快手在各个基础架构组件都有用到存储引擎，存储的核心在于 I/O 的极致性能和良好的扩展性。K-Engine 针对开源/自研等异构存储引擎体系之上，做了很多方面的优化和定制，以满足不同业务对底层 KV 引擎的需求。

K-Engine 已经在存储组内部全面落地，作为多个数据库系统的引擎底座提供了更好的性能和可运维性，及部分中台系统中应用，并带来了明显的性能收益。本次分享，我主要是给大家介绍我们自研过程的技术细节和应用落地的探索。

演讲提纲：

1. 快⼿ K-Engine 是什么 
2. K-Engine RocksDB 深度定制和优化
3. K-Engine在新型硬件场景的落地
4. 基于 NVM 的 Hash Index 存储引擎
5. 异构引擎形态的实践

你将获得：

• 单机存储引擎在快手的深度优化
• 不同类型存储引擎 LSM-tree，B-tree，Hash 在异构场景的落地
• 新硬件红利，我们所做的优化及挖掘引擎的潜力

PolarDB MySQL 作为云原生 OLTP 数据库，汇聚了海量的在线用户数据，对这些数据的实时分析需求日益成为挑战。PolarDB IMCI 项目提出创新性的方案解决此问题：

• 首先，在现有行存  TP 型引擎的基础上增加内存列索引技术，实现列索引与行存之间事务级别的实时一致性；
• 其次，重新设计并实现了多核并行叠加向量化执行加速的执行引擎；
• 最后，设计并实现了一个面向行列混合存储的 SQL 优化器框架。

三者结合，PolarDB 在保持 TP 场景性能优势的前提下，处理 AP 型查询的性能与专用数仓达到同一水平，使得 PolarDB 真正成为一个 HTAP 数据库。

演讲提纲：

1. MySQL 生态数据分析技术的发展
2. PolarDB 数据分析能力的演进
3. PolarDB In-Memory Column Index 技术架构
4. IMCI 的执行器及优化器技术
5. IMCI 的行列混合存储技术

你将获得：

• 了解 MySQL 生态一体化 HTAP 解决方案
• 了解如何在 share disk 的云原生数据库中再造 HTAP 能力

关系型数据库是几乎所有企业的数字化的基石，而它的 HTAP 能力越来越受重视，包括业界和学界都出现了很多研究和进展。TiDB 作为一款 NewSQL 数据库，较早的实践了 HTAP 的理念，并在各行各业得以广泛应用，帮助企业解决一个个普遍且典型的业务难题。

TiDB 在实现 HTAP 的过程中，技术上经历了多个阶段的迭代，并且还在快速进化中。本次分享，希望可以与大家交流 TiDB 的 HTAP 功能的落地经验、架构设计上的经验和思考，以及我们对未来的计划。

演讲提纲：

1. TiDB 的 HTAP 典型业务场景
2. 数据库存储层技术挑战与解决方案
3. 实际用户场景踩坑经验
4. TiDB 的 5.3 版本在性能和稳定性方面的变化，以及背后的工作
5. TiDB 的 HTAP 未来发展方向的思考

你将获得：

• 了解典型分布式关系型数据库的架构设计思考
• 了解数据库研发过程的一些技术实践与用户体验思考

MySQL 的高可用性以及分库分表一直是很多公司的痛点。高可用方面虽然 MySQL 有了 MGR，但稳定性以及性能不尽如人意。数据量大后的分库分表需要耗费比较多的人力，并且容易出问题。为了解决这些问题，美团从 2019 年起自研分布式数据库 Blade，经过三年的发展 Blade 逐渐成熟，承接线上流量。 本次演讲主要介绍下 Blade 发展过程中的挑战点与创新点，如：事务模型、Region 动态分裂、自研存储引擎、高性能 C++协程库 、Raft Log 创新、生态建设、降本增效等。

演讲提纲：

1. Blade 发展历程
2. 重点技术实现
   • 事务模型
   • 自研存储引擎
   • Region 动态分裂
   • 基础库建设
   • 生态建设
3. 降本增效
4. 未来规划与思考

你将获得：

• 分布式数据库的发展趋势
• 分布式数据库解决的业务痛点
• 高性能基础库的设计思路
• 数据库降本增效的基本思路