本专场围绕云数据库的架构设计和技术演进，以腾讯云的数据库产品为例，针对性地解读了数据库产品容器化难点、数据库统一管理、超大规模集群在线数仓架构设计等话题。

降本增效从云计算发展至今一直都是企业上云最核心的关注点，无论是在线业务还是大数据、AI业务，都非常依赖算力的消耗，成本问题都是企业上云进行决策的核心因素。

一方面是大家关注比较多的传统治理，Service Mesh、Serverless 等技术的实践也在不断演进。此外，一些前沿的探索比如 Multi-runtime 等概念也在迅速兴起。

如何成为优秀的架构师？如何构建架构师的知识体系？有哪些方法论？如何和业务方更紧密的配合？如何做好团队管理工作？这些应该是大多数即将成为架构师的同学非常想了解的话题。

在往届的会议中，听众多次反馈应该增加客户端架构话题。客户端架构目前核心解决的问题包括大型 App 的团队规模庞大，业务在不同客户端之间高效复用存在的问题，以及自动化测试，提升版本迭代效率等问题。

现代数据库的发展前景充满变化和广泛可选择性，例如经典的 SQL 数据库，NoSQL 数据库，以及近来备受关注的分布式 ACID 事务数据库或者 NewSQL 数据库，分别在读/写、可伸缩等方面独具一格。

云原生技术理念可以帮助大规模系统持续快速发布，可以让服务按需快速伸缩，同时提高系统的弹性。但是在落地过程中也存在很多难点，例如遗留系统的迁移，数据迁移和安全存储、开发人员的思想转变。

产品与用户期望存在差异，功能开发跟不上需求变化，保证产品质量方法不规等等和质量有关的问题层出不穷。

微服务架构可以让业务架构的开发与运维管理变得简单高效，提高系统的可用性。与此同时也会带来很多开发与运维上的负担。而使用DDD（领域驱动设计）的思想去指导微服务的实践则成为比较好的方案。

近几年，数字化转型从高科技行业向传统行业蔓延，大规模的集群已经不专属于互联网行业、互联网应用。当各行各业开始大规模实行数字化转型过程中，效率与成本挑战比互联网、科技行业更大。这也是数字化转型中的运维系统需要进行的技术变革。

这几年整个推荐引擎的演变非常快，推荐引擎里面其实有三个核心的技术，一是召回技术，二是排序技术，三是机制技术，尤其是广告领域，它的机制属性是非常强的。这些技术对应到算法和架构上，就涉及到了机器学习、NLP等技术点。

本专题重点关注 ML & AI 技术在具体的业务场景中的应用，例如在金融、语音交互、客服、交通等领域的落地成果，切实解决了质量和效率问题。

Web前端的边界、终端和应用场景逐渐扩大，为了适应前端架构的场景需求，需要我们结合新技术在设计理念和模式上不停的演进。

业界数据湖与数据仓库的争论由来已久，数据湖的灵活性与数仓的管理能力成为大数据架构设计的“鱼”和“熊掌”，想要二者兼得是否可行？而数据治理本身也是数据湖/数据仓库领域比较重要的话题。

技术人既要埋头研究，也要抬头看路，看方向，学经验。本专题从当前的技术趋势和资本投资的视角，邀请业界专家来分享各自的观察和预测，开拓架构师们的视野，帮助他们了解业界的技术动向。

系统设计过程中需要遵循高并发原则、高可用原则和业务扩展原则，虽然看上去滴水不漏的设计，但实际场景中该出的错还是会出，担心的事还是有可能发生。

技术的发展推动业务的持续演进。从功能的逐渐完善到效率的提高，从开发者体验的升级到日常生活的智能化、便捷化。

从最初的集中式单体架构，到如今微服务和分布式架构的兴起，架构的设计逐渐变得越来越复杂。但无论如何变化，架构设计的核心始终是支撑业务的发展，因此需要在充分理解业务的前提下，尽可能低成本且高效的解决业务问题。