从单机房到全球分布，B站基础设施的十五年演进之路
B站的基础设施建设经历了从单体应用到分布式系统、从物理机到云原生、从单数据中心到全球部署的完整演进历程。本章将深入剖析B站在数据中心建设、容器化转型、服务网格实践、监控体系构建以及混合云架构等方面的技术演进与实践经验。
┌──────────────────────────────────────────┐
│ 上海单机房架构 │
├──────────────────────────────────────────┤
│ 用户请求 │
│ ↓ │
│ 电信/联通 双线BGP │
│ ↓ │
│ 负载均衡（硬件F5） │
│ ↓ │
│ Web服务器集群（10台） │
│ ↓ │
│ MySQL主从（2台） │
│ ↓ │
│ 文件存储（NFS） │
└──────────────────────────────────────────┘
技术特点：
硬件配置详情： | 组件 | 规格 | 数量 | 用途 | |——|——|——|——| | Web服务器 | 双核Xeon, 8GB RAM | 10台 | PHP应用 | | 数据库服务器 | 四核Xeon, 16GB RAM | 2台 | MySQL主从 | | 存储服务器 | 四核Xeon, 8GB RAM | 1台 | NFS文件共享 | | 负载均衡 | F5 BIG-IP LTM 1600 | 1台 | 流量分发 | | 交换机 | Cisco 2960 | 2台 | 网络互联 |
运维实践：
主要挑战：
┌────────────────────────────────────────────────┐
│ 多机房架构图 │
├────────────────────────────────────────────────┤
│ │
│ ┌──────────┐ ┌──────────┐ │
│ │ 北京机房 │ │ 上海机房 │ │
│ │ (主) │ │ (主) │ │
│ └─────┬────┘ └────┬─────┘ │
│ │ │ │
│ └──────┬────────────┘ │
│ │ │
│ ┌──────┴──────┐ │
│ │ GSLB调度 │ │
│ └──────┬──────┘ │
│ │ │
│ ┌────────────┼────────────┐ │
│ │ │ │ │
│ ┌──┴───┐ ┌───┴──┐ ┌────┴───┐ │
│ │广州 │ │成都 │ │ 杭州 │ │
│ │边缘 │ │边缘 │ │ 边缘 │ │
│ └──────┘ └──────┘ └────────┘ │
└────────────────────────────────────────────────┘
技术升级：
机房建设详情：
| 机房位置 | 建设时间 | 机柜数 | 带宽 | 主要功能 |
|---|---|---|---|---|
| 上海张江 | 2013.03 | 20个 | 5Gbps | 核心业务 |
| 北京酒仙桥 | 2013.09 | 15个 | 3Gbps | 北方接入 |
| 广州科学城 | 2014.06 | 5个 | 1Gbps | 华南加速 |
| 成都高新区 | 2015.03 | 3个 | 500Mbps | 西南覆盖 |
| 杭州滨江 | 2015.11 | 8个 | 2Gbps | 阿里云混合 |
数据同步架构：
MySQL主从同步：
上海(Master) ──GTID──> 北京(Slave)
│ │
└──────Canal──────────┘
│
Kafka消息队列
│
┌──────┴──────┐
│ │
Redis缓存 ElasticSearch
技术栈升级：
关键数据： | 指标 | 2013年 | 2014年 | 2015年 | 2016年 | |——|——–|——–|——–|——–| | 机房数量 | 2个 | 3个 | 4个 | 5个 | | 服务器规模 | 100台 | 300台 | 600台 | 1000台 | | 总带宽 | 1Gbps | 5Gbps | 12Gbps | 20Gbps | | 存储容量 | 50TB | 200TB | 500TB | 1PB | | 月度成本 | ¥50万 | ¥150万 | ¥300万 | ¥500万 | | 日均PV | 500万 | 2000万 | 5000万 | 1亿 |
重要事件：
战略决策背景：
自建数据中心规格：
┌─────────────────────────────────────────────────┐
│ B站自建IDC架构 │
├─────────────────────────────────────────────────┤
│ │
│ 核心数据中心（Tier3+） │
│ ├─ 上海青浦DC：5000机柜 │
│ ├─ 北京亦庄DC：3000机柜 │
│ └─ 深圳观澜DC：2000机柜 │
│ │
│ 边缘数据中心 │
│ ├─ 覆盖城市：20+ │
│ ├─ 节点数量：50+ │
│ └─ 缓存容量：10PB+ │
│ │
│ 技术特性 │
│ ├─ PUE值：< 1.3 │
│ ├─ 供电：2N冗余 │
│ ├─ 制冷：N+1冗余 │
│ ├─ 网络：多运营商BGP │
│ └─ 安全：ISO27001认证 │
└─────────────────────────────────────────────────┘
上海青浦数据中心详细规格：
建设参数：
├─ 占地面积：30000平方米
├─ 建筑面积：50000平方米
├─ 总投资：¥8亿
├─ 建设周期：18个月（2017.03-2018.09）
├─ 设计寿命：25年
电力系统：
├─ 市电接入：双路110kV
├─ 变压器：20台×2500kVA
├─ UPS配置：2N冗余，单机2000kVA
├─ 柴发配置：N+1，单机2000kW
├─ 电池后备：15分钟
制冷系统：
├─ 制冷方式：水冷+自然冷却
├─ 冷机配置：8台×1200RT离心机
├─ 末端形式：列间空调+冷通道封闭
├─ 全年PUE：1.25（利用自然冷却180天/年）
服务器采购策略：
| 年份 | 服务器型号 | 采购数量 | 单价 | 主要用途 |
|---|---|---|---|---|
| 2017 | Dell R730 | 2000台 | ¥3.5万 | Web/API服务 |
| 2018 | 浪潮NF5280M5 | 3000台 | ¥3万 | 视频转码 |
| 2019 | 华为2288H V5 | 5000台 | ¥2.8万 | 通用计算 |
| 2020 | 自研白牌服务器 | 8000台 | ¥2万 | 存储/缓存 |
网络架构设计：
┌─────────────────────────────────────────┐
│ 数据中心网络拓扑 │
├─────────────────────────────────────────┤
│ │
│ 互联网接入层 │
│ ├─ 电信：100G×2 │
│ ├─ 联通：100G×2 │
│ ├─ 移动：50G×2 │
│ └─ BGP：全网段宣告 │
│ │
│ 核心层（Spine） │
│ ├─ 设备：华为CE12800×4 │
│ ├─ 带宽：100G QSFP28 │
│ └─ 协议：OSPF + BGP │
│ │
│ 汇聚层（Leaf） │
│ ├─ 设备：华为CE6800×48 │
│ ├─ 上联：4×25G │
│ └─ 下联：48×10G │
│ │
│ 接入层（TOR） │
│ ├─ 设备：华为CE5855×500 │
│ ├─ 端口：48×1G + 4×10G │
│ └─ 堆叠：IRF2虚拟化 │
└─────────────────────────────────────────┘
自建vs租用成本对比：
| 项目 | 自建IDC | 租用IDC | 节省比例 |
|---|---|---|---|
| 机柜成本 | ¥3000/月 | ¥8000/月 | 62.5% |
| 带宽成本 | ¥30/Mbps | ¥80/Mbps | 62.5% |
| 电力成本 | ¥0.6/度 | ¥1.2/度 | 50% |
| 运维人员 | 50人 | 10人 | -400% |
| 初期投资 | ¥15亿 | 0 | - |
| 总体TCO(5年) | ¥20亿 | ¥32亿 | 37.5% |
里程碑事件：
┌──────────────────────────────────────────────────┐
│ 全球基础设施布局 │
├──────────────────────────────────────────────────┤
│ │
│ 亚太地区 │
│ ├─ 中国大陆：10个核心DC + 100+边缘节点 │
│ ├─ 香港：2个数据中心 │
│ ├─ 新加坡：1个数据中心 │
│ ├─ 日本东京：1个数据中心 │
│ └─ 韩国首尔：边缘节点 │
│ │
│ 北美地区 │
│ ├─ 美国西部（洛杉矶）：1个数据中心 │
│ ├─ 美国东部（弗吉尼亚）：1个数据中心 │
│ └─ 加拿大（多伦多）：边缘节点 │
│ │
│ 欧洲地区 │
│ ├─ 德国法兰克福：1个数据中心 │
│ └─ 英国伦敦：边缘节点 │
│ │
│ 技术指标 │
│ ├─ 全球带宽储备：100Tbps+ │
│ ├─ 服务器数量：10万+ │
│ ├─ 存储容量：100PB+ │
│ └─ 月活跃用户覆盖：200+国家和地区 │
└──────────────────────────────────────────────────┘
阶段一：Docker探索期（2015-2016）
传统部署 vs Docker部署对比
┌────────────────┬────────────────┐
│ 传统部署 │ Docker部署 │
├────────────────┼────────────────┤
│ 部署时间：30分钟 │ 部署时间：3分钟 │
│ 资源利用率：30% │ 资源利用率：70% │
│ 环境一致性：低 │ 环境一致性：高 │
│ 回滚时间：1小时 │ 回滚时间：30秒 │
└────────────────┴────────────────┘
阶段二：Kubernetes落地（2017-2018）
# B站早期K8s集群配置示例
apiVersion: v1
kind: Cluster
metadata:
name: bilibili-prod-cluster
spec:
version: 1.10
nodes:
master: 3
worker: 100
network:
plugin: flannel
cidr: 10.244.0.0/16
storage:
class: ceph-rbd
monitoring:
prometheus: enabled
grafana: enabled
阶段三：规模化应用（2019-2020）
| 指标 | 2019年 | 2020年 |
|---|---|---|
| K8s集群数 | 5个 | 20个 |
| Pod总数 | 1万+ | 10万+ |
| 容器化比例 | 30% | 70% |
| 部署频率 | 100次/天 | 1000次/天 |
| 故障恢复时间 | 5分钟 | 30秒 |
B站Kubernetes平台架构：
┌──────────────────────────────────────────────┐
│ B站K8s平台架构（2024） │
├──────────────────────────────────────────────┤
│ │
│ 管控层 │
│ ├─ Kube-apiserver (多副本) │
│ ├─ Etcd集群 (7节点) │
│ └─ 调度器 (自研增强) │
│ │
│ 计算层 │
│ ├─ 节点规模：5000+ │
│ ├─ GPU节点：500+ │
│ └─ 弹性节点：支持秒级扩缩容 │
│ │
│ 网络层 │
│ ├─ CNI：Cilium (eBPF加速) │
│ ├─ Service Mesh：Istio │
│ └─ Ingress：自研BLB │
│ │
│ 存储层 │
│ ├─ CSI：支持多种存储后端 │
│ ├─ 本地存储：NVMe SSD │
│ └─ 分布式存储：Ceph/GlusterFS │
│ │
│ 可观测性 │
│ ├─ 日志：ELK Stack │
│ ├─ 监控：Prometheus + Thanos │
│ ├─ 追踪：Jaeger │
│ └─ 告警：自研告警平台 │
└──────────────────────────────────────────────┘
1. 镜像优化策略：
# B站基础镜像优化示例
# 多阶段构建
FROM golang:1.20 AS builder
WORKDIR /app
COPY go.mod go.sum ./
RUN go mod download
COPY . .
RUN CGO_ENABLED=0 go build -o app
# 最小运行镜像
FROM alpine:3.18
RUN apk --no-cache add ca-certificates
COPY --from=builder /app/app /app
ENTRYPOINT ["/app"]
# 镜像大小对比
# 优化前：800MB
# 优化后：15MB
2. 资源管理策略：
| 应用类型 | CPU Request | CPU Limit | Memory Request | Memory Limit |
|---|---|---|---|---|
| Web服务 | 0.5 Core | 2 Core | 512Mi | 2Gi |
| API服务 | 1 Core | 4 Core | 1Gi | 4Gi |
| 数据处理 | 2 Core | 8 Core | 4Gi | 16Gi |
| AI推理 | 4 Core | 16 Core | 8Gi | 32Gi |
3. 发布策略：
┌─────────────────────────────────────┐
│ 容器化发布流程 │
├─────────────────────────────────────┤
│ │
│ 1. 代码提交 │
│ ↓ │
│ 2. CI构建镜像 │
│ ↓ │
│ 3. 镜像安全扫描 │
│ ↓ │
│ 4. 推送至镜像仓库 │
│ ↓ │
│ 5. 灰度发布（1%→10%→50%→100%） │
│ ↓ │
│ 6. 健康检查 │
│ ↓ │
│ 7. 自动回滚（如有异常） │
└─────────────────────────────────────┘
阶段一：传统服务治理（2016-2018）
应用层服务治理模式：
┌──────────────────────────┐
│ 业务代码 │
│ ┌──────────────────┐ │
│ │ 服务治理SDK │ │
│ │ - 服务发现 │ │
│ │ - 负载均衡 │ │
│ │ - 熔断限流 │ │
│ └──────────────────┘ │
└──────────────────────────┘
问题：
- SDK升级困难
- 多语言支持成本高
- 业务侵入性强
阶段二：Sidecar模式探索（2019-2020）
Sidecar代理模式：
┌─────────────────────────────────┐
│ Pod │
│ ┌─────────┐ ┌─────────┐ │
│ │业务容器 │←→│ Envoy │ │
│ └─────────┘ │ Sidecar │ │
│ └─────────┘ │
└─────────────────────────────────┘
↑ ↑
│ │
业务流量 控制平面
阶段三：Istio全面应用（2021-至今）
┌──────────────────────────────────────────┐
│ B站Service Mesh架构 │
├──────────────────────────────────────────┤
│ │
│ 控制平面（Istio） │
│ ├─ Pilot：服务发现与配置管理 │
│ ├─ Citadel：证书管理与安全 │
│ ├─ Galley：配置校验与分发 │
│ └─ 自研组件：多租户管理 │
│ │
│ 数据平面（Envoy） │
│ ├─ 代理数量：10000+ │
│ ├─ RPS：1000万+ │
│ ├─ P99延迟：< 1ms │
│ └─ 配置热更新：秒级 │
│ │
│ 流量管理能力 │
│ ├─ 灰度发布 │
│ ├─ A/B测试 │
│ ├─ 故障注入 │
│ ├─ 超时重试 │
│ └─ 熔断限流 │
└──────────────────────────────────────────┘
案例一：视频推荐服务改造
改造前后对比： | 指标 | 改造前 | 改造后 | 提升 | |——|——–|——–|——| | 服务调用延迟 | 10ms | 5ms | 50% | | 故障恢复时间 | 5分钟 | 30秒 | 90% | | 发布时长 | 2小时 | 20分钟 | 83% | | 运维复杂度 | 高 | 低 | - |
案例二：多语言服务互通
服务互通矩阵：
Go Java Python Node.js
┌────┬────┬──────┬────────┬─────────┐
Go │ ✓ │ ✓ │ ✓ │ ✓ │ ✓ │
├────┼────┼──────┼────────┼─────────┤
Java│ ✓ │ ✓ │ ✓ │ ✓ │ ✓ │
├────┼────┼──────┼────────┼─────────┤
Python│✓ │ ✓ │ ✓ │ ✓ │ ✓ │
├────┼────┼──────┼────────┼─────────┤
Node│ ✓ │ ✓ │ ✓ │ ✓ │ ✓ │
└────┴────┴──────┴────────┴─────────┘
通过Service Mesh实现协议转换和服务治理统一
第一代：基础监控（2009-2013）
┌─────────────────────────────────┐
│ 基础监控架构 │
├─────────────────────────────────┤
│ │
│ 监控工具 │
│ ├─ Nagios：主机监控 │
│ ├─ Cacti：网络流量 │
│ ├─ Zabbix：应用监控 │
│ └─ 脚本：自定义监控 │
│ │
│ 监控指标 │
│ ├─ CPU/内存/磁盘 │
│ ├─ 网络流量 │
│ └─ 进程状态 │
│ │
│ 告警方式 │
│ ├─ 邮件 │
│ └─ 短信（重要告警） │
└─────────────────────────────────┘
第二代：分布式监控（2014-2017）
┌──────────────────────────────────────────┐
│ 分布式监控体系 │
├──────────────────────────────────────────┤
│ │
│ 数据采集层 │
│ ├─ StatsD：应用指标采集 │
│ ├─ Collectd：系统指标采集 │
│ ├─ Filebeat：日志采集 │
│ └─ Tcpdump：网络抓包 │
│ │
│ 存储层 │
│ ├─ Graphite：时序数据 │
│ ├─ ElasticSearch：日志存储 │
│ └─ MySQL：元数据 │
│ │
│ 展示层 │
│ ├─ Grafana：指标可视化 │
│ ├─ Kibana：日志分析 │
│ └─ 自研：业务大盘 │
└──────────────────────────────────────────┘
第三代：云原生可观测性平台（2018-至今）
┌───────────────────────────────────────────────┐
│ B站可观测性平台架构（2024） │
├───────────────────────────────────────────────┤
│ │
│ 三大支柱 │
│ ┌─────────┬──────────┬──────────┐ │
│ │ Metrics │ Logs │ Traces │ │
│ └────┬────┴────┬─────┴────┬─────┘ │
│ │ │ │ │
│ 采集层 │
│ ├─ Prometheus：指标采集 │
│ ├─ Loki：日志采集 │
│ ├─ Jaeger：链路追踪 │
│ └─ eBPF：内核级观测 │
│ │
│ 存储层 │
│ ├─ VictoriaMetrics：长期指标存储 │
│ ├─ ClickHouse：日志分析 │
│ ├─ Cassandra：Trace存储 │
│ └─ 对象存储：冷数据归档 │
│ │
│ 分析层 │
│ ├─ 异常检测：基于ML的智能告警 │
│ ├─ 根因分析：故障定位 │
│ ├─ 容量预测：资源规划 │
│ └─ 成本分析：优化建议 │
│ │
│ 可视化层 │
│ ├─ Grafana：统一展示 │
│ ├─ 自研APM：应用性能管理 │
│ └─ 移动端APP：随时监控 │
└───────────────────────────────────────────────┘
黄金指标（Golden Signals）：
| 指标类型 | 具体指标 | 阈值设定 | 告警级别 |
|---|---|---|---|
| 延迟(Latency) | P50 < 100ms | P99 < 1s | Warning: P99 > 500ms |
| 流量(Traffic) | QPS | 基线±30% | Critical: 基线±50% |
| 错误(Errors) | 错误率 | < 0.1% | Critical: > 1% |
| 饱和度(Saturation) | CPU/内存 | < 80% | Critical: > 90% |
业务指标监控：
┌──────────────────────────────────────┐
│ 业务指标实时大盘 │
├──────────────────────────────────────┤
│ │
│ 核心业务指标 │
│ ├─ DAU：1.05亿（↑5%） │
│ ├─ 视频播放量：32.5亿（↑8%） │
│ ├─ 弹幕发送量：1.2亿（↑10%） │
│ ├─ 直播在线：520万（↑3%） │
│ └─ 支付成功率：99.95% │
│ │
│ 技术指标 │
│ ├─ API成功率：99.99% │
│ ├─ CDN命中率：95.5% │
│ ├─ 数据库QPS：500万 │
│ ├─ 缓存命中率：98% │
│ └─ 服务可用性：99.995% │
│ │
│ 告警统计（最近24小时） │
│ ├─ P0告警：0个 │
│ ├─ P1告警：3个 │
│ ├─ P2告警：15个 │
│ └─ P3告警：48个 │
└──────────────────────────────────────┘
AIOps平台架构：
┌─────────────────────────────────────────┐
│ B站AIOps平台 │
├─────────────────────────────────────────┤
│ │
│ 数据接入 │
│ ├─ 监控数据：100TB/天 │
│ ├─ 日志数据：1PB/天 │
│ ├─ 事件数据：1000万/天 │
│ └─ 配置数据：CMDB │
│ │
│ 智能分析引擎 │
│ ├─ 异常检测 │
│ │ ├─ 基于LSTM的时序异常 │
│ │ ├─ 基于孤立森林的离群点检测 │
│ │ └─ 基于规则的阈值检测 │
│ │ │
│ ├─ 根因定位 │
│ │ ├─ 调用链分析 │
│ │ ├─ 日志聚类 │
│ │ └─ 变更关联 │
│ │ │
│ └─ 故障预测 │
│ ├─ 容量预测 │
│ ├─ 故障概率评估 │
│ └─ 性能趋势分析 │
│ │
│ 自动化响应 │
│ ├─ 自动扩缩容 │
│ ├─ 故障自愈 │
│ ├─ 智能限流 │
│ └─ 自动回滚 │
└─────────────────────────────────────────┘
智能告警降噪效果：
| 时期 | 日均告警数 | 有效告警 | 噪音比例 | MTTD | MTTR |
|---|---|---|---|---|---|
| 2019年 | 10000+ | 500 | 95% | 10分钟 | 30分钟 |
| 2020年 | 8000+ | 600 | 92.5% | 5分钟 | 20分钟 |
| 2021年 | 5000+ | 700 | 86% | 3分钟 | 15分钟 |
| 2022年 | 3000+ | 800 | 73% | 2分钟 | 10分钟 |
| 2023年 | 1500+ | 900 | 40% | 1分钟 | 5分钟 |
| 2024年 | 1000+ | 950 | 5% | 30秒 | 3分钟 |
多云架构设计：
┌──────────────────────────────────────────────┐
│ B站混合云架构 │
├──────────────────────────────────────────────┤
│ │
│ 私有云（70%） │
│ ├─ 核心业务：视频、直播、社区 │
│ ├─ 数据存储：用户数据、内容数据 │
│ ├─ 优势：成本可控、数据安全 │
│ └─ 规模：7万+服务器 │
│ │
│ 公有云（30%） │
│ ├─ 阿里云 │
│ │ ├─ 弹性计算：活动峰值 │
│ │ ├─ CDN加速：内容分发 │
│ │ └─ 大数据服务：EMR集群 │
│ │ │
│ ├─ 腾讯云 │
│ │ ├─ 游戏服务：云游戏 │
│ │ ├─ AI服务：语音识别 │
│ │ └─ 存储服务：COS对象存储 │
│ │ │
│ ├─ AWS（海外） │
│ │ ├─ 全球加速：CloudFront │
│ │ ├─ 计算服务：EC2 │
│ │ └─ 数据分析：Redshift │
│ │ │
│ └─ 华为云 │
│ ├─ 鲲鹏算力：ARM服务器 │
│ └─ 5G边缘：MEC节点 │
└──────────────────────────────────────────────┘
统一云管平台功能：
┌─────────────────────────────────────────────┐
│ B站云管平台（BCloud） │
├─────────────────────────────────────────────┤
│ │
│ 资源管理 │
│ ├─ 多云资源统一纳管 │
│ ├─ 资源池化管理 │
│ ├─ 配额管理 │
│ └─ 成本分析 │
│ │
│ 服务编排 │
│ ├─ IaC（基础设施即代码） │
│ ├─ 应用编排 │
│ ├─ 工作流引擎 │
│ └─ 蓝图管理 │
│ │
│ 运维管理 │
│ ├─ 统一监控 │
│ ├─ 日志管理 │
│ ├─ 告警管理 │
│ └─ 自动化运维 │
│ │
│ 安全合规 │
│ ├─ 身份认证 │
│ ├─ 权限管理 │
│ ├─ 审计日志 │
│ └─ 合规检查 │
└─────────────────────────────────────────────┘
两地三中心架构：
┌───────────────────────────────────────────────┐
│ 两地三中心容灾架构 │
├───────────────────────────────────────────────┤
│ │
│ 上海（生产中心） │
│ ├─ 承载流量：60% │
│ ├─ 数据状态：主库 │
│ └─ RPO：0 │
│ │
│ 北京（同城灾备） │
│ ├─ 承载流量：40% │
│ ├─ 数据状态：实时同步 │
│ └─ RTO：< 1分钟 │
│ │
│ 深圳（异地灾备） │
│ ├─ 承载流量：冷备 │
│ ├─ 数据状态：准实时同步 │
│ └─ RTO：< 30分钟 │
│ │
│ 容灾演练 │
│ ├─ 演练频率：季度 │
│ ├─ 切换时间：< 5分钟 │
│ └─ 数据验证：自动化 │
└───────────────────────────────────────────────┘
容灾切换流程：
| 步骤 | 操作内容 | 预计耗时 | 责任人 |
|---|---|---|---|
| 1 | 故障确认 | 1分钟 | NOC |
| 2 | 启动应急预案 | 30秒 | 值班经理 |
| 3 | 流量切换 | 2分钟 | 网络工程师 |
| 4 | 数据库切换 | 3分钟 | DBA |
| 5 | 应用切换 | 2分钟 | SRE |
| 6 | 验证检查 | 2分钟 | QA |
| 7 | 对外通告 | 30秒 | PR |
云资源成本优化策略：
┌──────────────────────────────────────────┐
│ 成本优化措施及效果 │
├──────────────────────────────────────────┤
│ │
│ 优化措施 │
│ 1. 预留实例购买 │
│ 节省：35% │
│ │
│ 2. 竞价实例使用 │
│ 节省：70%（非核心业务） │
│ │
│ 3. 闲时资源调度 │
│ 节省：25% │
│ │
│ 4. 冷数据归档 │
│ 节省：80%（存储成本） │
│ │
│ 5. 自动扩缩容 │
│ 节省：30% │
│ │
│ 总体效果 │
│ ├─ 2023年云成本：¥3.5亿 │
│ ├─ 优化后成本：¥2.1亿 │
│ └─ 节省比例：40% │
└──────────────────────────────────────────┘
B站的基础设施建设经历了从单机房到全球分布、从物理机到云原生、从被动监控到智能运维的完整演进过程。通过持续的技术投入和创新，B站构建了一套高可用、高性能、高弹性的基础设施体系，为业务的快速发展提供了坚实的技术支撑。
关键成就：
未来，B站将继续深化云原生转型，探索边缘计算、Serverless等新技术，构建更加智能、高效的基础设施平台。