专场出品人：孙立伟
元气智广 联合创始人
北京大学研究生毕业，曾在爱奇艺/腾讯任职技术总监，专注在广告业务领域，持续构建优化广告系统架构，与团队一起实现业务广告收入突破性提升，助力爱奇艺广告营收突破百亿元成为百亿级广告平台。现创立元气智广，一家为中小媒体提供综合商业化服务的公司。
专场：业务架构实践
本专场主题为“业务架构实践”，业务架构是一个存续了20多年的概念，至今也未有官方的定义，说明业务架构一个涵盖具有广泛包容性的概念，在不同场景和语境下它可能包含至少如下的含义：
- 1. 实现业务需求的技术架构
- 2. 在基础架构/中台架构之上的包含具体业务功能的架构层
- 3. 更宏观的，支持企业战略实现的能力布局，也可以称为业务架构
存在即合理，本专场不求对概念做清晰的阐释，意在为大家展示此概念下的各种可能行，展示不同业务下不同环境下技术人员如何利用或成熟的，早期的或者创新的技术来解决业务问题，提升业务效率。当然，我们更倾向于选择具有创新意义的话题，譬如：
Cell-based架构：
这是最近出现的一种架构模式，微服务架构大家都非常熟悉了，在这个架构中采用的是“所有人都可以互相通信”的原则。在基于单元的架构中增加了路由策略，服务会优先调用同一单元（Cel）中的其他服务，Cell可以是可用区域也可以是任何其他的自定义的访问范围。Cell-based架构可以显著节省成本，减少了延迟提高性能。同时也可以提高可用性，因为故障的爆炸半径被缩小为一个单元，其他单元完全不受影响，可以正常运行。
Roblox、Slack 和 DoorDash 只是实施基于单元的架构并取得显著改进的公司的几个例子。我们相信这是一个创新趋势，许多公司将开始采用，因为他们希望调整分布式系统的规模、控制成本并提高系统弹性。
数据驱动架构：
一定程度上在基于业务数据做架构决策，从数据中识别出可广泛应用的明确的趋势是非常具有挑战性的。所以在数据驱动架构下，复杂的数据分析平台不再是系统的附加功能，而是升级为了业务架构的的核心部分之一。
以上仅为两个前言话题的例子，我们会收集类似的分享主题，也欢迎大家投稿或者提出建议。
李家琛
B站全场景全生命周期安全风控实践
bilibili 风控负责人
毕业于浙江大学自动化专业，在美团做风控算法工程师，来到B站担任风控负责人，负责风控引擎搭建和所有业务风控防控。包括账号风控，营销反作弊，支付风控，反爬虫等。
互联网行业平台化后，如何提高个人人效，是个大命题。B站在不超过20人的风控团队下，完成了所有业务的精细化风控，如何建立一个有效的风控引擎，如何做到全场景风控，如何讲策略做到自动化，降低人力，并且做到全生命周期风控，B站走出了一套自己的实践之路。
内容大纲
1. 背景与困境
互联网下半场，单人服务树增加，黑产增加，风控防控难度加大，但防控人员衰减，如何打造更好的风控系统，全生命周期防控。
2. 研发与运营的屏障
2.1 研发对于qps增长2倍，才有感觉，进行限速，但会误伤好人
2.2 黑产如果5%的作弊，研发无法感知，需要风控接入，精准识别作弊
2.3 运营知道作弊案例，但防控细节知晓较少
3. 新思路——飞跃地平线
3.1 整体架构与技术方案
风控部署API-GW，南北向联动，东西向做不通场景融合，全方位阻击
3.2 运行机制
统一化接入，验证码阻击疑似作弊，对脚本过验证码进行拦截
4. 如何落地
4.1 接入层
统一API-GW接入
4.2 策略层
单场景策略，跨场景策略，
4.3 感知层
通过流量，细分人群等，进行各种固定值同环比监控，轻微波动，触发告警，打击黑产
4.4 验证层
通过各种验证码对疑似作弊进行达标，并且对脚本通过验证码进行打击。
5. 总结与展望
提出通用化的接入和防控方法，极大降低运营和研发成本，少量策略算法人力维护上千个风控场景，召回准确通过多场景联动不断提升，为业务保驾护航，提升业务ROI。
听众收益
互联网风控架构，全场景联防联控
焦勇
eBay支付账务系统之稳如泰山
eBay 支付账务系统团队负责人
2019年加入eBay，一直在eBay的支付部门负责核心账务系统的开发和维护，现为eBay支付账务系统的团队负责人。eBay支付账务系统是一个服务于电商网站的分布式金融账务系统，兼具强一致性和高可用性的双重要求。此账务系统经历了分布式生产环境错综复杂问题的挑战，经过了多轮迭代和加强，现在保证强一致的情况下，系统的可用率高达6个9以上。本人在强一致和高可用方面积累的比较多的实战经验，期待与您分享。
eBay支付核心账务系统FAS（Financial Accounting System）作为电商网站中的账务系统，承担了一致性和可用性的双重要求。本次演讲将结合FAS系统在生产环境中遇到的真实问题，探讨强一致性分布式系统在实现高可用性方面所面临的挑战，并分享FAS系统的实践经验。通过深入分析这一议题，我们可以更好地理解如何平衡高可用性和强一致性之间的关系。
内容大纲
1. 背景介绍
2. 一致性和可用性的矛盾
3. FAS系统强一致性和基本的高可用实现
3.1 Raft协议简介
3.2 Raft协议的强一致性
3.3 Raft协议的高可用性
4. FAS系统面临的高可用挑战和解决方案
4.1 高可用挑战的分类
4.2 网络故障
4.2.1 客户端与集群领导者网络不通
4.2.2 解决方案 - 跟随者转发请求
4.2.3 跟随者转发请求的弊端
4.2.4 跟随者转发请求的优化
4.3 集群内部跟随者与领导者单向网络故障
4.3.1 解决方案 - PreVote机制
4.3.2 PreVote机制的弊端
4.3.3 单向网络故障的测试
4.4 集群在领导者选举时不可用
4.4.1 Raft集群选举的机制
4.4.2 FAS客户端重试机制
4.4.3 Leader Election Timeout
4.5 公司平台安全
4.5.1 密钥更新的解决方案
4.6 硬件故障与数据恢复
5. 可用性指标
6. 总结
7. 展望
1. 背景介绍
2. 一致性和可用性的矛盾
3. FAS系统强一致性和基本的高可用实现
3.1 Raft协议简介
3.2 Raft协议的强一致性
3.3 Raft协议的高可用性
4. FAS系统面临的高可用挑战和解决方案
4.1 高可用挑战的分类
4.2 网络故障
4.2.1 客户端与集群领导者网络不通
4.2.2 解决方案 - 跟随者转发请求
4.2.3 跟随者转发请求的弊端
4.2.4 跟随者转发请求的优化
4.3 集群内部跟随者与领导者单向网络故障
4.3.1 解决方案 - PreVote机制
4.3.2 PreVote机制的弊端
4.3.3 单向网络故障的测试
4.4 集群在领导者选举时不可用
4.4.1 Raft集群选举的机制
4.4.2 FAS客户端重试机制
4.4.3 Leader Election Timeout
4.5 公司平台安全
4.5.1 密钥更新的解决方案
4.6 硬件故障与数据恢复
5. 可用性指标
6. 总结
7. 展望
听众收益
了解分布式系统一致性和可用性的矛盾，了解分布式系统共识算法的原理，了解解决高可用问题的一些常用的方法并可能应用到自己的系统中。
梁松涛
分布式计算框架ray在B站多媒体业务的落地实践
bilibili 流媒体技术部存算平台负责人
复旦大学计算机系博士，B站流媒体技术部存算平台负责人，技术专家。先后在华为、七牛从事块存储、对象存储及分布式计算的研发和落地。2021年加入B站，目前在负责视频点播及视频存储源站体系中的技术规划和架构演进，支撑B站用户视频的上传、转码及视频播放。拥有近10年的分布式系统设计和落地的经验。研究领域涵盖分布式纠删码、一致性算法、数据灾备与恢复、服务端基础架构等方面。
分布式计算框架Ray凭借其优异的异构环境资源调度和任务调度能力，在数据处理、多媒体领域以及人工智能领域都得到了广泛的应用和探索。不同业务领域对系统的需求各不相同，B站结合自身多媒体业务，将Ray作为核心计算引擎，探索了以多媒体数据为主的文件处理、音视频编解码以及处理的实践。通过对Ray进行一些改进并将其适配到业务框架中，成功地完成了多媒体业务的迁移和落地。
内容大纲
1. 背景与困境
1.1 多媒体的计算业务的复杂性
1.2 k8s集群在服务多租户所面临的挑战
1.3 当前B站的多媒体业务落地中的问题
2. 业务和计算结合的设计哲学
2.1 资源调度：自上而下 vs 自下而上
2.2 多租户：分久必合、合久必分
2.3 任务调度：数据优先 vs 计算优先
3. 多媒体业务场景及特点
3.1 视频转码场景
3.2 音视频、图片处理场景
3.3 文件计算场景
3.4 业务特点汇总(多租户、多依赖、异构资源使用、差异化的实时性需求)
4. AI的计算框架如何在多媒体业务中闪光
4.1 分布式计算框架Ray的介绍、应用、特点
4.2 基于Ray构建的服务多媒体业务的整体架构
4.3 自研的Actor业务框架，提升业务可靠性、可用性
4.4 新计算框架解决了业务中的哪些问题
5. 构建业务快速计算通道的一些启发
5.1 全局自治 vs 局部自治
5.2 分布式计算中存储问题的一些解决思路
听众收益
1. 了解面向AI的分布式计算框架Ray的使用场景、遇到的问题及解决思路。
2. 了解业务和计算框架结合过程中一些问题的解决方法。
1. 了解面向AI的分布式计算框架Ray的使用场景、遇到的问题及解决思路。
2. 了解业务和计算框架结合过程中一些问题的解决方法。
谢强彬
超大型金融项目的架构设计实践
汇丰科技 基金服务核心系统负责人
2011年加入汇丰科技,我一直在基金服务部门担任核心系统的开发和维护工作。在过去的几年里,我曾经担任基金服务部门的首席架构师,现在则是核心系统的负责人。
在这些年的工作中,我参与了几个超大型金融项目的设计和实施。作为项目的总体架构师,我需要根据项目的业务需求指定高效并切实可行的技术架构。在这个过程中,我设计并构建了一套全新的微服务架构以提高系统的可扩展性和灵活性,也大幅提升了开发效率,使得多个团队能够协同开发并快速迭代。
在这些年的工作中,我参与了几个超大型金融项目的设计和实施。作为项目的总体架构师,我需要根据项目的业务需求指定高效并切实可行的技术架构。在这个过程中,我设计并构建了一套全新的微服务架构以提高系统的可扩展性和灵活性,也大幅提升了开发效率,使得多个团队能够协同开发并快速迭代。
金融系統作为金融业务最核心的基础设施，需要具备高可靠性、高可用性和高安全性等特性。一旦出现技术热障或数据泄露等问题，将极大地影响金融系经的稳定性和安全性。本次演讲将分享超大型金融项目从业务架构出发设计系统架构的流程，以探讨如何构建坚如磐石的金融系统架构。
内容大纲
1. 超大型金融项目的业务架构
1.1 业务特点及需求分析
1.2 业务流程设计及流程图制作
1.3 业务模块划分及分层架构设计
2. 超大型金融项目的系统架构设计流程
2.1 确定系统需求及范围
2.2 系统架构设计方法
2.3 选择系统架构模式
3. 超大型金融项目的系统架构设计实践
3.1 应用层架构设计
3.2 数据层架构设计
3.3 安全性设计
3.4 可扩展性设计
4. 超大型金融项目的系统架构部署
4.1 系统测试及优化
4.2 系统上线及维护
4.3 系统监控及预警
5. 总结与展望
5.1 超大型金融系统架构设计的重要性
5.2 未来金融系统架构设计发展趋势
5.3 实践启示和经验分享
内容大纲
1. 超大型金融项目的业务架构
1.1 业务特点及需求分析
1.2 业务流程设计及流程图制作
1.3 业务模块划分及分层架构设计
2. 超大型金融项目的系统架构设计流程
2.1 确定系统需求及范围
2.2 系统架构设计方法
2.3 选择系统架构模式
3. 超大型金融项目的系统架构设计实践
3.1 应用层架构设计
3.2 数据层架构设计
3.3 安全性设计
3.4 可扩展性设计
4. 超大型金融项目的系统架构部署
4.1 系统测试及优化
4.2 系统上线及维护
4.3 系统监控及预警
5. 总结与展望
5.1 超大型金融系统架构设计的重要性
5.2 未来金融系统架构设计发展趋势
5.3 实践启示和经验分享
王宝坤
智选Agent：基于用户理解大模型的圈选智能体
蚂蚁集团 大安全 用户认知算法负责人
蚂蚁集团算法专家, 研究生毕业于复旦大学上海市数据科学重点实验室，现担任蚂蚁集团大安全用户认知算法负责人，曾负责图风控算法框架GeaSec和大模型数据安全风控体系建设，在VLDBJ, IJCAI, WWW, KDD等发表过顶会论文。
蚂蚁致力于构建未来服务业的数字化基础设施，让每一个个体可以享受到普惠、绿色的服务。基于大模型，我们研发了安全智选这一产品，洞察和理解用户的需求和特点，更精准、更高效率地识别潜在客户，安全智选基于大模型和Agent技术实现了“一句话交互”的人群圈选范式，创新的将自然语言与互联网场景中多源异构的用户数据进行对齐，构造了十亿级用户描述样本对，以一种预测未来的建模方式实现更好的需求和兴趣人群定位，在营销获客、风控识别、运营效率全链路中达到“多、快、好、省”的效果。
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
