杜东明

首先，容器云平台采用管理集群与业务集群分离模式，管理集群的各组件（集群管理、监控、日志）都是采用K8s集群中3个Master节点起的高可用部署模式，实现管理业务集群的高可用，避免因为管理集群宕机引起业务集群和容器应用的可用

其实提到取长补短，首先要知道各自的特点以及应用场景。大数据平台的能力是对海量数据提取分析，辅助企业制定决策。我们这里拿广义上的hadoop生态来举例，使用yarn作为核心组件来进行资源管理和调度。这种框架普遍的问题就

建议容器云平台单独建设，因为容器云的全局管理集群已经提供了以容器网络、容器存储、容器应用、容器化部署的数据中间件服务、与容器技术结合的Devops开发交付平台、基于容器化部署微服务应用的全生命周期管理，同时具备

需要先搞清楚卡顿的原因是什么，目前主流的监控数据收集工具是prometheus。容器平台部署完成后，使用监控系统查看平台组件及底层硬件的各项监控指标综合分析。主要可以看节点的资源量是否充裕，可以从CPU使用率、内存使用

目前主流的编排引擎仍旧是K8S，并且在可见的未来这一点都不会发生改变。当然，开源的技术迭代较快是客观事实，那么企业从考虑长期投资回报的角度考虑，必然需要从兼容性、稳定性、技术开放程度几个方面去考虑。解决之道在于：1

目前随着容器云技术在国内的大力发展，很多国内厂商的容器平台已经可以支持大量的国产化产品，比如灵雀云已经可以支持龙芯、鲲鹏、飞腾、海光、兆芯、申威等主流的国产化厂商。

这是企业经常遇到的问题，企业建设了基于容器的敏态IT平台，除了承载新型的数字化业务，也应该将传统稳态IT体系上的应用迁移至容器平台。首先谈一下云成熟度，在向云原生转型的道路上，应用通常会面对cloud-ready（云就绪：能够容

1、AI分析类应用所需的计算能力，可以用容器应用方式提供。比如：华星光电采用腾讯云的ADC自动缺陷检测方案，实现对液晶面板的自动化缺陷检测。这套ADC检测系统的AI推理系统和AI训练平台，就是部署在容器云中。2、对于AI推理

中小城商行在云计算建设和技术引入时，建议考虑基于以Kubernetes为核心的云原生平台来做，Kubernetes作为云的操作系统，可以屏蔽下面各种各样不同的云环境、云基础设施，它自身是一个可移植层，这样在做混合云和多云管理时，对应

按照我们此前的经验，使用VM+容器方案，相比物理机直接跑容器中间多了一层Hypervisor，性能大概损耗10%～20%。