2020 DTCC专场2：大数据架构设计 PPT

解密FastData时代阿里云OLAP数据库新的发展趋势，包括新一代计算存储分离架构、资源分时弹性、资源组隔离机制、数据冷热分层存储、在离线一体化、智能优化等关键技术，以及在超大规模数据的复杂计算、高并发在线复杂分析、结构化+非结构化融合分析等场景的佳实践以及未来展望。

阿里云智能数据库事业部 技术专家，阿里云智能数据库OLAP产品线查询优化器负责人，专注于分布式执行计划的生成和优化、分布式计算、异构数据源查询优化、高并发查询性能调优、超大规模SQL性能调优等方向

金融行业企业级数据架构变革规划及落地实践

1、数据技术发展路线研究 分析传统数据库技术、大数据技术发展历史，厘清数据仓库、数据湖、大数据平台、数据中台等概念的企业定位，推导出企业级数据架构变革要点及新技术选型策略。
2、金融行业企业级数据架构变革规划 结合金融行业实践详细阐述大型企业的数据架构变革规划，包括原始数据、企业级基础模型数据、企业级统一加工数据、集市级统一加工数据和专业应用数据在内的多层数据的规划，包括划分策略、管理策略、共享策略和计算策略等。
3、东方国信金融行业实战案例分享 简单描述东方国信新一代分布式分析型数据库（CirroData）在包括金融在内的多个行业替换TeraData、GreenPlum、Oracle、DB2、传统Hadoop平台的实战案例，助力企业数字化转型，在企业级层面进行平滑的数据架构变革。
4、企业级数据架构未来展望 探讨企业级数据架构在未来的发展趋势，包括数据技术发展趋势、数据平台开发管理模式、数据平台服务模式以及专业规划团队的咨询服务模式等。

20多年金融行业数据平台建设经验，先后为多家银行在数据仓库、大数据平台、数据挖掘平台、分析平台、全行指标体建设等方面提供专家服务，主要为大型银行、股份制银行、国有银行、大中型城商行提供服务，在大型企业数据架构规划方面拥有丰富的经验。

随着数据量以及商业分析需求的急剧增长，传统的企业级数据仓库在应对高并发、高可用、高扩展性、易用性等挑战的时候越来越力不从心。本分享主要介绍围绕对象存储和抽象服务而构建的云端数据仓库如何通过元数据、计算和存储三者分离，多集群共享统一数据持久层的创新性架构解决传统数据仓库碰到的挑战，以及云端数据仓库在大型金融机构和运营商的早期实践。

2008年毕业于清华大学计算机本科，于2010年香港科大计算机硕士学位毕业。目前是酷克数据的联合创始人兼CEO，Apache HAWQ的committer和Greenplum Database的contributor。创业前，先后在IBM中国研究院，雅虎北京研发中心和Pivotal中国研发中心从事分布式计算相关的研发工作，发表了多篇国际会议期刊论文(包括SIGMOD和INFOCOM)和10多个国际专利，涉及无线网络、云计算、Hadoop和分布式数据库。