## 数据迁移 ## 存量 MySQL 迁移到 TiDB 服务 UDTS 产品支持 MySQL(5.5/5.6/5.7/8.0) 到 TiDB 的全量数据迁移，及增量数据同步。可协助用户在不停机的情况下轻松将业务从 MySQL 切换至 TiDB。 ## 自建 TiDB 迁移到 TiDB 服务 UDTS 产品支持 TiDB 全量数据迁移至 TiDB 服务。用户在源 TiDB 开启 Pump, Drainer 可进行数据增量同步。UDTS 与源端 Pump, Drainer 一起可协助用户在不停机的情况下轻松将业务从自建 TiDB 切换至 TiDB 服务。 ## 为 TiDB 服务建立 MySQL 从库 UDTS 产品支持 TiDB 全量数据迁移至 MySQL 数据库。用户在 TiDB 服务上开启 Binlog 可将数据增量同步至下游 MySQL。UDTS 与 TiDB Binlog Binlog 服务一起可协助用户轻松建立 MySQL 从库。 ## 为 TiDB 服务建立 TiDB 从库 UDTS 产品支持 TiDB 全量数据迁移至 TiDB 数据库。用户在源 TiDB 服务上开启 Binlog 可将数据增量同步至下游 TiDB。UDTS 与 TiDB Binlog 服务一起可协助用户轻松建立 TiDB 从 库。

## PostgreSQL ## 第12届PostgreSQL中国技术大会 ## — 安全可靠 ✗ 突破 ✗ 进化 ## 云原生数据库PieCloudDB 性能优化之路 郭峰 拓数派 ## OpenPie 拓数派 ## 打造立足于国内 基础数据计算领域的世界级高科技创新驱动机构 ![Image](/uploads/documents/e/9/2/c/e92cb9e1c41d8717755d42f9cd25fffa/p3_1 New Discoveries” 「数据计算，只为新发现」为使命，成立后的短短10个月时间内，完成了包括头部产业基金、东吴证券、元禾重元和政府科创平台在内的连续三轮战略融资。 旗下云原生分析型数据库 PieCloudDB，以云计算架构为设计基础，首创全新 eMPP 分布式技术，帮助企业建立竞争壁垒的同时，实现数据价值最大化，并在新基建中承担可靠和可控的世界级云数据库底座。 ## 目录 Contents Contents PostgreSQL优化器简介 PieCloudDB优化器之分布式特性简介 PieCloudDB优化器之云原生特性简介 Q/A ## 01 PostgreSQL优化器简介 ## 查询优化的几个阶段 ## • 预处理阶段 • 通过逻辑上的等价变换，把查询树转换为更加简单高效的等式 • 分发约束条件，收集外连接信息等 • 扫描/连接优化阶段 • 主要处理扫描和连接操作 ## •

## 猿辅导公司的 ## Swift 迁移之路 唐巧 ## 公司简介 • K12 领域的独角兽公司。 - 拥有 2 亿用户，月活几千万。 - 互联网女皇报告中的在人工智能领域崛起的中国公司。 Stanford Question Answering Dataset (Ongoing) 1) Google + Carnegie Mellon (USA)  ## 大纲 • 猿辅导 App 的 Swift 迁移之路 • 猿辅导老师端 App 的 Swift 迁移之路 - 小猿搜题 App 的 Swift 迁移之路 |Date|Version| |---|---| |2014-09-09|Swift 1.0| |2014-10-22|Swift 1.1| |2016-09-13|Swift 3.0| |2017-09-19|Swift 4.0| |2018-03-29|Swift 4.1| |2018-07-05|Swift 4.2| ## 猿辅导的 Swift 迁移之路 ## 决策回顾 • 背景 • 时间：2016 年 6 月 commit e8529c341bbfe6ff22af79b787f16b438b10be02 Author: huangling

 ## 自定义数据集实战 主讲：龙良曲  ## Pokemon Dataset

Hadoop 迁移到阿里云 MaxCompute # 技术方案 (V2.8.5) 编写人：MaxCompute 产品团队 日期：2019.05 ## 目录 1 概要 ..... 6 2 阿里云大数据与开源生态对比 ..... 7 2.1 Hadoop 及开源生态与阿里云大数据生态对比 ..... 7 2.1.1 主流大数据体系架构 ..... 7 2.1.2 开源大数据组件架构 阿里云大数据组件架构 ..... 9 2.1.4 阿里云大数据与 Hadoop 生态的产品映射 ..... 9 2.2 MaxCompute 特性介绍 ..... 10 2.2.1 MaxCompute 的逻辑架构 ..... 11 2.2.2 MaxCompute 产品特性 ..... 11 3 MaxCompute 迁移场景分析 ..... 15 3.1 迁移基于 Hadoop Hadoop 的数据湖/数据仓库业务负载 ..... 15 3.2 不同的网络环境及部署形态迁移 ..... 17 4 Hadoop 到 MaxCompute 迁移工具介绍 ..... 17 4.1 MMA (MaxCompute Migration Assist) ..... 17 4.1.1 工具覆盖的场景： ..... 17 4.2 MMA 功能介绍 ..... 18 4

b/e/8/9be89f35442491e3b52b86402e3652be/p1_3.jpg) 本课涵盖：稀疏矩阵、unordered_map、空间稀疏网格、位运算、浮点的二进制格式、内存带宽优化 面向人群：图形学、CFD 仿真、深度学习编程人员 (std::tuple数据常常有着空间局域性的特点，减轻哈希表的压力，同时在每个块内部也可以快乐地 SIMD 矢量化，CPU 自动预取之类的。 ![Image](/uploads/documents/9/b/e/8/9be

## Service Mesh Meetup #4 上海站 ## 蚂蚁金服Service Mesh 渐进式迁移方案 2018.11.25 敖小剑 @ 蚂蚁金服 中间件 龙轼 @UC 基础研发部 ## 1 Service Mesh演进路线 2 实现平滑迁移的关键 3 DNS寻址方案的演进 4 DNS寻址方案的后续规划 总结 ## 蚂蚁金服主站落地：目标与现状 ![Ima 现实中有很多挑战 • 还有很多应用没有实现微服务化 • 还有很多应用没有运行在kubernetes之上 Istio目前还不够稳定，也无法原生支持我们的规模 现有系统中的众多应用不可能一夜之间全部迁移 最重要的：平滑迁移 • 微服务 + Service Mesh + Kubernetes 是目标 但是如何从现有体系向目标迈进，必须给出可行的实践指导 ✓ Roadmap 预计2019年初 ## 蚂蚁金服主站落地方案的实施原则 进）非常自然 • 容易落地 快速达成短期目标 ## ✓ 缺点是再往后走 • 由于没有k8s的底层支持，就不得不做大量工作 • 尤其istio的非k8s支持，工作量很大 而这些投入，在最终迁移到k8s时，又被废弃 ## 结论： • 不符合蚂蚁的远期规划（k8s是我们的既定目标） 会造成投资浪费（k8s铺开在即） 部署在K8s上 Service Mesh (Istio模式) !

# vmware $ ^{®} $ EDUCATION SERVICES # VMware vSphere：优化和扩展 ## 培训方式 • 讲师指导培训 · 实时在线培训 ## 课程用时 • 为期五 (5) 天的讲师指导课堂培训 - 听课时间占 60%，动手实验时间占 40% ## 目标学员 经验丰富的系统管理员和系统集成人员 ## 课程适用对象 区管理员 □ 专家 ☒ $ ^{TM} $ 5.0 讲授。 ## 课程目标 课程结束后，您应能胜任以下工作： - 配置和管理大型成熟企业的 ESXi 网络和存储系统。 • 管理 vSphere 环境变更。 • 优化所有 vSphere 组件的性能。 ● 排除操作故障并找出造成这些故障的根本原因。 - 使用 VMware vSphere $ ^{®} $ ESXi $ ^{™} $ Shell 和 VMware 性能监控工具 ## 网络可扩展性 - 创建、配置和管理 vSphere 分布式交换机 将虚拟机从标准交换机迁移到分布式交换机 - 了解分布式交换机的功能特性，例如 PVLAN、VMware vSphere $ ^{®} $ 网络 I/O 控制、端口镜像和 NetFlow ## 网络优化 ![Image](/uploads/documents/8/2/1/4/82144fed64590ebb

# Greenplum上云与优化 — ApsaraDB for Greenplum介绍 主办单位：Alibaba Group 阿里巴巴集团 战略合作伙伴：intel 杭州 张广舟（明虚） 阿里云高级专家 ## 目录 ApsaraDB for GP的定位 ApsaraDB for GP的内核优化 未来的规划 # ApsaraDB for GP的定位 ## ApsaraDB for GP的定位 与其他技术的对比？ 为什么上云？ ## ApsaraDB for GP的定位 MPP + 列存压缩 ApsaraDB for GP = 复杂SQL + 查询优化器 本地高效存储 + 高速网络 + 预置稳定资源 = 简单、高效解决大数据分析需求 ### GP vs. RDS? MPP处理举例 ## Select count(*) from customer group by city  ### GP vs. Hadoop? Orca优化器 SQL Runtime # >5-30倍的性能优势 本地存储 ### ApsaraDB for GP vs. AWS Redshift? ## “有史以来卖的最好的云服务” |对比项目|ApsaraDB

## cloudera ## HBase最佳实践及优化 陈飚 cb@cloudera.com Cloudera ## 关于我 陈飚 Cloudera售前技术经理、资深方案架构师 http://biaobean.pro  原Intel 原Intel Hadoop发行版核心开发人员, 成功实施并运维多个上百节点Hadoop大数据集群。 – 曾在Intel编译器部门从事服务器中间件软件开发，擅长服务器软件调试与优化，与团队一起开发出世界上性能领先的XSLT语言处理器 – 2010 年后开始Hadoop 产品开发及方案顾问，先后负责Hadoop 产品化、HBase 性能调优，以及行业解决方案顾问 ## HBase的历史 HBase是Google Walters和Jim Kellerman发起了HBase项目，依据BigTable的论文重构关系数据库 2007年10月建立了第一个可用的HBase版本 2008年成为Apache Hadoop的一个子项目 ## HBase的模型特性 Hadoop database and NoSQL database • 基本的数据库操作CRUD • 强一致性 • 无SQL语言支持 • 稀疏的多维映射表