分享内容包括bilibili机器学习架构介绍， 引入数据缓存层的意义，数据缓存层的创新 – severless fuse，以及数据缓存的降本增效实例。
分享专家： 吕冬冬 云知声超算平台架构师， 负责大规模分布式机器学习平台架构设计与功能研发，负责深度学习算法应用的优化与 AI 模型加速。研究领域包括高性能计算、分布式文件存储、分布式缓存等。有多年的云原生开源社区经验。 刘青松 云知声算法研究员，负责机器学习平台和应用算法研发，研究领域包括云原
介绍唯品会离线体系架构结合Alluxio，根据数据冷热分析进行自动缓存加速，提升ETL/OLAP场景下的数据访问速度，同时保障所有数据的业务一致性。
介绍借助Alluxio的内存缓存技术，解决兴业银行的数据技术体系中所遇到的如跨机房数据加载，数据计算加速，和统一数据访问管理等方面的应用案例。
本文首先介绍 Alluxio Master 的线程池结构，基于线程池分析结果提出 Alluxio 吞吐量调优方案。
我们提出Shadow cache：用于追踪工作集大小和缓存命中率的轻量级Alluxio组件。
介绍Alluxio+Fluid在BOSS直聘算法平台的落地实践。
云知声在 2020 年开始调研 Alluxio并进行了一系列的测试，包括功能的适配与性能测试等，发现 Alluxio 能够满足目前云知声需求，能够较为快速并且以较低的成本解决我们存在的几个痛点。
云知声在 2020 年开始调研 Alluxio并进行了一系列的测试，包括功能的适配与性能测试等，发现 Alluxio 能够满足目前云知声需求，能够较为快速并且以较低的成本解决我们存在的几个痛点。
Alluxio近日宣布，全球领先的L4级自动驾驶技术智能出行公司文远知行WeRide已将Alluxio数据编排软件作为混合云存储网关，用于本地应用程序对AWS S3等公共云存储的访问。
本文主要介绍 Alluxio 在算力平台上与游戏 AI 特征计算业务的适配和优化。
主要介绍离线推理作业的特点，运行大规模推理作业的挑战，系统实现框架与优化，性能评估和未来工作。
京公网安备 11010802040260号
