在腾讯公司内部，有着庞大的离线业务场景和需求，如图片转码、视频转码、王者游戏 AI、大数据等；同时，公司在线业务的整体资源利用率较低，导致大量资源闲置。急需为这部分庞大的离线业务提供稳定优质的算力资源，同时提升在线资源的利用效率。

在这一背景下，团队建立了公司统一的离线资源弹性算力平台，基于 TKE 底座，经过几年建设，管理运营了千万核离线 CPU 资源和几万 GPU 资源。

本次分享将为大家揭晓平台如何让业务快捷使用离线算力、高效挖掘管理离线资源和提供稳定算力，破解离线业务使用海量算力难题。

演讲提纲：
1. 腾讯弹性算力平台发展历程
2. 如何实现“超大算力资源集群”：基于多集群的业务接入
3. 构建海量算力资源池：从挖掘到管理
4. 算力稳定之道：从供应资源到供应算力

你将获得：

• 了解 Kubernetes 多集群资源管理和业务接入方案
• 了解基于业务和资源画像的多集群资源业务调度方案
• 了解如何通过在离线混部提升资源利用效率

2016 年微信支付日交易规模超过 10 亿，数据量爆发式增长的同时，微信支付商户服务、报表 BI、仓库维表系统却受制于存储和性能无法扩展、业务拆分难度大等问题。在这一背景下，TDSQL-PG 开始了在微信支付业务场景的应用落地探索。

为了解决微信支付业务场景的痛点问题，TDSQL-PG 在实践过程中也沉淀了一些技术创新方案，比如自动化 sharding 降低分库分表带来的业务开发复杂度、双 key 设计消除大小商户严重的数据倾斜、独创性的冷热分区方案降低业务使用成本、算子下推充分利用 MPP 优势提升查询扩展性能等。

本次分享将详细讲解 TDSQL-PG 在微信支付的应用实践历程，以及针对微信支付业务不同的痛点，TDSQL-PG 的解决思路与经验总结。

演讲提纲：
1. TDSQL-PG 在微信支付应用的三个阶段
2. 解 MySQL 之不能解：海量数据场景下存储和查询性能问题的技术解法
3. 基于 TDSQL-PG 的微信支付数据仓库维表系统实践
4. 总结与新版本特性

你将获得：

• 了解 TDSQL-PG 在微信支付相关场景中的典型应用实践
• 了解 MySQL 在海量数据场景存在的瓶颈问题，以及可能的解决思路
• 了解云原生数据库前沿趋势以及 TDSQL-PG 新版本功能规划

云原生之所以能提升开发效能，“代码复用”功不可没；独立分析机构的调查报告指出，来自开源软件供应链的代码在线上应用中占比 85%+，这造成了代码缺陷的广泛传播。据 Google Project Zero 团队研究，今年在野利用的 0day 漏洞中有一半是历史漏洞的变种；而开发者也总是在写前人犯过错误的相似代码。

为了解决现有安全技术面对历史漏洞传播无能为力的问题，本次分享将从一些典型案例切入，逐一进行问题分析，并首次揭秘腾讯安全当前正在发力研究的一项有别于 SAST、SCA 等的创造性技术（充分借助历史漏洞的经验，消减代码复用的威胁），以及如何在 DevSecOps 实践中使用该方案。

演讲提纲：
1. 代码复用所引入的软件供应链安全威胁形式
2. 现有分析技术对规模化解决相关问题的盲区
3. 一种面向代码复用问题挖掘的技术讲解
4. 该技术方案与 DevSecOps 集成实践前瞻

你将获得：

• 了解开发实践中各种不可控代码引入构成的安全风险
• 了解腾讯安全的技术内核和预期的能力获取方式

在科技和产业进入人工智能和全真互联时代的大背景下，异构计算已成为业界公认超越摩尔定律的计算加速方法。如何充分利用异构加速单元的算力资源，成为业界共同探索和努力的方向。

在腾讯自研业务全面上云和云原生实践的过程中，面对算力挑战，我们在软硬件整体系统提供了完整解决方案，从而实现在千万级并发下对业务进行加速，帮助自研业务实现降本增效。本次分享将为大家解密，腾讯自研业务上云和云原生实践背后，异构计算软硬件一体化加速方案的技术实践与思考。

演讲提纲：
1. 自研 GPU 业务“云原生”历程
2. qGPU 共享技术解读：如何实现容器级细粒度算力切分
3. GPU 之外，如何基于自研 NPU 加速业务实践
4. 腾讯云大规模弹性 RDMA 集群的技术选型原则与展望

你将获得：

• 了解 GPU 容器算力切分与共享技术
• 了解腾讯如何用好和选择好 NPU
• 了解腾讯大规模应用 RDMA  网络的技术思考

过去几年，数据湖能力已经在腾讯内部包括微信视频号、小程序等多个业务大规模落地，数据规模达到 PB 至 EB 级别。在此基础上，腾讯自研业务也启动了云原生湖仓能力建设，过程中我们发现，湖仓架构面临最大的挑战是性能问题：

• 湖存储直接用于数仓建模分析，存算分离损失了数仓 locality；
• 海量湖仓明细的直接分析也需要较高的性能，才能完成海量湖仓数据的价值挖掘，否则还是只能等漫长的数仓建模、历史数据回溯；
• 弹性计算与分析性能是一对矛盾的变量，如何在降低成本、不维持大量独占计算资源的同时满足高性能也充满了挑战。

本场分享将整体介绍腾讯云原生湖仓 DLC 针对上述问题的解决之道和技术架构设计。

演讲提纲：
1. 云原生湖仓建设背景和面临的挑战

• 数据湖、数仓、湖仓诞生背景
• 数据湖/湖仓架构在腾讯自研业务的落地情况
• 湖仓架构面临的性能挑战

2. 腾讯云原生湖仓 DLC 架构揭秘：如何实现 PB 级数据秒级分析

• DLC 产品定位和数据湖解决方案介绍
• 性能问题的破解之道：多维 Cache、多模索引、虚拟集群弹性模型等

3. 新一代湖仓架构思路：扁平湖仓架构，明细层直接高性能分析

你将获得：

• 了解如何玩转云上大数据，构建低成本、高性能、稳定的数据业务平台
• 掌握数据平台优化思路
• 了解大数据计算引擎的最新动态