AGI趋势下的云原生数据计算系统 演讲人：徐阳 拓数派：大模型数据计算系统先行者 l 拓数派（ OpenPie）是立足于国内的基础数据计 算领域高科技创新机构； l 拥有强大的数据库内核研发团队、数据科学家团 队和数字化转型团队； l 国内虚拟数仓和eMPP技术提出者，不断在数据 计算引擎方向进行创新，全面拥抱AI技术趋势。 企业介绍 云原生数据计算系统 围绕数据组织云原生计算系统， 围绕数据组织云原生计算系统， 重构数据存储和计算，一份存 储，多引擎数据计算，全面升 级大数据系统至大模型时代。 02 中国AGI发展趋势 中国AGI市场融资非常活跃， AGI顶级人才非常欠缺，整 个市场将长期保持快速增 长态势。 01 AIGC全生命周期管理 基于PieCloudML，为企业构 建统一的MaaS框架和AIGC开 发框架，对模型和AI Agent进 行高效管理。 03 案例分享 基于PieDataCS的用户案例实 践，从基础的数据底座到 AIGC应用全场景覆盖。 04 中国AGI发展趋势 中国AGI市场融资非常活跃，AGI顶级人才非常欠缺，整 个市场将长期保持快速增长态势。 01 中国AGI发展趋势 l InfoQ研究中心预计，2030年中国AGI应用市场规模将达到4543.6亿元人民币。 l 2024-2027中国AGI应用市场将经历过速

ServiceMesh发展趋势（续） 蚂蚁金服 敖小剑 棋到中盘路往何方Part 0：前言 5月底，我在Cloud Native Meetup上做了一个“ServiceMesh 发展趋势：云原生中流砥柱”的演讲，当时主要讲了三块内容： - Service Mesh产品动态 - Service Mesh发展趋势 - Service Mesh与云原生 今天的内容可以视为是上次演讲部分内容的深度展开，如社区

定位、需求预测、推荐系统、异常检测等。 对数据进行分类、社交网络分析或时序模式挖掘，常用 于客户细分、信用评分、社交媒体营销、股价预测等。 将数据转化为统计图、热力图、网络关系图、词云、树形 图等，用于揭示数据中蕴含的模式、趋势、异常和洞见。 本质：以多agent实现从数据采集到可视全流程 模型特点 Claude 3.5 sonnet  平衡性能：在模型大小和 性能之间取得平衡，适合 中等规模任务。  多模态支持：支持文本和 向，高效生成多个维度的数据分析，语言 简洁，挖掘深度较浅。 Kimi k1.5 提供数据的潜在用途方向，深入分 析过程中，从多个维度（如时间、 语言、地区）深入挖掘数据意义和 关联性，进一步总结趋势结论并提 出相关建议。  Kimi k1.5该任务中表现最为出色，对特征进行精准分类，从多维度深入挖掘指定数据的深层内涵和关联性；  DeepSeek R1与Claude 3.5 sonn 实时数据流处理与决策：利用o3mini在物 联网和工业自动化领域，快速处理来自传感器 和设备的实时数据，进行即时分析和决策，减 少停机时间，提高生产效率。 • 高频交易数据分析：利用o3mini快速处理 高频交易数据，识别市场趋势和交易模式，为 交易者提供实时决策支持。 • 数据报告自动化生成：基于o3mini自动 生成格式化的数据报告，包括图表、表格和文 字说明，帮助管理者快速理解分析结果。 • 数据接口标准化：根据标准格式输出数据，

9.3.7 查看各个云账号历史月份费用变化情况及趋势........................................254 9.3.8 查看各个部门历史月份费用变化情况及趋势............................................255 9.3.9 查看各个业务或项目历史月份费用变化情况及趋势.......................... 查看各类资源投入使用情况......................................................................257 9.3.13 查看各类资源使用趋势..............................................................................258 9.3.14 查看当月新增回收资源情况 署验证。 第六步: 查看 IT 投入，费用及资源使用统计分析 （1）查看当月及历史月度费用情况。 （2）查看各个云账号下各类资源当月费用及费用明细。 （3）查看费用分摊、各个维度费用月度变化趋势。 （4）查看当前资源使用量。 （5）查看可回收优化的资源，操作回收优化。 （6）配置运营报告，定期发送运营报告到指定的邮箱。 第七步: 运维查看性能、变更运行环境 杭州飞致云信息科技有限公司

肖滢，OSCHINA 副主编 李泽辰，Gitee 主编 高瞻，Gitee AI 运营 设计：张琪 开发者是开源生态的重要支柱。 本章结合 、 的数据分 析，勾勒 2024 年中国开源开发者的整体画像趋势轮廓，主要 反映中国开源开发者使用开源大模型概况、开源项目/组织健康 度，以及中国开源社区的生态评估等情况。 Gitee 数据篇 本报告数据来源：2024年1月至2024年12月 Gitee及Gitee openGauss Ascend dromara anolis OpenCloudOS Stream UBML 解决 Issue 处理 PR 10 / 111 编程语言流行趋势 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 Java JavaScript Python PHP C# Go 框架、大模型及相关工具在活 跃度的表现各有千秋。 如应用开发平台 Dify 受行业 技术更新影响较小，其活跃度 始终保持着较高水平；而大语 言模型 MOSS 则较易受技术 更新影响，活跃度随时间整体 呈下滑趋势。 18 / 111 OSS Compass Insight 本部分图表仅用于数据展示，不涉及先后排名 创新力-组织活跃度 开源组织的活跃程度成为衡量 社区生态建设是否繁荣的重要 指标之一。

创建自定义图形的能力，可以将多个监控项组合成一个聚合图形 • 网络拓扑图 • 在仪表盘中显示幻灯片 • 报表 • 受监控资源的高级（业务）视图 历史数据存储 • 存储在数据库中的数据 • 可配置的历史（保留趋势） • 内置管家程序 建议的配置 • 将受监控的设备添加为主机 • 一旦主机被数据库添加，就会开始进行数据采集 • 将模板应用于受监控的设备 7 模板的使用 • 在模板中分组检查 • 当前启用的符合过滤条件的项目总数（返回一个整数）。 Foreach 函数： • exists_foreach - 当前启用的符合过滤条件的项目数（返回一个数组）。 异常检测 Zabbix 5.2 引入了对基线监控有用的新趋势函数。但是，它们仍然需要定义相对阈值（例如，检查 2021 年 9 月的网络流量是否比 2020 年 9 月高出不到 2 倍）。存在难以定义此类阈值的用例。例如，一个新的但非常受欢迎的网站的网络流量可以在一年内自然增长很多倍， trendstl()，它使用’ 分解’ 方法来计算异常率。它将单个时间序列拆分为其他三个序列： • 仅包含原始数据发生较大变化的趋势序列（例如网站流量显示增长） • 仅包含季节性变化的 season 序列（例如夏季网站流量较少，秋季较多） • 仅包含不能被解释为趋势或 season 的一部分的剩余值的剩余序列 12 异常检测与余数序列一起工作，并检查是否存在与大多数余数相差太远的值。” 远”

新冠疫情与中美贸易战，在同⼀年加剧。⽽因 为疫情和贸易战，世界正在加速发⽣变化。 在这样的历史⼤背景下，我们在开源界，也发现了以下三个趋势： 1. 开源⼤发展以及由实向虚进发的趋势 从各种数据，以及我们⾃⼰的感觉都能发现：全球开源都出现⼀个⼤发展的趋势。GitHub 的 活跃代码仓库与活跃⽤户数在⾼速增⻓（35.3% / 21.2%）；Gitee 的代码仓库与⽤户数在以 更加惊⼈的速度增⻓（192% 时间和 机会。 当然，同样由于远程办公，虚拟世界在⼈类⽣活中的占⽐，变得更⼤了。这样是否更好，还会 引发哪些问题？作为站在隧道⼝的⼈类，其实是猜不透的。 2. 中国开源崛起以及开源世界分裂的趋势 随着越来越多中国开源项⽬的影响⼒不断增加、⽊兰协议的推出、开放原⼦基⾦会的成⽴， Gitee 的超⾼速增⻓，CODE China 的新发布，我们已经可以确信，2020 年是中国开源的崛 起之 600 万开发者⽤户。我们对托管在 Gitee 的开源项⽬进⾏了统计分析，梳理和解读编程语⾔、功能分布的变化趋势，分析开发者 在 Gitee 参与开源的情况，以期为观察国内开源的演进提供⼀个 “本⼟平台” 视⻆。 2. 主要内容与发现 2.1 总体趋势 2020 年总体项⽬趋势包括：  2020 年 Gitee 上托管的代码仓库超过了 1500 万。  Gitee 上的开源项⽬数量相⽐

方向，而到了天空，在三维空间里，我们多了无数选择。 虽然对于未来，对于在空中的状态，我们还无法预测和把握，但是 ： 所有人都在奋力奔跑，奋勇向前。 去年的中国开源年度报告，我们总结了三个趋势，今年的报告，我 们索性新增了《开源大事记》栏目，整整总结了十个趋势。所以在 这个前言里，我们就聊聊感想吧。 出圈 开源不仅越来越热，而且已经在圈外的朋友中引发了各种讨论。首 先是嗅觉灵敏的投资人开始关注开源这个“赛道”，然后是基于中美 ………………………………………………………………………………………… 65 2 主要内容与发现 …………………………………………………………………………… 65 2.1 总体趋势 …………………………………………………………………………………………… 65 2.2 总体语言趋势 ……………………………………………………………………………………… 65 2.3 增速最快语言 ……………………………………………………………………………………… 摘要 …………………………………………………………………………………………… 116 一、各国开源政策将对开源世界的未来产生重大影响 ………………………………………………… 116 二、开源法务合规趋势 ：意识增强，道阻且长 ………………………………………………………… 116 三、开源治理成为显学 …………………………………………………………………………………… 116 四、国际基金会的左右博弈

创建自定义图形的能力，可以将多个监控项组合成一个聚合图形 • 网络拓扑图 • 在仪表盘中显示幻灯片 • 报表 • 被监控资源的高级（业务）视图 历史数据存储 • 存储在数据库中的数据 • 可配置的历史数据（保留趋势） • 内置管家程序 轻松配置 • 将受监控的设备添加为主机 • 一旦主机添加到被数据库，就会开始进行数据采集 • 将模板应用于受监控的设备 模板的使用 6 • 在模板中分组检查 • 图形、问题主机、问题、按严重性问题和 触发器概览部件）； • 在 监控 → 拓扑图 部分中，图形列表中的图形内容编辑动作链接已从 Constructor 重命名为 Edit； • 监控项 和监控项原型配置表单中的设置历史和趋势存储周期字段已进行重命名； • 在 Top hosts 部件的配置中，字段 Order column 和 Host count 已分别重命名为 Order by 和 Host limit，以更好地描述其功能。 约 500 字节来计算。 • Housekeeper 的趋势记录设置 Zabbix 为表 trends 中的每个项目保留 1 小时的最大值 / 最小值 / 平均值 / 统计值。该数据用于趋势图形和历史数据图形。这一个小时的 时间段是无法自定义。 Zabbix 数据库，根据数据库类型，每个值总共需要大约 90 个字节。假设我们希望将趋势数据保持 5 年。3000 个监控项的值每年需要占 用 3000*24*365*

和监控平台有比较深入的了解。目前负责 京东物流火眼监控平台的架构设计和开发工作。 目录 ⚫业界智能运维发展现状及趋势 ⚫智能运维体系建设方法论 ⚫大规模实时监控平台的实践方案 ⚫智能故障定位与处理实践 ⚫ APM 在京东物流的落地实践 ⚫ 智能运维(AIOps)落地规划 业界智能运维发展趋势 新的问题 运维人数不变，管理机器数翻倍 1 2  3 4 正在消失的运维 运维从业者减少，运维专家匮乏 业务数据分析 过程改进 技术运营 事件处理 业务分析 业务预测 业务增值 架构标准化 架构实施 架构优化 架构运维 运维价值凸显 新运维时代来临 目录 ⚫业界智能运维发展现状及趋势分析 ⚫智能运维体系建设方法论 ⚫大规模实时监控平台的实践方案 ⚫智能故障定位与处理实践 ⚫ APM 在京东物流的落地实践 ⚫智能运维(AIOps)落地规划 智能运维体系建设方法论 ◼统一规划、避免重复建设 ◼产品化设计、产品化开发 ◼服务驱动 ◼运维中台 ◼业务增值 ◼过程改进 智能运维体系建设方法论 ◼闭环 ◼生命周期管理 ◼流程管理 ◼审计归档 目录 ⚫业界智能运维发展现状及趋势分析 ⚫智能运维体系建设方法论 ⚫大规模实时监控平台的实践方案 ⚫智能故障定位与处理实践 ⚫ APM 在京东物流的落地实践 ⚫智能运维(AIOps)落地规划 大规模实时监控平台V1.0