专题：主题演讲

近些年迅速发展的大规模预训练模型技术，正在让机器逐渐具备像人一样的认知智能，但是也对算法、系统、算力提出新的需求和挑战。基于大模型，新的应用在产生，新的产品和系统构建方式在出现，这是人工智能的新范式，也必然导致新的框架。面向明天，让我们重新思考大模型认知智能时代的新架构。

很多场景都会产生时序数据，比如物联网、车联网、IT 运维等。而且随着 5G 等技术的普及，联网设备飞速增长，所产生的数据也成指数级增长。如何高效存储和分析这类数据，具有很大的社会效益和经济价值。

本次演讲将首先分析时序数据的典型特征，然后讲解 TDengine 这款高性能的时序数据库的架构创新，最后会简单介绍下如何从 OpenTSDB快速迁移到TDengine。

演讲提纲：

1. 时序数据的典型特征

2. TDengine 的核心架构设计

3. 从OpenTSDB 快速迁移到 TDengine

你将获得：

• 了解时序数据的典型特征
• 了解一款有代表性的时序数据库是如何设计的

大数据发展初期涌现了非常多开源和自研系统，并在同一个领域展开了相当长的一段“红海”竞争期，经历激烈竞争和淘汰后，胜出的产品逐渐规模化，并开始占领市场和开发者。

但事实上，近几年，大数据领域已经没有再诞生新的明星开源引擎，以Apache Mesos等项目停止维护为代表，大数据领域进入“后红海”时代：技术开始逐步收敛，进入技术普惠和业务大规模应用的阶段。

我有幸在微软和阿里巴巴历了大数据发展 20 年过程中的后 15 年。在本次演讲中，我将从系统架构的角度，就大数据架构的五个热点、四个技术趋势和三个未解问题等方面一一概述。

演讲提纲：

1. 大数据领域发展的概述
2. 五个当下的技术热点
3. 四个发展趋势
4. 三个待讨论的问题

你将获得：

• 了解大数据平台领域的发展概况、技术线路和背后的驱动力
• 结合微软云和阿里云的发展脉络，了解经过规模化验证的最佳实践及其收益
• 了解当下领域内最被关注的热点，未来发展的趋势，以及部分尚在摸索中的问题/挑战