数据库、架构、移动、机器学习，蚂蚁金服与阿里云技术布道亿级互联网金融实践

数据库机器学习蚂蚁金服阿里云

abby | 2016-08-22

【数据猿导读】随着云计算、移动、活的大数据、机器学习算法的进展，人工智能正在经历巨大的突破。人工智能已经成为很多业务的驱动力，并且开始在金融服务中发挥力量。蚂蚁金服致力于创新金融技术，并且用新技术为大众和小微企业提供普惠金融服务

8月30-31日20：00-21:30，一场别开生面的技术大会—— “蚂蚁金服&阿里云在线金融技术峰会”( http://click.aliyun.com/m/5746/)将在线举办。聚焦数据库、应用架构、移动开发、机器学习等热门领域，为金融业技术开发者深入解析互联网应用的前沿应用与技术实践。

蚂蚁金服&阿里云在线金融技术峰会，欢迎报名!

亿级活跃用户的金融应用打磨

2013年，余额宝诞生，而截止2015年12月31日，余额宝的使用人数已经达到2.6亿人，相较于2014年增加了42%。对比传统业务，互联网服务往往需要面对用户激增所带来的挑战。在本次峰会上，蚂蚁金服与阿里云技术大V将分享数据库、架构、移动端设计等方面的大规模实践经验。

1. 海量用户下的数据库性能与可靠性保障

数据库是软件系统中非常重要的基础设施，传统关系型数据库在功能上很好的满足了需求，但是在性能、可扩展性以及可靠性上则受到了较大的制约。因此，传统的关系型数据库一般需要搭配类似共享存储、小型机等昂贵的硬件才能满足业务在可靠性或性能方面的需求，从而无法满足互联网行业的高速发展，于是NoSQL应运而生。然而，NoSQL在功能、事务及一致性支持方面的缺陷注定其无法代替SQL。蚂蚁金服对数据库的需求更为严苛，数据要金融级可靠，同时需要极强的可扩展性。

那么，如何能结合分布式系统与传统关系型数据库的优点，通过廉价硬件获得功能、性能、稳定性及扩展性俱佳的关系型数据库?在本届“蚂蚁金服&阿里云在线金融技术峰会”上，阿里巴巴高级技术专家谭宇(茂七)将分享云数据库OceanBase的架构演进，及在金融核心系统中的实践。

在此之外，对比传统服务，在海量用户情况下，如何保障服务的高可用同样至关重要。在本次在线峰会中，阿里云数据库技术组技术专家喜乐将分享，解析在各种架构、部署条件下，如何最大程度保证系统的连续性及数据可靠性，主要包括实例健康检测方法、参数配置、实例故障切换方案及机房容灾方案。

2. 去IOE、双11，铁打的阿里大规模应用架构

随着用户及应用程序功能的激增，提供更易维护、更高可用、更好伸缩等特性的SOA架构也成为众多基于互联网业务玩家的选择。在这个转型的探索中，阿里是国内互联网业界最早实践SOA理念的公司之一，而随着业务的高速发展，技术上克服的挑战也是一个接着一个。从一个初创型业务，到一个高速发展型业务，再到一整个生态体系，阿里的技术体系架构经历了无数严酷的考验：去IOE，双11，异地容灾。在本届“蚂蚁金服&阿里云在线金融技术峰会”上，阿里中间件技术部资深专家王晶昱(沈询)将分享“阿里技术架构演变，及基于EDAS的敏捷服务开发与架构实践”，与大家一起温故知新，共同畅谈未来，描绘理想中的下一代分布式应用构架与打造。

3. 万人低头时代，移动APP的性能保障之道

8月3日，中国互联网络信息中心在京发布第38次《中国互联网络发展状况统计报告》。报告显示，截至2016年6月，中国网民规模达7.10亿，互联网普及率达到51.7%，超过全球平均水平3.1个百分点。其中，手机网民规模达6.56亿，占比由2015年底的90.1%提升至92.5%。

毫无疑问，我们进入了一个“万人低头”的时代，因此移动终端设计成为产品及业务发展所绕不开的技术话题。而在本届“蚂蚁金服&阿里云在线金融技术峰会”上，蚂蚁金融网络技术部技术专家杜伟(心武)将为大家分享支付宝APP在移动网络所面临的挑战及优化实践，主要向大家介绍蚂蚁近几年多业务综合发展背景下在无线网络技术领域所遇到的挑战和应对经验。面对这些难题，蚂蚁无线网络技术从架构、协议、策略等方向进行了优化，并且基于网络数据运营进行了快速试错和精细管控，整体的网络性能达到了行业领先水平。实践过程中，蚂蚁沉淀了mtls、mmtp、柔性策略等多项技术手段来应对复杂的移动网络场景，这些技术对于其他产品也具有普遍的借鉴意义。

在此之外，蚂蚁金服资深技术专家还将就支付宝亿级APP实践经验，分享海量用户下的应用性能问题：在稳定性、性能、电量、流量、内存及存储等方面，蚂蚁建立了实际可量化的衡量标准，并通过实时监控、远程诊断及异常熔断&自动恢复、热修复等创新的技术手段，大幅度提高感知发现、定位、解决问题的速度和质量，最终构建适合支付宝这个超级APP的一套运维体系。

基于机器学习的个性化金融构造

随着移动互联网的快速普及和数据收集的更加便利，越来越多的数据被存储到分布式系统，大量的数据等待被挖掘、分析和利用，从而提供给用户更个性化的服务。在这个场景中，大数据给机器学习带来了巨大的机遇和挑战：一方面，因为模型规模太大(百亿甚至千亿特征)，单机内存无法装载，需要考虑各种分布式策略;另外，在进行模型迭代时，还需要考虑稳定性、可扩展性、计算/通信效率等多个核心问题，才有可能在浮沙上盖楼成功。

因此，面向大数据量的机器学习，通常需要设计分布式系统与稳健的算法来处理上千亿特征和数十T甚至到P级的数据，这种系统+算法的结合，统称为大规模机器学习。那么，如何结合现有的分布式系统优点，克服它的“特点”(同步、慢机等)，通过普通CPU获得高可靠、高可扩展、高效率的大规模机器学习平台?如何结合具体的蚂蚁+阿里业务，沉淀优秀的大规模机器学习算法?在本届“蚂蚁金服&阿里云在线金融技术峰会”上，蚂蚁金服资深技术专家周俊(西亭)将分享大规模机器学习的技术与过程，介绍大规模机器学习面临的问题以及在蚂蚁+阿里的应用。

技术推动的互联网金融万众创新

如上所述，近几年，互联网金融行业发展势头迅猛，为创业者营造了良好的环境。然而，并非所有的创业者都能成功，失败的例子比比皆是。通常情况下，创业总伴随着成功和失败，即便是失败了也并不是不可饶恕的事情，然而对于互联网金融创新者来说，这却是个“不许失败的创业历程”，就比如前段时间爆出投资人因维权无望欲自杀的事件。基于这个思考，本届“蚂蚁金服&阿里云在线金融技术峰会”还将就蚂蚁开放数据和技术平台进行解析。

DT时代，数据开放式创新如同石油和电力，滋润经济发展，普惠大众创业和万众创新，让用户获得尊重与平等服务。然而，对比技术能力开放，数据的开放并不是件容易的事情。在本次峰会上，蚂蚁金服高级技术专家崇思将为大家解析蚂蚁的数据开放之道——《蚂蚁金服大数据开放式创新实践》，针对数据合作与开放这一命题，讲述蚂蚁数巢是如何打造一个公允、安全、可信的平台，让数据合作安全无忧。

同时，在另一个演讲《蚂蚁开放平台技术路线及行业实践》中，蚂蚁金服高级技术专家李福喜(衡阳)还将从3个维度解析蚂蚁开放的产品与技术路线，并通过行业解决方案案例，介绍ISV与蚂蚁开放的合作模式。

蚂蚁金服&阿里云在线金融技术峰会整体议程