- TF105:大语言模型技术进展及应用
- TF104:软件工程的复杂性
- TF103:降本增效 架构先行
- TF102:攻击面管理
- TF101:全域营销的数据科学
- TF100:大模型时代下数据智能的应用与前景
- TF98:数字化转型先锋论坛-金融行业实践专场
- TF97:大语言模型时代的知识工程
- TF96:知识图谱赋能时空AI
- TF95:元宇宙系列(三):行业智能化,产业元宇宙来助力
- TF94:NLP技术和产业化发展
- TF93:云原生年度回顾与展望
- TF92:工业机器人柔性控制
- TF91:前端新技术与新实践
- TF90:研发效能度量
- TF89:数智转型 势在必行
- TF87:数据洞察与数据驱动
- TF86:知识图谱赋能智能制造
- TF85:打造公路“头等舱”——智能座舱与交互革命进行时
- TF84质量与效能
- TF83中间件设计:打造互联网架构的基石
- TF82前端与图形学
- TF81工业制造中的数据治理
- TF80云原生安全
- TF77智慧商业,连锁革命
- TF76金融知识图谱构建与应用:进展与展望
- TF75云原生架构演进:降本增效背景下的云原生实践
- TF74产业互联网下的数据科学
- TF73边缘计算不边缘——创新焦点之边缘智能设备和应用
- TF72技术创新驱动企业增长
- TF71 产业变革中的工业互联网安全
- TF70跨模态前沿AI技术及产业应用
- TF69工业制造中的大数据分析和预测
- TF68前端与多媒体
- TF67如何用因果推断和实验驱动用户增长
- TF66大转型,走进农业新时代
- TF65知识图谱开源开放及生态
- TF64量子人工智能:机遇与挑战
- TF63基础架构设计:从架构热点问题到行业变迁
- TF62元宇宙系列(二):数字化底座,万丈高楼平地起
- TF61开发安全与供应链安全
- TF60企业级研发效能提升的实践
- TF59研发效能提升之美
- TF58视觉基础模型研究及应用
- TF57数据安全之流动数据的安全管控
- TF56MBD,开启产品数字化定义新未来
- TF55前端工程体系,告诉你头部企业的新探索
- TF54工程师成长地图与卓越研发组织打造
- TF53预训练时代的大规模知识表示与推理实践
- TF52智慧、融合、安全——智能科技车与路
- TF51畅谈元宇宙的发展与挑战
- TF50工程师文化驱动组织创新
- TF49 产品设计与生产制造协同案例分享与探讨
- TF48云原生时代架构变迁与前瞻
- TF47AI技术落地过程中的实践问题探讨
- TF46数据科学的新发展与数字化转型
- TF45知识图谱新技术、新场景、新应用
- TF44智能驾驶的技术挑战和解决方案
- TF43前端的发展与未来
- TF42区块链DeFi技术新机遇与实战
- TF41云上大数据和数据中台建设
- TF40人机共存,传统行业供给侧服务者赋能技术与系统实战
- TF39语言知识前沿研究与工业实践
- TF38无(少)标注数据在人工智能中的应用
- TF37基于场景的机器人环境理解与智能交互
- TF36工业大数据在智能制造领域的应用与探索
- TF35从数据分析到数据智能
- TF34工业互联网安全前沿与技术热点
- TF33人工智能的下半场—— 知识图谱的新机遇与行业落地
- TF32端到端数据分析系统构建
- TF31智能:前端技术的新挑战
- TF30产业互联网下的数据智能实战解析
- TF29机器视觉技术进展及工业应用
- TF28技术战略转型背后的工程师文化
- TF27零信任网络架构实践 (ZTNA Practice)
- TF26互联网架构中的热点应对
- TF25工业人工智能技术创新与应用
- TF24 仿真工业软件的研究与应用
- TF23AI联邦学习的最新应用落地
- TF22数据驱动
- TF21 认知智能落地中的问题与对策
- TF20 深度学习技术和框架应用
- TF19 未来智能设备的交互技术
- TF18 数据安全与风险防控
- TF17 认知计算产业化落地
- TF16 NewSQL探索与实践
- TF15 Cloud Native 云原生时代的架构
- TF14 联邦学习技术及数据隐私保护
- TF13 大数据时代背景下数字内容生产行业的技术变迁
- TF12 语言认知与知识计算
- TF11 容器化和Service Mesh实践
- TF10 AI在智慧媒体领域的应用
- TF09 人机对话的产业应用与技术发展
- TF08 企业数据安全建设实践
- TF07 大数据在新零售中的应用
- TF06 工程师职业发展及组织文化概况
- TF05 区块链技术与工程实践研讨会
- TF04 纵论AI在问答、机器翻译、自动驾驶、人脸识别中的应用
- TF03 大数据系统与应用
- TF02 人工智能时代的互联网运维
会议主席
杨卫华
杨卫华,多年软件及互联网行业研发经历,2008年加入新浪,曾负责通讯服务等多个大型后端系统研发。2009年起参与新浪微博的技术架构工作,现任微博技术副总,CCF TF架构SIG主席,CCF区块链专委会委员。
联席主席
丁宇
丁宇(花名叔同),阿里云容器平台&安全生产负责人。2010年加入阿里,现任安全生产、云容器平台、调度、集群管理负责人;9次参与双11作战,推动和参与了双11几代技术架构的演进升级。
特邀讲者
曾凡松
主题报告一视频:阿里 kubernetes 大规模应用与实践
主题简介:云原生,阿里技术体系,都是非常值得分享的话题,当云原生碰到阿里会是怎样一番场景?本次分享主要介绍阿里集团内部运维体系的演进过程,以及 kubernetes 在阿里内部的应用形态。包括如何通过扩展 kubernetes 来支持阿里体系内众多业务的运维形态,如何支持阿里双十一极端的峰值场景等,同时结合具体的应用案例,分享阿里云原生演进过程中的技术架构。
个人简介:曾凡松,花名逐灵,阿里云容器产品高级技术专家。曾任职于百度基础架构部,负责自有的集群管理系统(Matrix)的研发工作,包括调度、容器、混合负载部署等。2018 年加入阿里巴巴,主要负责 kubernetes 规模化。支撑了 2018 阿里巴巴的双十一,饿了么阿里云容器,正在经历阿里运维体系全面向云原生架构的升级过程。
成国柱
主题报告二视频:Service Mesh在字节跳动的落地实践
主题简介:随着越来越多的服务采用微服务架构及运行在云环境中,在获得便利的同时也带来了许多新的挑战。作为微服务架构的下一个演进方向,Service Mesh通过与云环境原生集成,在服务连接、流量管理、服务观测、问题追查方面提供了一个非常好的解决方案。由于引入了一个额外的间接层,也带来稳定性、性能、问题排查及可接入范围等方面的担忧。本次分享介绍字节跳动在应用Service Mesh去解决这些问题时的一些经验总结和对未来发展的思考。
个人简介:成国柱,字节跳动基础架构工程师,微服务框架/Service Mesh负责人。在字节跳动主要从事公司golang/python等微服务框架、服务治理平台、Service Mesh和配置中心等系统的研发工作,曾在腾讯从事后台开发,具有丰富的高性能、高并发系统开发及微服务化迁移改造经验。
彭涛
主题报告三视频:微博基于kubernetes的云原生架构实践
主题简介:云原生是如何帮助业务快速增长的?作为一套应用架构,云原生能够帮助公司使应用能够在动态的基础设施环境(如公共云,私有云和混合云)中构建和运行可弹性扩缩容的应用程序。而与Kubernetes的结合就能够提供包括容器化、DevOps、微服务、持续交付等功能。根据实际的业务需求,微博在2018年基于Kubernetes的开发了云原生应用平台,春晚实现部分核心业务混合部署与弹性伸缩。结合这部分的实践经验-虚拟化网络、调度管理、资源隔离、CI/CD、DevOps、模块化运维、微服务等。来阐述下基于Kubernetes的云原生应用平台是如何帮助业务快速增长的。
个人简介:彭涛,微博平台kubernetes技术负责人、微博容器弹性扩缩容平台开发负责人、Kubernetes代码贡献者。主要研究方向为Infrastructure as a Service、Platform as a Service、云原生、微服务、DevOps、虚拟网络、SDN等。带领团队完成的微博容器弹性扩缩容平台,成功应对春晚等热点峰值流量压力。贡献了相关代码提交Kuberenets社区,加入微博之前,曾在百度基础架构部,百度云平台事业部、担任相关开发工作负责百度私有云虚拟化网络,公有云虚拟化网络,CDN,DNS等相关研发和产品落地。在工作期间,拥有多项发明专利。致力于推动基于Kubernets的云原生架构在微博的应用落地。
谢丹博
主题报告四视频: Cloud Native on DiDi
主题简介:近期以来,CloudNative作为业界趋势,具有极高的热度。Kubernetes作为CloudNative的核心,已经被广泛的应用在各个公司。滴滴弹性云作为滴滴内部服务的容器平台,承担着基础设施的重要作用。在容器等相关技术的落地过程中遇到了诸多的难题和挑战。本次演讲重点聚焦滴滴弹性云在CloudNative实践过程中的思路和技术难题。包括容器调度、业务适配、网络、隔离等方面。
个人介绍:谢丹博,滴滴弹性云团队负责人。从无到有,基于Kubernetes等技术构建容器平台,为滴滴提供基于容器的云平台。曾先后就职于百度、小米、美团等公司,负责基础平台研发以及运维相关的工作。在云计算、devops、运维等领域有深入的研究和实践经验。
刘超
主题报告五视频:大规模微服务场景下的性能问题定位与优化
主题简介:实施微服务到达一定的规模之后,一方面从前端到后端服务调用关系复杂,另一方面技术栈从应用层到底层层次太多,一旦遭遇性能问题非常难以定位,本次分享以一次压测期间的请求超时为例子,讲述从接入网关,到容器网络,到微服务之间的调用,到物理网络,最终到缓存和数据库的逐层排查,定位过程,以及为了解决这些问题对Envoy,容器平台,微服务框架的优化实践。
个人简介:刘超,网易研究院云计算技术部首席架构师,出版《Lucene应用开发解密》,极客时间专栏《趣谈网络协议》《趣谈Linux操作系统》,毕业于上海交通大学,曾经就职于EMC,CCTV证券资讯频道,HP,华为等,目前在网易从事容器,Kubernetes和微服务的架构工作。长期致力于云计算开源技术的分享,布道和落地,将网易内部最佳实践服务客户与行业。个人公众号《刘超的通俗云计算》发表OpenStack, Kubernetes, 微服务类技术文章107篇,其中《终于有人把云计算,大数据,人工智能讲明白了》累积10万+。