1. 背景与行业痛点
   a. Flink 作为一种长期运行的有状态计算，广泛应用于实时数据仓库、实时分析和在线训练等场景。 b. 实时资源配置与运维是普遍挑战：过度配置导致资源浪费，而配置不足则引发延迟和故障转移。此外，资源需求随时间变化显著。
2. 自动扩展架构的演进——全托管智能资源管理
   a. 覆盖任务全生命周期的自动化资源解决方案，包括启动、运行时、升级及异常处理（延迟、故障转移）。 b. 借助AI模型实现精准预测（将预测误差从25%降至10%），实现从被动到主动的资源管理转变。
   c. 云原生环境中的极致弹性，通过整合水平和垂直扩展技术，将任务资源利用率提升至90%。
3. 核心技术优化——生产就绪的水平与垂直扩展 a. 水平扩展：通过热更新和预加载优化，实现高度可扩展的二级扩展。
   b. 垂直扩展：通过原地 pod 资源更改的突破性技术，实现实时任务的零停机时间和个性化 pod 配置。
4. 生产案例——从技术到业务价值
   a. 稳定性：应用于腾讯视频、金融和游戏业务，将故障率降低 70%。 b. 资源节约：应用于实时报告和数据同步场景，提升资源利用率30%。
5. 未来规划 a. 基于大型模型驱动的全面资源管理服务，进一步提升智能化水平。 b. 水平扩展：在运维层面实现弹性扩展，避免完全停机。 c. 垂直扩展：结合Pod热迁移技术，突破单节点限制。

讲师:

Zihao 多年来一直从事与Flink内核相关的研发工作。近年来，他主要专注于开发Flink的自动扩展功能，旨在提升Flink任务的稳定性和资源利用率。此外，他在SIGMOD会议上发表了一篇关于流处理场景下自动扩展的行业论文。