产业布局方面，亚太地区成为全球云服务商争夺的新焦点。经 过十余年的发展，美国和欧洲的云计算市场已趋于成熟，根据麦肯 锡等研究机构的数据，目前美国企业上云率达到 85%以上，欧盟企 业上云率也在 70%左右。亚太地区虽然目前整体上云率不高，但在 政策推动和数字化转型的作用下，云服务市场潜力巨大。从需求侧 来看，2022 年亚太地区的云服务支出已占 IT 以及商业服务支出的 84%以上， 平台。百度 智能云践行“云智一体”发展路线，充分结合 AI 能力与自身云基础 设施能力，发布全栈自研的 AI 大底座。 安全防护方面，云原生安全成为厂商抢占市场的新赛道。近年 来，云原生采纳率大幅攀升，据 Gartner 预测，到 2025 年超过 95% 的应用将会采用云原生技术。与此同时，用户对云原生安全的需求 日渐加强，各大厂商建设重心向高效、灵活、全面的云原生安全转 变。云厂 省提出利用云计算 为直播平台等企业赋能，发展数字文娱产业；广东省鼓励推动云计 算与各行业融合，催生产业新形态，创新经营新模式。此外，为落 地实施国家云计算发展战略，进一步推进云计算在企业的渗透率， 各省市还出台了相应的激励政策，在资金方面为企业上云提供支持。 例如，北京、上海、深圳等地企业购买云服务后，政府按合同金额 或上云费用进行一定比例的消费券或资金补贴；浙江、四川等则采 用对优

targetCPUUtilizationPercentage: 50 将此清单保存为 hpa-rs.yaml 并将其提交到Kubernetes集群，这样就会创建⼀个HPA，根据Pod副本的CPU使⽤率⾃动 调整⽬标ReplicaSet。 kubectl create -f hpa-rs.yaml 或者，您可以使⽤ kubectl autoscale 命令来完成相同的操作（并且更容易！） "nginx-deployment" scaled 假设您的群集启⽤了 horizontal pod autoscaling 功能，您可以为Deployment设置⼀个autoscaler，并根据现有Pod的 CPU利⽤率，选择要运⾏的Pod的最⼩和最⼤个数。 $ kubectl autoscale deployment nginx-deployment --min=10 --max=15 --cpu-percent=80 转换为其millicore值并乘以100。结果值是容器每100ms可以使⽤的CPU 时间总量。 在此间隔期间，容器不能占⽤超过其CPU时间的份额。 注意 ：默认配额期限为100ms。 CPU配额的最⼩分辨率为1ms。 spec.containers[].resources.limits.memory 会被转换为⼀个整数，并⽤作 docker run 命令中 --memory 标志的 20-管理容器的计算资源

务 ⽀持容器组（Pod）的弹性伸缩，即根据容器 CPU 和内存资源占⽤情况⾃动调整容器副本数 量。 指标：可选 CPU 使⽤量和内存使⽤量，需要和设置的所需资源类型相同。 触发条件：资源使⽤率的百分⽐，超过设置的Pod request值，容器开始扩容。 最⼤副本数：该 Deployment 可扩容的副本（即容器组Pod）数量上限。 最⼩副本数：该 Deployment 可缩容的副本（即容器组Pod）数量下限。 务 ⽀持容器组（Pod）的弹性伸缩，即根据容器 CPU 和内存资源占⽤情况⾃动调整容器副本数 量。 指标：可选 CPU 使⽤量和内存使⽤量，需要和设置的所需资源类型相同。 触发条件：资源使⽤率的百分⽐，超过设置的Pod request值，容器开始扩容。 最⼤副本数：该 Deployment 可扩容的副本（即容器组Pod）数量上限。 最⼩副本数：该 Deployment 可缩容的副本（即容器组Pod）数量下限。 磁盘压⼒：显示磁盘容量低的节点个数。 资源监控 i. CPU：显示当前集群的CPU总量，已使⽤，使⽤率。 ii. 内存：显示当前集群的内存总量，已使⽤，使⽤率。（单位: GiB） iii. ⽂件系统使⽤统计：显示当前集群⽂件存储总量，已使⽤，使⽤率。(单位: GiB) 组件状态 i. etcd:分布式键值存储系统，⽤于保存集群状态数据，⽐如Pod，Service等对象信息。

用轻松容器 化上云 根据第三方咨询公司统计，大约有80%以上的企业现有系统仍是通 过Windows Server部署运维在服务器上，统计显示Windows Server在x86伺服器中的市占率高达6成。 CCE推出基于Kubernetes的Windows Server容器管理服务 • 完美兼容Kubernetes能力，支持容器CPU/内存资源编排，无状态/ 有状态应用模型等能力； • internet Kubernetes API Kubernetes Master 客户私有云 华为公有云 客户问题： •稳定运行的成熟期业务（ 15年 发行），希望通过降成本措施提 升利润率 •计划通过释放部分私有云服务 器等固定资产方式降低成本。为 应对业务阶段性的高峰，希望采 用公有云的资源池作为补充 华为方案价值： •采用容器混合云方式，业务高 峰时将负载弹性到华为公有云 上，解决降成本后私有云资源不 并发请求25000次/秒、1.2亿次/小时。 客户问题： •资源利用率低：虚拟化模式弹性能力差，平台容量按最高业务峰值设计（300VM，4C8G），日常负荷下平台利用率<30%（一半时间利用 率<10%），造成资源极大浪费 •升级耗时长、易出错：APP迭代需求快，如新游戏上线、特性增强等，每周2~3次补丁发布，需手工操作，升级工作耗时2小时，效率低 •新业务上线周期长：开发、测试、验收、

常被称为思维链推理，而且实际上是可行的。我们的团队实现了一个作为自主代理的客户服务聊天机器人。如 果机器人无法达成客户的目标，它会认识到自己的限制并将客户引导到人工处理。这种方法显然仍处于早期发 展阶段：自主代理通常存在高失败率和高昂的 AI 服务费用，至少有一家 AI 初创公司已经从代理为基础的方法转 向其他方向。 20. 平台编排 评估 随着平台工程的广泛采纳，我们看到了新一代的工具，它们超越了传统的平台即服务（PaaS）模型，为开发人 我们的平台工程团队已成功使用 DX DevEx 360 来了解开发人员的观点并识别存在的阻力点，从而为平台发展路 线提供参考。与类似调查工具不同，使用 DX DevEx 360，我们获得了 90% 以上的回应率，开发人员通常会就 问题和改进想法进行详细评论。该工具令人赞赏之处还有：它将结果透明化给公司的工程师，而不仅仅是经理， 此外它支持按团队进行分析，从而实现每个团队环境的持续改进。 56. GitHub 团队对其目标和理念进行过认真思考。 102. Kotlin Kover 评估 Kotlin Kover 是一个专为 Kotlin 设计的代码覆盖率工具集。它支持 Kotlin JVM 、Multiplatform 和 Android 工 程。代码覆盖率的重要性在于能够凸显未经测试的代码片段，从而增强软件的可靠性。随着 Kover 的发展，它 因能够生成为 Kotlin 量身定做的、全面的 HTML

公司当前技术现状 02 私有云建设⽅案 03 私有云建设收益 04 遇到的问题 05 未来规划 06 为什么要做私有云？ 公司规模扩⼤⾯临的常态问题 • ⾼速增⻓的业务和低下的资源利⽤率 • 需要⾼效的扩缩容和部署效率 • 复杂的业务场景带来了层出不穷的异构机型 • ⾼昂的机房成本投⼊ 公司当前的技术现状 微服务现状 •服务数量暴涨 •资源需求暴涨 •部署效率急需提高 选择符合条件的Node （硬性选择） • 给Node打分 （软性选择） 绑定周期 • 向binding接⼝发送Post请求，把结果告诉k8s
 基于CPU实时使⽤率的调度器 借助Scheduling Framework可以实现⾃定义的调度器 score=(1 - cpu_used_seconds / cpu_total ) * Maxscore 未来规划

框架，实现企业现有微服务体系及新旧微服务体系的融合治理，支持微服务从开发、 部署、接入、观测、运维的全生命周期管理，提供高性能云原生微服务网关，保证微 服务应用的连续可用性；引入自主开源的 eBPF 网格加速技术，全面提高流量转发效 率。 涉及的模块：全局管理、容器管理、微服务治理、服务网格、可观测性、应用工作 台、云原生网络、云原生存储 可观测性 基于日志、链路、指标、eBPF 等技术手段，全面采集服务数据，深入获取请求链路信 支持集群工作负载日志，系统日志和 Kubernetes 事件的采集和查询 ➢ 支持单条日志的上下文查询 ➢ 以集群为维度生成服务拓扑，查看服务间调用关系 ➢ 侵入式链路采集，支持查询服务的实时 RPS、错误率、时延等关键指标 ➢ 提供开源的聚合链路查询 ➢ 提供开箱即用的告警规则 ➢ 支持自定义指标、日志等告警 ➢ 支持灵活的配置告警级别、阈值、通知对象等 ➢ 提供邮箱、企业微信、钉钉、Webhook

以根据用户使用 场景提供最佳网络、存储技术及解决方案。产品本身更好的发挥了 Kubernetes 产品特性， 让开发者更关注业务本身，让整个平台可以像管理产品一样管理应用，更好的提高资源利用 率。 Alauda Kubernetes 白皮书 灵雀云 3 3. 产品介绍 ² Alauda Kubernetes Engine (AKE)

未来演进 落地效果  压测环境 • 配合 apiserver 优化手段，规模达 5w 节点 200w Pod  生产环境 • 2 W 节点 100w Pod 超大集群，有效降低资源碎片率 落地效果 读写 QPS > 1w • 背景介绍 • 设计思路 • 性能优化 • 落地效果 • 未来演进 影响力构建 集成进入 Kubernetes 作为新型 Storage Backend

host Node pod host Endpoints Targets Data 监控维度: • 宿主机 • 容器 • 应用 • 业务 业务采集指标: • 访问量 • 错误率 • 调用耗时 • 饱和度 数据采集方式: • Push：非标 • Pull： • Filebeat扩展 数据存储方式: • OpenTSDB • Prometheus • ES