夏婧姝（Susie Xia），一个怀揣音乐梦想的硅谷程序媛。
2010年毕业于北京邮电大学，之后在卡内基梅隆大学获得硕士学位。毕业后，先后任职于Salesforce和LinkedIn，从事移动应用开发，平台及大数据系统的性能优化、容量分析和测量自动化的设计与开发工作。工作期间，在计算机会议发表多篇论文，多次受邀北美行业技术会议演讲、分享工作成果，并在2017年荣获第24届IEEE网络服务国际会议（ICWS）最佳论文奖。
工作之余，热爱流行音乐和演唱。2013年，加入硅谷小有名气的Encore Music Club，成为一名业余的流行歌手，从此活跃在湾区大大小小的舞台上。曾与Encore热爱音乐的小伙伴们成功举办过两次售票演唱会。“把歌唱好”是初衷，也是终极的音乐梦想。
精确、高效的互联网服务容量测量对于确保高性能的线上计算环境和数据中心的优化建设是至关重要的。我们将介绍LinkedIn是如何通过一套名为“Redliner”的系统来进行自动化的系统容量测量和性能瓶颈分析的。
这套系统直接应用线上环境中的实时流量，采用智能的流量重定向并实时监测系统性能指标，自动地调整测量的强度和时长，得出服务系统的容量极限并分析出系统潜在的性能漏洞，给出系统容量规划和性能优化的建议。这套系统被应用于数百个LinkedIn的服务。 通过每日的测量测试，我们及时发现微服务系统中的潜在性能瓶颈，从而快速优化微服务系统以提高吞吐量，找到系统资源配置的优化方案，提升数据中心的资源应用率等。
在这里，我们将详细剖析这套系统的设计理念和架构建设，分享系统性能优化和容量规划的实战案例。希望由此启发听众，利用已有的微服务架构建构类似的实时流量的压测系统，进行系统性能分析，实现数据中心的资源优化。
京公网安备 11010502039052号 | 产品资质
电话咨询