使用 K8S 几年后，这些技术专家有话要说( 九 )_图1

其次是资源需要被更高效地管理和利用，这也是 K8S 赋予的能力。如果是个人或者团队分配机器，利用率是很低的，包括自己的业务可能需要去协商可以用哪些机器，这个流程非常拖沓。同时，也存在资源竞争的问题，比如两个人都想用 GPU，一台虚拟化的机器只有一张卡，怎么分配？还有就是个人很难管理这么大量的机器。

最后，平台的通用化分析能力，可以开放给算法同学，包括算法的监控，硬件和业务的监控。另外，在日志处理方面，通过日志去判断一个 AI 是不是已经达到了能力上的需求，这里会有一些指标，包括模型方面的要求；还可以做日常定位的工作；在数据管理方面，训练数据和模型都需要做管理。

图7/15

虎牙直播高级开发工程师王玉君

因为虎牙直播业务方面的特性，它有很多业务是部署在边缘节点，因为涉及到主播推流等，对网络质量要求比较高，也在尝试边缘机房的建设。目前，虎牙有一些测试的机房，预计会在今年 Q4 完成生产环境的建设。这是目前的现状：虎牙现在 Node 机房有 700+ 物理机，Pod 有 7000 多，应用程序在 350+，这些数据还在不断增加。有时候有一些赛事需要紧急扩容，一天就会扩容 100 台，虎牙会根据实际的业务情况来增减。