Go 是一门很有特色的编程语言，已经被广泛应用到不少领域，随着使用场景的发展，一些性能相关的问题也开始逐渐暴露出来。本次分享将以字节跳动的性能优化工作为例，介绍基于 Go 生态的微服务体系下，分析系统性能、优化不同层次软件以提升运行性能、提高资源使用效率的一些实践和经验，会特别介绍在 Go 语言 SDK 侧的一些优化工作。

演讲提纲：
1. Go 微服务生态介绍

• 技术选型
• 发展和现状
• 字节的微服务发展

2. Go 生态下的集群性能分析

• 准确性和效率
• 平台和数据

​3. Go 服务性能优化

• 特点和难点
• 不同软件层次的优化
  • 业务代码改进
  • 基础库 bytedance/gopkg
• ​Go 语言优化
  • 编译器优化
  • GC 优化
  • profiling 支持

4. ​未来的工作展望

• 开源项目

你将获得：

• ​字节跳动的 Go 服务性能优化思路和经验
• ​字节相关的开源项目

阿里云飞天操作系统正在全面兼容 X86、ARM、RISC-V 等多种芯片架构，实现“一云多芯”。在这个进程中，系统的性能至关重要，然而相对于高度成熟的 X86 平台，ARM 和 RISC-V 在生态方面仍然存在不足之处。阿里开源 JDK Alibaba Dragonwell 针对 ARM 和 RISC-V 两个架构的特点，做了大量细致优化，在一些权威 benchmark 上获得了超过 50% 的性能提升。另外，针对 Java 方面对使用 SIMD 指令不够自由这一缺点，Alibaba Dragonwell 开源了 Java 向量优化特性 Vector API，利用硬件强大的异构计算能力优化大数据/机器学习等应用场景。
本次分享首先讲述 Alibaba Dragonwell 在 RISC-V 和 ARM 两种架构上的优化工作，随后介绍 Vector API 的使用场景及优化效果。

演讲提纲：
1. 背景
2. Java on aarch64

• aarch64 在 java 中应用情况
• Porting to aarch64
• aarch64 性能优化

3. Java on RISC-V

• Java 在 RISC-V 平台现状
• Java RISC-V 性能优化

4. 向量优化Vector API

• Vector API 介绍
• 应用场景
• 性能数据

你将获得：

• Java 在 ARM/RISC-V 这类服务器端的新兴架构上的发展情况
• Java 异构计算发展情况
   

G1 GC 是 JVM 中垃圾回收中最主要的垃圾回收器之一，目前已经应用于各大公司的生产环境中。然而用好它并不容易，特别是在一些复杂的环境中尤为甚之。本次分享 G1 GC 调优的一般经验，以及通过一些复杂场景案例介绍隐藏的 GC 调优技巧。

演讲提纲：
1. G1 GC 介绍

• G1 GC 的发展和现状
• 新生代回收、混合回收、并发标记介绍
• G1 GC 未来的发展趋势

2. G1 GC 调优的基本思路

• 停顿时间、吞吐率调优的一般方法
• G1 GC 的并发标记调优案例分析

3. 典型案例分享及隐藏的调优技巧

• IO 导致 GC 停顿时间超长问题分享和解决方法
• Swap 分区导致 GC 停顿时间超长问题分享和解决方法
• 安全点进入问题分析和解决方法
• G1 GC 优化解决 JNI Critical API 不正确使用引起的频繁 GC

你将获得：

• 了解 G1 GC 的原理以及常规的调优方法
• 了解复杂场景中隐藏的 GC 调优技巧
   

To develop high performance applications demands not only a well-designed software architecture but also an in-depth understanding on the underneath hardware. Unfortunately, the CPU microarchitectural and platform characteristics have been oftentimes ignored or overlooked by software development community. In this talk, we use real world examples to demonstrate the importance to understand CPU and platform architecture. Using Apache Spark and TPC-DS as an example, we share our best practices to achieve the best application performance on Intel Xeon.

开发高性能应用程序不仅需要设计良好的软件架构，还需要深入了解底层硬件。不幸的是，CPU 微架构和平台特性经常被软件开发社区忽略或忽视。在这次演讲中，我们将使用真实实践案例来展示 CPU 和平台架构的重要性。我们以 Apache Spark 和 TPC-DS 为例，分享我们在 Intel Xeon 上实现最优应用程序性能的最佳实践。

演讲提纲：
1. Background

• Intel Xeon Sever for Data Center
• Apache Spark for Big Data
• TPC-DS Workload

2. Case Study

• Case 1: Cache Contention
• Case 2: Data Locality
• Case 3: Resource Balancing

3. Q & A

你将获得：

• Help audience better understand Intel Xeon platform and CPU microarchitecture
• Help audience expand knowledge on TPC-DS workload behavior
• Help audience optimize big data applications for better performance on Intel Xeon
• 帮助观众更好地理解 Intel Xeon 平台和 CPU 微架构
• 帮助观众拓展 TPC-DS 工作负载行为的相关知识
• 帮助观众开发和优化大数据应用，在 Intel Xeon 上获得更好的性能

Performance Monitor Unit (PMU) is a commonly available subsystem on most micro-processors nowadays that monitors micro-architectural events like elapsed cycles, cache hits, cache misses, etc. It helps in analyzing how applications or operating systems are performing on the processor. There is no exception for Arm to provide a comprehensive PMU subsystem for its wide range of IP Cores. For this talk, we will introduce PMU based performance analysis methodology and performance metrics by focusing on Arm Neoverse N1 based scalable compute SoCs. Furthermore, a detailed case study of DynamoRIO Stride benchmark analysis will help unveil the power of PMU profiling by analyzing Arm PMU events and metrics.

性能监控单元（Performance Monitor Unit，PMU）是目前大多数微处理器上常用的子系统，用于监控微架构事件，如运行周期、缓存命中率、缓存丢失等。它有助于分析应用程序或操作系统在处理器上的执行情况。Arm 也不例外，为其广泛的 IP 核提供全面的 PMU 子系统。在本次演讲中，我们将重点介绍在 Arm Neoverse N1（可扩展计算平台）上基于 PMU 的性能分析方法和性能指标。此外，会通过一个有关 DynamoRIO Stride 基准分析的详细案例，来展示如何通过 Arm PMU 事件和指标来做性能分析。

演讲提纲：
1. Introduction （简介）

• Arm Architecture and Neoverse Scalable Compute Platform（Arm 架构和 Neoverse 可扩展计算平台）
• Arm Neoverse N1 micro-architecture（Arm Neoverse N1 微架构）

2. Performance Monitor Unit (PMU) based Analysis（基于性能监控单元（PMU）的分析）

• Methodology（方法）
• Metrics（指标）
• Tooling （工具）

3. Case Study – DynamoRIO Stride Benchmark Analysis（案例研究 - DynamoRIO Stride 基准分析）
4. Q & A（问答）

你将获得：

• Help audience better know Arm Neoverse platform and N1 micro-architecture.
• Help audience engage PMU based performance analysis methodology to profile workload on Arm platform and deepen the understanding by walking through DynamoRIO Stride Benchmark analysis based on Arm PMU metrics.
• 帮助观众更好地了解 Arm Neoverse 平台和 N1 微架构。
• 帮助观众了解如何基于 PMU 来分析 Arm 平台上的工作负载性能，并通过 DynamoRIO Stride基 准分析这个具体实例以加深对 Arm PMU 指标的理解。

本次演讲将介绍阿里巴巴 Serverless 基础设施，以容器为资源交付界面，以统一的资源管理&调度平台 ASI（Alibaba Serverless Infrastracture）为底座，面向阿里巴巴集团全量异构业务，以及各类包含 CPU、GPU、NPU、FPGA 的异构硬件云服务器，通过 QoS 数据驱动的混部管控&调度、Serverless 弹性等方式，在保证稳定性的前提下，为云基础设施、业务大幅度降本增效。

演讲提纲：
1. 阿里巴巴电商微服务负载特性化（业务负载层）：

• 阿里巴巴超大规模复杂微服务场景与挑战介绍
• 双 11 等场景微服务的挑战与表现
• 微服务资源压力

2. Alibaba Serverless Infrastructure（ASI）阿里巴巴大幅度降本增效（基础设施层）：

• 阿里巴巴统 一 Servereless 基础设施，ASI 的整体背景、场景和挑战
• 阿里巴巴混部场景背景与挑战介绍
• 阿里巴巴 QoS 数据驱动的 Serverless 混部动态调度&管控技术
• 阿里巴巴 QoS 数据驱动的 Serverless 弹性

你将获得：

• 了解阿里巴巴大规模的场景、背景与挑战
• 了解在保证集群 QoS 服务质量与稳定性的前提下，大规模降本增效，提高资源效能的技术

性能优化是一个令人兴奋、多样化且具有挑战性的领域。虽然已经涌现出一批出色的性能分析工具与追踪框架，但多数开发者在面对性能问题时仍觉得捉襟见肘，难以充分利用零散的性能数据挖掘出关键信息。本次演讲将介绍腾讯云在性能优化工程建设方面的探索之路，协助开发者快速分析解决性能问题。此外，我们将分享腾讯云性能优化的若干实际案例。

演讲提纲：
1. 腾讯云性能工程建设

• 背景
• 性能优化平台介绍与技术演进
• 协助解决用户问题的若干案例

2. 性能优化案例分享

• 云数据库 Redis RT 抖动案例分享

你将获得：

• 了解腾讯云在性能优化领域的建设和投入
• 了解互联网云服务公司对服务性能的思考与实践经验
• 通过一些案例来帮助听众理解性能工程的重要性和必要性
• 帮忙听众提升应对生产系统性能压力的工作能力