全球 IT 基础设施已经进入 Big Data 时代，逐渐迈向 AI 时代，产生了大规模的计算和存储资源需求。不同于在线服务，计算任务 CPU 资源和磁盘空间需求很大，且计算需求峰值通常出现在凌晨。另外随着业务的增长，数据中心资源体量越来越大，在线业务数据中心的 CPU 和磁盘利用率非常低。因此，将在线服务和离线任务混合混部到相同物理资源上，通过资源隔离、调度等控制手段 , 充分使用资源，同时保证服务的稳定性。我们称这样的技术为“混部”。

百度从 2012 年就开始尝试进入混部技术领域，研发并推广了代理计算（BVC/IDLE）系统。2015 年进行了大规模重构，演进成一套通用的在离线混部系统（千寻）。目前公司混部的整体技术迈向成熟，并在大搜索、Feed、凤巢等机器上实现了规模化运用。

本次主要介绍一下百度在在离线混部系统架构的演进和实践。

伴随着美团业务量的不断上升，对机器数量的需求也在与日俱增，而全球数据中心的平均资源利用率在 6%~12% 之间，美团内部也已经拥有数万台服务器，HULK 正是为提升集团资源利用率而生。本次将为大家带来 HULK 在集群调度系统这块的技术演进路线以及在业务侧的落地经验。

主要内容

1、集群调度系统的演进历程；
2、服务画像在集群调度中的应用；
3、业务侧落地过程中的挑战与解决方案；
4、未来规划。

听众受益

1、了解美团集群调度系统 HULK 的前世今生；
2、了解建设服务画像的出发点以带来的实际收益；
3、了解在业务侧落地过程中遇到的挑战以及解决方案。

讯飞业务种类繁多，尤其在 AI 领域耕耘许久，算力的提升，也伴随着资源的疯狂增长。云平台承担着资源管理和降本增效的重担。如何构建平台化 AI 交付标准；在面临业务迅猛增长的情况下，如何经济有效地获取高性能异构计算能力；如果在任务管控中，实现资源的合理调度和复用。在解决这些问题中，经历多年的业务打磨，慢慢锤练出了一套成熟稳定的云平台，演生了一些在 AI 领域内的解决方案。本次将为大家带来 AI 业务结合云平台的技术演进路线。

主要内容

1、AI 业务的发展和本身特性；

2、云平台架构演进和优化之路；

3、异构资源的虚拟化的挑战和实现；

4、AI 业务在讯飞云上的实践。

听众受益

1、了解 AI 业务的常见痛点和解决方案；

2、了解云平台在异构计算能力上的调度和复用方案；

3、了解异构资源虚拟化的几种实现方案；

4、了解人工智能业务在云上落地挑战以及解决方案。

在私有云场景下，企业内部存量传统业务未必能适应于 Kubernetes 的新型架构。GaiaStack 在接入腾讯内部以及外部大量产品和业务的过程中，遇到众多新的需求和挑战，经过锤炼和打磨，沉淀成一套功能完善且成熟稳定的容器解决方案。本次分享将深入介绍 GaiaStack 如何基于 Kubernetes 的扩展接口，对应用类型的选择和应用、对网络模式的实现以及云存储、GPU 等的支持，帮助企业平滑地接入传统业务，快速完成容器化。 

听众受益

使用 Kubernetes 作为企业内部容器平台将会遇到的风险、问题，如何解决，以及各类型业务做容器化改造时遇到的坑以及如何规避。 

从有机时代的寡核苷酸序列，到生物化学时代的基因，再到当下的 In vivo 基因组，基因计算的梦做了 60 余年。随着 IT 科技的发展，高并发处理、资源调度、大文件存储使得梦想照进现实。基因计算中又分为测序、绘图和分析步骤，本演讲聚焦基因测序如何攻克临床应用中技术难题，如何实现计算模式从离线向在线演进，并且提高交付效率。重点分享容器混合云的一些优秀落地实践。

演讲提纲

1 、基因计算与 IT 科技整体发展情况；

2、 分析基因工程中的瓶颈、包括存储，分发，计算，安全，资源调度中遇到的挑战；

3 、阿里云提供的解决方案，存储优化，AGS（Alibaba Genomic Service）计算工作流，水平弹性计算和容器无缝结合，多种混合云架构优化后的资源调度，以及文件系统级别的多租安全设计，和区块链的结合实践；

4 、针对整体基因计算工程中的 AGS 工作流，甄选两三个客户的实际落地案例剖析容器，存储，调度，安全等技术的应用，如....(自动弹性，统一鉴权管理、地域多集群 Masters 容灾设计、GPU/FPGA 异构资源的调度理)；

5、 总结工程中基因数据分析流程中的存储、分发、计算分析以及安全合规几个维度上的一些注意事项。

听众受益

1 、帮助听众了解基因计算行业中的具体IT问题及如何破局；

2 、帮助听众理解 Kubernetes 在混合云层面调度，容器化工作流，弹性能力如何提升计算效率；

3 、帮助听众理解多租设计，数据安全上链等企业级的基因安全计算；

4、 帮助听众理解海量大吞吐的对象存储，文件存储如何大幅提升基因计算效率。

伴随知乎业务快速增长，工程师们对平台的易用性和稳定性提出更高的要求，基础设施的规模也在不断增长。如何应对增长的基础设施平台需求和维护成本，知乎借助 Kubernetes 构建核心基础设施的平台，显著提升平台的稳定性和降低维护成本。本次分享将会介绍基础设施平台为什么基于 Kubernetes 容器化改造，容器化后给平台带来的收益。然后详细介绍基础设施改造的过程中遇到的问题和解决方案。

主要内容

1. 介绍知乎容器平台现状； 
2. 为什么容器化和采用 K8S； 
3. 实例介绍 K8S 在知乎应用； 
4. 未来的规划。 

听众受益

1. 了解容器平台方案； 
2. 了解核心基础设施容器化改造实践。 

华为云 CCI 服务管理数百个 GPU 卡，为华为云 EI 服务及外部客户提供 AI 计算平台，在该过程中积累了大量面向 AI 计算的优化经验。AI 计算加速的关键是 GPU 管理，K8S 资源调度优化，面向 AI 计算框架和模型的 Job/Task 调度。通过这些优化手段可以使得 128 块 GPU 卡的线性加速比达到 0.8+。本次议题将介绍如何通过开源项目 K8S + Kata 容器搭建 AI 计算平台，更大化 GPU 及 AI 芯片算力的使用效率，并给出测试结果。最后我们也会对未来的技术改进做出展望。 

听众受益

1. 了解基于 K8S 的 AI 框架的现状； 
2. 了解大规模 GPU 在 AI 分布式训练场景下的应用； 
3. 了解 K8S 在人工智能场景下的优化思路。