专题：大数据解决方案专场

业界在大数据的分析处理上一直采用多套组件混搭的方式进行。基于这个现状，我们希望能够通过打造一款产品实现数据库分析领域的全场景覆盖。它不仅具备查询、统计、排序等常规操作，同时能够兼具多层嵌套查询、多维统计分析等功能。除此之外，我们还需要它能够兼具“内存、时序、向量数据库”的特定能力，在做到 OLAP 场景全覆盖的基础上实现轻量级的安装部署特性，这便是我们本次的实践之路。

演讲提纲：

1. 业界存在的痛点及开发背景

2. 关键技术点的实现

3. 产品的特性及性能

4. 应用场景及案例

你将获得：

• 了解一款新产品从 0 到 1 的打造之路
• 掌握数据库调优提速的实操方法
• 了解单机实现百亿数据毫秒级多维查询统计的实践过程

互联网、移动互联网、物联网、智能化让数据呈指数级增长，在此之前我们更习惯于关系型数据库，用二维表来描述物理世界。当图数据库的技术逐渐成熟，树和拓扑图更容易表达充满关系的物理世界。实际上和图相关的场景也确实越来越丰富，包括社交、知识图谱、金融风险、数据血缘、生物医疗、物联网、基于图的深度学习等领域。

数据量呈爆炸式增长，数据规模对分布式提出了必然的要求，技术上也提出了更大的挑战。为了解决图相关海量数据场景，Nebula Graph 作为一款开源的分布式图数据库，并以处理大规模海量数据为设计目标，不同于某种只做图结构，不做图属性的图数据库设计，Nebula Graph 定位为大规模的属性图，并持续完善功能，优化性能，以支撑各种图相关应用，解决行业痛点。

演讲提纲：

1. 图相关应用的发展，背景介绍

2. NebulaGraph 整体架构简介

• 产品总览
• 整体架构（包括三个主要的服务）

3. 怎样支撑海量数据以及性能优化

• 分布式架构深入解读
• 性能优化点

你将获得：

• 了解图数据库的发展背景，应用场景
• 深入了解 NebulaGraph 分布式图数据的设计理念和架构
• 理解图数据库性能瓶颈，了解相关的性能优化思路

从云计算到边缘计算，生产数据的主体从人类行为变成了设备感知。此过程中，数据的类型、范式和体量的变化对技术架构亦提出了新的要求。

EMQ 基于移动计算优先、数据流可重用，异构设备易接入、全场景可适配、分布式云原生等原则，推出云边协同的产品组合和新架构范式。从边缘端的 Neuron、NanoMQ、eKuiper 和云端的 EMQ X、HstreamDB，覆盖了数据接入，汇聚，流处理，存储分析的全生命周期。解决了海量物联网大数据的实时处理与采集，边缘端本地低时延快速处理，云边数据处理统一管理，实时数据分析等需求，从而帮助用户洞察业务风险与预警，完成数据变现。

演讲提纲：

1. 从移动互联网到物联网带来的数据范式和需求变化

2. 如何应用现有技术栈应对需求变化：从云到边缘

3. 如何与旧有技术体系融合：unified namspace

4. 新时代的数据基础设施：EMQ 云边协同的物联网生态解决方案

5. EMQ 相关行业案例分享

你将获得：

• 让读者了解行业现状和趋势
• 提供听者架构和选型建议
• 分享 EMQ 对于行业的见解和远见
• 了解 EMQ 产品和方案的优势以及如何结合行业实际情况应用
• 学习如何解决 IoT 异构设备的接入和计算需求