Uber在2024年完成了从Apache Mesos到Kubernetes的容器编排平台迁移，主要基于Kubernetes的行业标准地位和社区活跃度。迁移过程中，Uber克服了大规模集群管理、API负载调度等挑战，优化了性能并实现了自动化迁移。通过自定义组件和工具，确保了开发体验的无缝过渡，最终成功将所有无状态服务迁移至Kubernetes，为未来技术演进奠定了基础。

vivo通过Spark Operator方案实现了离线Spark任务在混部集群的容器化改造，优化了K8s资源调度与任务提交流程。借助弹性调度系统动态管理资源水位线，合理分配任务至多集群，显著提升CPU利用率，高峰期达30%。未来还将扩大任务类型覆盖并优化调度策略，进一步提升混部收益与资源填充效率。

Uber在Kubernetes上运行Ray作业管理系统，通过弹性资源管理和自定义调度器优化资源利用。资源池按团队划分，支持动态共享和抢占，提升集群利用率。针对异构集群，开发GPU过滤插件，确保GPU和非GPU任务高效调度。特殊硬件请求通过SKU过滤机制精准匹配，避免资源浪费。这些改进显著提升了机器学习管道的效率和可靠性。

Uber将机器学习工作负载迁移至Kubernetes，解决了资源管理复杂、利用率低和容量规划不灵活等问题。通过构建联邦资源管理架构，抽象化底层基础设施，实现自动化资源分配和优化。新架构显著提升了训练速度，并提高了GPU资源的利用率，最终在2024年初完成所有项目的迁移。

某客户集群出现OOM和Pod驱逐问题，涉及多节点、多业务。经排查，发现内存使用监控与实际不符，cgroup内存限制设置异常。深入分析系统日志和kubelet配置，发现systemd与kubelet在内存限制设置上存在冲突，导致cgroup内存限制被覆盖。最终通过升级K8S版本解决了问题。

白屏化运维平台通过标准化、自动化和可视化,解决了传统运维的多痛点。平台集成多云管理,简化kubeconfig切换;提供Kafka、ES等中间件的可视化运维,提升效率;实现Node管理和PV云盘管理的自动化,节省资源和成本;通过CPU Burst管理保障高峰期服务稳定;YAML管理服务确保配置变更安全可控。平台显著提升了运维效率和安全性,降低了操作风险。未来将持续拓展运维场景和智能化能力。

如果你的应用程序刚刚迁移到K8s中，经常被诸如以下问题所困扰...

讲述 RBAC 权限在生产中的使用场景。

文章主要分几个方面进行介绍，先对Zeppelin进行介绍，接着会讲下Zeppelin 的生产实践，包括如何定制化去做K8S集群上的部署、资源的隔离、文件数据的上传和持久化。

本文讲述了通过S3FS FUSE 可以实现像普通文件系统一样操作S3 Bucket，并采用K8S DaemonSet对像进行快速部署扩容，已达到能够在K8S计算节点把S3当系统文件一样进行使用。

文章主要介绍项目中基于prometheus如何去做K8S集群、Flink作业运行、ElasticSearch的监控和告警

本文跟随 iLogtail 的脚步，了解容器运行时与 K8s 下日志数据采集原理。

Migrating onto Kubernetes can take years. Here’s why we decided it was worth undertaking, and how we moved a majority of our core services.

At Airbnb, Apache Flink was introduced in 2018 as a supplementary solution for stream processing. It ran alongside Apache Spark™ Streaming for several years before transitioning to become the primary stream processing platform. In this blog post, we will delve into the evolution of Flink architecture at Airbnb and compare our prior Hadoop Yarn platform with the current Kubernetes-based architecture. Additionally, we will discuss the efforts undertaken throughout the migration process and explore the challenges that arose during this journey. In the end we will summarize the impact, learnings along the way and future plans.

本文总结了eBay云计算系统架构设计思路与经验，全文分为上下两篇，本篇为下半部分，包含控制器逻辑、架构等内容。

StarRocks是一个高性能的分析型数据库，专为大规模数据分析而设计。它采用了MPP(Massively Parallel Processing)架构，能够在多个节点上并行处理查询，从而实现快速响应。