你将收获

高性能框架应用解析

高性能框架实战经验分享

适用人群

数据库工程师:希望深入了解分布式数据库架构演变和技术升级 数据科学家:关注深度学习作业优化和GPU资源管理 AI工程师:希望学习高效的AI模型部署和跨平台应用

课程介绍

分布式数据库OceanBase技术架构升级之路

OceanBase 作为一款企业级原生分布式数据库,具备云原生、强一致性、灵活扩展等特性,在此基础上,针对企业场景不断复杂化的问题,OceanBase 技术架构也在不断迭代升级,比如从高并发的 TP 能力扩展到兼顾 TP 和 AP 的 HTAP 能力;从承载百 TB 甚至 PB 的分布式架构进一步演化到单机、主备、分布式三种架构模式,从传统的关系型数据库扩展到多模态场景等等,本次分享将解读 OceanBase 架构升级的背后思考以及技术内幕。

 1、OceanBase 13年技术迭代整体回顾

2、OceanBase 3.x 到 4.x 技术升级关键点解读

● 从分布式到单机、主备等架构演变

● 从 TP 到 HTAP

● 传统关系型到多模态

● ....

3、OceanBase 产品规划路线

深度学习作业GPU利用率分析与提升

简介:深度学习在众多智能软件应用中发挥着关键作用。企业开发人员在共享的多租户GPU深度学习平台上提交和运行深度学习作业,以有效地训练和测试模型。但是,某些作业对分配的 GPU 的利用率相当低,导致大量资源浪费并降低开发效率。我们通过对深度学习平台收集的真实作业对低 GPU 利用率问题进行了全面的实证研究,确定了常见的根本原因并提出了相应的非入侵性的通用修复方法,取得了不错的性能提升,同时设计了人工智能模型对GPU利用率进行建模和预测。


跨平台高性能边端AI推理部署框架的应用与实践

简介:在美团诸多业务场景中,从不同业务需求,硬件成本等方面考量,需要在不同硬件上部署各类AI算法。为将算法与底层硬件隔离,使得算法可一键部署到任意硬件,我们设计开发了一款支持多硬件,灵活易用的高性能边端AI推理部署框架,可极大提高了算法部署效率,同时具有高度可扩展性,可持续新增新硬件和推理后端。目前框架支持已支持分类、检测、分割、关键点、OCR等主流视觉任务的AI模型,支持的硬件有:瑞芯微RV1106/RV1126/RK3588,爱芯AX620U/AX650N,全志V851,Android Arm等7大类常见硬件。