专场出品人：周东祥
腾讯IEGG海外数据平台负责人
10多年在腾讯游戏大数据架构和应用相关的经验，搭建腾讯游戏国内大数据平台，OLAP多维分析，实时计算及规则推荐系统。最近3年聚焦构建全球的腾讯游戏多云的数据中心，数据平台和AI和LLM大模型算力架构。同时，负责游戏海外数据洞察产品DataBrain。
专场：支撑海量数据的大数据平台与架构
智能时代，数据的产生速度和规模呈现爆发式增长，数据已经成为推动科技进步和经济发展的重要资源。为了有效处理、存储和分析这些海量数据，大数据平台与架构的建设成为了各行业的关键需求。本专场将聚焦于支撑海量数据的大数据平台与架构，邀请几位一线大数据专家，结合自身丰富的实践经验，深入剖析大数据平台与架构的前沿技术和应用案例。
冯时雨
火山引擎A/B测试架构迭代与实践
火山引擎 A/B实验研发工程师
火山引擎A/B实验研发工程师，十年研发经验，拥有丰富的数据与服务端实践经历，擅长大数据系统服务端与数据任务整体设计。曾于去哪儿旅行从事研发工作，负责去哪儿旅行数据平台DMP系统搭建、调度、反作弊以及ETL工作。参与过火山引擎UBA项目0到1建设，负责服务端框架设计与数据研发。目前主要负责火山引擎A/B测试系统实验引擎团队的研发与管理工作。
A/B测试正在成为各行业企业科学决策的重要工具，随着业务规模扩大，客户量以及单客数据量的不断增加，导致产品性能、数据产出与查询效率有着不小的难度，各行业部署要求不同导致系统部署成本面临巨大挑战，业务复杂度的不断增加使常规需求迭代效率有了更高的要求。针对诸多难点问题，迫切需要对整体架构进行升级。
本次将主要分享以A/B测试为代表的大数据系统与业务结合过程中的架构演进过程，讲解如何通过功能域划分与微服务改造降低模块间耦合以及基于配置屏蔽多环境开发差异，提升开发与测试效率；高性能数据服务与数据查询优化思路以解决海量数据导致的性能瓶颈；通过与数据底座脱钩完成无状态服务容器化部署，降低私有云混布等场景部署成本。
内容大纲
1. A/B测试业务场景特点与由简到繁的历程介绍
2. 与业务场景变化对应的架构演进节点、实践过程以及收益
3. 架构迭代过程中的思考与问题复盘
4. 未来规划与支持业务场景探索
1. A/B测试业务场景特点与由简到繁的历程介绍
2. 与业务场景变化对应的架构演进节点、实践过程以及收益
3. 架构迭代过程中的思考与问题复盘
4. 未来规划与支持业务场景探索
听众收益
A/B测试系统属于典型的大数据系统，与业务强结合的系统架构演进与落地效果，对企业大数据系统具备较大的参考与借鉴意义。且架构演进过程中的问题与解决方案，为大数据系统从业者进行架构演进与业务结合提供参考，为行业积累优化经验。
A/B测试系统属于典型的大数据系统，与业务强结合的系统架构演进与落地效果，对企业大数据系统具备较大的参考与借鉴意义。且架构演进过程中的问题与解决方案，为大数据系统从业者进行架构演进与业务结合提供参考，为行业积累优化经验。
赵荣生
云音乐数据平台技术演进之路
网易云音乐 数据开发专家
在数据平台领域具有十年实践经验，曾在一二线互联网公司负责数据平台和产品方向建设，当前主要负责云音乐计算平台和数据平台产品建设工作。多个开源项目contributor，在大数据领域，如消息队列、数据存储、数据计算、OLAP引擎、资源调度、数据平台产品等多个方向有丰富的落地建设和优化经验。
本次分享主要介绍云音乐数据平台的技术演进过程及最佳实践，分为三部分：
1. 数据平台发展历程
1.1 数据库和数据平台发展历程
1.2 云音乐数据平台的平台化、标准化建设历程及智能化发展方向
1.3 云音乐数据平台架构及其支持的业务场景
2. 核心模块建设及优化
2.1 数据接入体系：通过cdc/dump/消息队列及分区流表等方面优化，提高数据接入效率和稳定性
2.2 数据存储及计算：spark/flink/k8s/向量化/zstd/z-order/冷热存储/混合部署等技术落地，降低平台存储和计算成本
2.3 数据开发：低代码、zeppelin、一体化开发，提高业务开发和使用效率
2.4 数据查询及分析：olap引擎、数据湖、高效找数（数据门户），提高数据查询和使用效率
2.5 数据服务：通过低代码平台实现设计即开发、开发即服务，同时提供sla保障、慢查询等基本能力
2.6 平台运维及治理：大盘监控及完善组件监控、问题诊断、数据治理、服务治理、基线运维、任务调优推荐（基于规则）、血缘数据，形成闭环并量化价值
3. 未来展望
3.1 基于GPT的智能化，包括运维、开发、调试、找数、指标口径等场景
3.2 技术架构统一：实现运维、开发、调试、优化、存储、查询、服务的一体化
1. 数据平台发展历程
1.1 数据库和数据平台发展历程
1.2 云音乐数据平台的平台化、标准化建设历程及智能化发展方向
1.3 云音乐数据平台架构及其支持的业务场景
2. 核心模块建设及优化
2.1 数据接入体系：通过cdc/dump/消息队列及分区流表等方面优化，提高数据接入效率和稳定性
2.2 数据存储及计算：spark/flink/k8s/向量化/zstd/z-order/冷热存储/混合部署等技术落地，降低平台存储和计算成本
2.3 数据开发：低代码、zeppelin、一体化开发，提高业务开发和使用效率
2.4 数据查询及分析：olap引擎、数据湖、高效找数（数据门户），提高数据查询和使用效率
2.5 数据服务：通过低代码平台实现设计即开发、开发即服务，同时提供sla保障、慢查询等基本能力
2.6 平台运维及治理：大盘监控及完善组件监控、问题诊断、数据治理、服务治理、基线运维、任务调优推荐（基于规则）、血缘数据，形成闭环并量化价值
3. 未来展望
3.1 基于GPT的智能化，包括运维、开发、调试、找数、指标口径等场景
3.2 技术架构统一：实现运维、开发、调试、优化、存储、查询、服务的一体化
听众收益
1. 了解云音乐数据平台发展历程
2. 了解数据平台的相关建设思路和经验总结
3. 了解数据平台如何通过技术更好赋能业务，实现平台价值
4. 了解数据平台如何通过技术进行降本增效，实现节约成本数千万元
付庆午
成本vs便利性：OPPO大数据之云上与云下实践
oppo大数据架构师
目前在 OPPO 数据架构组负责架构演进研发；Spark 开源 RSS 项目 Shuttle 发起人；曾供职去哪儿网大数据，阿里云 MC 团队。参加过多场线上线下datafun演讲，alluxio社区演讲。
作为一家全球性公司，在海外与国内oppo大数据平台建设分别采用云上与云下两种模式，云上基于公有云的弹性资源与对象存储建设，云下基于自建机房与大数据开源生态建设，本次分享为大家介绍一下oppo大数据在这两种模式下的对比与思考。
内容大纲
1. 云上极致弹性大数据架构
1.1 全链路弹性化
1.2 公有云特性
1.3 极致降本
2. 云下自建大数据实践之路
2.1 开源生态选择
2.2 自建资源利用率提升
2.3 大规模计算稳定性建设
3. 关于大数据上云思考
3.1 成本对比
3.2 便利性对比
3.3 如何看待上云
听众收益
大数据弹性架构，大数据多云方案，大数据架构建设心得
易龙
vivo海量数据集成架构应用实践
vivo互联网 大数据专家
现任 vivo 互联网 数据集成研发团队负责人，拥有10 年大数据领域实践经验，21年加入vivo，曾先后就职于华为、腾讯。对于海量数据场景下关于数据质量、数据SLA保障、数据价值挖掘以及成本优化等整体方案设计和价值交付有丰富经验。交局12篇大数据领域技术专利。
议题主要是介绍vivo大数据集成平台架构，包括vivo数据集成平台产品介绍、架构、功能和应用场景，以及在架构演进过程中对海量数据链路稳定性、数据质量、成本优化等的思考与实践介绍。
内容大纲
1. 数据集成产品简介
2. 技术架构，先进性说明，原理
3. 功能说明及应用场景
4. 未来规划与支持业务场景探索
听众收益
了解vivo海量数据集成产品，同时也能了解vivo数据集成平台的架构演进，以及链路稳定性、数据质量、链路数据成本优化等方案的思考和相关难点问题解决思路。
SECon组委会是由业界多位资深技术专家发起，负责组织技术指导委员会，并和委员会的专家一起挖掘全球软件工程领域的创新技术，同时依托智盟创课国内领先的人才能力提升服务供应商，组织专业的会务服务团队，全面推进会议的顺利落地，保证参会者体验。
商务合作：木子 15122643988
票务联系：丽媛 18600050529
E-mail：speaker@secon.com.cn
关注SECon公众号
添加SECon小助手，获取
会议最新资讯
