随着小红书业务体量迅速上涨，缓存系统（Redis）规模也在不断扩张，目前整体 QPS 高达 2 亿 +，内存 300TB+。 如何保证大规模缓存系统的高性能、高可靠、低成本是一件非常有挑战的事情。目前我们在 Redis 的中间件、内核、服务编排等多方面进行优化，探索出一条缓存服务多云部署之路，从而显著提升系统可靠性和降低成本。

本次议题我将为你分享小红书缓存服务多云建设之路，希望对你有所启发。

演讲提纲：

1. Redis 集群现状
   • 整体规模
   • 面临挑战
   • 小红书跨云多活背景
2. Kubernetes 编排
   • 整体部署架构: 单 Zone、单 Region、跨云等多种方式
   • 集群构建：组件构成、反亲和、多租户隔离等等
   • 运维操作：故障自愈、大规模迁移等
3. 内核优化
   • 异地多活支持
     • Binlog 改造、复制回环、冲突解决等
   • Gossip 优化
     • 节点规模突破 1000，解决 Redis Cluster 规模受限的业界难题
   • 其他
     • 全局 Scan、Rax Tree 裁剪、实时大 Key 统计
4. 未来规划
   • 中心管控架构
   • AEP
   • Serverless/资源拆解

你将获得：

• 了解小红书 Redis 的中间件、内核、服务编排等的优化
• 了解小红书缓存服务的多云部署之路

随着字节 Kubernetes 集群规模的不断增大，业务种类的不断丰富，Kubernetes 原生调度器的性能已经是一个越来越明显的瓶颈。我们先是在 Kubernetes 原有框架基础上，结合字节业务特点，优化调度器实现，吞吐提升几十倍（约 1K+ Pods/s）。但是随着在离线融合工作的开展，优化后的调度器也无法在功能和性能上满足要求，所以我们又自研了一套分布式调度系统来解决这些问题，可以同时支持在离线的任务调度，吞吐已经可以达到 8K+ Pods/s，而且还在不断提升中。

演讲提纲：

1. 在线业务场景
   • 现状以及调度系统面临的挑战：
     • 容器化业务种类越来越多，集群规模越来越大
     • 调度，抢占等延时增大，吞吐无法满足业务需求
     • 特殊场景，比如：弹性扩缩容，支持能力欠缺
   • Kubernetes 调度器优化思路，方法，效果
2. 在离线融合业务场景（Kubernetes & YARN）
   • 新的挑战：
     • 业务种类进一步增加
     • 离线业务调度需求支持，如：Gang，Job level affinity 等
     • 吞吐和延时要求进一步提升
   • 新的分布式调度系统介绍，上线效果
3. 字节调度系统优化的经验总结以及未来方向

你将获得：

• 了解字节在解决大规模集群调度问题中的相关实践；
• 了解在离线资源融合难点和字节的解决方法；
• 借鉴字节分布式调度系统设计思路，真正融合，统一调度在离线任务。

随着阿里云云服务器 ECS（Elastic Compute Service）的规模逐渐扩大，如何对其进行高效稳定地自动化运维是一件很有有挑战的事情，对此，我们建立了一套完整的自动化运维平台，包括：监控数据采集、全链路诊断分析、自动化运维、故障快恢、客户侧事件等，本次分享将着重介绍阿里云超大规模弹性计算节点自动化运维系统如何落地实施以及稳定性实践。

演讲提纲：

1. 背景
2. 相关产品调研
3. 自动化运维系统落地实践以及演进
   • 基于专家规则的运维策略解决方案
   • 运维的自证清白能力（评价体系的建立）
   • DryRun 机制以及 AB 测试
   • 稳定性利器：流控、灰度和熔断
4. 未来演进方向

你将获得：

• 了解阿里云的弹性计算自动化运维平台技术架构演进过程
• 了解在建设超大规模下自动化运维平台时需要思考的问题