专题演讲嘉宾：王元良

在当前经济形势下，各大公司都在努力降低成本并提高效率。但不少公司可能存在着线下集群利用率不高的问题，且在尝试进行多业务类型的混合部署后，还可能会遇到各种稳定性和业务质量方面的挑战。我们在大数据领域针对万台规模的集群展开了研究。

为了解决云原生业务的特点，我们提出了一种创新的方法，利用 Linux 内核提供的资源相关指标（如实时性、压力和边界），以业务理解的方式来指导资源的使用，包括编排、调度和驱逐等方面。我们还针对兜底问题提出了解决方案，以确保在大负载情况下机器的稳定性。比如：我们创新性地设计了内存健康度保障方案，有效解决了之前频繁发生的宕机和任务挂死的情况。该方案已经部署并运行了三个月，至今未发生类似问题，成功完成了预设出让机器核数的需求。

通过以上的优化措施，我们在大规模离线任务与机器学习混合部署中取得了显著的成果，不仅提高了集群的稳定性和业务质量，还实现了成本的节约。在本次演讲中，我们将分享我们的经验和解决方案，希望能为您的业务带来实际的价值和改进。

演讲提纲：

1. 业务背景与现状

• 业界混部思路总结与分析
• 当前场景与具体问题

2. 增强型 RunC 的解决方案

• 增强型 RunC 的理念
• RT/压力/边界，先于业务发现问题

3. 最佳实践分享

4. 持续演进方向与展望

你将获得：

• 大规模 Hadoop 与机器学习两种高压力业务混部场景下的经验
• 一种新的解决高压力场景下资源问题的思路
• 更多关于单机与分布式紧耦合联动方式的思考与展望