平台抽象拯救 Reddit： Kubernetes 配置变化不再是难题

文章预览

作者 | Joab jackson 译者 | 王强 策划 | Tina 三年前，Reddit 的基础设施工程师团队大部分时间都在忙于救火。本文谈的就是他们如何通过开发一个平台抽象来简化运维并重新掌控局面的故事。 Reddit 于 2022 年 3 月 13 日瘫痪的事件是一个粗暴的警示，提醒这家公司需要以新的方式管理它的基础设施。 臭名昭著的“Pi Day”全站中断事件持续了刚好 314 分钟。事件源于从 Kubernetes 1.23 到 1.24 的集群范围升级操作，该升级导致了一些微妙的不可预测行为，迫使基础设施团队进行回滚，这本身就是一项高风险行动。 即使在那时，公司工程师也知道运维方式需要改变了。 这个广受欢迎的社交新闻论坛彼时正在扩展其服务器堆栈，使服务器跨多个可用区以提高可靠性，最终目标是在全球范围内提供服务。其他一些围绕广告投放和机器学习的项目也面临着各自 ………………………………