赵彦奇,火山引擎边缘云网络研发工程师,通信、网络方向从业十多年,清华大学工程管理硕士,2020 年入职字节跳动,负责 HTTPDNS 服务产品研发工作。期间完成从百万到千万级 QPS 流量下的服务与架构升级,针对系统架构部署模式进行集群化改造,推进软件系统云原生化及边缘下沉架构演进。

赵彦奇,火山引擎边缘云网络研发工程师,通信、网络方向从业十多年,清华大学工程管理硕士,2020 年入职字节跳动,负责 HTTPDNS 服务产品研发工作。期间完成从百万到千万级 QPS 流量下的服务与架构升级,针对系统架构部署模式进行集群化改造,推进软件系统云原生化及边缘下沉架构演进。
边缘计算是一种将计算任务从中心数据中心向网络边缘分布的技术,能够降低网络延迟、减轻单机房网络负担并提高服务质量。在 HTTPDNS 边缘下沉的实际工程应用中,面对复杂需求场景也存在以下三方面挑战:一是边缘服务的最优放置;二是流量在边缘节点间的可靠调度接入;三是应对边缘机房异构特征下,复杂项目的工程和技术管理。
本次分享将重点介绍字节跳动 HTTPDNS 团队通过服务下沉边缘,最终实现成本降低 35%、性能提升 20% 的工程实践,包括引入了工程管理和技术管理的思想,使用 AHP、FMEA 等模型进行下沉后服务的云边端架构设计和工程实施,实现了以 FinOps 和强化学习融合的模型指导服务边缘服务放置;以流量、容量和稳定性为输入的智能云边端调度方案,应对了边缘计算资源局部紧张、全局分散以及稳定性抖动频繁的挑战,进而弱化边缘放置问题带来的资源开销,以及如何提升流量调度效率、资源利用率以及降低容灾和运维难度等。
演讲提纲:
1. 边缘计算应用难题与挑战
a. 背景,技术、架构和项目实施风险
b. V 模型的 AHP 分析与思考
c. 新架构中的性能、成本和稳定性间冲突与平衡
2. 千万级 QPS 流量下的可靠边缘放置
a. 边缘放置模型与服务流量模型特征
b. 边缘计算基础设施与资源困境
c. FinOps 与强化学习融合方案
3. 云边端全链路流量调度
a. 云边端调度联动模型与 FMEA 分析
b. 边缘 EIP 接入与调度的 Anycast IP 替代方案
c. 基于火山引擎 GTM 的状态感知与精细化智能流量调度
d. Service Mesh 下的云边、边边分层立体式调度
4. 总结与展望
a. 工程管理视角新技术应用经验
b. 服务区域自治与弹性调度技术的探索
听众收益:
听懂我的演讲,听众需要具备哪些知识储备:



微信咨询

电话咨询
微信联系我们

