Apache APISIX借助ServiceMesh 实现统一技术栈的全流量管理 金卫（API7 解决方案架构师） • 支流科技 - 解决方案架构师 • Apache APISIX PMC • Apache APISIX Ingress Controller Founder • Apache skywalking committer • Github: https://github.com/gxthrj Ingress处理南北向入口流量  APISIX Service Mesh处理东西向流量  APISIX专用插件配置等通过Amesh 下发 APISIX 全流量代理的价值  节约成本  统一技术栈  统一管理  复用技术经验 未来  结合APISIX xRPC实现  原生异构多协议支持  覆盖Istio各类场景/配置  降低用户迁移成本 Apache APISIX Ingress

simplify the growing complexity © 2021, YUNSHAN Networks Technology Co., Ltd. All rights reserved. 混合云全栈可观测架构 〔分布式〕 流量分析 解析 聚合 关联 压缩 零侵入的流量采集与分析 发送 零侵入的云原生应用可观测性 Flow 数据节点 云原生，水平扩展 监控数据 性能指标 调用日志 网络链路 simplify the growing complexity © 2021, YUNSHAN Networks Technology Co., Ltd. All rights reserved. 混合云全栈可观测架构 〔分布式〕 流量分析 解析 聚合 关联 压缩 零侵入的流量采集与分析 发送 零侵入的云原生应用可观测性 Flow 数据节点 云原生，水平扩展 监控数据 性能指标 调用日志 网络链路 Networks Technology Co., Ltd. All rights reserved. 实战8：怎样打标签 容 器 云 资源池 区域 可用区 虚拟化 宿主机 虚拟机 云服务 RDS Redis 容器 容器集群 容器节点 命名空间 容器服务 Ingress Deployment StatefulSet ReplicaSet POD 应用 业务 资源组 服务名 方法名

并且有很多成熟的工业算法实现，比如蚂蚁金服的 JRaft、Zookeeper 的 ZAB、Consul 的 Raft、 百度的 braft、Apache Ratis；因为 Nacos 是 Java 技术栈，因此只能在 JRaft、ZAB、Apache Ratis 中选择，但是 ZAB 因为和 Zookeeper 强绑定，再加上希望可以和 Raft 算法库的支持团队 随时沟通交流，因此选择了 JRaft，选择 Nacos1.X 的 9 倍。 注意：本次只测试临时实例，未涉及持久实例。 Nacos 生态 < 130 Nacos ⽣态 Nacos Spring ⽣态 Nacos 无缝支持 Spring 全栈，将 Java 体验做到极致。Nacos 在开源之初就跟 Spring 生态做了 无缝整合，让用户注解驱动业务开发，并且跟底层实现解耦，提升研发效率。 项目简介 Nacos-spring-boot Nacos 生态 < 148 Nacos 服务网格⽣态 背景 在传统的基于虚拟机的部署方式中，运维人员需要手动上传应用程序压缩包到虚拟机上，经过解压、 安装和运行等⼀系列操作之后才能完成应用发布。除了需要手动部署之外，运维人员还要时刻关注 虚拟机资源分布和容量情况，不同的业务应用需要人工分配并部署在资源充足的虚拟机上。在如今 云原生时代，基础设施平台 Kubernetes 对底层资源 （计算、储存、网络）进行了统⼀抽象，为应

19.1 回顾：程序的内存分配 程序通过以下两种方式分配内存： • 栈：局部变量的连续内存区域。 – 值在编译时具有已知的固定大小。 – 速度极快：只需移动一个栈指针。 – 易于管理：遵循函数调用规则。 – 优秀的内存局部性。 • 堆：函数调用之外的值的存储。 – 值具有动态大小，具体大小需在运行时确定。 – 比栈稍慢：需要向系统申请空间。 – 不保证内存局部性。 示例 Creating trait 的类型可能大小不同。因此，上例中不可能具有像 Vec 这样的项。 • 可通过“dyn Pet”这个方法向编译器告知实现“Pet”的动态大小类型。 • 在本例中，pets 在栈上分配内存，矢量数据存储在堆上。这两个矢量元素是 胖指 ： – 胖指针属于全角指针。它包含两个部分：指向实际对象的指针，以及指向该特定对象的 Pet 实 现的虚拟方法表 (vtable) 的指针。 {p3:?}"); } • add 函数“借用”两个点并返回一个新点。 • 调用方会保留输入的所有权。 此幻灯片是对第 1 天引用材料的回顾，并稍作了扩展，添加了函数参数和返回值。 探索更多 关于栈返回的说明： 121 • Demonstrate that the return from add is cheap because the compiler can eliminate the copy

我经久不衰 我一锅大杂烩 我高内聚高抽象 我装起来都费劲 我一键安装 我运行起来一堆问题 我小白都能稳定运行 我一堆模块 我大道至简海纳百川 不求最好，但求最贵 优秀还便宜 你真的需要虚拟机？真的需要 IaaS 层？ PaaS SaaS 有本质区别？鸭式辩型忘记了？ 云里面，一切皆应用才是王道。 系统架构与设计理念 通用的系统管理入口 所有应用自由安装卸载 极简、高内聚、高度抽象 麒麟 欧拉 ARM 裸金属/云服务器/私有云虚拟机 x86 除了 kubelet 其他都跑容器里 为了更好的兼容性，不用系统依赖如rpm 只 依赖内核如 systemd 借助集群镜像能力自动识别系统架构 自己实现控制器对接公有云对比其他方案 ，且不触发 API 调用限制 Apply 了这连个 yaml 就会自动在各种公有云上启动 虚拟机并按照要求安装好 Kubernetes 以上其他应用 Golang/typescripts Kubernetes go 生态最为成熟，ts 主要前端 框架 Kubebuiler/react/nextjs/go-restful/ 开发CRD 最好框架，follow k8s 技术栈 计算 Containerd/cloud hypervisor/firecracker 短链路/强隔离/高安全性 存储 Openebs/sealfs 块隔离同时享有本地存储性能 网络 cilium

架构与性能之间的权衡和取舍需要谨慎考虑 ü 稳定性要求 • 以蚂蚁金服的标准，稳定性的要求自然是很高 • 高可用方面的要求很非常高 ü 部署的要求 • 需要用于多种场合：主站，金融云，外部客户 • 需要满足多种部署环境：虚拟机/容器，公有云/私有云，k8s • 需要满足多种体系：Service Mesh，Sofa和社区主流开发框架 Service Mesh落地要面临的实际要求选择开源产品，还是选择自研？ 起点：开源 功能不能满足蚂蚁的需求，没法做到 类似envoy xds那样的扩展性 • 未来发展前景黯淡 Envoy • 安心做数据平面， 提供XDS API • 设计优秀，性能和稳定性表现良好 • C++编写，和蚂蚁的技术栈差异大 • 蚂蚁有大量的扩展和定制化需求 • 我们非常认可envoy在数据平面上的表现开源方案选择之第二代Service Mesh Istio • 第一选择，重点关注对象 • 奈何迟迟不能发布生产可用版本 性能和稳定性远远不能满足蚂蚁的 要求 • 但我们非常认可Istio的理念和方向 Conduit • 只支持k8s，而蚂蚁尚未普及k8s • 数据平面由Rust编写，过于小众，难于 从社区借力。 • 同样存在技术栈问题 • 公司和产品在社区知名度和影响力有限国内公司的选择之一：自研 华为：CES Mesher • 使用Golang编写 • 由go chassis演进而来 • 走的是已有类库->加proxy->再加

本分享包含大量目前尚处在早期开发阶段甚至概念阶段， 尚未获得广泛应用的技术。 仅为前景展望，不推荐用于当前立项开发的实际工程。 敬请注意 内容 • WASM 技术栈现状和 WASM 后端应用的构想 • MoonBit 语言介绍 • MoonBit 方案对 WASM 技术栈的作用 • 对 Kubernetes 提出的挑战 分享者 • 沙渺，大连本地独立开发者 • Rust 语言社区早期参与者 The Rust 调用和外部回调） • 直接对接 WASM 扩展（例：wasm-gc target） • 直接对接 WASI 系统接口标准 MoonBit 作为 WASM 原生语言的作用 新语言对 WASM 后端技术栈的意义 • 封装，或者说“过顶”开发思路（OTT，over the top） • 有限使用 WASM 特性，基本只当作 ISA（指令集） • 绕过 WASM 低级概念，转而使用语言的高级概念 • 关注点分离（1） 高级语言代码 （高级语言层面提供 内部互联与模块化） WASM 部署文件 （将指令集限制在 WASM 1.0 和有限几 个扩展的限度） 后端运行时 （WASM虚拟机 基础的指令集） 构建 内部 互联 运行 调试 信息 高级语言引擎 （运行时提供 GC、 Globals 等扩展功能） 关注点分离（2） 高级语言标准库 后端运行时 标准化SI

性 扩容，业务峰值 QPS超过2019 年双11的230%，研发效率交付提效超过 30%，弹性资源成本减少 40% 以上。 总体趋势分析 在多种新旧应用承 载诉求推动下，催 熟云计算架构的全 栈化和软硬一体化 带来更敏捷的体验 容器多样化 应用规模的剧增，成 本诉求越来越成为主 体，基于AI的自动化 将精益化资源管理， 带来更好的成本控制 高度自动化 应用上云，安全问题 凸现，在云原生新架 构下，需要打造端到 化或被容器化，那么现在阶段来看，整个 数字化转型的一些困难就是处于在技术上的碎片化，为云原生彻底发挥对极端变化的适应性价值还有很多障碍。 在统一的K8s管理面下， 通过一种代理容器(内置 了管理虚拟机的逻辑） 来启动虚拟化Pod， 此时可以同时在统一的 容器云平台下运行微服 务化容器化或者未容器 化的传统软件了； 另一个方向是，将底层计 算、存储和网络进行超融 合，提供极其简单的底层 运维能力，进一步简化云 导 致Mesh想做为统一的服务治理界面变得非常困难，UDPA为我们开了一个口子，阿里ASM做出领先业界的尝试 ASM在统一控制面 的基础上，基于 UDPA的原理，为不 同环境(不同类型容 器或者虚拟机)打通 了网络基础设施， 在此基础上定制化 了不同的数据面代 理，并进一步通过 K8S的资源抽象能力 可以纳管多云形态 的资源层，形成了 一个基于云原生理 念的大一统服务网 格架构。 背后的逻辑是：

而，Hadoop Yarn目前只能通过NodeManager上报的静态资源情况进行分配， 无法基于动态资源调度，无法很好的支持在线、离线业务混部的场景。 • 操作系统镜像及部署复杂性拖慢应用发布：虚拟机或裸金属设备所依赖的镜像，包含了诸多软件包，如HDFS、Spark、 Flink、Hadoop等，系统的镜像远远大于10GB，通常存在镜像过大、制作繁琐、镜像跨地域分发周期长等问题。基于这 些问题， Container，将其迁移至以容器为技术的云原生架构，跨越了底层基础架构，改动面比较大，风险相 对也更高。 组织架构造成额外的成本：企业里负责开发和运维Hadoop系统的团队，和容器团队通常分属不同的部门，其技术 栈也有明显区别，在迁移的过程中，存在过多的跨部门沟通，带来额外的迁移成本，如果改动比较大，跨部分沟 通的成本会非常大。 高级能力-云原生大数据|AI-业务赋能的基石-3-解决办法 大数据本身架构和

字符的工具 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 809 16.12 curses.panel --- 针对 curses 的面板栈扩展 . . . . . . . . . . . . . . . . . . . . . . . . . . . 813 16.12.1 函数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1828 29.11 traceback --- 打印或读取栈回溯信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1829 29.11.1 模块级函数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1853 29.14.5 解释器栈 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1855 29.14.6 静态地获取属性