数据的价值是帮助决策。面对快速变化的市场状态和用户行为模式，还有决策类型的需求和爆炸式增长的数据量，如何基于持续产生的数据尽快的做出高质量的决策已经是不得不面对的挑战。PayPal 在对每一位用户的每一次交互行为都会需要不同类型的实时业务决策，而近实时数据流式计算分析处理平台在技术上为此提供了高可用、大吞吐量、可扩展的数据处理能力，以满足 PayPal 不同业务的多样需求。

演讲提纲：

1. 高质量决策系统的应用场景与挑战

2. 流式计算平台在 AI 系统中的设计与实践

3. 总结与展望

你将获得：

• 流式计算平台如何面对挑战以帮助AI实时决策系统提高质量
• 流式计算平台如何为 AI 系统开发者和数据科学家减轻负担

分享数据仓库和对象存储碰撞产生数据湖的细节，并讨论新趋势和技术演进过程。然后，分析行业关键需求和核心技术，以及介绍阿里云数据湖的解决之道。最后，探讨云原生数据湖的技术组成和行业应用实践。

演讲提纲：

1. 数据仓库和对象存储的碰撞产生数据湖

• 数据湖发酵新趋势
• 数据湖存储的演进逻辑

2. 数据湖的关键需求和技术

• 支持多引擎的元数据服务
• 存算分离支持“一份数据、多种计算”的领先架构
• 存储空间无限扩展能力
• 按需的高性能访问
• 冷热数据智能分级优化成本
• 阿里云数据湖的解决之道

3.云原生数据湖已成燎原之势

• 云原生计算引擎、存储引擎、元数据管理
• 云原生数据湖行业应用实践

你将获得：

• 了解数据仓库和对象存储的业务和技术碰撞点
• 理解数据湖的趋势和演进逻辑
• 理解数据湖的关键需求和技术
• 理解阿里云数据湖演进过程
• 了解云原生数据湖技术和应用实践

随着云计算技术的飞速发展和日益成熟，大数据分析的系统架构也朝着云原生的方向逐步演进。利用云技术的便携，弹性，高性能特点，大数据分析完成了从开源 Hadoop 的存算一体，到基于云存储的存算分离分析模式升级，再到云原生数据湖和湖仓一体的 LakeHouse 分析架构升级，以此来帮助企业和客户使用较低的资源成本，充分挖掘数据的价值。对象存储作为云原生数据湖的存储底座，在 LakeHouse 架构体系中扮演着重要的角色。本次将从实践出发，分享腾讯云存储团队在面临 Lakehouse 的数据湖架构演进过程，所面临的一些关键存储挑战，介绍的腾讯云如何用先进的存储架构和技术，来满足数据湖海量高可靠低成本的要求，如何利用三级数据加速体系，满足高性能大数据分析场景。在实际落地方面，也会分享腾讯云在云原生数据湖实践中的优秀案例。

演讲提纲：

1. 背景和挑战

• 云时代的大数据分析架构演进

• LakeHouse 架构下的云存储面临的挑战 

2. 腾讯云存储关键技术分享

• 腾讯云存储如何做海量高可靠低成本

  • 腾讯云存储 YottaStore 架构

  • 腾讯云存储 YottaStore 核心技术

• 腾讯云存储三级加速体系介绍

  • GooseFS 缓存加速

  • 元数据加速

  • AZ 加速

• 腾讯云存储多协议访问和安全体系介绍

3. 总结和思考

你将获得：

• 了解云厂商对云原生数据湖的理解和实践架构

• 了解腾讯云在云原生数据湖的关键技术和具体实践案例