阿里云神龙计算平台全链路诊断平台作为整个弹性计算产品的稳定性基石，服务了上百万的弹性计算客户。

本次分享将介绍阿里云弹性计算全链路诊断服务发展的前世今生。在阿里云弹性计算规模日益增长的今天，我们结合阿里巴巴已有的一些底层服务，构建了这套全链路诊断服务，覆盖了线上99.99% 以上的故障&异常处置场景，成为各类大促，客户重保的稳定性利器。本次分享会着重介绍诊断服务在方案设计和落地过程中遇到的痛点和难点，希望与大家一起探讨。

演讲提纲：

1. 背景：智能诊断-阿里云弹性计算稳定性的技术基石：
   • 全球第一的稳定性SLA因谁而来
   • 弹性计算全链路诊断服务的发展历程-超大规模计算节点下的故障诊断的复杂性介绍
2. 同类型产品调研与分析： 同类型的监控诊断产品分析，优劣对比
3. 智能诊断平台设计与实现：
   • 从数据采集服务治理讲起
   • 弹性计算全链路诊断根因诊断服务的设计
   • 智能诊断的根因可解释性解决方案设计
   • 高可用可观测的智能运维策略解决方案及落地案例
   • 准确性和时效性如何找到平衡点
   • 策略的自适应优化与 DryRun 机制的建设

你将获得：

1. 了解阿里云的弹性计算全链路监控&诊断体系及技术架构演进
2. 了解智能诊断&智能自动运维在落地过程中遇到的诸多难点，需要思考的问题

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

直播作为新兴行业，已成为一种现象级的产品，基于直播产生的打赏、电商、PK、游戏等业务，带来千万级别的同时看播人数和亿级并发流量。如何承载常态化亿级并发流量、满足高时效性要求、保障服务的高可用、支持各类重大直播活动，将是我们面临的巨大挑战。

本次分享会重点分析直播场景下遇到的这些难点和挑战，并分享如何解决这些问题，希望和大家一起探讨。

演讲提纲：

1. 抖音直播架构复杂性和高可用挑战分析
2. 核心系统的高并发解决方案
3. 关键链路的高可用保障方案
4. 大型直播活动重保经验分享

你将获得：

• 了解直播场景下的关键技术难点和解决方案
• 了解大型活动的高可用保障方案
• 了解高可用体系化保障的理论知识