专题演讲嘉宾：张浩 博士

第四范式基于100多个实际落地场景，开发了针对机器学习高效供给正确数据的高可用高并发数据库 OpenMLDB。在机器学习工程化落地中，数据供给主要包含特征计算和特征存取两方面功能。

面向离线模型开发和面向在线推理的特征计算，在保证性能需求的前提下，需要产出一致性结果。基于这个线上线下数据一致性的新挑战，第四范式自研了面向机器学习的数据库。其中，如何保障线上推理服务数据供给的高可用、高并发和低延迟，是设计此数据库的最大技术难点之一。

演讲中，我会重点介绍 OpenMLDB 的线上数据供给架构，通过高性能的内存索引数据结构，多副本机制，以及基于现代化异构内存的快速恢复能力，展示 OpenMLDB 的线上服务高可用、高并发架构。

演讲提纲：

1. 面向机器学习的数据库架构介绍，解决线上线下数据供给一致性难题
2. 高可用、高并发的针对机器学习线上服务数据供给的优化技术
3. 基于异构内存的机器学习数据库高可用优化

你将获得：

1. 了解机器学习实际场景落地所碰到的困难以及解决方案方法论
2. 了解面向机器学习的数据库的高可用高并发的设计理念和背后的技术方案
3. 了解工业界最新的异构内存方案以及如何在机器学习场景中提供独特的高可用能力