You are viewing a plain text version of this content. The canonical link for it is here.
Posted to notifications@apisix.apache.org by GitBox <gi...@apache.org> on 2022/10/28 03:55:44 UTC
[GitHub] [apisix-website] hf400159 commented on a diff in pull request #1381: docs: add Horizon.ai Ingress usecase
hf400159 commented on code in PR #1381:
URL: https://github.com/apache/apisix-website/pull/1381#discussion_r1007582556
##########
blog/zh/blog/2022/10/28/apisix-ingress-with-horizon-ai.md:
##########
@@ -0,0 +1,126 @@
+---
+title: "从 Traefik 到 APISIX，汽车智能计算平台公司「地平线」在 Ingress Controller 的探索和实践"
+authors:
+ - name: "张昕"
+ title: "Author"
+ - name: "韩飞"
+ title: "Technical Writer"
+ url: "https://github.com/hf400159"
+ image_url: "https://github.com/hf400159.png"
+keywords:
+- 汽车智能
+- AI 芯片
+- 地平线
+- Apache APISIX
+- Ingress
+description: 地平线作为一家致力于汽车自动驾驶芯片的公司，在业务迭代中为何从 Traefik 切换到了 APISIX Ingress 去支撑业务。
+tags: [Case Studies]
+---
+
+> 地平线作为一家致力于汽车自动驾驶芯片的公司，在业务迭代中为何从 Traefik 切换到了 APISIX Ingress 去支撑业务？
+
+<!--truncate-->
+
+> 作者张昕，地平线云原生开发工程师。
+
+在当前的汽车行业，大多数公司都在向自动驾驶和新能源方向转型，而对于自动驾驶方面，每家企业都投入了大量的资源来完成自动驾驶模型的开发与训练，其中出现了很多明星企业，比如汽车智能计算平台引领者——地平线。地平线主要从事汽车智能计算平台的研发，具有领先的深度学习算法和芯片设计能力，致力于通过底层技术赋能，推动汽车产业的创新发展。
+
+智能汽车是机器人时代第一个大终端，地平线同时也通过软硬件的结合，广泛赋能泛机器人行业的应用落地。在硬件层面，地平线基于自主研发的专用计算架构BPU(Brain Processing Unit) ，推出面向智能驾驶的计算平台征程系列和面向泛机器人的旭日系列。
Review Comment:
```suggestion
智能汽车是机器人时代第一个大终端，地平线同时也通过软硬件的结合，广泛赋能泛机器人行业的应用落地。在硬件层面，地平线基于自主研发的专用计算架构 BPU(Brain Processing Unit) ，推出面向智能驾驶的计算平台征程系列和面向泛机器人的旭日系列。
```
##########
blog/zh/blog/2022/10/28/apisix-ingress-with-horizon-ai.md:
##########
@@ -0,0 +1,126 @@
+---
+title: "从 Traefik 到 APISIX，汽车智能计算平台公司「地平线」在 Ingress Controller 的探索和实践"
+authors:
+ - name: "张昕"
+ title: "Author"
+ - name: "韩飞"
+ title: "Technical Writer"
+ url: "https://github.com/hf400159"
+ image_url: "https://github.com/hf400159.png"
+keywords:
+- 汽车智能
+- AI 芯片
+- 地平线
+- Apache APISIX
+- Ingress
+description: 地平线作为一家致力于汽车自动驾驶芯片的公司，在业务迭代中为何从 Traefik 切换到了 APISIX Ingress 去支撑业务。
+tags: [Case Studies]
+---
+
+> 地平线作为一家致力于汽车自动驾驶芯片的公司，在业务迭代中为何从 Traefik 切换到了 APISIX Ingress 去支撑业务？
+
+<!--truncate-->
+
+> 作者张昕，地平线云原生开发工程师。
+
+在当前的汽车行业，大多数公司都在向自动驾驶和新能源方向转型，而对于自动驾驶方面，每家企业都投入了大量的资源来完成自动驾驶模型的开发与训练，其中出现了很多明星企业，比如汽车智能计算平台引领者——地平线。地平线主要从事汽车智能计算平台的研发，具有领先的深度学习算法和芯片设计能力，致力于通过底层技术赋能，推动汽车产业的创新发展。
+
+智能汽车是机器人时代第一个大终端，地平线同时也通过软硬件的结合，广泛赋能泛机器人行业的应用落地。在硬件层面，地平线基于自主研发的专用计算架构BPU(Brain Processing Unit) ，推出面向智能驾驶的计算平台征程系列和面向泛机器人的旭日系列。
+
+在软件层面，面向智能汽车 AI 软件产品开发及迭代需求，地平线打造地平线艾迪®AI 开发平台，能够为智能汽车 AI 开发者提供数据标注、训练、优化、部署、管理与性能分析等能力。整套基础设施，开箱即用，用户无需从零搭建一套复杂的自动驾驶跨平台系统，只需聚焦于核心价值积累。
+
+
+
+对于一家快速发展的科技公司而言，如何保证业务稳定运行与轻松管理是非常重要的，而网关则是保证业务稳定的第一道关卡。由于之前网关存在了一些无法解决的问题，因此地平线对网关重新进行选型，最终选择了 [Apache APISIX Ingress Controller](https://apisix.apache.org/zh/docs/ingress-controller/getting-started/) 作为公司的流量网关，统一提供服务。
+
+## 网关选型之路
+
+### Traefik 的不足
+
+在使用 APISIX Ingress 之前，业务系统使用的 Ingress Controller 是 Traefik 1.x 版本，但是存在以下几个问题：
+
+* Traefik 1.x 是通过 Ingress 来配置路由规则的，部分插件需要通过添加 `annotation` 的方式进行配置。这种方式，只能针对当前 Ingress下的所有规则添加插件，无法实现更细粒度的配置。
+
+* Traefik 1.x 不支持具体规则可视化配置，无法根据 Request URL 通过页面直接定位到具体服务。
+
+* Traefik 的默认配置文件（`configmap`）内容较少，许多默认配置需要翻阅官方文档，并且有些参数和 NGINX 默认配置不一致，导致维护起来比较麻烦。
+
+针对以上问题，地平线的技术团队决定更换 Ingress Controller，在选型初期也有考虑将 Traefik 升级到 Traefik 2.0 解决上述问题，但是因为也需要采用新的 CRD 来进行升级，迁移成本也不低，不如尝试下其他 Ingress 方案。
+
+### APISIX Ingress 的优势
+
+在选型初期，我们主要对比了 APISIX Ingress、Kong Ingress 和 Envoy，但是除了 APISIX Ingress 其他网关或多或少在功能或性能上无法满足现有场景的需求，因此最终选择了 APISIX Ingress，除了一些通用的功能外，我们更看重以下几点：
+
+* 插件丰富：插件生态好，APISIX 支持的插件，均可以使用 `apisix-ingress-controller` 做声明式配置，并且可以针对 `ApisixRoute` 下的单条 `backend` 定制插件。
+
+* 可视化配置：搭配 APISIX Dashboard 可以看到每条`apisix` `route`。如果同一域名配置在多个 `namespace` 或者是多个 `yaml` 文件中，发生冲突时可以结合 APISIX Dashboard 搜索 `path` 前缀即可快速定位。
+
+* 细粒度校验：APISIX Ingress Controller 会对其管理的 CRD 声明的资源进行校验，假如在 CRD 中声明了不存在的 Service，则会将报错信息存储在 `ApisixRoute` 的 `event` 中，此次变更也不会生效，在一定程度上减少了一些因误操作造成的问题。
+
+* 功能丰富：APISIX 支持热更新和热插件、代理请求重写、多种身份认证、多语言插件开发等诸多特性，更多功能请参考 [APISIX 的功能](https://github.com/apache/apisix#features)。
Review Comment:
```suggestion
* 功能丰富：APISIX 支持热更新和热插件、代理请求重写、多种身份认证、多语言插件开发等诸多特性，更多功能请参考 [APISIX 的功能](https://github.com/apache/apisix/tree/master/docs/zh/latest#%E7%89%B9%E6%80%A7)。
```
##########
blog/zh/blog/2022/10/28/apisix-ingress-with-horizon-ai.md:
##########
@@ -0,0 +1,126 @@
+---
+title: "从 Traefik 到 APISIX，汽车智能计算平台公司「地平线」在 Ingress Controller 的探索和实践"
+authors:
+ - name: "张昕"
+ title: "Author"
+ - name: "韩飞"
+ title: "Technical Writer"
+ url: "https://github.com/hf400159"
+ image_url: "https://github.com/hf400159.png"
+keywords:
+- 汽车智能
+- AI 芯片
+- 地平线
+- Apache APISIX
+- Ingress
+description: 地平线作为一家致力于汽车自动驾驶芯片的公司，在业务迭代中为何从 Traefik 切换到了 APISIX Ingress 去支撑业务。
+tags: [Case Studies]
+---
+
+> 地平线作为一家致力于汽车自动驾驶芯片的公司，在业务迭代中为何从 Traefik 切换到了 APISIX Ingress 去支撑业务？
+
+<!--truncate-->
+
+> 作者张昕，地平线云原生开发工程师。
+
+在当前的汽车行业，大多数公司都在向自动驾驶和新能源方向转型，而对于自动驾驶方面，每家企业都投入了大量的资源来完成自动驾驶模型的开发与训练，其中出现了很多明星企业，比如汽车智能计算平台引领者——地平线。地平线主要从事汽车智能计算平台的研发，具有领先的深度学习算法和芯片设计能力，致力于通过底层技术赋能，推动汽车产业的创新发展。
+
+智能汽车是机器人时代第一个大终端，地平线同时也通过软硬件的结合，广泛赋能泛机器人行业的应用落地。在硬件层面，地平线基于自主研发的专用计算架构BPU(Brain Processing Unit) ，推出面向智能驾驶的计算平台征程系列和面向泛机器人的旭日系列。
+
+在软件层面，面向智能汽车 AI 软件产品开发及迭代需求，地平线打造地平线艾迪®AI 开发平台，能够为智能汽车 AI 开发者提供数据标注、训练、优化、部署、管理与性能分析等能力。整套基础设施，开箱即用，用户无需从零搭建一套复杂的自动驾驶跨平台系统，只需聚焦于核心价值积累。
+
+
+
+对于一家快速发展的科技公司而言，如何保证业务稳定运行与轻松管理是非常重要的，而网关则是保证业务稳定的第一道关卡。由于之前网关存在了一些无法解决的问题，因此地平线对网关重新进行选型，最终选择了 [Apache APISIX Ingress Controller](https://apisix.apache.org/zh/docs/ingress-controller/getting-started/) 作为公司的流量网关，统一提供服务。
+
+## 网关选型之路
+
+### Traefik 的不足
+
+在使用 APISIX Ingress 之前，业务系统使用的 Ingress Controller 是 Traefik 1.x 版本，但是存在以下几个问题：
+
+* Traefik 1.x 是通过 Ingress 来配置路由规则的，部分插件需要通过添加 `annotation` 的方式进行配置。这种方式，只能针对当前 Ingress下的所有规则添加插件，无法实现更细粒度的配置。
+
+* Traefik 1.x 不支持具体规则可视化配置，无法根据 Request URL 通过页面直接定位到具体服务。
+
+* Traefik 的默认配置文件（`configmap`）内容较少，许多默认配置需要翻阅官方文档，并且有些参数和 NGINX 默认配置不一致，导致维护起来比较麻烦。
+
+针对以上问题，地平线的技术团队决定更换 Ingress Controller，在选型初期也有考虑将 Traefik 升级到 Traefik 2.0 解决上述问题，但是因为也需要采用新的 CRD 来进行升级，迁移成本也不低，不如尝试下其他 Ingress 方案。
+
+### APISIX Ingress 的优势
+
+在选型初期，我们主要对比了 APISIX Ingress、Kong Ingress 和 Envoy，但是除了 APISIX Ingress 其他网关或多或少在功能或性能上无法满足现有场景的需求，因此最终选择了 APISIX Ingress，除了一些通用的功能外，我们更看重以下几点：
+
+* 插件丰富：插件生态好，APISIX 支持的插件，均可以使用 `apisix-ingress-controller` 做声明式配置，并且可以针对 `ApisixRoute` 下的单条 `backend` 定制插件。
+
+* 可视化配置：搭配 APISIX Dashboard 可以看到每条`apisix` `route`。如果同一域名配置在多个 `namespace` 或者是多个 `yaml` 文件中，发生冲突时可以结合 APISIX Dashboard 搜索 `path` 前缀即可快速定位。
+
+* 细粒度校验：APISIX Ingress Controller 会对其管理的 CRD 声明的资源进行校验，假如在 CRD 中声明了不存在的 Service，则会将报错信息存储在 `ApisixRoute` 的 `event` 中，此次变更也不会生效，在一定程度上减少了一些因误操作造成的问题。
+
+* 功能丰富：APISIX 支持热更新和热插件、代理请求重写、多种身份认证、多语言插件开发等诸多特性，更多功能请参考 [APISIX 的功能](https://github.com/apache/apisix#features)。
+
+* 社区活跃：Issue 的响应速度很快，相对其他社区， APISIX 活跃开发者数量多。
+
+* 高性能：从下图中，可以看到在和 Envoy 进行压测对比时，APISIX 性能是 Envoy 的 120% 左右，核心数越多 QPS 差距越大。
+
+
+
+## 整体架构
+
+从下面的架构图中可以看出，APISIX Ingress 作为一个全流量的入口，无论是命令行工具、Web、SaaS 平台或者 OpenAPI，所有访问的流量均通过 APISIX Ingress 进入上游（业务服务）。而在认证鉴权上，因为公司本身有一个专门的认证服务，所以直接使用了 APISIX 的 `forward-auth` 插件，实现外部鉴权认证。
+
+
+
+在网关层，所有的流量均是通过访问域名进入，此时流量会先经过 LVS，由 LVS 分别转发到后端的 APISIX 节点中，最后再由 APISIX 根据路由规则对流量进行分发，转发至相对应的 Pod 中。而在 LVS 上，为了使 LVS 可以直接指向 APISIX Ingress， 他们也将 APISIX Ingress 默认端口由 `9180` 更换为 `80` ，可以更方便地对流量进行转发处理。
+
+
+
+## 使用场景
+
+了解完整体架构后，接下来将分享几个公司目前利用 APISIX Ingress 实现的场景。
Review Comment:
```suggestion
了解完整体架构后，接下来将分享几个我们公司目前利用 APISIX Ingress 实现的场景。
```
##########
blog/zh/blog/2022/10/28/apisix-ingress-with-horizon-ai.md:
##########
@@ -0,0 +1,126 @@
+---
+title: "从 Traefik 到 APISIX，汽车智能计算平台公司「地平线」在 Ingress Controller 的探索和实践"
+authors:
+ - name: "张昕"
+ title: "Author"
+ - name: "韩飞"
+ title: "Technical Writer"
+ url: "https://github.com/hf400159"
+ image_url: "https://github.com/hf400159.png"
+keywords:
+- 汽车智能
+- AI 芯片
+- 地平线
+- Apache APISIX
+- Ingress
+description: 地平线作为一家致力于汽车自动驾驶芯片的公司，在业务迭代中为何从 Traefik 切换到了 APISIX Ingress 去支撑业务。
+tags: [Case Studies]
+---
+
+> 地平线作为一家致力于汽车自动驾驶芯片的公司，在业务迭代中为何从 Traefik 切换到了 APISIX Ingress 去支撑业务？
+
+<!--truncate-->
+
+> 作者张昕，地平线云原生开发工程师。
+
+在当前的汽车行业，大多数公司都在向自动驾驶和新能源方向转型，而对于自动驾驶方面，每家企业都投入了大量的资源来完成自动驾驶模型的开发与训练，其中出现了很多明星企业，比如汽车智能计算平台引领者——地平线。地平线主要从事汽车智能计算平台的研发，具有领先的深度学习算法和芯片设计能力，致力于通过底层技术赋能，推动汽车产业的创新发展。
+
+智能汽车是机器人时代第一个大终端，地平线同时也通过软硬件的结合，广泛赋能泛机器人行业的应用落地。在硬件层面，地平线基于自主研发的专用计算架构BPU(Brain Processing Unit) ，推出面向智能驾驶的计算平台征程系列和面向泛机器人的旭日系列。
+
+在软件层面，面向智能汽车 AI 软件产品开发及迭代需求，地平线打造地平线艾迪®AI 开发平台，能够为智能汽车 AI 开发者提供数据标注、训练、优化、部署、管理与性能分析等能力。整套基础设施，开箱即用，用户无需从零搭建一套复杂的自动驾驶跨平台系统，只需聚焦于核心价值积累。
+
+
+
+对于一家快速发展的科技公司而言，如何保证业务稳定运行与轻松管理是非常重要的，而网关则是保证业务稳定的第一道关卡。由于之前网关存在了一些无法解决的问题，因此地平线对网关重新进行选型，最终选择了 [Apache APISIX Ingress Controller](https://apisix.apache.org/zh/docs/ingress-controller/getting-started/) 作为公司的流量网关，统一提供服务。
+
+## 网关选型之路
+
+### Traefik 的不足
+
+在使用 APISIX Ingress 之前，业务系统使用的 Ingress Controller 是 Traefik 1.x 版本，但是存在以下几个问题：
+
+* Traefik 1.x 是通过 Ingress 来配置路由规则的，部分插件需要通过添加 `annotation` 的方式进行配置。这种方式，只能针对当前 Ingress下的所有规则添加插件，无法实现更细粒度的配置。
+
+* Traefik 1.x 不支持具体规则可视化配置，无法根据 Request URL 通过页面直接定位到具体服务。
+
+* Traefik 的默认配置文件（`configmap`）内容较少，许多默认配置需要翻阅官方文档，并且有些参数和 NGINX 默认配置不一致，导致维护起来比较麻烦。
+
+针对以上问题，地平线的技术团队决定更换 Ingress Controller，在选型初期也有考虑将 Traefik 升级到 Traefik 2.0 解决上述问题，但是因为也需要采用新的 CRD 来进行升级，迁移成本也不低，不如尝试下其他 Ingress 方案。
+
+### APISIX Ingress 的优势
+
+在选型初期，我们主要对比了 APISIX Ingress、Kong Ingress 和 Envoy，但是除了 APISIX Ingress 其他网关或多或少在功能或性能上无法满足现有场景的需求，因此最终选择了 APISIX Ingress，除了一些通用的功能外，我们更看重以下几点：
+
+* 插件丰富：插件生态好，APISIX 支持的插件，均可以使用 `apisix-ingress-controller` 做声明式配置，并且可以针对 `ApisixRoute` 下的单条 `backend` 定制插件。
+
+* 可视化配置：搭配 APISIX Dashboard 可以看到每条`apisix` `route`。如果同一域名配置在多个 `namespace` 或者是多个 `yaml` 文件中，发生冲突时可以结合 APISIX Dashboard 搜索 `path` 前缀即可快速定位。
+
+* 细粒度校验：APISIX Ingress Controller 会对其管理的 CRD 声明的资源进行校验，假如在 CRD 中声明了不存在的 Service，则会将报错信息存储在 `ApisixRoute` 的 `event` 中，此次变更也不会生效，在一定程度上减少了一些因误操作造成的问题。
+
+* 功能丰富：APISIX 支持热更新和热插件、代理请求重写、多种身份认证、多语言插件开发等诸多特性，更多功能请参考 [APISIX 的功能](https://github.com/apache/apisix#features)。
+
+* 社区活跃：Issue 的响应速度很快，相对其他社区， APISIX 活跃开发者数量多。
+
+* 高性能：从下图中，可以看到在和 Envoy 进行压测对比时，APISIX 性能是 Envoy 的 120% 左右，核心数越多 QPS 差距越大。
+
+
+
+## 整体架构
+
+从下面的架构图中可以看出，APISIX Ingress 作为一个全流量的入口，无论是命令行工具、Web、SaaS 平台或者 OpenAPI，所有访问的流量均通过 APISIX Ingress 进入上游（业务服务）。而在认证鉴权上，因为公司本身有一个专门的认证服务，所以直接使用了 APISIX 的 `forward-auth` 插件，实现外部鉴权认证。
+
+
+
+在网关层，所有的流量均是通过访问域名进入，此时流量会先经过 LVS，由 LVS 分别转发到后端的 APISIX 节点中，最后再由 APISIX 根据路由规则对流量进行分发，转发至相对应的 Pod 中。而在 LVS 上，为了使 LVS 可以直接指向 APISIX Ingress， 他们也将 APISIX Ingress 默认端口由 `9180` 更换为 `80` ，可以更方便地对流量进行转发处理。
+
+
+
+## 使用场景
+
+了解完整体架构后，接下来将分享几个公司目前利用 APISIX Ingress 实现的场景。
+
+### 超大文件上传
+
+首先是大文件上传场景，该场景在一般公司可能会比较少，但是如果是做 AI 模型训练的公司，这个场景就比较常见了。该场景主要是在地平线模型训练系统中，研发车采集到的数据会通过网络上传到该系统中，数据大小一般都是在几百 GB 以上，在不调整 APISIX 任何参数的情况下，上传数据量过大时就会发生 OOM。
+
+
+
+因为默认 `client_body_buffer_size` 是 `1M``B`，缓冲区满了就会把临时文件写入磁盘，因此造成磁盘 IO 过高。
+
+
+
+如果将写入临时文件的目录指向 `/dev/shm` 共享内存，则又会导致 APISIX（cache）过高。
+
+
+
+经过不断的调试，发现是因为 APISIX 没有开启流式上传，针对这个场景，我们将 APISIX 版本由 2.11 升级至 2.13，并且对 APISIX 的参数进行了调整，首先更改 `apisix configmap`启用流式上传的参数 `proxy_request_bufferin``g off`，其次再通过 APISIX Ingress Controller 提供的 CRD `ApisixPluginConfig` 将可复用的配置抽离出来，作为 `namespace` 级别的配置为需要此场景的路由动态设置 `client_max_body_size` 的大小。
Review Comment:
```suggestion
经过不断的调试，发现是因为 APISIX 没有开启流式上传，针对这个场景，我们将 APISIX 版本由 2.11 升级至 2.13，并且对 APISIX 的参数进行了调整，首先更改 `apisix configmap`启用流式上传的参数 `proxy_request_buffering off`，其次再通过 APISIX Ingress Controller 提供的 CRD `ApisixPluginConfig` 将可复用的配置抽离出来，作为 `namespace` 级别的配置为需要此场景的路由动态设置 `client_max_body_size` 的大小。
```
##########
blog/zh/blog/2022/10/28/apisix-ingress-with-horizon-ai.md:
##########
@@ -0,0 +1,126 @@
+---
+title: "从 Traefik 到 APISIX，汽车智能计算平台公司「地平线」在 Ingress Controller 的探索和实践"
+authors:
+ - name: "张昕"
+ title: "Author"
+ - name: "韩飞"
+ title: "Technical Writer"
+ url: "https://github.com/hf400159"
+ image_url: "https://github.com/hf400159.png"
+keywords:
+- 汽车智能
+- AI 芯片
+- 地平线
+- Apache APISIX
+- Ingress
+description: 地平线作为一家致力于汽车自动驾驶芯片的公司，在业务迭代中为何从 Traefik 切换到了 APISIX Ingress 去支撑业务。
+tags: [Case Studies]
+---
+
+> 地平线作为一家致力于汽车自动驾驶芯片的公司，在业务迭代中为何从 Traefik 切换到了 APISIX Ingress 去支撑业务？
+
+<!--truncate-->
+
+> 作者张昕，地平线云原生开发工程师。
+
+在当前的汽车行业，大多数公司都在向自动驾驶和新能源方向转型，而对于自动驾驶方面，每家企业都投入了大量的资源来完成自动驾驶模型的开发与训练，其中出现了很多明星企业，比如汽车智能计算平台引领者——地平线。地平线主要从事汽车智能计算平台的研发，具有领先的深度学习算法和芯片设计能力，致力于通过底层技术赋能，推动汽车产业的创新发展。
+
+智能汽车是机器人时代第一个大终端，地平线同时也通过软硬件的结合，广泛赋能泛机器人行业的应用落地。在硬件层面，地平线基于自主研发的专用计算架构BPU(Brain Processing Unit) ，推出面向智能驾驶的计算平台征程系列和面向泛机器人的旭日系列。
+
+在软件层面，面向智能汽车 AI 软件产品开发及迭代需求，地平线打造地平线艾迪®AI 开发平台，能够为智能汽车 AI 开发者提供数据标注、训练、优化、部署、管理与性能分析等能力。整套基础设施，开箱即用，用户无需从零搭建一套复杂的自动驾驶跨平台系统，只需聚焦于核心价值积累。
+
+
+
+对于一家快速发展的科技公司而言，如何保证业务稳定运行与轻松管理是非常重要的，而网关则是保证业务稳定的第一道关卡。由于之前网关存在了一些无法解决的问题，因此地平线对网关重新进行选型，最终选择了 [Apache APISIX Ingress Controller](https://apisix.apache.org/zh/docs/ingress-controller/getting-started/) 作为公司的流量网关，统一提供服务。
+
+## 网关选型之路
+
+### Traefik 的不足
+
+在使用 APISIX Ingress 之前，业务系统使用的 Ingress Controller 是 Traefik 1.x 版本，但是存在以下几个问题：
+
+* Traefik 1.x 是通过 Ingress 来配置路由规则的，部分插件需要通过添加 `annotation` 的方式进行配置。这种方式，只能针对当前 Ingress下的所有规则添加插件，无法实现更细粒度的配置。
+
+* Traefik 1.x 不支持具体规则可视化配置，无法根据 Request URL 通过页面直接定位到具体服务。
+
+* Traefik 的默认配置文件（`configmap`）内容较少，许多默认配置需要翻阅官方文档，并且有些参数和 NGINX 默认配置不一致，导致维护起来比较麻烦。
+
+针对以上问题，地平线的技术团队决定更换 Ingress Controller，在选型初期也有考虑将 Traefik 升级到 Traefik 2.0 解决上述问题，但是因为也需要采用新的 CRD 来进行升级，迁移成本也不低，不如尝试下其他 Ingress 方案。
+
+### APISIX Ingress 的优势
+
+在选型初期，我们主要对比了 APISIX Ingress、Kong Ingress 和 Envoy，但是除了 APISIX Ingress 其他网关或多或少在功能或性能上无法满足现有场景的需求，因此最终选择了 APISIX Ingress，除了一些通用的功能外，我们更看重以下几点：
+
+* 插件丰富：插件生态好，APISIX 支持的插件，均可以使用 `apisix-ingress-controller` 做声明式配置，并且可以针对 `ApisixRoute` 下的单条 `backend` 定制插件。
+
+* 可视化配置：搭配 APISIX Dashboard 可以看到每条`apisix` `route`。如果同一域名配置在多个 `namespace` 或者是多个 `yaml` 文件中，发生冲突时可以结合 APISIX Dashboard 搜索 `path` 前缀即可快速定位。
+
+* 细粒度校验：APISIX Ingress Controller 会对其管理的 CRD 声明的资源进行校验，假如在 CRD 中声明了不存在的 Service，则会将报错信息存储在 `ApisixRoute` 的 `event` 中，此次变更也不会生效，在一定程度上减少了一些因误操作造成的问题。
+
+* 功能丰富：APISIX 支持热更新和热插件、代理请求重写、多种身份认证、多语言插件开发等诸多特性，更多功能请参考 [APISIX 的功能](https://github.com/apache/apisix#features)。
+
+* 社区活跃：Issue 的响应速度很快，相对其他社区， APISIX 活跃开发者数量多。
+
+* 高性能：从下图中，可以看到在和 Envoy 进行压测对比时，APISIX 性能是 Envoy 的 120% 左右，核心数越多 QPS 差距越大。
+
+
+
+## 整体架构
+
+从下面的架构图中可以看出，APISIX Ingress 作为一个全流量的入口，无论是命令行工具、Web、SaaS 平台或者 OpenAPI，所有访问的流量均通过 APISIX Ingress 进入上游（业务服务）。而在认证鉴权上，因为公司本身有一个专门的认证服务，所以直接使用了 APISIX 的 `forward-auth` 插件，实现外部鉴权认证。
+
+
+
+在网关层，所有的流量均是通过访问域名进入，此时流量会先经过 LVS，由 LVS 分别转发到后端的 APISIX 节点中，最后再由 APISIX 根据路由规则对流量进行分发，转发至相对应的 Pod 中。而在 LVS 上，为了使 LVS 可以直接指向 APISIX Ingress， 他们也将 APISIX Ingress 默认端口由 `9180` 更换为 `80` ，可以更方便地对流量进行转发处理。
+
+
+
+## 使用场景
+
+了解完整体架构后，接下来将分享几个公司目前利用 APISIX Ingress 实现的场景。
+
+### 超大文件上传
+
+首先是大文件上传场景，该场景在一般公司可能会比较少，但是如果是做 AI 模型训练的公司，这个场景就比较常见了。该场景主要是在地平线模型训练系统中，研发车采集到的数据会通过网络上传到该系统中，数据大小一般都是在几百 GB 以上，在不调整 APISIX 任何参数的情况下，上传数据量过大时就会发生 OOM。
+
+
+
+因为默认 `client_body_buffer_size` 是 `1M``B`，缓冲区满了就会把临时文件写入磁盘，因此造成磁盘 IO 过高。
Review Comment:
```suggestion
因为默认 `client_body_buffer_size` 是 `1MB`，缓冲区满了就会把临时文件写入磁盘，因此造成磁盘 IO 过高。
```
##########
blog/zh/blog/2022/10/28/apisix-ingress-with-horizon-ai.md:
##########
@@ -0,0 +1,126 @@
+---
+title: "从 Traefik 到 APISIX，汽车智能计算平台公司「地平线」在 Ingress Controller 的探索和实践"
+authors:
+ - name: "张昕"
+ title: "Author"
+ - name: "韩飞"
+ title: "Technical Writer"
+ url: "https://github.com/hf400159"
+ image_url: "https://github.com/hf400159.png"
+keywords:
+- 汽车智能
+- AI 芯片
+- 地平线
+- Apache APISIX
+- Ingress
+description: 地平线作为一家致力于汽车自动驾驶芯片的公司，在业务迭代中为何从 Traefik 切换到了 APISIX Ingress 去支撑业务。
+tags: [Case Studies]
+---
+
+> 地平线作为一家致力于汽车自动驾驶芯片的公司，在业务迭代中为何从 Traefik 切换到了 APISIX Ingress 去支撑业务？
+
+<!--truncate-->
+
+> 作者张昕，地平线云原生开发工程师。
+
+在当前的汽车行业，大多数公司都在向自动驾驶和新能源方向转型，而对于自动驾驶方面，每家企业都投入了大量的资源来完成自动驾驶模型的开发与训练，其中出现了很多明星企业，比如汽车智能计算平台引领者——地平线。地平线主要从事汽车智能计算平台的研发，具有领先的深度学习算法和芯片设计能力，致力于通过底层技术赋能，推动汽车产业的创新发展。
+
+智能汽车是机器人时代第一个大终端，地平线同时也通过软硬件的结合，广泛赋能泛机器人行业的应用落地。在硬件层面，地平线基于自主研发的专用计算架构BPU(Brain Processing Unit) ，推出面向智能驾驶的计算平台征程系列和面向泛机器人的旭日系列。
+
+在软件层面，面向智能汽车 AI 软件产品开发及迭代需求，地平线打造地平线艾迪®AI 开发平台，能够为智能汽车 AI 开发者提供数据标注、训练、优化、部署、管理与性能分析等能力。整套基础设施，开箱即用，用户无需从零搭建一套复杂的自动驾驶跨平台系统，只需聚焦于核心价值积累。
+
+
+
+对于一家快速发展的科技公司而言，如何保证业务稳定运行与轻松管理是非常重要的，而网关则是保证业务稳定的第一道关卡。由于之前网关存在了一些无法解决的问题，因此地平线对网关重新进行选型，最终选择了 [Apache APISIX Ingress Controller](https://apisix.apache.org/zh/docs/ingress-controller/getting-started/) 作为公司的流量网关，统一提供服务。
+
+## 网关选型之路
+
+### Traefik 的不足
+
+在使用 APISIX Ingress 之前，业务系统使用的 Ingress Controller 是 Traefik 1.x 版本，但是存在以下几个问题：
+
+* Traefik 1.x 是通过 Ingress 来配置路由规则的，部分插件需要通过添加 `annotation` 的方式进行配置。这种方式，只能针对当前 Ingress下的所有规则添加插件，无法实现更细粒度的配置。
+
+* Traefik 1.x 不支持具体规则可视化配置，无法根据 Request URL 通过页面直接定位到具体服务。
+
+* Traefik 的默认配置文件（`configmap`）内容较少，许多默认配置需要翻阅官方文档，并且有些参数和 NGINX 默认配置不一致，导致维护起来比较麻烦。
+
+针对以上问题，地平线的技术团队决定更换 Ingress Controller，在选型初期也有考虑将 Traefik 升级到 Traefik 2.0 解决上述问题，但是因为也需要采用新的 CRD 来进行升级，迁移成本也不低，不如尝试下其他 Ingress 方案。
+
+### APISIX Ingress 的优势
+
+在选型初期，我们主要对比了 APISIX Ingress、Kong Ingress 和 Envoy，但是除了 APISIX Ingress 其他网关或多或少在功能或性能上无法满足现有场景的需求，因此最终选择了 APISIX Ingress，除了一些通用的功能外，我们更看重以下几点：
+
+* 插件丰富：插件生态好，APISIX 支持的插件，均可以使用 `apisix-ingress-controller` 做声明式配置，并且可以针对 `ApisixRoute` 下的单条 `backend` 定制插件。
+
+* 可视化配置：搭配 APISIX Dashboard 可以看到每条`apisix` `route`。如果同一域名配置在多个 `namespace` 或者是多个 `yaml` 文件中，发生冲突时可以结合 APISIX Dashboard 搜索 `path` 前缀即可快速定位。
+
+* 细粒度校验：APISIX Ingress Controller 会对其管理的 CRD 声明的资源进行校验，假如在 CRD 中声明了不存在的 Service，则会将报错信息存储在 `ApisixRoute` 的 `event` 中，此次变更也不会生效，在一定程度上减少了一些因误操作造成的问题。
+
+* 功能丰富：APISIX 支持热更新和热插件、代理请求重写、多种身份认证、多语言插件开发等诸多特性，更多功能请参考 [APISIX 的功能](https://github.com/apache/apisix#features)。
+
+* 社区活跃：Issue 的响应速度很快，相对其他社区， APISIX 活跃开发者数量多。
+
+* 高性能：从下图中，可以看到在和 Envoy 进行压测对比时，APISIX 性能是 Envoy 的 120% 左右，核心数越多 QPS 差距越大。
Review Comment:
```suggestion
* 高性能：从下图中，可以看到在和 Envoy 进行压测对比时，APISIX 的性能是 Envoy 的 120% 左右，并且核心数越多 QPS 差距越大。
```
--
This is an automated message from the Apache Git Service.
To respond to the message, please log on to GitHub and use the
URL above to go to the specific comment.
To unsubscribe, e-mail: notifications-unsubscribe@apisix.apache.org
For queries about this service, please contact Infrastructure at:
users@infra.apache.org