在这个“效率为王，流量即金”的时代，随着互联网金融、移动电商、O2O等新的经济形态的兴起和发展，行业市场也随着产生了新的变化：体验、尤其是服务体验的优劣很大程度上影响着企业运营的成败。人工智能技术的进步，语音识别技术、自然语言处理等技术的成熟，智能客服的发展很好的承接当下传统人工客服所面临的挑战。

智能客服包括智能应答、智能助手、智能助理等产品形态，核心还是高效准确解决客户问题，可能的优势包括：快、准、易，构建企业级的基于知识的智能客服中ToB和ToC的智能客服差异不同，从Google Next 18提出来做智能客服的行业级解决方案收效甚微、实现从互助、到自助和自主的智能客服，让用户感觉从“有点智障”，到“有点智能”到“比较智能”，需要客服系统智能化的架构升级、深度学习和知识图谱算法提升。

在数据智能阶段，“中台”应运而生。基于大数据平台对数据的进行存储、融合、分析、管理等“中台”的基础能力的支撑日益重要。本次分享将以一个国家级大数据平台建设为例，介绍百分点的超大规模实时数据分析与数据管理的典型架构和实战经验。在该案例中，我们搭建了以Kafka、Spark Streaming、ClickHouse、HBase、Ceph和ES为基础的大数据平台，承载了万亿级数据的存储、处理和应用， 平台支持了线上2000+亿/天，峰值500+万/秒的数据处理能力。并基于大数据平台建立了统一的数据资产管理平台支持多数据源的数据管理与融合分析， 实现对400+数据源，几千张表进行了数据集成与数据管理和加工。支撑了数据标签化构建，模型化构建，及知识图谱的构建的构建与存储。本次分享将介绍平台的设计理念、关键技术选型、数据管理与融合设计。

结合团队近几年的一线实践经验，深度分享运营商大规模数据集群的治理实践经验，包括数据治理和集群治理工程的定位、背景、组织架构和方法论、实施路径、案例分析、成果收益、对外产品化进展等重点内容。

系统性介绍联通大数据平台（数千节点规模、近百PB数据量、日新增数据百TB以上、万亿级信令和互联网日志数据、数百个多租户模型运营）的整体架构，包括数据采集交换平台、核心生产平台、能力开放平台、点查询中心、安全网关、智能运维平台等关键子系统的技术架构和演进历程。

分享HadoopMR、Spark、Flink在平台数据采集加工等具体场景的应用情况，剖析典型的故障定位、踩坑经验和性能调优案例

微博的机器学习平台支撑了微博feed推荐、热门微博、个性化push等许多业务，数据平台是机器学习平台的重要组成部分。本次分享将结合作者在搭建机器学习数据平台的经验，重点介绍三方面的内容：1机器学习推荐业务中的数据构成，数据特点，面临的数据共享，数据标准统一等问题。2微博的机器学习平台在解决这些问题时的架构设计思路和相应的成果。3 在线数据存储是如何做到标准化，支持高并发，保证实时性的？

从Java虚拟机的视角检视Java的性能，既包括JVM的原理部分，也包括在不同的问题场景下，选择合理的工具来诊断/分析问题的案例实践。同时对于高性能Java开发最难部分之一的并发(concurrency)，本次分享会从Java Memory Model的视角展开介绍，重点是探讨被我们平时开发所忽略的重要细节。

传统的JVM及其诊断工具，大多是针对长时间运行的单体式（Monolithic）应用场景，而云原生场景复杂、弹性、动态的JVM负载特点，对性能工作提出了更高的挑战，本讲将从大数据性能实践出发，分享如何在新场景下高效地进行性能诊断调优等工作。

数据中心已成为支撑大规模互联网服务的标准基础设施。随着数据中心的规模越来越大，数据中心里每一次软件（如 JVM）或硬件（如 CPU）的升级改造都会带来高昂的成本。合理的性能分析有助于数据中心的优化升级和成本节约，而错误的分析可能误导决策、甚至造成巨大的成本损耗。本次分享主要介绍大规模数据中心性能监控与分析的挑战与实践。

产业互联网、业务数字化大时代下，企业的效率越来越高，但业务也越来越复杂和开放，导致黑客入侵愈加频繁，产生危害也愈发严重。在这样大背景下，使得原本就落后一步的安全建设面临着前所未有挑战。如何在一个开放复杂又快速变化的环境下把安全做好？这对于任何一个做安全的人来讲，都是不可忽视且需要深入思考的问题。
一直以来传统安全对威胁的检测和拦截，都是基于对黑客行为的认知，而新的安全思路则是将眼睛从黑客转移到自身。在业务运转的过程中生成内在指标，并对这些指标进行持续地分析、监控与处理，建立起可迭代的安全循环。那么未来不管黑客用什么漏洞和工具，一定会引起内部指标的变化，这就是所谓的自适应安全。
未来评价安全做得好不好关键指标就是整个安全体系的改进迭代速度，包括发现问题到改进问题所需要的时间和成本。可迭代的安全循坏最重要就是安全核心引擎化。安全核心平台前端安全能力一定可扩展，才能灵活扩展数据源。同时，所有的安全能力是完全IP化。要支撑安全核心引擎化就需要Full API和安全编排能力。这里安全编排能力就是指把以前安全的能力打碎成API之后，用新的逻辑组织起来。在安全核心平台基础之上，做到可迭代的安全循坏还需要具备灵活的数据生成能力、机器学习能力和模型快速验证能力。这三点就能使得整个公司的安全能力可以快速进行改进和迭代。

安全是一个攻防对抗为典型特征的特殊领域，伴随着攻防对抗的升级，几乎每隔一阵子，攻防双方都会诞生一些新兴的名词、术语和技术。新的技术、名词诞生时，行业总是伴随着种种“新瓶装旧酒”的争议。

抛开争议的表面，是否存在一种“不变应万变”的思路，可以帮助企业更好的建设安全防御能力，在资源永远不足的前提下，最高性价比的获取防守方应有的优势呢？大型互联网企业的领头羊，在这条路上有相对务实的追求和实践，这些实践孕育了“安全运营”的理念。

多数安全从业者可能并未有机会亲历大型互联网企业的平台，因此对于行业最佳实践的学习更多来自于理论框架和合规驱动的一些标准方案，可能对落地的方法、思路上尚存在一些想象和误会的空间，本次分享将切实可行的帮助企业收获大型互联网安全运营的关键。

数据是企业的核心资产，如果保护好企业的数据安全在大数据时代成为了企业安全建设的重中之重。互联网企业一方面搜集了海量的用户数据，一方面由于开放的基因，对数据安全带来了巨大的挑战。

本次分享从网易的实践经验出发，在数据的整个生命周期中，利用各类安全技术、安全流程和管理技术对数据安全进行综合治理，以期对其他企业有所借鉴和参考

Serverless作为一种支持自动扩展、以事件驱动、按执行付费、将开发者从繁琐运维中解放出来的现代软件架构。阿里巴巴经过几年的技术探索，总结出了数种从传统应用向Serverless应用过渡的可行方法。这个分享将结合具体案例，介绍阿里巴巴在构建Serverless中台能力过程中的经验和思考。

随着新兴业务和云计算的发展，IT信息架构已经从传统的单体应用逐步过渡到了面向云计算的云原生架构。百度智能云在信息架构微服务化和Serverless化方向进行了大量的探索，积累了较为丰富的构建面向云计算的微服务和Serverless应用的经验。这个分享将结合具体案例，介绍百度智能云在支持企业架构实现微服务化和Serverless化的经验和思考。