<b>david:既省钱又可靠？如何改造企业级大规模系统</b>
对于业务量峰谷需求明显的企业级架构，在业务请求峰值突然增大时，消息可靠对业务连续性的影响显著增强，david展示如何利用消息服务赋能用户快速完成系统并上线。
<b></b>
<b>应俊：移动社交场景中的数据模型实践</b>
媒体，娱乐，社区等等移动社交应用日益丰富，这些应用面临着一些相同的技术问题和挑战。以比较常见的即时消息通讯为例，该场景的功能需求通常包括：群组中的消息需要及时送达到群众的每个人，每条消息推送到每个人的多个移动客户端，客户段之间要保持群组会话状态的同步，一般通过如下的分层技术架构来应对：
其中数据存储层特别是海量的消息存储通常使用nosql数据存储技术，面临的技术挑战包括：1）消息量数据规模的快速扩展，存储系统要做到无缝的支持；2）应对突发或者持久的高并发访问，同时保证请求的低延时；3）提供高可靠高可用的存储服务。应俊分享了阿里云存储产品中的表格存储的架构和特点以及如何应对这些挑战：
<b>雷彪：与存储打通的大数据计算究竟有那些价值？</b>
离线数据处理-用户行为分析：
对页面的浏览，按钮的点击情况进行采集分析。服务端会把这些信息存储在oss中。定期启动e-mapreduce集群，使用hive脚本进行数据分析。
离线数据处理-推荐：
对ugc的内容进行聚类等分析，对用户的行为和属性进行协同过滤等分析这里根据不同的业务场景，应用不同的机器学习算法
实时数据处理-监控报警：
通用的，弹性的和灵活的监控系统能够通过异常的情况，用户的请求占比，接口时延，终端分布这些信息来发现问题，改善业务
离线和实时数据混合处理-商品推荐：
将购物网站的数据进行离线的推荐计算，准备离线推荐数据之后跟用户产生交互，根据交互结果对离线推荐进行修正。通过将离线的数据和在线数据结合，对用户进行更加精准的推荐。
<b> </b>
<b>mars:</b><b>数据类型决定存储类型</b>