SDCC 2016大数据架构峰会·杭州站启航，首批过半讲师和议题公布

2016年9月22日-23日，由CSDN重磅打造的大数据核心技术与实战峰会、互联网应用架构实战峰会将在杭州举行。

SDCC 2016大数据技术&架构实战峰会（杭州站）是由CSDN主办的顶级技术盛会，大会目的是促进更加深入的业内同行技术交流，传播先进技术理念。SDCC 2016·杭州站为期两天，主要面向对大数据/架构技术感兴趣的中高端技术人员，将秉承干货实料（案例）的内容原则，聚焦技术实践，结合业务，邀请业内顶尖的架构师和技术专家，共同探讨海量数据下的应用监控系统建设、异常检测的算法和实现、大数据基础架构实践、敏捷型数据平台的构建及应用、音频分析的机器学习算法应用，以及高可用/高并发/高性能系统架构设计、电商架构、分布式架构/微服务等话题与技术。

SDCC 2016·杭州站两大峰会出品人：

架构峰会出品人：张立刚，1号店架构部技术总监

2012年7月加入1号店，架构部-OMS订单管理平台负责人，负责1号店订单、库存、拆单、运费、第三方平台订单等电商核心交易系统。

期间，作为负责人及项目经理，主导并参与了1号店SOA治理、订单Service化、订单水平拆库&去Oracle迁Mysql、无线性能优化及拆pool、运费体系重构、库存准确率优化等重要项目，负责1号店与Tmall、百度、当当、B2B2C平台等第三方平台订单业务。

从0开始建立了1号店完善的订单监控、预警、履单体系，致力于构建新一代电子商务核心系统–智能OMS订单管理平台。

大数据峰会出品人：陈超，七牛云技术总监

全面负责七牛数据产品的设计与研发，近年来一直专注于分布式计算与机器学习等领域，国内较早的Spark研究与使用者，Spark Contributor。有非常丰富的分布式系统设计与实现的经验，在分布式数据库方面也有深入研究。

首批公开的讲师和议题：

杨超京东商城架构师

2011 年 10 月加入京东。先后负责和参与京东的 IM 项目、交易系统 .NET 转 Java、购物车、库存、多中心交易等核心系统的研发和架构升级工作。

演讲主题：京东交易架构演进-高可用服务的保障

主题介绍：京东商城交易平台的架构，大促中的技术演进之路。

分布式结构思路；
合适时机进行拆分；
高并发、高可用、如何诞生的。

司孝波苏宁云商中台研发中心技术副总监

参与了苏宁易购交易平台的系统架构和搭建工作，熟悉库存、价格、会员、订单等交易系统的业务及架构思路，对高并发交易、海量数据处理、服务端分布式架构设计及优化具有丰富的经验。

演讲主题：苏宁的库存系统架构演进及架构设计

主题介绍：本次分析主要涉及以下内容：

库存业务介绍
库存系统演进
平台库存架构
3.1 应用架构
3.2 集成架构
3.3 数据架构
3.4 部署架构
经验总结
工作展望

听众收益：本次分享，与会嘉宾将有这些收获：

高并发交易背景下的一些技术实践；
库存业务解决方案。

张广平唯品会应用架构负责人

2014年前在eBay工作多年，负责eBay商城支付平台开发管理工作，PaaS平台架构师，2014年加盟唯品会，作为唯品会应用架构负责人，负责唯品会应用架构管理工作，主持公司架构评审运作；主持多个公司战略级项目的架构设计和支持工作；唯品会核心系统重构总架构师。

演讲主题：唯品会应用系统架构设计

主题介绍：唯品会作为一家全球最大的特卖电商系统，闪购限时特卖业务特点决定了网站随时都需要处理高并发、大流量的用户请求。为了保证系统在高并发、大流量访问下工作，并且使系统有较强的扩展性。本次共享将介绍唯品会系统基础架构体系，以及唯品会应用系统架构的设计原则和思路，如合理系统逻辑拆分、分层设计、服务化解耦、适度的服务颗粒度划分、系统间通讯增加异步处理，减少同步处理、优化数据库访问、通过统一的数据共享标准、统一框架整合定时任务等，并通过订单和选购线中一些设计实例来说明服务化的设计思想。

朱浩美团点评基础架构存储团队负责人

2012年初加入大众点评的基础架构组，在4年多的时间里面，先后负责实施分布式调度系统、ABTest测试平台。zebra(MySQL访问层)是我从事开发最长的项目，从2014年中项目开始一直到如今，在这个项目的开发过程中，产生了对于对数据库领域浓厚的兴趣，希望能和大家多多交流。目前在美团点评主要负责MySQL访问层(zebra)，Redis存储以及MySQL binlog实时解析等产品的研发工作。

演讲主题：大众点评数据库访问层的架构设计

主题介绍：本次分享主要介绍大众点评数据库访问层的架构设计。从为什么需要数据库访问层出发，介绍它的必要性。然后主要侧重从纯技术角度介绍zebra是如何实现读写分离，分库分表以及它的动态特性是如何发挥重要的作用的。最后会分享一下围绕这个访问层的运维体系的建设工作，和大众点评分库分表的一些实战经验。

听众收益：本次分享，与会嘉宾将有这些收获：

• 了解数据库访问层是什么以及其必要性；
• 了解数据库访问层需要有哪些功能；
• 了解分库分表的一些实战经验。

陈健 Echo数据组·算法工程师

12年毕业于比利时天主教鲁汶大学人工智能专业，先后在百度搜索研发部，晶赞科技任职；现任echo数据组负责人，负责音乐推荐和音乐分析的工作。研究方向为广告算法，推荐系统和音乐分析。目前致力于使用机器学习算法分析音乐的内容，包括music embedding和music tracking等。擅长scala编程以及spark上机器学习模型的开发以及音乐音频分析。

演讲主题：Echo探索个性化推荐和版权识曲之路

主题介绍：本次分享主要涉及以下内容：

通过Echo回声App的用户的播放、喜欢、分享、下载等行为隐式数据，使用logistic matrix factorization模型，获取用户的特征向量和音乐的特征向量。
为了检测用户上传的歌曲是否属于未收录版权的歌曲，通过分析音乐的音频，进行频谱变换以及特征学习，生成对应的音频指纹。然后根据音频指纹判断用户上传歌曲是否侵权。

听众收益：本次分析，与会嘉宾将有这些收获：

如何处理隐式音乐App等隐式数据来进行矩阵分解；
如何在spark上并行logistic matrix factorization来处理超大的稀疏矩阵；
音乐分析综述；
通过频谱抽取音频本地特征，然后根据深度学习等算法学习全局音频的特征。

洪斌有赞大数据团队负责人

在数据仓库，搜索引擎，机器学习方面有较丰富的经验。2015年加入有赞，负责有赞大数据平台和搜索引擎的搭建及应用，之前担任汽车之家广告平台架构师。

演讲主题：有赞大数据实践之敏捷型数据平台的构建及其应用

主题介绍：本演讲首先介绍了有赞数据平台的设计思路和方法。我们为什么要设计数据仓库？数据仓库如何适应业务的变化？在数据的易用性方面有哪些措施？

然后介绍构建在数据仓库上的BI系统及其应用，接下来我们介绍了大数据平台在搜索引擎方面的实践。在作者的演示中我们看到的是一个接地气的，在数据运营和研发效率上都能发挥作用的大数据平台。

听众收益：本次分享，与会嘉宾将有这些收获：

了解在业务变更频繁的背景下，互联网做数据仓库的经验是什么？
面对不同角色的数据需求，需要哪些不同的数据引擎？他们的异同点是什么？
为什么说一个设计优良的大数据平台可以提高其他数据型产品的研发效率？有哪些具体的案例？

倪增光饿了么数据运营部技术经理

先后就职于PPTV、唯品会，目前任职饿了么数据架构技术经理，主要负责数据技术部离线计算平台建设、实时计算开发和平台基础工具开发。目前致力于开放化和自动化的数据基础平台建设。

演讲主题：饿了么大数据基础架构实践

主题介绍：数据架构作为数据运营的基础部门，从2015年成立到现在经历了快速的发展，系统规模经历了几十倍的增长，这次主要为大家分享”饿了么”数据架构在离线、实时和工具方面的建设经验。

听众收益：本次分享，与会嘉宾将有这些收获：

了解饿了么数据基础架构的构成；
了解饿了么数据基础架构构建过程中遇到的问题；
了解饿了么数据基础架构在离线、实时和工具方面的建设经验。

黄大鹏蘑菇街数据平台部实时计算经理

2014年加入蘑菇街，现任蘑菇街实时计算平台经理，负责蘑菇街实时数仓的建设。多年大数据从业经验，曾就职于阿里云，参与RDS产品的开发，擅长各类数据库应用以及数据产品开发。

演讲主题：蘑菇街实时数据平台实践

主题介绍：蘑菇街的实时数据平台服务于业务数据监控、广告自然排序、系统分析等多个业务领域，在整个实时数据平台建设中包括多种关键技术的选型与二次开发，包括MySQL、ES、Storm、Esper、HBase、Spark等，针对不同的需求组合使用；与此同时作为一个数据仓库，数据的治理与业务的梳理与底层技术同样重要，三者缺一不可。本次分享的主要内容包括：蘑菇街实时计算平台Mario，数据链路的治理和不同的应用场景的介绍。

听众收益：本次分享，与会嘉宾将有这些收获：

了解各类实时业务场景下的技术选型思路；
蘑菇街流式计算平台的技术架构；
实时数仓建设方面的经验。

姚仁捷游族网络运维开发经理

负责游族运维数据方面的工作，希望能结合大数据和机器学习，帮助数据化运维体系的建设。之前曾经在唯品会，PPTV和eBay工作，主要负责实时计算和监控系统相关。目前兴趣在于机器学习和异常检测。毕业于华中科技大学，获得数学学位和计算机学位，在业余时间，爱好健身，网球，也会玩玩吉他。

演讲主题：Machine Learning in Anomaly Detection

主题介绍：发现问题、解决问题是运维永恒不变的两个主题。而如何发现问题，是其中的难点和重点。运维收集的数据可能数以百万计，如何从其中快速、准确的发现问题（即异常检测）？这是本次演讲要讲的内容。

演讲有三个部分，首先从更加抽象、一般化的角度介绍异常本身以及异常检测的定义。然后，从“静态阈值法”开始，介绍多种异常检测的算法和实现，希望能通过更数学的方式，让大家对目前流行的几种异常检测方法的优缺点有所了解。最后一部分会着重介绍使用机器学习的方法，介绍一些对异常检测有很大提升的算法，通过真实数据和例子，演示机器学习对于异常检测的帮助。

听众收益：本次分享，与会嘉宾将有这些收获：

理解异常检测的本质和定义，它与监控报警系统的关系；
了解目前常用的”阈值“异常检测算法和它的改进算法。理解它们的优点和缺点；
了解正态分布、线性逻辑回归和聚类算法等一些新颖的算法对于异常检测的帮助；
根据演讲中使用的真实数据集作为机器学习的例子，了解使用机器学习完成异常检测模型的建立，以及测试的过程。

大会安排

时间：2016年9月22~23日

地点：杭州·红楼大酒店（上城区西湖大道2号，近地铁1号线城站站）

票价：6折优惠，最低仅需499元，团购有更多优惠（6折仅限9月4日前购买，原价1599元）

访问官网即刻享受6折优惠！大会报名。