TRACK 06 / 06 • TPM & SYSTEM DESIGN

📋 Technical Program Manager (TPM) & System Design သင်ယူမှုလမ်းကြောင်း¶

🚀 Hyperscale Architecture & Technical Leadership: 5-Stage Clos fabric တွက်ချက်မှုသင်္ချာ၊ eBGP နှင့် iBGP ဗိသုကာဆိုင်ရာ trade-offs များ၊ blast radius ထိန်းချုပ်မှု၊ SLA / convergence budget တွက်ချက်မှုများနှင့် multi-vendor RFP စီမံခန့်ခွဲမှုများကို ကျွမ်းကျင်စွာ လေ့လာနိုင်ပါသည်။

📊 သင်ယူမှုလမ်းကြောင်း ခြုံငုံသုံးသပ်ချက် (Overview)¶

အချက်အလက် (Metric)	သတ်မှတ်ချက် (Target Specification)
ခန့်မှန်းကြာမြင့်ချိန်	၂၀ – ၂၅ နာရီ (ဗိသုကာဆိုင်ရာ သုံးသပ်ချက်၊ system design drills နှင့် case studies များ)
တက်လှမ်းရမည့် အဆင့်များ	အဓိက အဆင့် ၅ ဆင့် (Clos Scaling Math → Routing Architecture → SLA & Convergence Budgets → Overlay Virtualization → Vendor RFPs & Telemetry)
ဦးတည်သော အလုပ်အကိုင်များ	Technical Program Manager (TPM) - Infrastructure, Network Solutions Architect, Infrastructure Program Lead, Engineering Director
ပစ်မှတ်ထားသော ကုမ္ပဏီကြီးများ	Google, Meta, Apple, AWS, Microsoft, ByteDance, NVIDIA, Global Financial Institutions, နှင့် Cloud Infrastructure Consultancies

🧠 TPM အဓိက အင်ဂျင်နီယာနှင့် ခေါင်းဆောင်မှု မဏ္ဍိုင်ကြီးများ (Core Pillars)¶

နယ်ပယ် (Program Domain)	အဓိက ဗိသုကာဆိုင်ရာ ဆုံးဖြတ်ချက်များ	ခေါင်းဆောင်မှုနှင့် ပရိုဂရမ် လုပ်ဆောင်ချက် (Function)
Fabric Scaling Math	5-Stage Clos vs. 2-Tier Spine-Leaf	ASIC port-density တွက်ချက်ခြင်း၊ oversubscription ratios များနှင့် modular pod တိုးချဲ့မှု စီစဉ်ခြင်း
Routing Protocol Selection	eBGP (RFC 7938) vs. iBGP + RRs	Blast-radius ထိန်းချုပ်ခြင်း၊ routing loop များကို ဖယ်ရှားခြင်းနှင့် global ASN သတ်မှတ်မှု စည်းမျဉ်းများ
Convergence SLAs	Sub-50ms Ti-LFA vs. IGP Timers	လုပ်ငန်းခွင် availability budgets (99.999%)၊ link failover SLAs နှင့် error budgets များ ချမှတ်ခြင်း
Overlay Virtualization	EVPN-VXLAN ESI vs. Proprietary MLAG	Physical underlay မှ tenant overlays များကို သီးခြားခွဲထုတ်ပြီး vendor hardware lock-in ကို ဖယ်ရှားခြင်း
Telemetry Standardization	gNMI Streaming vs. SNMP Polling	Arista, Cisco, နှင့် whitebox switches များအကြား OpenConfig schemas များကို စံသတ်မှတ်ခြင်း

🗺️ အဆင့် ၅ ဆင့် တိုးတက်မှု Milestone လမ်းပြမြေပုံ (Roadmap)¶

01

Stage 1 · 5-Stage Clos Fabric Sizing & Capacity Math

Fabric Math

Tier-1 Leaf၊ Tier-2 Spine နှင့် Tier-3 Super-Spine switches များအကြား Non-blocking Clos port radix formulas နှင့် oversubscription ratios များကို တွက်ချက်ပါ။

5-Stage Clos Port Radix Formulas Oversubscription Ratios

02

Stage 2 · Routing Architecture & Blast Radius Design

Governance

Routing loops များကို ဖယ်ရှားရန်နှင့် failure blast radiuses များကို ထိန်းချုပ်ရန် RFC 7938 eBGP leaf-spine fabrics နှင့် IGP+iBGP တို့ကို နှိုင်းယှဉ်သုံးသပ်ပါ။

RFC 7938 eBGP ASN Allocation Strategy Failure Domain Isolation

03

Stage 3 · High-Availability & Convergence SLA Budgets

99.999% SLAs

လုပ်ငန်းခွင် availability budgets များကို တွက်ချက်ပြီး 50ms အောက် Ti-LFA fast reroute နှင့် ရိုးရာ IGP convergence timers တို့ကို နှိုင်းယှဉ်သုံးသပ်ပါ။

Ti-LFA Sub-50ms Error Budgeting BFD Hardware Offload

04

Stage 4 · Multi-Tenant Overlays & Open Standards

Open Standards

Vendor-specific MLAG/vPC lock-in ကို ရှောင်ရှားပြီး ESI multihoming ပါဝင်သော EVPN-VXLAN ဖြင့် physical fabrics မှ tenant services များကို သီးခြားခွဲထုတ်ပါ။

EVPN-VXLAN ESI Multihoming Multi-Vendor Interop

05

Stage 5 · Telemetry Governance & Vendor RFP Delivery

Vendor RFPs

Multi-vendor OpenConfig telemetry စံသတ်မှတ်ချက်များကို ရေးဆွဲပြီး hardware ဝယ်ယူတင်သွင်းမှုများအတွက် အလိုအလျောက် PyATS acceptance tests များကို သတ်မှတ်ချမှတ်ပါ။

OpenConfig YANG gNMI Governance Automated RFP Acceptance

🚀 အပြန်အလှန် လေ့လာနိုင်သော သင်ခန်းစာလမ်းညွှန် (Interactive Lesson Directory)¶

Milestone Stage	ဗိသုကာနှင့် ပရိုဂရမ် အဓိကအချက်	ကလစ်နှိပ်၍ လေ့လာနိုင်သော သင်ခန်းစာ & စနစ်ဒီဇိုင်းများ	နည်းပညာ အဓိကအချက်	စတင်ရန်
Stage 1 `Clos Sizing Math`	ASIC Port Radix Math, Oversubscription Ratios, Super-Spine Pods	• EVPN-VXLAN Clos Fabric ဒီဇိုင်း • Hyperscale System Design Masterclass	Pod Math	Stage 1 စတင်ရန် →
Stage 2 `BGP Governance`	RFC 7938 eBGP Clos Design, Blast Radius, ASN Allocation Policies	• Phase 1 · BGP အခြေခံနှင့် ဗိသုကာ • Phase 1 · Lab 03: Route Reflector Hierarchy	ASN Model	Stage 2 စတင်ရန် →
Stage 3 `SLA & FRR Budgets`	Sub-50ms Ti-LFA Fast Reroute, BFD Hardware Offload, Error Budgets	• Segment Routing (SR-MPLS) Ti-LFA ဗိသုကာ • WAN Edge BFD Sub-Second Failover	99.999% SLAs	Stage 3 စတင်ရန် →
Stage 4 `Multi-Tenant Overlays`	RFC 8365/7432 EVPN-VXLAN, ESI All-Active Multihoming vs MLAG Lock-in	• EVPN Lab 03: ESI All-Active Multihoming • EVPN Lab 05: Multi-Site DCI Architecture	Open Standards	Stage 4 စတင်ရန် →
Stage 5 `Vendor RFP Delivery`	OpenConfig YANG Governance, gNMI Telemetry SLAs, PyATS Pre-Checks	• Phase 7 · Streaming Telemetry & Observability • Phase 5 · Automated Network Testing with PyATS	RFP Criteria	Stage 5 စတင်ရန် →

🧪 အသေးစိတ် Milestone သင်ရိုးညွှန်းတမ်း (Detailed Milestone Curricula)¶

📍 Stage 1: 5-Stage Clos Fabric Sizing & Capacity Math¶

အဓိက အလေးထားချက် (Core Focus): စီးပွားရေးဆိုင်ရာ compute လိုအပ်ချက်များကို non-blocking သို့မဟုတ် တိကျစွာ သတ်မှတ်ထားသော oversubscribed network topologies အဖြစ်သို့ ပြောင်းလဲတွက်ချက်ခြင်း။
ဖော်မြူလာများနှင့် ချိန်ညှိချက်များ (Formulas & Trade-offs):
- Spine $S$ ခုမှ ချိတ်ဆက်ပေးနိုင်သော အများဆုံး leaf အရေအတွက်: $N_{leaf} = S \times \text{uplinks per leaf}$ ။
- $k$ -port switches များ အသုံးပြုထားသော Non-blocking server capacity: $N_{servers} = \frac{k^2}{2}$ ။
- Tier-1 (Leaf), Tier-2 (Spine), နှင့် Tier-3 (Super-Spine) အလွှာများအကြား bandwidth oversubscription ratios ( $1:1$ , $2:1$ , $3:1$ ) များကို တွက်ချက်ခြင်း။

📍 Stage 2: Routing Architecture & Blast Radius Design¶

အဓိက အလေးထားချက် (Core Focus): Multi-pod datacenters များတွင် ဆင့်ကဲပြိုလဲမှု (cascade failures) မဖြစ်စေသော control plane protocols များကို ရွေးချယ်ခြင်း။
အဓိက နှိုင်းယှဉ်ချက်များ (Key Comparisons):
- RFC 7938 eBGP: Tier/rack တစ်ခုချင်းစီအတွက် သီးခြား ASN သတ်မှတ်ခြင်း၊ AS-PATH ဖြင့် loops များကို အလိုအလျောက် ပယ်ဖျက်ခြင်း၊ routing policy ကို AS နယ်နိမိတ်များတွင် ကျင့်သုံးခြင်း။
- iBGP + Route Reflectors: IGP underlay တစ်ခုလုံး လိုအပ်ခြင်း၊ cluster-id hierarchy သေချာမစီမံပါက route oscillations ဖြစ်နိုင်ခြေရှိခြင်း။

📍 Stage 3: High-Availability & Convergence SLA Budgets¶

အဓိက အလေးထားချက် (Core Focus): စာချုပ်ပါ SLAs များအတွက် downtime risk များကို တွက်ချက်ပြီး တင်းကျပ်သော failover parameters များကို သတ်မှတ်ခြင်း။
အဓိက သဘောတရားများ (Key Concepts):
- 50ms အောက် Topology-Independent Loop-Free Alternate (Ti-LFA)။
- BFD timer aggregation နှင့် ASIC CPU load ချိန်ဆမှု။
- သုံးလပတ်အလိုက် 99.99% ("four nines") နှင့် 99.999% ("five nines") error budgets များ သတ်မှတ်ခြင်း။

📍 Stage 4: Multi-Tenant Overlays & Open Standards¶

အဓိက အလေးထားချက် (Core Focus): ဒေါ်လာသန်းပေါင်းများစွာတန်သော switch hardware ဝယ်ယူတင်သွင်းမှုများတွင် vendor lock-in ဖြစ်ပေါ်မှုကို ရှောင်ရှားခြင်း။
အဓိက သဘောတရားများ (Key Concepts):
- Vendor-specific multi-chassis link aggregation (Cisco vPC, Arista MLAG) များသည် dual-control-plane bugs များကို မည်သို့ ဖြစ်ပေါ်စေပုံ။
- RFC 8365/7432 EVPN-VXLAN with ESI (Ethernet Segment Identifier) သည် multi-vendor, all-active multihoming ကို မည်သို့ ထောက်ပံ့ပေးပုံ။

📍 Stage 5: Telemetry Governance & Vendor RFP Delivery¶

အဓိက အလေးထားချက် (Core Focus): Hardware RFPs များနှင့် carrier acceptance များအတွက် နည်းပညာဆိုင်ရာ သတ်မှတ်ချက်များနှင့် automated validation gates များကို ရေးဆွဲခြင်း။
အဓိက သဘောတရားများ (Key Concepts):
- Vendor contracts များတွင် OpenConfig YANG schemas နှင့် gNMI streaming telemetry support ကို မဖြစ်မနေ ထည့်သွင်းစေခြင်း။
- Network hardware ပစ္စည်းများ လက်ခံခြင်းမပြုမီ automated PyATS / Batfish pre-deployment gate checks များကို သတ်မှတ်တောင်းဆိုခြင်း။

📁 System Design Drills & ကိုးကားချက်များ (Reference)¶

Google & Hyperscale System Design Masterclass: Scenario အခြေပြု အင်တာဗျူး drills များနှင့် ဗိသုကာဆိုင်ရာ trade-offs များ။
Curriculum Architecture Roadmap: ကွန်ရက် အဆင့် ၁၀ ဆင့်စလုံးရှိ ပြီးပြည့်စုံသော protocol dependency matrix။
EVPN-VXLAN Clos Fabric သင်တန်း: Leaf-spine fabric တည်ဆောက်မှု လက်တွေ့သင်ခန်းစာ။
Streaming Telemetry သင်တန်း: gNMI/OpenConfig telemetry pipeline လက်တွေ့သင်ခန်းစာ။

🎯 TPM များအတွက် System Design အင်တာဗျူး မေးခွန်းနှင့် အဖြေများ (Interview Drills)¶

❓ Question 1: 64-port 800G switches များကို အသုံးပြု၍ GPU servers ၁၆,၃၈၄ လုံးအတွက် non-blocking fabric တစ်ခုကို မည်သို့ ဒီဇိုင်းဆွဲမည်နည်း။¶

အဖြေ (Answer): 64-port switches များကို သုံးထားသော 2-tier spine-leaf fabric သည် အများဆုံး non-blocking ချိတ်ဆက်နိုင်မှုမှာ $32 \times 32 = 1,024$ nodes သာ ဖြစ်ပါသည် (leaf တစ်ခုစီတွင် GPUs များသို့ downlinks ၃၂ ခုနှင့် spines များသို့ uplinks ၃၂ ခု ရှိပါသည်)။ GPU ပေါင်း ၁၆,၃၈၄ လုံးအထိ ချိတ်ဆက်ရန်အတွက် 3-tier (5-stage Clos) architecture လိုအပ်ပါသည်: 1. Tier-1 (Leaf / ToR): Leaf switches ၅၁၂ လုံး လိုအပ်ပြီး တစ်ခုချင်းစီတွင် GPUs များသို့ downlinks ၃၂ ခု (စုစုပေါင်း ၁၆,၃၈၄ GPUs) နှင့် Tier-2 spines များသို့ uplinks ၃၂ ခု ချိတ်ဆက်ရပါမည်။ 2. Tier-2 (Spine / Fabric): Pods များအဖြစ် စုစည်းထားပြီး pod တစ်ခုချင်းစီရှိ leaves များသည် spines ၃၂ လုံးနှင့် ချိတ်ဆက်ထားပါသည်။ 3. Tier-3 (Super-Spine / Core): Cluster တစ်ခုလုံးရှိ inter-pod traffic များကို စုစည်းပေးပြီး 1:1 non-blocking bisectional bandwidth ကို ထိန်းသိမ်းပေးပါသည်။

❓ Question 2: Datacenter fabric control planes အတွက် Hyperscalers များသည် IGP+iBGP ထက် eBGP (RFC 7938) ကို အဘယ်ကြောင့် ပိုမို ဦးစားပေး အသုံးပြုကြသနည်း။¶

အဖြေ (Answer): 1. Loop Prevention (ကွင်းပတ်ကာကွယ်ခြင်း): BGP သည် loop prevention အတွက် AS-PATH ကို အလိုအလျောက် အသုံးပြုပါသည်။ အကယ်၍ update တစ်ခုသည် မိမိ AS ထံသို့ ပြန်လည်ရောက်ရှိလာပါက ရှုပ်ထွေးသော graph computations များကို မလိုဘဲ ချက်ချင်း ပယ်ဖျက်ပေးပါသည်။ 2. Blast Radius Containment (ပြိုလဲမှုဧရိယာကို ကန့်သတ်ခြင်း): Rack သို့မဟုတ် pod တစ်ခုတွင် route flapping ဖြစ်ပေါ်ပါက AS နယ်နိမိတ်များတွင် damp ပြုလုပ်ပြီး filter တားဆီးထားနိုင်သဖြင့် link-state IGPs (OSPF/IS-IS) များတွင် ဖြစ်ပေါ်တတ်သော fabric တစ်ခုလုံး SPF recalculation storms ဖြစ်ပွားခြင်းမှ ကာကွယ်ပေးပါသည်။ 3. Multi-Vendor Uniformity (စက်အမျိုးမျိုးနှင့် ကိုက်ညီမှု): BGP သည် Arista, Cisco, Juniper, နှင့် whitebox SONiC platforms များအားလုံးတွင် တူညီသော operational semantics ဖြင့် အပြည့်အဝ ထောက်ပံ့ပေးထားပါသည်။