演讲提纲：

1. 字节跳动大数据分析的挑战和技术选型思路
2. 从ClickHoue到ByteHouse

• ClickHouse 介绍和优劣势分析
• 字节自研版本 ByteHouse 优势介绍

3. ByteHouse在字节大数据分析场景的探索

• 实时分析
• 用户行为分析
• 用户画像

4. ByteHouse未来技术展望

Hologres 是基于服务分析一体化理念（HSAP）设计的一站式实时数仓。和其他大数据 OLAP 方案相比，同时支持高质量的在线服务（Serving）以及高 QPS 实时写入，是 Hologres 的核心竞争力之一。在线服务场景可用性是重中之重，如何保证高 QPS 实时写入的同时支持高质量的分析服务是一个技术难题。Hologres 提供了多个层次的高可用/隔离方案，用户可以在 SLA 和成本之间做权衡，满足了不同场景的需求。Hologres 从诞生至今，支撑了集团内多个核心业务（DT、CCO、搜索、钉钉）的大促需求，本文会详细介绍 Hologres 的高可用/隔离架构，以及集团内各个业务基于 Hologres 的高可用实践。

演讲提纲：

1. Hologres 背景简介

2. Hologres 高可用架构设计

• 计算存储分离
• 隔离层级
• Replica（ShareNothing/ShareStorage）
• 健康检测（HM/JM）
• 流量控制

3. Hologres 高可用实践

• 计算存储双链路 + 读写实例隔离（DT）
• 计算存储双链路（钉钉）
• 计算双链路 + 读写实例分离（CCO）
• 基于资源组的读写分离
• 基于机器打标的实例隔离

4. 未来规划

字节跳动 A/B 测试平台作为公司的基础服务平台之一，为头条、抖音、西瓜、火山等公司上百个业务线提供 A/B 实验能力，覆盖了推荐、广告、搜索、电商、直播、用户增长等业务场景，为 App端、服务端、Web 端、PC 端提供了标准解决方案。本次分享主要介绍字节跳动 A/B 测试平台的演进历史，遇到的挑战，以及在演进过程中的实践经验和对未来的展望。

演讲提纲：

1. 字节跳动 A/B 测试平台发展历程
2. 字节跳动 A/B 测试应用场景
3. 在字节跳动发展中的经验沉淀
4. 实际案例解析
5. 总结与展望

作为应用最为广泛的大数据计算平台，Spark 的成功有目共睹。然而当前的 Spark SQL 引擎采用内部行格式作为基本数据格式并基于 JVM 实现，虽然一直以来都在优化例如采用 whole stage code gen 并获取了性能的提升。然而在当前设计中很难使用 AVX512 等高级 SIMD 指令，从而导致严重的优化瓶颈，是对新一代 CPU 资源的极大浪费。

为解决优化瓶颈，我们开发了 Gazelle 引擎。作为 Spark 的 plugin，Gazelle 采用 Apache Arrow 作为基本数据格式，在 Arrow Computer kernel 的基础上使用 C++ 实现 agregation、sort、join 等各个 SQL 操作单元并采用 AVX512 等指令进行优化，从而实现 SQL 引擎的本地化，使得性能得到可持续的质的提升。

演讲提纲：

1. 设计目标

• Spark SQL engine 当前问题
• Apache Arrow 简介

2. 引擎简介

• Gazelle 模块

3. 执行过程

• Gazelle 与 Spark 的集成
• Gazelle 数据格式
• 本地化的方式和过程

4. 性能分析

• 性能比较
• 性能指标分析
• 执行时间分解

你将获得：

• 了解当前 Spark SQL 引擎的局限
• 了解 Gazelle 引擎的整体设计
• 了解 SQL 引擎本地化的性能优势
• 了解 SQL 引擎本地化过程中遇到的技术难点
• 了解采用 SIMD 指令优化操作单元的性能提升