SDCC 2016大資料&架構峰會·杭州站啟航，首批過半講師和議題公佈

2016年9月22日-23日，由CSDN重磅打造的大資料核心技術與實戰峰會、網際網路應用架構實戰峰會將在杭州舉行。

SDCC 2016大資料技術&架構實戰峰會（杭州站）是由CSDN主辦的頂級技術盛會，大會目的是促進更加深入的業內同行技術交流，傳播先進技術理念。SDCC 2016·杭州站為期兩天，主要面向對大資料/架構技術感興趣的中高階技術人員，將秉承乾貨實料（案例）的內容原則，聚焦技術實踐，結合業務，邀請業內頂尖的架構師和技術專家，共同探討海量資料下的應用監控系統建設、異常檢測的演算法和實現、大資料基礎架構實踐、敏捷型資料平臺的構建及應用、音訊分析的機器學習演算法應用，以及高可用/高併發/高效能系統架構設計、電商架構、分散式架構/微服務等話題與技術。

SDCC 2016·杭州站兩大峰會出品人：

架構峰會出品人：張立剛，1號店架構部技術總監

2012年7月加入1號店，架構部-OMS訂單管理平臺負責人，負責1號店訂單、庫存、拆單、運費、第三方平臺訂單等電商核心交易系統。

期間，作為負責人及專案經理，主導並參與了1號店SOA治理、訂單Service化、訂單水平拆庫&去Oracle遷Mysql、無線效能優化及拆pool、運費體系重構、庫存準確率優化等重要專案，負責1號店與Tmall、百度、噹噹、B2B2C平臺等第三方平臺訂單業務。

從0開始建立了1號店完善的訂單監控、預警、履單體系，致力於構建新一代電子商務核心系統–智慧OMS訂單管理平臺。

大資料峰會出品人：陳超，七牛雲技術總監

全面負責七牛資料產品的設計與研發，近年來一直專注於分散式計算與機器學習等領域，國內較早的Spark研究與使用者，Spark Contributor。有非常豐富的分散式系統設計與實現的經驗，在分散式資料庫方面也有深入研究。

首批公開的講師和議題：

楊超 京東商城架構師

2011 年 10 月加入京東。先後負責和參與京東的 IM 專案、交易系統 .NET 轉 Java、購物車、庫存、多中心交易等核心系統的研發和架構升級工作。

演講主題：京東交易架構演進-高可用服務的保障

主題介紹：京東商城交易平臺的架構，大促中的技術演進之路。

1. 分散式結構思路；
2. 合適時機進行拆分；
3. 高併發、高可用、如何誕生的。

司孝波 蘇寧雲商中臺研發中心技術副總監

參與了蘇寧易購交易平臺的系統架構和搭建工作，熟悉庫存、價格、會員、訂單等交易系統的業務及架構思路，對高併發交易、海量資料處理、服務端分散式架構設計及優化具有豐富的經驗。

演講主題：蘇寧的庫存系統架構演進及架構設計

主題介紹：本次分析主要涉及以下內容：

1. 庫存業務介紹
2. 庫存系統演進
3. 平臺庫存架構
   3.1 應用架構
   3.2 整合架構
   3.3 資料架構
   3.4 部署架構
4. 經驗總結
5. 工作展望

聽眾收益：本次分享，與會嘉賓將有這些收穫：

1. 高併發交易背景下的一些技術實踐；
2. 庫存業務解決方案。

張廣平 唯品會應用架構負責人

2014年前在eBay工作多年，負責eBay商城支付平臺開發管理工作，PaaS平臺架構師，2014年加盟唯品會，作為唯品會應用架構負責人，負責唯品會應用架構管理工作，主持公司架構評審運作；主持多個公司戰略級專案的架構設計和支援工作；唯品會核心系統重構總架構師。

演講主題：唯品會應用系統架構設計

主題介紹：唯品會作為一家全球最大的特賣電商系統，閃購限時特賣業務特點決定了網站隨時都需要處理高併發、大流量的使用者請求。為了保證系統在高併發、大流量訪問下工作，並且使系統有較強的擴充套件性。本次共享將介紹唯品會系統基礎架構體系，以及唯品會應用系統架構的設計原則和思路，如合理系統邏輯拆分、分層設計、服務化解耦、適度的服務顆粒度劃分、系統間通訊增加非同步處理，減少同步處理、優化資料庫訪問、通過統一的資料共享標準、統一框架整合定時任務等，並通過訂單和選購線中一些設計例項來說明服務化的設計思想。

朱浩 美團點評基礎架構儲存團隊負責人

2012年初加入大眾點評的基礎架構組，在4年多的時間裡面，先後負責實施分散式排程系統、ABTest測試平臺。zebra(MySQL訪問層)是我從事開發最長的專案，從2014年中專案開始一直到如今，在這個專案的開發過程中，產生了對於對資料庫領域濃厚的興趣，希望能和大家多多交流。目前在美團點評主要負責MySQL訪問層(zebra)，Redis儲存以及MySQL binlog實時解析等產品的研發工作。

演講主題：大眾點評資料庫訪問層的架構設計

主題介紹：本次分享主要介紹大眾點評資料庫訪問層的架構設計。從為什麼需要資料庫訪問層出發，介紹它的必要性。然後主要側重從純技術角度介紹zebra是如何實現讀寫分離，分庫分表以及它的動態特性是如何發揮重要的作用的。最後會分享一下圍繞這個訪問層的運維體系的建設工作，和大眾點評分庫分表的一些實戰經驗。

聽眾收益：本次分享，與會嘉賓將有這些收穫：

• 瞭解資料庫訪問層是什麼以及其必要性；
• 瞭解資料庫訪問層需要有哪些功能；
• 瞭解分庫分表的一些實戰經驗。

---

陳健 Echo資料組·演算法工程師

12年畢業於比利時天主教魯汶大學人工智慧專業，先後在百度搜尋研發部，晶贊科技任職；現任echo資料組負責人，負責音樂推薦和音樂分析的工作。研究方向為廣告演算法，推薦系統和音樂分析。目前致力於使用機器學習演算法分析音樂的內容，包括music embedding和music tracking等。擅長scala程式設計以及spark上機器學習模型的開發以及音樂音訊分析。

演講主題：Echo探索個性化推薦和版權識曲之路

主題介紹：本次分享主要涉及以下內容：

1. 通過Echo回聲App的使用者的播放、喜歡、分享、下載等行為隱式資料，使用logistic matrix factorization模型，獲取使用者的特徵向量和音樂的特徵向量。
2. 為了檢測使用者上傳的歌曲是否屬於未收錄版權的歌曲，通過分析音樂的音訊，進行頻譜變換以及特徵學習，生成對應的音訊指紋。然後根據音訊指紋判斷使用者上傳歌曲是否侵權。

聽眾收益：本次分析，與會嘉賓將有這些收穫：

1. 如何處理隱式音樂App等隱式資料來進行矩陣分解；
2. 如何在spark上並行logistic matrix factorization來處理超大的稀疏矩陣；
3. 音樂分析綜述；
4. 通過頻譜抽取音訊本地特徵，然後根據深度學習等演算法學習全域性音訊的特徵。

洪斌 有贊大資料團隊負責人

在資料倉儲，搜尋引擎，機器學習方面有較豐富的經驗。2015年加入有贊，負責有贊大資料平臺和搜尋引擎的搭建及應用，之前擔任汽車之家廣告平臺架構師。

演講主題：有贊大資料實踐之敏捷型資料平臺的構建及其應用

主題介紹：本演講首先介紹了有贊資料平臺的設計思路和方法。我們為什麼要設計資料倉儲？資料倉儲如何適應業務的變化？在資料的易用性方面有哪些措施？

然後介紹構建在資料倉儲上的BI系統及其應用，接下來我們介紹了大資料平臺在搜尋引擎方面的實踐。在作者的演示中我們看到的是一個接地氣的，在資料運營和研發效率上都能發揮作用的大資料平臺。

聽眾收益：本次分享，與會嘉賓將有這些收穫：

1. 瞭解在業務變更頻繁的背景下，網際網路做資料倉儲的經驗是什麼？
2. 面對不同角色的資料需求，需要哪些不同的資料引擎？他們的異同點是什麼？
3. 為什麼說一個設計優良的大資料平臺可以提高其他資料型產品的研發效率？有哪些具體的案例？

倪增光 餓了麼資料運營部技術經理

先後就職於PPTV、唯品會，目前任職餓了麼資料架構技術經理，主要負責資料技術部離線計算平臺建設、實時計算開發和平臺基礎工具開發。目前致力於開放化和自動化的資料基礎平臺建設。

演講主題：餓了麼大資料基礎架構實踐

主題介紹：資料架構作為資料運營的基礎部門，從2015年成立到現在經歷了快速的發展，系統規模經歷了幾十倍的增長，這次主要為大家分享”餓了麼”資料架構在離線、實時和工具方面的建設經驗。

聽眾收益：本次分享，與會嘉賓將有這些收穫：

1. 瞭解餓了麼資料基礎架構的構成；
2. 瞭解餓了麼資料基礎架構構建過程中遇到的問題；
3. 瞭解餓了麼資料基礎架構在離線、實時和工具方面的建設經驗。

黃大鵬蘑菇街資料平臺部實時計算經理

2014年加入蘑菇街，現任蘑菇街實時計算平臺經理，負責蘑菇街實時數倉的建設。多年大資料從業經驗，曾就職於阿里雲，參與RDS產品的開發，擅長各類資料庫應用以及資料產品開發。

演講主題：蘑菇街實時資料平臺實踐

主題介紹：蘑菇街的實時資料平臺服務於業務資料監控、廣告自然排序、系統分析等多個業務領域，在整個實時資料平臺建設中包括多種關鍵技術的選型與二次開發，包括MySQL、ES、Storm、Esper、HBase、Spark等，針對不同的需求組合使用；與此同時作為一個資料倉儲，資料的治理與業務的梳理與底層技術同樣重要，三者缺一不可。本次分享的主要內容包括：蘑菇街實時計算平臺Mario，資料鏈路的治理和不同的應用場景的介紹。

聽眾收益：本次分享，與會嘉賓將有這些收穫：

1. 瞭解各類實時業務場景下的技術選型思路；
2. 蘑菇街流式計算平臺的技術架構；
3. 實時數倉建設方面的經驗。

姚仁捷 遊族網路運維開發經理

負責遊族運維資料方面的工作，希望能結合大資料和機器學習，幫助資料化運維體系的建設。之前曾經在唯品會，PPTV和eBay工作，主要負責實時計算和監控系統相關。目前興趣在於機器學習和異常檢測。畢業於華中科技大學，獲得數學學位和計算機學位，在業餘時間，愛好健身，網球，也會玩玩吉他。

演講主題：Machine Learning in Anomaly Detection

主題介紹：發現問題、解決問題是運維永恆不變的兩個主題。而如何發現問題，是其中的難點和重點。運維收集的資料可能數以百萬計，如何從其中快速、準確的發現問題（即異常檢測）？這是本次演講要講的內容。

演講有三個部分，首先從更加抽象、一般化的角度介紹異常本身以及異常檢測的定義。然後，從“靜態閾值法”開始，介紹多種異常檢測的演算法和實現，希望能通過更數學的方式，讓大家對目前流行的幾種異常檢測方法的優缺點有所瞭解。最後一部分會著重介紹使用機器學習的方法，介紹一些對異常檢測有很大提升的演算法，通過真實資料和例子，演示機器學習對於異常檢測的幫助。

聽眾收益：本次分享，與會嘉賓將有這些收穫：

1. 理解異常檢測的本質和定義，它與監控報警系統的關係；
2. 瞭解目前常用的”閾值“異常檢測演算法和它的改進演算法。理解它們的優點和缺點；
3. 瞭解正態分佈、線性邏輯迴歸和聚類演算法等一些新穎的演算法對於異常檢測的幫助；
4. 根據演講中使用的真實資料集作為機器學習的例子，瞭解使用機器學習完成異常檢測模型的建立，以及測試的過程。

大會安排

時間：2016年9月22~23日

地點：杭州·紅樓大酒店（上城區西湖大道2號，近地鐵1號線城站站）

票價：6折優惠，最低僅需499元，團購有更多優惠（6折僅限9月4日前購買，原價1599元）

訪問官網即刻享受6折優惠！大會報名。