待更新
待更新
DongSQL 是京东集团基于海量高并发业务场景自主研发的关系型数据库解决方案，旨在解决超大规模数据库集群的管理与性能挑战，支撑京东零售业务在 618 等大促期间 22亿笔订单 的稳定达成。本次分享京东是如何解决海量高并发场景下的数据库访问和安全性难题。涵盖单机性能优化 分布式解决方案和存算分离架构等。
京东数据库研发总监，负责京东零售关系型数据库的研发与产品工作。
在现代信息系统中，数据已成为核心生产要素，数据库作为数据管理与存储的基础设施，其角色正面临转型。传统数据库通常被定位为持久化存储层，而应用逻辑分布在外部服务层。这种设计导致执行路径膨胀：客户端通过远程过程调用（RPC）访问服务，再由服务访问数据库，每一层都引入序列化、调度和通信开销，造成结构性低效。计算过程频繁跨越进程与网络边界访问状态，使系统性能受制于通信代价，而非数据处理能力。此外，跨层交互也难以优化：同步阻塞限制并发，异步模型则增加控制流复杂性。传统存储过程或用户自定义函数虽试图将计算与数据本地化，但仍受限于表达能力、运行环境、与现代开发生态的整合能力，以及同步执行方式带来的硬件利用率低等问题。针对这些问题，我们提出并构建了 MuduDB 数据库内核。其核心理念是将数据库从被动存储设施转变为统一的数据管理与应用执行平台。MuduDB 允许开发者将应用逻辑以模块化形式嵌入数据库运行时，实现计算与数据共驻，从而消除跨层调用和网络传输瓶颈，缩短执行路径并降低系统复杂性。在云环境中，通过将应用逻辑内置于数据库执行，实现近数据计算，使数据库从单纯的存储节点升级为统一的存储与执行节点，从而在相同硬件条件下提高吞吐密度、降低尾延迟。此外，MuduDB 还提出了一种新的软件分发模式：将应用程序、过程模块、数据模式和运行时依赖打包为单一制品，并直接部署到数据库中，实现类似移动应用商店的使用体验，即完成应用选择、安装、数据初始化与运行的完整流程。该模式有助于简化应用开发、压缩部署路径、降低维护成本，并为以数据为中心的应用提供新的分发模型。本报告将介绍 MuduDB 内核带来的一系列创新性特性。
开珀卡珀创始人，专注于现代数据管理系统的研究与实践。华东师范大学博士后，毕业于中国人民大学并获博士学位。
摘要：宇宙本无一致，一致因我们而存在。
Jim Gray——事务ACID的定义者——表示："这句话……让我想起了1970年代末我在IBM圣何塞实验室的日子。当时我们在定义System R的事务模型——分布式事务的提交协议。有一天我意识到一件事：原子性不是自然界存在的属性。一个写操作写到一半断电——数据就是不一致的。原子性——是人类为了对抗不确定性而发明的一个概念。"
"我们定义了'这个操作要么全做要么全不做'——这是一个人工规则。一致性——不是自然规律——是人类社会的需求。隔离性——不是物理性质——是为了让并发操作不互相干扰而设计的边界。持久性——不是物质属性——是人类在'一旦你告诉我完成了，它就一定不会丢'这个承诺上的信任。"
"所以，这句话——'宇宙本无一致，一致因我们而存在'——准确地描述了我一生的全部工作。"
"那数据库的本质——不是存储数据的工具——而是创造秩序的工程。"
创造秩序，存在两种情况，对应着两个世界，一个是先天存在的物理世界，这个世界没有事务的概念；另外一个是人类存在而创建逻辑世界，人类追求确定性而创建了一致性。
但是，传统的数据库中的一致性，散落在多处，如事务一致性、主备复制系统时的一致性、分布式数据库的多副本一致性等；这些一致性各自为战，散落在多个不同的地方，难以认知、难以理解。
但是，这些属于并发系统的一致性，究竟应该处于什么位置？我们应该以什么视角认知它们？这需要新的思维层次：一是把一致性提升到架构层面来认知，这将使得一致性认知统一化；二是把一致性与架构中的其他属性协同认知，例如鲁棒性。在一个新的架构中，一致性决定系统的上限——鲁棒性决定系统的下限。数据库内核设计的核心挑战——是如何在不牺牲上限的前提下——提升下限。
本次分享，基于以上理念，徐徐展开，并以实例演示实现方法。
大纲：
1.一致性在哪里？——从机器人与数据库说起
a)物理世界的一致性：机器人的不一致
b)逻辑世界的一致性：数据库的一致性
2.并发系统的架构
a)一致性是底层的逻辑
b)一致性是架构的核心
c)把对一致性的认知，提升2个层次
3.从混沌走向秩序？
a)C2框架设计思想
b)C2框架原理
c)C2框架实现技术
李海翔，数据库事务量化处理技术的发明者，并发系统之并发语义学的创造者。中国人民大学、北京林业大学硕士企业导师；CCF数据库专委会、大数据专委会执行委员；DTCC、CSDN专家委员，腾讯云TVP。前字节跳动、腾讯、华胜天成、Oracle、人大金仓等公司数据库首席架构师、研发经理、测试中心总监等。录用多篇数据库顶会顶刊论文（VLDB、SIGMOD等），出版《数据库查询优化器的艺术:原理解析与SQL性能优化》、《数据库事务处理的艺术:事务管理和并发访问控制》、《分布式数据库 原理、架构和实践》、《大数据管理》等著述，2026年出版理论专著《一致性与并发：并发语义学》、追溯中国科技发展轨迹的纪实演绎小说《数据库往事》。申请与授权专利100+，获中国发明专利金奖（2024）、广东省发明专利金奖（2023）。获北京市（2005）、深圳市（2023）科技进步一等奖。参与包括国家863重大专项、核高基、工信部、科技部等重大科技项目。
本主题聚焦企业大模型落地的高成本门槛与业务刚需的矛盾，围绕 Data+AI 转型浪潮，从 LLM 选型基础、四大低成本适配路径切入，拆解高效微调、轻量化部署、效果评估全流程实操方案，为企业构建专属业务大模型提供完整落地方法论。
崔鹏，计算机学博士,主要研究方向AI与大数据管理。PostgreSQL中文社区核心成员,公众号CP的PostgreSQL厨房作者,拥有十年数据库、操作系统、存储领域的工作经验,ORACLE OCM、MySQL OCP。目前任海能达通信股份有限公司数据库团队负责人，从事数据库高可用、高性能以及AI在数据库领域的应用,方面的研究工作。
待更新
待更新
国产数据库替代浪潮下，传统行业却频频折戟——这背后真正的原因，并非数据库本身不够强，而是业务系统积重难返。投入不足、开发能力有限、业务规则黑盒化、需求不合理、实现失控，这五重困境叠加，让单纯的技术替换几乎注定失败。真正的破局之道，不是找更好的数据库，而是深入业务、指导业务、甚至推翻业务——这是一场必须靠人完成的"侵入式优化"。AI 可以帮你改写 SQL、推荐索引，但它无法坐在会议室里说服业务负责人修改流程，更无法承担重构业务系统的责任。
工学学士，工程硕士。从业20余年，设计、实施和运维高并发的数据架构。曾服务于政府、公安、交通、安防行业，从事过大型项目管理，单机处理超过100亿量级的数据库。从事产业互联网，负责高可用、业务连续性和高并发数据架构设计和运维管理。
待更新
目前是中国太保集团数智研究院首席数据库专家，负责全集团数据库数字化转型全链路技术支撑工作。《金融数据库转型实战：基于OceanBase》作者；负责核心系统数据库国产化分布式数据库技术攻坚，实现金融行业深度绑定Oracle特性、海量核心系统数据库国产化首次里程碑突破；自研国产数据库改造工作量预评估工具“指南针”，弥补业界空白，提升应用改造效率约25%，累计节省成本数千万。OceanBase OCEC客户专家委员会专家委员；获得OceanBase OBCE、Oracle OCM、Postgresql PCM、MySQL OCP认证；曾任oracle wdp ocm讲师，国内前400个OCM教出约50~60人、DB2china性能调优版版主、PG社区PCM金牌讲师。
在“网络强国”战略与信创产业加速落地的双重驱动下，运营商核心网管系统的自主可控数据库替换已从“可选项”变为“必答题”。新疆移动作为区域主导运营商，自2024年起全面启动O域网管系统数据库自主可控替换工程，目标2025年底替换比例达100%、2026年web中间件自主可控占比达50%。与此同时，AI与数据库的融合已从“辅助工具”升级为“内核重塑”，如何让数据库运维告别“刀耕火种”的原始状态，是当前中大型企业面临的共同课题。 本演讲将系统分享新疆移动在自主可控数据库替换及AIOps智能运维体系建设方面的完整实践路径——从国家战略部署到落地执行、从技术选型到柔性迁移、从传统运维到AI赋能，为行业提供一套可复制、可落地的参考方案。 分享大纲 1.背景与挑战：国家战略要求、技术产品现状及网管系统面临的三重困难 2.替换方案与实施：“2+5+N”网管规划、九步替换法、双轨运行与柔性迁移 3.AIOps智能运维体系：AI赋能数据库运维的技术架构、核心能力与实战成效 4.总结与展望：经验沉淀与未来演进方向
宋宇，高级工程师，自2016年就职于中国移动通信集团新疆有限公司，现担任IT/DICT领域高级技术专家，研究方向为软件工程管理、项目管理技术、敏捷开发方法、DevOps实践及信息化系统优化，带领团队发表实用新型专利2项、软著2项、核心期刊论文3篇。
待更新
曾供职于DEC深圳研发中心、赛格计算机有限公司、长天集团、联想金融事业部等。 在软件开发、系统运维、信息系统优化、信息系统国产化替代等领域从事技术研究近30年，曾主持开发了国内首套电信级联机实时计费系统、国内首套三检合一的检验检疫管理系统、银行综合大前置平台（IPP）等大型系统。著有《Oracle RAC日记》、《Oracle DBA优化日记》和《DBA的思想天空》等技术专著。信息无障碍研究会专职顾问，深圳市鲲鹏产业联盟高级顾问，Oracle ACE，POSTGRESQL ACE DIRECTOR。
数据库不会消失，但它正在错过AI大时代。数据库的机遇在哪里？”，本次主题将梳理“推理计算”从CPU到GPU，再到各种PU（特别是LPU）的发展脉路，用实际的案例，介绍AI时代“计算”的底层瓶颈、破局之道，以及数据库在AI时代的机遇。 演讲内容重点提纲： 1. 基础软件的目标，与数据库的机遇和挑战 2. “内存性能翻倍提升” 约等于 “内存成本下降一半”，如何做到？ 3. 以国内著名计算芯片为案例，细数”计算”的瓶颈 4. 梳理GPU发展脉路，细聊破局之道 5. LPU启示录 6. 数据库的危机与机遇
吕海波，易景科技首席研究员，美创科技技术顾问，北京大学数据库课程企业导师。曾就职于阿里巴巴、京东、ebay等国内外知名企业，负责数据库管理及相关研究工作。公众号《IT知识刺客》主笔，内存基础知识系列、深入突破基础软件开发系列，等系列文章，累计流量近百万。用平实的语言，深入讲解CPU原理、DDR与HBM原理、等体系结构底层原理在基础软件开发中的实际应用。
量化投资是一种典型的OLAP型计算场景，为适配计算需求和提高计算效率，需要将关系型数据库、图数据库、向量数据库、内存数据库、对象存储系统等多种存储方案搭配起来使用。本次分享以我们正在开发的量化投资系统为例，介绍量化投资系统通常采用的存储架构。分享内容主要包括：（1）量化投资对存储和计算的需求；（2）量化投资系统存储架构的整体目标；（3）存储架构的设计思路；（4）数据内省和调用代码的封装结构；（5）代码细节举例；（6）几点困惑与思考。
汪建雄，北京第二外国语学院经济学院金融系副教授，中央财经大学中国经济与管理研究院（CEMA）金融学博士。研究方向为资产定价、经济史、国家演化、量化投资等，目前与多位合作者基于裁判文书、工商数据、股票论坛数据等100G以上的超大规模数据集展开合作研究。已有论文发表在《China Economic Review》、《Technological Forecasting and Social Change》、《世界经济》、《投资研究》、《制度经济学研究》等期刊，主持完成国家自然科学基金项目、教育部人文社科青年项目各一项。译著有《金融经济学原理》、《已经发生的未来》、《谁绑架了上市公司》、《蜘蛛战略》等。
AI应用正从“模型为中心”转向“数据为中心”，但数据与AI之间的鸿沟依然显著。讲将分享我们ShannonBase的探索：如何构建一款“AI原生”数据库。ShannonBase在MySQL生态基础上，深度融合HTAP、内置机器学习、原生向量支持与RAG及本地推理。尤为重要的是，我们基于Native-JavaScript引擎构建了Native Agent框架——Agent可直接运行在数据库内核中，具备Schema感知、FK图谱BFS路径规划、SQL自动恢复、事务安全控制等能力，能自然语言交互完成从锁分析到慢查询优化的完整诊断闭环。我们将展示如何零数据移动地在同一份数据上同时完成TP、AP与AI工作负载，分享将传统数据库演进为Data+AI融合智能基础设施的实践路径。
李浩，ShannonBase首席架构师。《PostgreSQL查询引擎源码技术探析》作者，曾在华为、爱奇艺、北大方正从事数据库内核核心架构设计。超过10年以上数据库内核开发经验，擅长查询优化，大规模并行处理等技术
随着大模型和 Embedding 技术的成熟，向量数据库正在从 "技术尝鲜" 逐渐成为重要的 "业务底座"。本次分享围绕向量数据库在货拉拉业务场景中的落地实践，涵盖场景识别、技术实现、工程优化与生产保障等环节，总结从概念验证到生产上线的完整路径与工程经验。
来自货拉拉大数据基础架构团队，拥有多年大数据存储研发经验，主要负责货拉拉大数据离线存储以及 AI 向量存储的研发落地。
随着AI Agent的飞速发展，企业运行越来越多的Agent，困扰Agent本身的文本文件存储、企业内多Agent管控与协作等问题逐渐成为企业Agent落地的重要阻碍。依托于数据库的多模融合与企业级能力为底座，通过高效记忆与知识库、多Agent管理与协作、工作区与上下文管理、上下文分支、Agent数据访问隔离、规格驱动开发、任务计划、循环工程等Agent实际且迫切需求的能力构建AI Agent的基础设施架构
公众号“胖头鱼的鱼缸”作者,Oracle ACE，拥有OCM 11g、12c、19c，MySQL 8.0 OCP，精通Oracle数据库及Oracle Exadata一体机运维，在Oracle数据库方面有较为深入的建树，熟悉Oracle数据库最新技术发展。熟悉开源数据库如MySQL、PostgreSQL、Redis、MongoDB、ElasticSearch等。目前主要服务于四川移动O域，负责数据库维护一线技术支持与二线技术支撑。
随着多模态内容和大模型应用的爆发，业务对"全文检索 + 向量检索"融合的多模态检索需求日益迫切。快手基于 Apache Doris 打造了统一的多模态检索解决方案，面向千亿规模的数据量进行架构设计与性能优化。本次分享将从部署架构、索引选型与工程实践三个层面，分享快手的深度优化经验。 部署架构层面，基于存算分离与读写分离架构，依托多级缓存与写入预热提升查询效率，并按检索场景差异化划分计算资源、实现负载隔离，在千亿规模下平衡资源成本与查询延迟。 索引选型层面，围绕近似最近邻检索的核心诉求，系统权衡不同向量索引结构与量化算法在精度、存储与性能上的取舍，并提出将全局向量索引与表分区设计相融合的方案，从查询耗时、扫描数据量、峰值内存等维度实现数量级的性能提升。 工程实践层面，聚焦真实业务场景下的端到端性能优化，通过标量与向量检索的协同、查询改写与执行参数调优，以及与大数据生态（数据湖、Spark）的深度打通，保障方案在生产环境的稳定高效落地。 面向未来，将持续探索混合检索与重排、存储层向量与标量的解耦，以及多模态数据湖的融合，进一步提升多模态检索的能力边界与成本效率。
2023 年加入快手数据引擎技术中心，负责 OLAP 引擎及相关服务的开发与维护，主要工作涉及 Apache Doris 内核研发、Lakehouse 能力建设，在大数据场景下，有丰富的架构设计和分布式查询优化经验。关注大数据分析和多模态检索领域。
随着信创建设的持续推进，数据库、操作系统和中间件等基础软件已逐步完成国产化替代，而搜索引擎作为企业数字化和智能化建设的重要基础设施，正在迎来新的发展机遇与挑战。与此同时，AI、大模型和智能体技术的快速发展，也对搜索引擎提出了更高的实时性、智能化和自主可控要求。本次分享将结合 Easysearch 在金融、政务、制造等行业的落地实践，介绍国产搜索引擎在信创环境下的建设经验与技术演进路径。从 Elasticsearch 国产替代实践出发，深入探讨搜索引擎核心技术自主创新，包括实时搜索架构优化、全文检索与向量检索融合、海量数据检索性能优化以及 AI 时代的智能检索能力建设。同时分享搜索技术如何从传统的信息检索平台演进为支撑 RAG、Agent 和企业知识库的新一代 AI 基础设施。通过本次分享，希望与业界共同探讨搜索技术在信创和 AI 双重驱动下的发展趋势，以及构建自主可控、面向未来的国产搜索技术体系的实践经验与思考。
曾勇，INFINI Labs 创始人& CEO，前 Elastic APAC Developer Evangelist 与 Principal Consulting Architect，长期专注于搜索引擎、分布式系统与实时数据处理领域。 Rust 与 Golang 爱好者，当前主要关注 AI Native Retrieval、Browser Native Search、实时搜索引擎以及 Edge AI 基础设施方向。主导研发 Pizza Engine（FIRE）与 Easysearch 等项目，探索 Rust 在 AI 时代搜索与检索基础设施中的实践与创新。
本分享将介绍中兴通讯EBASE数据库融合本体建模的DBA智能体系统，突破传统运维工具局限，实现SQL改写、异常诊断与智能巡检的一体化闭环。系统通过规则引擎与大语言模型（LLM）协同驱动的多轮启发式搜索机制，确保生成的SQL既高效又语义等价；利用本体建模增强对指标语义的理解，精准识别资源瓶颈、容量异常等复杂问题；并通过自动化巡检提前发现潜在风险。在真实业务场景中，提升慢SQL执行效率超40%，故障工单处理效率提升60%以上，为DBA配备全天候“智慧助手”，推动数据库运维向自动化、智能化全面跃迁。
黄世悦，中兴通讯数据库技术预研专家，当前负责DBA智能体关键技术研发落地。2025年博士毕业于北京大学计算机学院数据与智能实验室（PKU-DAIR），研究方向为AI4DB技术。
结合教育行业数据库并发波动大、运维场景复杂、降本压力突出的痛点，分享大模型赋能的全链路智能运维体系。内容涵盖：SQL前置智能审核、慢SQL自动化优化、故障与锁问题智能诊断、容量智能管控、多云智能降本等实战方案，同时分享数据库运维智能体落地实践，输出可复用的标准化智能运维经验。
16年数据库行业数据库管理优化经验，曾任职于搜狐、网易、微博，阿里巴巴、担任技术经理，技术专家，高级技术专家，《深入浅出MySQL：数据库开发、优化与管理维护（第2版）》作者之一，现任职某头部教育公司担任高级技术专家。
人类理解数据时，会自然补充业务背景、时间、因果和常识；Agent 面对的却通常只是文本、字段、chunk 和 embedding。Vector 能解决“内容像不像”，但无法独立回答数据是什么意思、从哪里来、为什么可以相信，以及经过模型摘要和生成之后还能否回溯原始依据。 分享计划围绕以下几个问题展开： 1. 人类与 AI Agent 对“语义”的理解有哪些共同点和根本差异； 2. 除了 Vector，Agent 理解数据还需要哪些上下文、关系、来源和检索能力； 3. Agent Memory 为什么不能只保存生成结果，如何保留来源与内容演化链； 4. 数据基础设施如何从管理“数据值”走向管理“数据含义”； 5. Database、Vector DB、RAG 和 Memory Framework 分别解决了什么，以及什么时候需要重新划分存储边界。
超过20年IT行业经验，Cortrix开源项目Co-founder联合创始人。PostgreSQL中国社区创始人之一，并担任2015-18届社区主席。前阿里云RDS产品PD、巨杉数据库资深总监。
数据库运维正在经历一场深刻变革。从人工敲命令、Shell 脚本自动化、平台化工单管理，到今天 AI Agent 介入运维决策——每一次跃迁的本质，都是把 DBA 的经验从人脑中解放出来，沉淀为可复用的数字资产。本次分享来自知乎数据库架构组 Team Lead 代晓磊，他将系统梳理数据库运维的四代演进脉络，并深入拆解知乎自研天穹平台（Welkin）的能力体系，进而揭示一套已在生产环境落地的 AI 智能运维架构——五层设计，贯通数据采集、MCP 工具调用、Skill 经验封装、RAG 知识检索与 Agent 智能编排。 演讲将带来三个真实生产场景的实战演示： ① 基于 Claude + Skill 的自建数据库智能管控：如何将 MySQL、TiDB、OceanBase、Redis 的运维经验封装为可调用的 Skill，让 DBA 用自然语言完成慢查询分析、根因诊断、变更工单提交，同时通过 Human-in-loop 机制确保变更操作的安全边界。 ② 基于 MongoDB 的数据库运维知识图谱：知乽多年积累的故障复盘、SOP、官方技术文档，如何通过 MongoDB Atlas Vector Search 构建可检索、可推理的私域知识库，让 AI 在告警响应时自动召回历史相似案例，将团队集体经验转化为持续生长的智能资产。 ③ 基于百度云 MCP 的云数据库智能管控：同一套 AI 运维框架如何通过切换 MCP Server，无缝延伸至百度云 RDS、Redis、MongoDB 等云数据库服务，实现自建与云上数据库的统一 AI 运维界面。 分享还将直面落地过程中的真实挑战：Skill 粒度设计、RAG 冷启动数据质量、多 Agent 协作中的安全边界，以及 DBA 角色在 AI 时代的三个核心转变。
知乎数据库架构团队负责人，前360数据库运维高级专家，前360运维TC委员，入选ITpub名人堂，Aerospike中国社区主席，NewsqlGroup发起人，TUG/OUG华北区leader，Pingcap金牌认证讲师，MongoDB Community Champion，阿里云PolarDB社区大使，16年数据库运维开发经验，精通Redis/MongoDB/MySQL/TiDB/OceanBase等数据库，开源爱好者，在开源数据库/中间件推进和落地，降本增效(数据库梳理管控/数据库优化/数据库on k8s)等方面有长期积累，设计并落地金融级多云多活架构：金融级同城3中心、两地三中心部署方案，为多家企业提供数据库方案咨询和落地服务。热爱总结和分享（多次在DTCC/DTC/TDBC/Gdevops/ArcSummit/MongoDB等大会进行分享），个人技术公众号：晓磊聊DB，喜欢挑战新技术。
待更新
待更新
内容一：ecs项目 1.目的：为了实现广联达100多款软件的双向互联互通 2.各种端侧软件（c++开发）通过sdk向云端写parquet文件，读取的时候通过duckdb来读取，端和云的数据交换直接通过parquet文件交互，没有任何序列化操作。 3.ecshub（java开发，类似github服务）提供各种接口，管理页面直接使用duckdb wasm查询iceberg数据 内容二：ecs技术的推广，降本增效 1.IOT场景，duckdb+iceberg替换opentsdb、influxdb时序数据库，云服务成本降低50% 2.hbase服务每年云服务几十万，duckdb+parquet替换hbase 3.es服务数据量大的时候查询慢，云服务成本高，duckdb+parquet替换es
张军，现任广联达软件ECS（Entity Component System）部门大数据架构师，主要负责部门内大数据基础设施的规划建设与持续优化工作。其核心职责包括：基于Iceberg构建和演进部门数据湖体系，并围绕DuckDB开展深度性能调优。同时，还推动DuckDB与Iceberg的融合方案在多个业务线落地，以替代传统数据库（hbase、influxdb等），实现显著的降本增效目标。
待更新
韩江，快手大数据生产平台技术负责人，现负责快手一站式大数据开发和管治平台 - 天工的建设和团队管理。关注数据开发、数据治理等领域，有8年以上大数据开发和管治平台建设经验。
分享大纲： 一、行业现状与痛点：传统大数据体系的能力瓶颈 二、前沿技术方案：大数据+AI融合的轻量化架构设计 三、核心落地实践1：大数据平台智能运维与故障自愈 四、核心落地实践2：数据智能治理与业务价值输出 五、落地总结、最佳实践与行业技术展望
陈政（三掌柜），某银行资深全栈工程师。Community Builder AWS，亚马逊云科技云博主，华为HDE、HCDE，开放原子校源行开源大使&讲师，腾讯云架构师技术同盟成员，腾讯云TDP宣传大使，CSDN上海站主理人，InfoQ签约作者，Careerfocus特约讲师，另著作《从零基础到精通Flutter开发》。全网粉丝10万+，全网著作浏览量1200万+。
PostgreSQL原生的upgrade需要停机时间，而逻辑复制升级的方式在大库上同步时间又太长，大库的0停机大版本升级一直是行业痛点。本议题将展示利用PostgreSQL原生功能解决0停机升级方案。
平安科技数据库专家，10年数据库实战经验，擅长云环境下海量、高负载PostgreSQL数据库管理。
DBA 转型 AI，并不是一次推倒重来的职业转换，而是一场能力的延伸与升级？除了技术能力之外，DBA 还具备哪些容易被忽视，却极具价值的竞争优势？重新认识 DBA 的职业价值，发现隐藏在日常工作中的"AI 基因"，找到属于 DBA 的 AI 转型路径，在 AI 时代构建自己的第二技术赛道。
曾在搜房网 (现房天下)，中青旅，艺龙网（现同程艺龙），去哪儿网，途家网等互联网公司从事DBA工作，擅长自动化运维开发工作，带领团队完成模块化的自研数据库自动化运维平台，数据报表等平台的开发工作，目前在狮桥集团负责DBA团队，致力于提升数据库管理效率，推动团队的发展和创新。
过去十年，Modern Data Stack 围绕数据采集、湖仓、调度、治理、BI 和 AI，构建了大量面向数据工程师的工具体系。但在 Agentic 时代，数据平台需要进一步演进：从“人操作工具”，走向“人定义目标，Agent 编排执行”。本演讲将探讨新一代 Harness Engineering for Data 的平台范式：如何将数据接入、ETL/ELT、SQL 开发、调度、数据质量、元数据、血缘、监控和企业本体语义，统一封装为可被 Agent 理解、调用和治理的工程能力。通过将业务本体、技术元数据和执行上下文注入 Agent 工作流，企业可以让 Agent 更准确地理解数据对象和业务关系，更高效地执行 Skill，减少上下文猜测和 Token 消耗，提升 ETL 流程生成、SQL 输出、数据建模和可视化分析的准确性。最终，数据工程平台将从传统的工具集合，演进为面向人机协同的 Data Engineering Harness，支撑企业在 Agentic 时代实现更高效、更可信、更可治理的数据工程交付。
毕业于北京大学，师从数据仓库泰斗唐世渭教授，20+年数据仓库经验，曾任万达电商数据部总经理、联想大数据平台负责人，易观CTO，先后在Teradata、IBM、中金公司任大数据方重要职位。作为Apache Foundation Member，创建了2个Apache顶级项目，Apache DolphinScheduler和Apache SeaTunnel，从0到N建立了中国ClickHouse开源社区，参加多个DataOps国际会议并发言，对大数据前沿研究有卓越贡献。现任白鲸开源 CEO，使命是“让更多的人，更简单高效的使用数据”。
围绕PolarDB-X分布式数据库展开，旨在介绍其技术架构、核心能力及在数据治理等方面的应用。 内容概述如下：PPT先阐述业务特点与技术挑战，接着介绍PolarDB-X的分层架构及核心组件，包括计算层、存储层等；随后重点讲解水平扩展与数据分片技术，涉及分片算法、分片键选择等；还阐述了数据治理，涵盖冷热数据分离、数据运维治理体系等；并介绍了性能优化与稳定性保障措施，如SQL执行优化、分布式锁机制等；最后对PolarDB-X进行总结与展望，提及其在多行业的应用及未来发展方向。
谷阳，神州数码数据库服务总监，拥有 约13 年数据库全栈运维经验。深耕信创改造、分布式架构、数据中台类重大项目，深度参与某汽国产化信创架构设计与优化；精通 B2B、B2C 业务数据库灾备架构，长期深耕数据治理领域。
随着 AI 应用的快速发展，分布式数据库正在从传统的高可用、高扩展数据底座，逐步演进为支撑智能应用、实时数据处理和自动化运维的核心基础设施。 本次分享将围绕 AI 时代下分布式数据库的演进趋势、迁移方法论及智能化实践展开，探讨 AI 对数据库架构和能力的新要求，以及 AI 技术在数据库运维、SQL 优化、容量规划、异常诊断和迁移治理中的应用。 结合实际落地经验，本次分享也将分析 AI + Database 在企业实践中的挑战与未来发展方向，为构建更智能、更安全、更稳定的数据基础设施提供参考。
现为 Airwallex 资深DBA，网名 yumushui ，多年一线传统行业和互联网数据库架构设计与运维经验。Oracle 11g OCM，对MySQL、Oracle、PostgreSQL、Greenplum、MongoDB等多种数据库有丰富的架构、维护经验，乐于总结与分享，ITPUB博客专家，DTCC等数据库行业大会演讲嘉宾。
面对 AI Agent、Multi-Agent 以及 Codex（ChatGPT）、Claude Code 等工具层出不穷，身为 DBA 的你是否也感到一阵"技术焦虑"？在数据库运维里，指望一个全能单体 Agent 包打天下，这条路注定走不通——从"辅助分析"到"自主处置"之间横着一道鸿沟，跨过去靠的不是某个超级工具，而是一支各司其职的 AI 运维军团。本次分享将带来一线实战干货：在国产数据库生态下，OpenClaw（小龙虾）与 Hermes（爱马仕）两大智能体如何联手，灵活调度 Codex、Claude Code 及 ZCode 的代码生成与推理能力，搭起覆盖巡检、优化、诊断、自愈的全流程自动化防线。甚至，你可以学习打造自己的DB智能体（aiops agent）。
赵振平，PostgreSQL中国区第三届主席。曾任摩托罗拉云计算亚太区数据库负责人；电子工业出版社签约作者、腾讯云最具价值专家（TVP）、华为鲲鹏最具价值专家（MVP）、国家首批大数据高级职称、全球数据库行业投资分析师、中国数据库认证体系奠基人。
如今政企分布式数据库集群规模持续扩张，国产分布式库（金仓、GBase、OceanBase、TiDB等）混合部署已成常态，但传统人工运维模式痛点集中：mysqldump手动迁移通宵翻车、分布式分片故障定位难、慢SQL全靠人工排查、多集群重复操作消耗大量人力。很多DBA长期熬夜值守分布式集群，故障复盘全靠经验，缺少标准化、智能化运维闭环。 本次分享结合本人多年混合分布式集群一线实战，复盘多起分布式运维真实踩坑事故，完整拆解传统人工运维痛点→国产化分布式自动化迁移KDTS→金仓KWR分布式性能诊断→平凯Loop多Agent运维流水线→KingbaseES MCP自然语言AI DBA 全链路解决方案，打通分布式数据库部署、迁移、监控、调优、故障自愈全流程。 方案兼顾传统分布式管理与Data+AI前沿能力“工具均落地生产环境，附带可复用的配置参数、故障处理流程”，面向一线DBA、架构师提供轻量化、低成本分布式自治运维落地思路。
数据库界少华，"shunwah星辰数智社"公众号主理人，行业人称数据库界少华，shunwah星辰数智社主理人，深耕国产分布式数据库运维多年，专注MySQL、金仓KingbaseES、GBase、OceanBase、TiDB等分布式数据库落地与智能运维。持有十几家国产数据库官方认证，获评墨天轮MVP、金仓KVA、KaiwuDB MVP、TiDB MVA、ITPUB技术专家等社区荣誉。 长期输出一线实战内容，文章常年登上墨天轮、ITPUB、CSDN首页。擅长混合分布式集群国产化迁移、分布式性能调优、智能运维落地，沉淀大量真实生产故障复盘与自动化运维工具实战方案。常年多次线下技术社区分享，擅长把复杂技术逻辑转化为易懂实操教程。
2026年各大企业降本增效已经进入了白热化的阶段，作为企业的数据库管理者，在保证业务的稳定可靠的同时，最应该为企业所做的就是降本增效，通过自己的知识和阅历来导引开发使用更适合的数据库产品，来帮助企业度过最难的难关，来应对这个多变的快速开发需求的时代，NOSQL为什么又是又快又好的代名词，今天我们将通过一次PPT的分享，和众多的数据库从业者来看看NOSQL在企业降本增效中，可以起到什么作用，又有哪些成本是我们可以通过NOSQL来进行削减的。
PostgreSQL ACE , MySQL OCP ,SQL SERVER MCITP , PolarDB 阿里云官方认证布道师，积极推进开源文化，担任多接PostgreSQL 开源大会云原生会场出品人，PG开源大会演讲嘉宾，PolarDB 非官方课程的创建者，PolarDB认证布道师，为OceanBase 撰写互联网Saas行业数据库部分的白皮书，精通NOSQL数据库对通过NOSQL降本增效有一定的经验，个人公众号 Austindatabases 8年创作约1600篇数据库相关文章。
1、介绍下公司内部nosql数据库类型，架构 2、Mongos集群备份恢复体系：无==> 因为没有备份导致风险点有哪些: (1)误删除无法恢复 (2)线上扩容100%依赖于线上分片自身 3、当前Mongos集群备份恢复体系建设以及成果 (1)基于当前基础设施如何去定制合理的备份策略； 是否要每天一个备份？ config节点是否参与备份？ 是否需要关停balance? (2)一定要""全局快照""么？ 最终一致性是否可行； 依赖于oplog做最终一致性 (3)恢复的策略选择，备份策略不是每天一备份，恢复优先选择最近日期的如果没有退避到上周，最长保留15天 (4)Mongos集群线上节点扩容优化, 从依赖于线上节点的物理拷贝，逻辑初始化全量同步演进到依赖备份，如果备份没有退避选择逻辑初始化全量同步
10年数据库行业数据库管理优化经验，曾任职360，腾讯担任技术专家，现任360数科技术专家，主要负责Nosql数据库方向的平台化与AI建设，数据库智能运维场景落地。
当前大量企业离线 T+1 数据已无法支撑实时大屏、实时风控、实时营销等业务需求，实时数仓成为数据平台标配。本次结合多行业落地案例，从需求选型、分层架构、Flink 流批一体开发、存储搭配、数据一致性、运维监控、对账校验多维度拆解落地痛点，分享可直接复用的建设思路与避坑方案，帮助企业低成本搭建稳定可用的实时数据体系。
统筹公司离线、实时数仓整体建设，搭建分层数据模型与Flink实时计算链路，整合业务日志、交易多源数据，完成清洗、指标开发与链路优化。牵头数据治理、质量监控与元数据管理，保障实时秒级、离线稳定产出，对接业务输出数据报表，驱动运营、产品数据决策，管控海量数据存储与计算成本。
本次报告将分享PixelsDB(https://github.com/pixelsdb/pixels)在湖仓实时数据更新和事务支持方面的核心技术。基于对象存储或分布式文件系统的数据湖仓是企业中重要的大数据分析基础设施。早期数据湖仓由于底层存储系统的限制，只支持数据追加。目前新型的数据湖仓系统，如Iceberg和Paimon，通过delta files和Merge-on-Read支持对数据进行按行的修改。但现有湖仓系统在事务支持、数据新鲜度、数据更新吞吐、查询性能影响、资源消耗等方面还存在很多限制，往往表现不佳且难以兼顾。PixelsDB 中实现了Retina Data-Change Framework，支持将来自CDC的事务以可串行化隔离级别在S3列存储文件上进行实时的镜像回放，P50延迟20ms（P99延迟100ms）、吞吐可线性扩展至3M row/s以上，并且对查询性能的影响和资源的消耗均明显小于Iceberg和Paimon。
卞昊穹，中国人民大学副教授，入选国家和北京市海外人才项目，以第一发明人获得数据库领域首个中国专利金奖。研究方向为AI Infra和大数据系统。曾在国际顶尖数据系统团队EPFL DIAS Lab负责云原生数据系统研究、在腾讯公司从事分布式数据库内核研发，具有学术界和工业界双重研发背景，长期在一线负责关键算法和系统架构研发，坚持研究工作来自实际问题、应用于实际系统。自2017年以来主持研发开源云数据湖仓引擎Pixels (https://github.com/pixelsdb/pixels)，在SIGMOD、ICDE等重要国际会议发表论文十余篇，获得多个产研重点合作项目支持，应用于多个企业级数据库产品，其中部分关键技术编入大数据领域国家标准。
内容重点提纲： 1.现代企业大规模数仓架构的不同阶段演进过程，不同架构的诞生背景和优劣 2. 数据湖是什么，我们为什么需要数据湖，它在不同场景能解决什么问题 3. 什么场景适合用数据湖，什么场景不适合。用数据湖能给我们带来什么受益 4. 从实时数仓到湖仓一体的困难与挑战，我们应该如何应对 6. AI在其中能扮演什么角色，以及未来规划与思考
有多年国内外互联网大厂经历。曾在阿里先后负责淘宝数据及稳定性、饿了么实时数据架构与应用等。现任快手数据技术专家，主要负责本地生活、房聘、可灵等实时数据，并负责快手实时数据架构。
本次演讲以 “夯实数据基石” 为主题，溯源 PostgreSQL 事务核心架构衍生的三大典型问题。其一，更新操作基于 MVCC 多版本存储机制产生显著写放大，单次数据更新伴随整行重写与索引同步更新，高并发写入场景下磁盘 IO 与存储开销急剧攀升。其二，垃圾清理 VACUUM 机制存在执行成本高、时机不确定的痛点，长事务、大表场景下清理滞后易引发表膨胀，频繁清理又会挤占业务资源，运维调度难度突出。其三，32 位事务号的设计限制易造成事务号快速消耗，触发事务 ID 回卷风险，处置不当将引发数据库强制停机，严重威胁业务连续性。
2011 年开始从事PostgreSQL相关工作。长期从事PostgreSQL数据库相关的产品研发和解决方案工作。服务过全球范围的企业软件、运营商、金融保险、政企、医疗、传统制造等行业大客户。
数据库备份成功并不等于恢复成功。传统物理备份在故障发生后，往往需要集中完成 TB 级数据传输、物理还原、长日志链追加和可用性校验，恢复结果也难以在日常持续验证。本次分享将介绍如何基于 CDM 的“物理基线＋原生日志”持续合成机制，把部分恢复工作左移至日常，并通过恢复编排、数据库打开、一致性校验和证据留存，构建可重复执行、可度量、可审计的数据库恢复体系。 分享大纲：首先分析“备份成功”与“恢复可用”之间的差距，并拆解端到端 RTO；其次说明物理基线、原生日志、恢复点和持续合成之间的关系；随后介绍恢复编排、可执行性检查和异常处理机制；最后结合 4 TB 数据库及多个恢复时间点的案例，对比传统恢复与 CDM 挂载恢复在时间和容量方面的差异。
拥有10年Oracle数据库管理员（DBA）从业经验，著有《Oracle数据库性能优化方法论与最佳实践》。后转型至产品研发领域，主导开发标准化数据库运维及灾备产品，目前主要专注于灾备领域的基础技术研究与产品开发工作。
数据库性能管理是一项随环境动态变化、极具挑战性的系统性工程。本主题聚焦于数据库性能的底层本质，致力于推动性能优化从“DBA单兵作战”向“全生命周期协同”的范式转变。构建常态化的“主动防御”体系，确保系统安全稳定；依托数据库的内核参数、I/O存储及执行计划调优，最大化释放底层基础环境资源红利，驱动业务极致加速。本次分享将介绍 Oracle 与国产数据库、万变不离其宗的底层通用优化方法论。
具有丰富的数据库运维，升级迁移，性能优化，故障处理等。主要服务于大型金融客户。
待更新
罗敏老师系国内Oracle领域技术元老之一，从 1988 年 Oracle 5.1版到 2024 年 Oracle 23AI 的智能进化，他亲历了Oracle在国内各行各业的发展历程，也正在亲历信创和国产化转型过程。曾独创书籍《品悟性能优化》、《感悟Oracle核心技术》、《Oracle数据库技术服务案例精选》，即将出版《数据库启示录——一位IT老兵的130个从业奥义》
为什么聚焦多模态数据平台建设： 相较于传统RAG纯文本数据，多模态数据具备哪些特点，覆盖那些ToC应用场景，搭建专业、高可用的多模态数据平台的必要性与行业价值。 多模态视觉向量体系的场景、选型和搭建细节 以视觉多模态为核心，全程贴合工程实践，拆解主流视觉向量应用场景，介绍不同场景下视觉向量化模型的选型逻辑，并结合检索特性，详解Zilliz Cloud核心检索能力，分享头部企业真实落地案例的业务赋能全流程。 高可用与计算弹性架构落地： 结合多模态数据流量大、稳定性要求高、成本敏感的业务特性，讲解Zilliz Cloud生产级高可用落地方案，详解集群副本机制、异地容灾架构、数据备份策略，解决数据平台生产落地的稳定性、可用性、资源利用率等问题，并分享zilliz cloud的按需计算集群如何帮助有数据挖掘需求的客户降本50%以上。
刘汉卿 Henry Liu 任职 Zilliz 资深解决方案架构师，10年 AI 和云计算 GTM 经验，具备丰富的经典人工智能和基于 LLM 的 AI 应用实践经验。 个人背景：深度学习算法工程师出身，曾任百度智能云行业市场专家，2023年负责文心大模型 toB 商业化，牵头推动国内首批大模型 API 落地企业项目；曾任东软运营商 ICT 业务总监，负责国内电信运营商的行业 AI 解决方案和云管平台的业务规划，具有亿级项目落地经验。 目前工作：负责支持国内和出海企业 AI 业务的数据库解决方案设计，包括数据流搭建、业务验证、数据迁移、高可用灾备等生产场景框架，协助完成多模态数据处理、模型选型、效果评估等工作，帮助客户稳健实现生产级向量计算落地和 AI 业务转型。
长期以来，数据孤岛、格式壁垒和高昂的跨云迁移成本，一直是制约分布式架构和大规模 AI 落地的核心痛点。随着 AWS 推出原生的 S3 Tables，以及 Databricks 开源 Unity Catalog 并向 Apache Iceberg 标准合流，我们正在见证数据基础设施的一场深刻变革。
待更新
当企业应用从单云走向多云、跨地域与混合部署，可观测性数据平台开始面临数据规模、网络成本、数据驻留、多租户隔离与弹性查询等多重挑战。尤其在日志场景下，持续高吞吐写入与突发排障查询并存——它不再是采集与展示问题，而是一个完整的数据库系统设计问题；而 Agent 时代会把每一个维度再放大 10 到 100 倍。 本次分享以""日志多云""为切入点，讨论多云原生可观测性数据库的设计方法：如何以统一控制面 + 分布式数据面实现多云部署，如何设计面向对象存储的写入、存储与索引路径，如何让查询计算尽量靠近数据，以及如何在多租户隔离、容灾降级与成本治理之间做系统取舍。最后讨论从日志平台演进到统一可观测性数据底座（Observability 2.0）的可能路径。
冯家纯，Greptime 联合创始人 / 技术 VP。前阿里/蚂蚁高级技术专家，长期从事中间件、时序数据库产品研发，曾负责蚂蚁集团统一监控存储层基础架构，分布式共识算法库 SOFAJRAFT 开源负责人，对时序存储相关技术有丰富的实践经验。
企业拥抱多云已成常态，但数据库被锁定在单一云平台、数据难以跨云流动的困境也随之而来。EloqData以创新的Data Substrate数据底座为核心，打造了存算分离、日志解耦的云原生架构。计算、存储、日志资源可独立动态扩展，底层存储支持AWS 、GCP等多种云服务。本次演讲将分享EloqData如何帮助企业彻底摆脱云厂商锁定，让数据库在多云与混合云环境中真正实现“写到哪里都能用、读到哪处都一致”的自由与弹性。
待更新
当大模型从对话走向执行，数据库的角色正在被重新定义：它不再只是人和应用背后的存储设施，更要成为 AI Agent 的主场。从 Agent、MCP 标准接入，到内核级数据沙箱、毫秒级分支与 Agent 记忆，企业级数据库中那些"隐藏副本"还需要持续被发掘。本次演讲结合一线 DBA 实践，分享 Agent 的四层用法、垂域知识库与数据库 Skills 的相关内容，企业把 Agent 用进生产环境之前还需要做哪些筹备工作。
公众号「少安事务所」主笔，金融行业数据库从业者，Oracle ACE，熟悉多款国产数据库、开源数据库，ITPUB 专家博主。
待更新
韦帆，光大银行大数据技术经理，先后在滴滴、腾讯负责超高并发、低延迟的核心业务系统设计与研发，现就职于光大银行大数据平台团队，主导银行业务场景下潮汐式大数据智能资源管控关键技术落地，优化集群资源分配，提升大数据平台运行效率。
AI Agent将成为越来越重要的数据消费者，传统的数据管理以及服务模式无法支撑，如何Data4AI? 管控治理过程中又如何AI4Data ?本次分享讨论会聚焦面向AI数据服务的数据管控治理的思考和实践，包括和火热的本体论的联系和区别的思考
汪松良，CCF会员、港中文(深圳)数据科学项目业界导师。现在资管公司负责企业数据建设管理，聚焦于面向大资管业务的数据架构、数据模型及数据治理等工作。对数据管理、数据架构、数据语义表达、数据自服务等有深入独立思考，并有多项发明专利。
ITPUB 官方微信
