专题演讲嘉宾：熊训德

在大数据平台高速发展的当下，生态扩张与业务量激增，致使大数据分布式组件问题愈发棘手，传统专家运维模式捉襟见肘。以腾讯大数据庞大的规模为例，面对海量计算单元、繁杂技术栈以及千万级任务管理，借助 AI 驱动实现大数据系统的故障和问题的快速洞察与自治能力，已成为行业迫切需求。

本次演讲我将介绍如何通过可拔插的决策引擎、以及数据专家自治智能体构建大数据智能管家，让企业能够理解如何高效、智能地处理复杂的运维场景，从而大幅提升大数据场景下运维效率与准确性，引领大数据线上系统迈向全面自治的新征程。

演讲提纲

1. 开源大数据系统运维背景与挑战

• 大数据自治决策对实时性要求和挑战
• 错综复杂的大数据存储、计算、调度技术栈对根因分析决策引擎挑战
• 传统专家系统对构建复杂大数据自治系统的局限分析

2. 大数据智能管家技术框架及关键实现路径

• 可拔插的智能决策引擎思考和设计
• 基于腾讯云大数据海量专家知识库构建的自治智能体
• AI 驱动的智能洞察及通用大模型对构建复杂大数据自治系统的分析和构建

3. 实践效果与案例分享

• 不同数据量场景下大数据智能自治的具体决策路径及效果
• 分享在大数据存储和调度在故障场景下的自优化过程

4. 探讨大数据智能管家经验和教训

• 稳定性：数据质量对构建自治智能体稳定性的影响及优化
• 安全性：决策系统应对数据安全的相关教训和思考

5. 探讨智能管家未来发展方向与潜在影响

• 大模型在大数据运维应用的趋势
• 大数据智能持续优化与创新的路径

您认为，这样的技术在实践过程中有哪些痛点？

• 可拔插的决策引擎思考和设计
• 构建复杂大数据自有知识库的自治智能体
• AI 驱动的智能洞察和自治系统的分析和构建

演讲亮点

• 可拔插的智能决策引擎：结合大数据庞杂组件现状，创新性设计了可拔插的决策引擎，同时具备通用性和高效率
• 大数据智能运维深入思考及实践路径：系统分析了大数据运维智能化在腾讯真实碰到的问题和解决，推动大数据智能化运维及自治的不断发展

听众收益

• 了解大数据系统运维发展当前的困境和挑战
• 掌握基于通用大模型怎么结合大数据专有知识库和自治智能体，构建大数据专有自治系统
• 获取提升大数据系统运维高效而准确性的技术方案与实践经验