速记稿23号上午1厅很荣幸今天作为第一位演讲的嘉宾和大家共同一下

下一代计算平台，计算机的发展已经经历了70年，计算机的、、示器头这个发展相对发展来说确实了很多从12年PC继下一代计算平台。、PC机MR20204000万-50002020284亿美金，这是一个很大的市场。这这相当于前的详细的解释，我们认为从16年开始VR行业业游戏行业会是VR设备进入的最直接而且最快的一个领域。VR的生态。VR简单的架构，在座都是技术大牛，System延续了移动端的简单模型只不过引入了光学和供血第二交互设备将来VR、ARVR、AR能够Pico820，计算能力非常强，非常适合开发者在这上开发自己的应用。我们还适配X86，1899PicoIDK，PCIDKVR的延迟、眩晕、色散不会做内容没有时间做内容我们是提供平台未开发者，让开发者来做基于VR的内容，能够和用户接触。我们做的这些VR开发不会有门槛，只要关注自己的工作就可以了。为什么开发者会来我们的平台呢？我们为开发者提供了多项支持计划包括开发者可以来Po申请免费提供开发工具第二联系了产业基金，提供不少于3亿元，在和青岛都有研发，可以提供场地支持和面对面IDK服务。同时还会提供不少于000万Po还会在两年收益返还PicoVR生态，我们相信只要我们一起努力，VR、AR这：下面开始下一场，开源大数据技术的演进，探讨开杨老师大家好谢谢来听我的讲座我是从旧金山过来的。OLTP流程，主要指的是整个商业应用和流程，我们会收集可能希望把每一单都能够记录下来。第二个主要案例是OLAP，主要人们有些解决方案针对小数据已经无效了数据已经不能够通IBMHadoop，03年的时候，谷歌公布了一个关于一篇文章，介绍如何在互Hadoop进一步替代他们使用的传统方法，他们觉得可以使用Hadoop作为数据库来进一步大数据，所以当时应用HadoopHadoop有两个重要的组成部分，一个是引擎，这都是以谷歌HDFS作为依HadoopHadoop是非常受欢迎，始了很多人对这个技术的广泛使用。之后也技术存在的问题，虽然Hadoop和MAP是一个非常灵活的解决方案，我们可以使用Hadoop来解决每个数据问题。但是一个非常灵活的解决方案的问题们开始使用Hadoop之后他们开始使用MAP非常缓慢之后种层在数据库上进一步的。人们开始其实现在还有很多其它的Hadoop非常擅长的一些领域，Hadoop经常会用于分析OLAP数据，都是以存在。之后Hadoop在整个产生的时候没有得到任何的支持，他们也无法进行整个流的处理，之后变得更加廉价。像Hadoop这样的系统，这些都是Hadoop所的一系列局限性，进一步了更新技当我思考的大数据空间的时候，大多数技术都会归为四类，第一个是整个传输数据，第二加工数据，第三数据，以及数据的候，人们已经即使简单的问题也需要很多复杂的解决方案，和都已经开始不同的技术其实可以结合到一起把它用为一种端这个有点小，但是我给大家介绍一下上层的架构，就像卡夫好的描述数据的一个方式。MQ是提取数据的系统，不完全一样，这 ，进行进一步的处理，首先可以把数据提供到的机制当中机这些数据地放到HDFFS系统当中随时进行提取数据文件系统和数据提交系统有一些的地方如果你在里长时间，有两类型，关于处理的，第一个流处理，流处理也就是把数据放到一个流的程序当中进行连续处理。首先数据提供到里，进行流处理，才进入器进行。还有一种就是直接放到查询系有很多的开源的流处理的程序给大家介绍三个非常流行的处大型静态数据集，Hadoop是批处理非常流行的一种技术，但是它有SPARK受到大家欢迎。SPARKHadoopAPI更加有优势。在过去几年当中，SPARK慢慢地变成了批处理的标配。何来利用查询技术呢？我们要输入一个查询令然后把这个命令、刚才提到了，如果把处理和查询进行分区处理是非常普遍、SQLONHadoop工作的原理就是从某些地方提取数据，提取数据SQLHadoopSQSQL可化。间直有两种方式，第一个方式就是预计算，预计算方面要把进行预。左边是非常分散的数据，右边根据间入的信息进行了分在有些人仍然用间直方式加速查询速度但是去年和今年一下子就出现了一种列的技术，变得非常流行。你可以并且扫描你的数据，然后把这些数据进行列，之前就数据进行列，下面我给大家介绍一下Druid，是列的方式。它是一种交互 ，，我介绍了很多不同的技术当中很多人可能都不太明白现在大数据非常复杂在评价不同技术的时候应该考虑的是这个技术是不是真正解决了我们的问题呢？第二个问题就是是不是技术是，，，在数据提交方面已经达到了这个标准，对于流处理方面SPARKDruid查询方面也做得很好，Druid是什么东西，会成为一种查询方面的标配。在未来我会实现这，，未来几年当中还会有的开源数据。在虚拟现实之外，架构和设施稳定了可以做很多很酷的事情比如可以研究AR 这也是非常流行的趋势。我觉得现在IT社区会变得越来越庞大。，有一些限制，DruidBI系统，Druid可能有一些关键Druid没有支持所有查询功能。DruidDruid不断发展当中，我们会发现越来越多的交换器，Druid关于数据更新方面有一些限制，在大（SPARK方面，JAVA程序，多线程技术来做，JAVA程序比流处理速度还要快的话，解决所JAVA程序比这个还快就不必要能内存会占用很多，而且处理时间会很长，CPU也会承受不了。，SPARK流处理会有在内存方面优势。我不是SPARK流处理方面的专家了解一个的架构不太，另外一个问题就是在大数据查询方面是用的流技术它和传统的大数据的模型能做比较吗？在功能方面做一个解释。IBM和其它IT公司管理大型数据的话会非常昂贵，但是我们这个技术可BI工具，BIBI工具是用于各企业所的问题，第一步就是大多数技术免费帮助，让专业参与进来。：大家好，欢迎大家今天早上参们的今天跟大家大数据、AI、TT，今天主要我做了大数据和年发展过程有一个非常明显的主线今天我主要向大家一下大数点大数据的愿景，我希望跟大家得到启发。（Hadoop？上十亿，万级的（英文HadoopHadoop文章JAVA重新做了一遍变成了开源的，下一个从（英文）Hadoop，这个想法是非常简单的，2000webwebweb（英文）K的，KURL，你做（英文）为基础做很多数据（英文）K非常重要。（2（Hadoop90年代（英文）100node，为沃尔玛做了平行的数CS角度，大数据，我们现在有很多开放的数据，大数据拿来stores占了很大资源（英文，这，（SARK它是一次，compute所有事情（英文。另外SPARK应用角度来presto，它里头关键是只读我需要的数据，第二个（英文在里计算（英文然后传到下一个node，马上做下一个计Hadoop的大数据所有新的开源技术，你说系统软件也好，实际它都是（英文，所以跟大家的是当我们看到任何一个新的概念下面跟大家一下，搞清楚Hadoop到底是什么东西，下一步就是很现实的，怎么样建设一个（英文）Hadoop，我们京东做的过程踩了很多坑，我们踩的坑里头跟大家一下有什么样的坑。Hadoop（Hadoop集群里（英文）怎么提高，第二个应该从系统方面做很 Hadoop应用里，BI占着非常大的比例，BI应用这地方也不是很新的东西，BI很多东西在过去二三十年，BIBI比较非常成熟了。但是在这里只想跟大家一下，从Hadoop角度来讲，BI的（英文）设计变得非，但是当头job跑到20万跑的时候，每一个（英文这里头有两个问题，第一的时候这么多job里（英文看到这些job进去打开的时候发现写job不是（英文。对Hadoop的（英文）除了平东，realtime数据是非常有价值的，怎么做到分钟级，秒级的延下面京东整个大数据的三组数。第一个整个（英文，加起10000nodes。另外（英文）是什么样的情况，每天大概有20000job个数据在跑（英文150totalHadoop50%，甚至，下面跟大家一下大数据分析，如果不做深度分析（英文，BIBI没有价值，但是报表分析，么受欢迎。深度学习70年代就已经有了，但是为什么深度学过多少人现在手上拿着智能，拿到这些数据以后，也好，情变得简单了，因为我们有大量数据，除了音频，在相关东西，（，（，SL（Y=XXX（英文）就是有一堆的数据人工产生训练的数据，这些数据就是我说的Y，比如要做很简单的，可能是大学里一讲到线性回归就是（英文）分类什么样的会得高血压，Y就是这个有没有可能得高血压。要做SL模型可能收集上百得高血压的例子，再收集上百没有得高血压的例子，生成Y的值。真正做SL，大学里告诉X都是（英文，高血压吃盐很多，是不是X，可以更精准的（英文Y关系更加密切。这是机器学习是比较大的（英文XX，SL模型做SL模型，大部分时最近几年还有另外一个（英文SDL做非常少的（英文（英文SL。这里跟大家我们在京东拿机器学习SL做了什么事情，这是（1%，又是当量级。所有算法在大数据下面一下我们在京东做机器学习也踩了很多坑我的是跟大家坑是什么坑可以带着这个坑回去自己看看是不是踩（工具。只是按照京东在算法方面碰到的问题跟大家一下。最后一点想的是在所有的，尤其线上系统，所有的机器学习里，realtime数据是有非常大的价值。但是解决算法问题的时候，因realtime准确性，下一步就可以用用户（英文）realtime模型。机但是有价值的地方千万要把顺序不要搞错了，realtime（英文）是一多社会上强调DTtechnology，数据technology我觉得是，因为我ITtechnology讲了很多年，DTtechnology，这个词不是我第technologyAI（英文，模型跟所有AI模型都不一样，它是自己学习，自己推送的，它能够做AlphaGo这个问题如果仔细看它的算法，算法里头真正有价值的部分说句实话90年代（英文）国际象棋这些概念都已经有了。但是AlphaGoAI的成就？就是它在里头最核心东西是（英文，国内上有非常好的文章，通俗易懂（英文）AlphaGo，打任何一种棋。在一个状态AlphaGo机器学习有一个非常好的发展，深度学习也好，还是思维的technology也好。他最近出了一本自传，建议大家都看看，这是OPENAI，大概十亿，他把现在AI领域最强的人员收罗到这家公AI的算法为全人类共享，而不是像谷歌、脸谱做完了掌握在他们Hadoop这就是我的，谢谢大家，（补它，完全管理上应该做一些事情。比一些很好的（英文，但（DylanSchiemann先生，掌声欢迎。，DylanSchiemann：感谢邀请我来到这里发言，我是DylanSchiemann，我来自，我在开源工具箱标准方面非常知名，使用方案是什么的工作就是思考一下，并且根据所的，觉得java架构是最受用的方法我尽可能说得不快因为我本来S（音大家都喜欢，所以这是我的。人们都非常快速沟通，因为有，所以我把我的也放到这里。天朋友01000，我觉得太好了。javaS，主要工作是提供服务，帮助人javaS10年取得非常大的进步。20年前如javaS框架主要就是要思考一下从整个框架中需要什么，5-6年来，浏览器发生了变化，我们处在非常快速变化如果我们写在浏览器当中就要进一步探索每一年都会提出的特00在那之后每年都会有日新月异变化。00-09年变化很少，因为基本上失败了当我在09年第一次参加Qcon会议的时候听到人们说不要和网络，我不知道在座各位参加过几次这个会议，你应javaS最终回取胜，当时人们还是持怀javaS确实胜利了，得到广泛应用。现在浏览器有很多人都希望专注javaS也是一样，我们希望使用所有的应用能够我们同时也从过去走到现在，在过去主要使用的是PC，之后平 javaS，HTMLCSS，我们就可以在任何浏览器有的应用，我们可以点击URL，也可以找到脸谱、。我是开玩笑的。我们可以登录写软件，我并不是说在全世界所有的人都理解他们脑海当中的所有的网页，我们看到javaS、HTML也需要了解浏览器引擎如何写编码，如何进一步优化，以及如何加载，如何在javaS语言上能够有什么样的应用，整个细节如在整个平台上有个就是有些时候在整个使用周期上保持一致性，但是在我们工作过程当中，如果你在07年我们公司写编码的时候今天还是受用的，2007年的时候有苹果还有很多平板电脑javaS如果持续不停开发也会很疲惫，不可能面面俱到，所javaS应12-14年里我主要专注的模块化，模块化是一种网页使用的基javaSHTTPL之前，那么现在从测试化和模块化进一步演进就是区分化在上看后也不会好，因为会不断遇到新问题，调试不万现在javaS大家都了解了吗？javaS的概有20%，很清楚的是javaS不像在那么流行。在java变得越来越流行javaS是最好的东西呢？我们是不是可简单的。或者你肯定知道怎么，但有可能有些时候你会打到自己javaSjavaS做得更好呢？在过7年当中，这种问题引起了大家广泛的关注，现在要做的就是来优javaS，但是需要把目前的程序javaS上。我们需要做一些改进。现在需要有一个标准的体系来探索在javaS背后的语言，比如ES6、ES7javaS语言的升级版。ES66年的改善的TS我很喜欢，javaSjavaS环境当ES6做了很大的改进，在目前它还没有出现一些失败，因为所有的这些很难的问题会进一步受到ES新版本的进一步的解决。但是现ES6的话，基本上就像这样一样。现在发生了什么呢？javaS已经改进了它的语法，它的变得更加整洁，并且改善了整个源javaS编码，但是需要两仅仅是来解决网络问题，而是增加了网络的功能。所以TS是很强大的一个工具，它是编译器起到编译工作，是开源的项目。TS因为有非常高效的开发生产力，TSTS的ES6TS也不陌生，它里面重要5行有一个变量叫（英文（英文）javaS里7行当中，我们在这里就有一个测试的bug，测试bug会造成（英文）。5行需要加入什么样的（英文7行14javaS来说，把一种新的性能编一个名字放在这里就可以了。但是错误话，就需要花五六分钟时间找到这个。找