本文系火山引擎多云多活技术拆解系列文章第二篇，将基于火山引擎客户服务实践，介绍如何在多云环境中构建同城双活架构。
当 AI 与音乐这一充满魅力的艺术形式相遇，精彩就此开启。字节跳动豆包大模型团队全新推出了 Seed-Music，助力人们在音乐创作领域探索更多可能性。 Seed-Music 是一个具备灵活控制能力的音乐生成模型家族。它巧妙地将语言模型与扩散模型的优势相结合，并融入作曲工作流之中，适用于小白、专业人士的不同音乐创作场景。 本文将深入解读 Seed-Music 的技术能力，揭示其在音乐生成和编辑方面的突出表现。此外，Seed-Music 官网详细展示了十种音乐创作任务的 demo。
本文将介绍基于 Apache Calcite 的多引擎指标管理的技术原理与最佳实践，包括指标管理的常见方式、指标管理的最佳实践、指标管理的实现原理以及指标管理在字节跳动未来的一些规划。 重点阐述【指标管理】在业内常见的解决方案，与字节内部使用的一套 SQL 两种语法多引擎指标管理方案的异同，并解读具体实现方案。
近年来 Spark 已经成为离线大数据处理引擎的事实标准，广泛用于数据仓库、数据湖、机器学习等领域。在字节跳动内部每天运行百万级别的 Spark 离线作业，Shuffle 量高达 500PB，CPU 资源需求达到千万级别。随着业务的快速发展，用户对计算资源的需求越来越大，除了增加物理资源之外，如何提高线上 Spark 作业的资源使用效率也是我们亟需解决的问题。
广义的容灾，可以认为是业务连续性计划当中的灾难恢复，即能够容忍灾难的能力，如何在灾难发生时，保证生产业务系统的不间断运行，需要我们健全快速容错/故障切换能力，即容灾能力，包含了常态化容灾建设以及针对能力进行的周期性演练验收。 今天，我将与大家分享字节跳动的容灾实践。大家对字节跳动的业务形态应该有所了解，在业务规模持续扩大和多样化部署模式下，字节跳动基础架构团队面临的容灾挑战是巨大的。因此今天的分享将分为三个主要部分：首先是基础演进路径，然后结合演进介绍容灾实践，最后我会简要说明容灾实施情况。
本文将基于火山引擎客户服务实践和字节跳动内部技术实践，介绍利用云原生技术稳定支撑百万 QPS 广告业务、在云资源消耗上实现极致性价比。
在字节跳动，每天有数百万的大数据作业在其全球的数十个数据中心运行。由于作业计算和存储资源的不匹配，存在将跨机房带宽用尽的风险，这会影响其他业务的运作，还会造成不同机房的资源负载不均衡。而且跨机房带宽存在成本高、延迟高、稳定性差等问题，会大幅增加作业的运行时长。为兼顾作业完成时间（Job Completion Time, JCT），并均衡不同机房之间资源的负载，字节跳动基础架构计算团队、存储团队、应用研究中心，和系统部网络团队协作，共同研发了多机房计算、存储、网络一体化资源管理系统 ResLake。ResLake 具备资源的全局视角，通过作业调度、数据调度、网络管控等手段，能够显著优化计算和存储的布局，有效降低业务运营成本。ResLake 上线后，作业平均 JCT（最小化用户作业完成时间） 时间降低了 20%，机房间资源利用率均衡性提升了 53%，跨机房流量降低了 50%，存储成本降低了 46%。
在 QCon 北京 2024 大会上，字节跳动基础架构稳定性负责人百玥根据自己在字节跳动的实践经历发表了演讲，她将字节跳动当前部署基本形态与各类业务特性以及容灾预期相结合，阐述字节跳动容灾建设策略以及持续化运行情况。同时，以实际案例出发，详细说明对应容灾的实践。
近年来，BI平台逐渐开始与AI融合，更注重以纯业务人员为中心，借助自然语言处理技术，打造搜索驱动的数据分析平台，实现数据消费的零门槛。
