商业的全球化，给技术的全球化体系带来了很大挑战，也为我们技术架构的突破提供了很好的场景。业务系统支撑全球化的业务发展，面对全球多区域多机房，各个国家网络基础设施不一，多语言多币种等场景，挑战非常之巨大，如何设计全球化技术架构的底盘显得十分关键，如何构建一套基于国际化场景的高可用架构体系，如何构建全球范围内的容灾架构，如何构建一套数据不丢失系统不宕机的体系；在云时代，能够给全球化技术架构带来什么增益？云原生架构是否能够提升研发效率，提升资源利用率等，这都是值得我们去探索和实践的场景。

国际化中台是阿里巴巴 AliExrepss，Lazada，Daraz，天猫海外体系的核心中台，是阿里巴巴全球化技术战队的核心。

演讲提纲：

1. 云时代的技术架构演进历程分析
2. 全球化部署架构体系架构实现
3. 全球化容灾体系架构挑战
4. 全球化高可用架构体系
5. 云时代的全球化技术架构探索

听众受益点：

1. 全球化容灾体系的全面了解
2. 全球化高可用的挑战以及解决方案
3. 云原生架构对于全球化的助力

中国公司的出海基本遵循“国内市场产品 -> 国际化改造 -> 国际化运营”之路。在国内市场产品阶段，往往只聚焦产品功能构造，而对国际化、本地化缺乏关注，这给国际化带来很重的技术历史包袱，此外由于缺乏全球视野，团队意识相较于国际化大公司也存在一定差距。语言本地化作为国际化改造的重要工作之一，我们参考了业界常见的语言本地化方案，结合实际情况，选择合适的技术方案和实施方式，对出行产品进行语言本地化的技术改造，对文案开发流程进行重塑，对团队意识进行培养。

经过一年多的工作，取得了很好的效果，线上化的平台标准化了文案的需求、研发、测试、发布、维护流程，极大地提升了语言本地化效率和文案质量，与此同时，逐渐培养了一批有本地化意识的工程师团队。

演讲提纲：

1. 语言本地化背景
2. 国内产品-国际化-本地化
3. 滴滴的语言本地化现状
4. 方案选型及整体工作思路
5. 技术体系建设
6. 意识、流程、服务体系建设
7. 未来规划

听众受益点：

1. 语言本地化领域知识全景
2. 常见的语言本地化解决方案
3. 中国公司产品的语言本地化困境、方案选型、实施过程

Uber 拥有 7000 多万乘客，覆盖超过83个国家以及800+城市。急速增长的用户规模以及业务需求给数据平台造成了很大的挑战和压力。此次演讲中，我将介绍 Uber 如何围绕机器学习模型建立乘客激励平台，以及在业务层面进行数据治理、服务分割的经验和探索。

演讲提纲：

1. 业务场景介绍以及挑战
2. 数据平台架构优化与演进
3. 分布式批处理系统架构演化
4. 全链路系统监控方案

听众受益点：

1. 了解 Uber 乘客激励平台系统架构以及设计逻辑
2. 如何利用服务编排为产品迭代赋能
3. 了解批处理业务系统实践中的经验和教训