1. 携程 KV 存储发展历程
2. 携程 Redis 治理演进
3. 携程持久化 KV 的架构实践
4. 未来规划

你将获得：

大规模有状态应用运维治理的痛点和难点和解决方案，如何从现有成熟的架构中提取有用的部分来与新的架构结合，落地到具体的实际业务。

Serverless/函数计算给我们带来了美好的期许，让我们对 Cloud Hosting 到 Cloud Native 转变逐渐期待了起来。我们也走上了 Serverless 落地的探索之路，过程中我们逐步贴合业务定义问题，诸如低成本的容量规划与系统保护、技术设施的透明化、高可观性的 Runtime、更高的部署密度等等，逐步从 Cloud Hosting 到 Cloud Native 转变。目前我们的方案在阿里数十个 BU 落地。

演讲提纲：

1. 从应用开发到函数开发的转变
2. Serverless 时代的观测性体系如何建立
3. 如何打造低运维成本的 Serverless 架构
4. Alinode Cloud Runtime 创新，持续提高部署密度与观测性

你将获得：

1. Serverless 时代的观测性体系如何建立
2. Serverless 容量规划的新思路
3. Runtime 形式的技术前沿