张广舟（明虚） 阿里云高级专家 Greenplum上云与优化 — ApsaraDB for Greenplum介绍 2016Postgres中国用户大会 目 录 content ApsaraDB for GP的定位 ApsaraDB for GP的内核优化 未来的规划 2016Postgres中国用户大会 ApsaraDB for GP的定位 2016Postgres中国用户大会 2016Postgres中国用户大会 ApsaraDB for GP的定位 GP的优势？ 与其他技术的对比？ 为什么上云？ 2016Postgres中国用户大会 ApsaraDB for GP的定位 ApsaraDB for GP = 简单、高效解决大数据分析需求 MPP + 列存压缩 复杂SQL + 查询优化器 本地高效存储 +高速网络 +预置稳定资源 = = 2016Postgres中国用户大会 SQL Runtime 本地存储 >5-30倍的性能优势 2016Postgres中国用户大会 ApsaraDB for GP vs. AWS Redshift? “有史以来卖的最好的云服务” 对比项目 ApsaraDB for Greenplum(SSD/SATA) AWS RedShift 外部表 支持OSS外部表 无此设计 地理信息支持 支持（自带PostGIS） 不支持

阿里云深度学习实践 程孟力 花名: 杨熙 阿里巴巴-计算平台-PAI 个性化推荐 视频理解 智能对话系统 图像检索 更多场景  OCR识别  人脸核身  智能风控  自动驾驶  语音助手 • • • 优势: 效果 显著超越 传统模型(线性层模型 / 树模型 / SVM模型 / … ) 深度学习应用场景 沙漠 湖泊 旅行 深度学习应用主要的挑战： 2.模型效果优 化困难 化困难 3.工程优化复 杂 4.数据获取困 难 挑战 深度模型是非线性的: • 参数很多 • 参数敏感 • 不同场景的数据上差异大 1.方案复杂 从FM到DeepFM rt 增 加了10倍怎么优化？ 手里面只有5张图片， 怎么搞出来一个效果还 不错的模型? ✗ 标注速度慢 ✗ 标注成本高 ✗ 样本分布不均匀 ✗ 隐私保护 • 多个环节 • 多种模型 ✗ 海量参数 ✗ 海量数据 海量数据 深度学习应用主要的挑战： 3.工程优化复 杂 4.数据获取困 难 挑战 深度模型是非线性的: • 参数很多 • 参数敏感 • 不同场景的数据上差异大 手里面只有5张图片， 怎么搞出来一个效果还 不错的模型? ✗ 标注速度慢 ✗ 标注成本高 ✗ 样本分布不均匀 ✗ 隐私保护 • 多个环节 • 多种模型 ✗ 海量参数 ✗ 海量数据 从FM到DeepFM rt 增 加了10倍怎么优化？

云+社区技术沙龙 冲上云霄—腾讯海量业务上云实践 腾讯云高级工程师 黄宏东 自我介绍 ⚫ 业务开发出身的运维 ⚫ 先后在腾讯负责游戏、安全、医疗类业务运维 ⚫ 经历数年业务爆量、成本优化、业务上云、智能运维等重点项目 ⚫ 目前负责腾讯自研业务的运维与上云工作 01 腾讯业务为什么要上云 02 业务上云的价值 03 如何上云 目录 04 上云案例分享 腾讯业务为什么要上云 腾讯业务为什么要上云 接入服务 业务 服务框架 KV/RDS CVM/Docker 接入服务 业务 服务框架 KV/RDS CVM/Docker 接入服务 业务 服务框架 KV/RDS CVM/Docker 接入服务 业务 服务框架 KV/RDS CVM/Docker IEG PCG WXG CDG “烟囱式”的业务支持体系 幸福的烦恼 ⚫ 重复造轮子，每个部门一套轮子 开源协同 自研上云 代码开源 相互协同 基于公有云模式研发 组件框架上云，成为云服务 将原有七大事业群（BG）重组整合，新成立云与智慧产业事业群（CSIG）、平台与内容 事业群（PCG）。在连接人、连接数字内容、连接服务的基础上，更加彰显了腾讯推动由消费 互联网，向产业互联网的升级的决心。 业务上云价值 • 开发效率更高 • 云上特性（VM热迁移等） • 丰富的标准化云服务 • 云原生TKE、研发CICD流程

OpenShift Container Platform 4.6 在 vSphere 上安装 安装 OpenShift Container Platform vSphere 集群 Last Updated: 2023-02-27 OpenShift Container Platform 4.6 在 vSphere 上安装 安装 OpenShift Container Platform vSphere community. All other trademarks are the property of their respective owners. 摘要 摘要 本文档提供在 VMware vSphere 上安装和卸载 OpenShift Container Platform 集群的说明。 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 目 目录 录 第 第 1 章 章 在 在 VSPHERE 上安装 上安装 1.1. 在 VSPHERE 上安装集群 1.1.1. 先决条件 1.1.2. OpenShift Container Platform 的互联网访问 1.1.3. VMware vSphere 基础架构要求

Flutter在腾讯企鹅辅导上的实践之路 涂金林 个人简介 - 涂金林 东南大学 腾讯企鹅辅导 & 腾讯课堂 & IMWeb团队 iOS & Flutter负责人 目录 / contents • Flutter简介 • 实践框架及页面栈管理 • 性能优化 • Flutter For Web Flutter简介 1 Flutter简介 跨平台 1 201 3 201 iOS + Android + Web Flutter简介 1 快速开发 富有表现力和灵活的UI 原生性能 初识Flutter Flutter是谷歌的移动UI框架，可以快速在iOS和Android上构建高质量的原生用户界面 Flutter简介 1 原生性能 生态与模式 C/C++ 引擎操作OpenGL、GPU直接渲染 平台一致性 Flutter简介 1 生态与模式 原生性能 实践框架及页面栈管理

字节跳动在 Go 网络库上的实践 何晨 字节跳动 基础架构 – 研发 应用层 Netpoll – 面向 RPC 场景的网络库 Go net Netpoll 网络层 RPC 框架 HTTP 框架 KiteX Hertz Netpoll – 性能表现 Environment CPU: 4 cores Memory: 8GB Go: 1.15.4 Netpoll

FFmpeg在Intel GPU上的 硬件加速与优化 赵军 DCG/NPG @ Intel 介绍FFmpeg VAAPI • Media pipeline review • 何谓FFmpeg VAAPI • 为什么我们需要FFmpeg VAAPI • 当前状态 • 更进一步的计划 • 附录 典型的 media pipeline File Device Network Stream OpenCL来解救 FFmpeg VAAPI与 FFmpeg QSV 简单比较 • 已经在各种Linux 分发版本中支持 • 支持的硬件更加广泛 • 更多的Codec的支持 • VAAPI 作为一个Linux上的Video 硬 件加速接口，同时也可以支持AMD / Nvidia hardware with Mesa. • 与其他标准APIs集成较好 (EGL/OpenGL, OpenCL). • 某些Cases下图像质量更好

Mac 和 PC 最终完美结合。 由备受肯定的虚拟桌面领导者推出的 VMware Fusion，是在 Mac 上运行 Windows 应用程序的最佳 无缝产品。VMware Fusion 将 Mac 用户所期盼的清 爽直观界面与数百万当今用户所信赖的虚拟化平 台相结合。 凭借 VMware Fusion，您可以从 Dock 启动各个 Windows 应用程序，还可以使用 Exposé 在 Windows 的虚拟化技术，VMware Fusion 得以利用 Mac 上的 所有可用硬件，实现同时运行 32 位和 64 位的操作 系统、同时使用两个处理器，还可以运行所选的 3D 游戏并能利用 USB 2.0 设备。 概 览 VMware Fusion™ 是在您的 Mac 上运行 Windows 应用程 序的最佳无缝产品 优 势 • 无需重新启动即可在 Mac 上运行您喜欢的 PC 应用 程序 • 在 Fusion 为您提供了多项独有的功能，例如可定制的 工具栏，能轻松管理虚拟机产品包及其他。 只有 VMware Fusion 才能让您实现： • 通过最佳的无缝直观界面，结合 Mac 和 PC 上的应用程序 及数据，实现在两个平台之间的切换。将各个 Windows 应 用程序最小化至 Dock 中，使用 Exposé 在 Windows 和 Mac 应用程序之间进行切换，查找并即时启动任一 Windows

云原生边云协同AI框架实践 普杰 华为云边缘云创新Lab 高级工程师 KubeEdge SIG AI Tech Lead 目 录 Edge AI现状与趋势 01 Sedna：边云协同AI框架 02 Sedna-GM：K8S Operator 03 实践案例 04 Edge AI现状与趋势 第一部分 Why Edge AI？ • Cloud中心化的AI计算范式不足以应对端上AI 边缘服务 器、云服务器，利用分布式乃至分布式协同方式实现人工智能的技术 数据在边缘产生 边侧逐步具备AI能力 分布式协同AI 核心驱动力 分布式协同AI核心驱动力 • 随着边侧算力逐步强化，边缘AI持续演变至分布式协同AI 分布式协同AI技术挑战 1. 边缘资源碎片化 2. 边缘数据孤岛 3. 边缘样本少 4. 边缘数据异构 分布式协同AI 技术挑战 边云协同AI框架 第二部分 首个分布式协同AI开源项目Sedna 基于KubeEdge提供的边云协同能力，支持现有AI类应用无缝下沉到边缘 为分布式协同机器学习服务 ✓ 降低构建与部署成本 ✓ 提升模型性能 ✓ 保护数据隐私 SIG成员近年发表分 布式协同AI顶会论文 10+ SIG成员在AI顶会IJCAI 上分享分布式协同AI论文 Sedna斩获中国信通院云边协 同应用创新大赛最佳创新奖 ✓ 数据集管理 ✓ 模型管理