专题演讲嘉宾：陈杰（韩堂）

在 K8s 高可用领域有一个问题被大家所熟知，那就是 K8s 单集群规模带来的 SLO 问题。如果 ASI 单集群规模支撑超过社区的 5000 台，如何持续保障？这是个非常有意思且具备极大挑战的事情。这对需要进行 K8s 生产化的同学，甚至具备 K8s 生产化经验的同学来说，一定会是个感兴趣的话题。而 ASI 在单集群的规模从最初的 POC 100 台，到 4000 台，增长到 6000 台、8000 台，一直最终增长到 10000 台，每一次集群规模的增长，伴随着业务的增长和多样化，压力也在逐步发生着质变，给我们带来的挑战每一次都是不一样的，每一次都要比前一次挑战更大。 另外在我们的场景中还有一个问题，就是 K8s 集群成千上万，还牵涉到数百人以上的研发运维人员，功能发布频繁的迭代开发模式以及业务种类繁多带来的运行时的复杂多变，实现“4个9”（1-5-10目标），其难度不言而喻。 本次分享将为大家介绍阿里巴巴使用 K8s 开源项目如何从抗住，到建设出高可用体系的经验。

演讲提纲：

1. 背景：大规模 K8s 集群面临的问题与挑战

2. 高可用体系的设计

• 高可用基础能力
• 应急体系建设
• 能力和保险机制

3. 高可用基础能力的关键部分

• 架构升级
• 性能瓶颈突破
• 预发能力增强

4. 高可用应急体系的关键部分

• 一分钟发现：问题发现能力
• 五分钟定位：问题根因自动定位能力
• 十分钟恢复：恢复止损能力
• 问题持续跟踪机制

你将获得：

• 了解大规模 K8s 集群会存在的问题
• 了解如何基于 K8s 建设高可用体系
• 了解阿里巴巴 K8s 的落地实践与思考