随着 Kubernetes 广泛应用，越来越多公司基于 Kubernetes 落地集群调度系统。在集群规模增长同时，社区方案局限性也逐步体现，集群规模受限和只支持按照资源配额调度等问题日渐凸显。其中，资源配额调度问题又是制约集群资源利用率提升的最大痛点。

本次演讲将从真实业务场景出发，讲述如何通过落地动态负载均衡服务，实现动态实时调整容器资源实例，解决资源配额调度问题带来的集群内物理机负载不均衡的问题，并保障业务服务质量，充分实现云计算成本优化。

演讲提纲：

1. 集群调度的核心挑战

2. 集群调度的技术演进建议

• 从静态模型到动态模型的优化

3. 动态负载均衡服务落地实践

4. 集群调度未来潜在演进方向

你将获得：

• 开拓一些新思路，了解如何用新方法解决传统的资源调度问题
• 了解目前集群调度领域相关的挑战
• 了解在与云原生场景结合的情况下，集群演进的更多可能性

数据密集型服务有其特定的工作特点，在 K8s 下部署调度需要进行特定的适配，尤其是在运行数十万作业，日处理 PB 级别规模的服务场景时，有许多额外新的挑战。本议题从实际案例出发，针对此类规模场景下系统稳定性建设中遇到的典型问题，比如作业资源上限不可控性、算力扩缩容触发机制不够灵活等，探讨这些问题的根源，以及落地的处理实践。

演讲提纲：

1. 数据密集型服务的架构特点
2. 云原生下数据密集型服务的架构适配
3. 该架构下稳定性常见挑战

• 作业资源上限不可控性
• 算力扩缩容触发机制不够灵活
• 热升级回滚限制
• 云上多集群运维复杂度
• 组件兼容性问题
• 其他问题

4. 对应问题处理方案与实践

• 动态调节与反压机制
• 通过自定义扩缩容指标扩展
• 多集群调度迁移
• 其他方案策略

5. 未来展望

你将获得：

• 对数据密集型服务的架构特点，及其在 K8s 下部署适配有完整认识
• 深入理解云原生下数据密集型服务（如 ETL 系统）稳定性建设的挑战，及其对应处理方案