4月16日~18日，QCon北京2017将在北京国家会议中心举行。现已确认来自海外的Google、Facebook、Airbnb、LinkedIn、Confluent、AppDynamics等公司，国内的百度、阿里巴巴、腾讯、京东、滴滴出行、奇虎360、爱奇艺、微博、bilibili等公司的100余位技术专家担任演讲嘉宾，届时他们将带来精彩分享。
具体会有哪些专家，带来什么样的议题呢？一起先睹为快。
易成，Google高级工程师，专注于计算机网络及分布式系统。2014 年加入谷歌网络基建部门，主要负责网络负载平衡，全球前端负载平衡，高性能网络流量处理，以及网络功能虚拟化等。2016 年作为主要作者之一在 NSDI 会议上发表了论文《Maglev: A Fast and Reliable Software Network Load Balancer》，引起业界广泛关注。
他将分享
《Maglev网络负载平衡系统》
。
Maglev是谷歌研发的网络负载平衡系统。该系统被部署在谷歌位于全球各地的数据中心内，负责转发绝大多数谷歌原生服务及云服务的前端流量。Maglev本质上是一个运行在普通商用Linux服务器上的分布式软件系统。相比于传统的硬件实现，Maglev拥有高吞吐量，高容错性，易扩展，易部署，易修改等优势。同时Maglev中使用的consistent hashing和kernal bypass等技术很好地弥补了软件实现上的不足。实践证明Maglev系统能够提供卓越的性能、稳定性及可靠性，并且可以满足不同服务的需要。
通过该分享，听众可以了解用软件来实现网络负载平衡的动机，软件实现所遇到的困难和挑战，以及Maglev系统的设计和实现。
另一位来自Google的工程师是朱祖韬。从2010年起，朱祖韬任职于Google在线显示广告部门，专注于卖方平台（DoubleClick for Publisher）和在线交易平台（Ad Exchange）的产品，及机器学习在其中的应用。对于广告的买方、卖方及中间的交易平台有深入的了解。他拥有多项美国和国际的专利。他将分享
《视频广告系统架构及机器学习应用》
。
我们还邀请到Facebook旗下Instagram基础架构部门工程师陈昊。他硕士毕业于中科院软件所，之后加入Facebook，就职于Instagram Infrastructure组，主要负责Instagram的Web Service的性能和可靠性优化工作。他将分享
《Instagram服务器性能优化实战与经验》
。
Instagram目前拥有超过6亿月活用户，是用户规模增长最快的社交平台之一。Instagram的Web服务器使用Python编写，拥有目前世界上最大的基于Django的Web Service集群。随着用户数量和和业务规模的极速增长，提高Web服务器的性能和可靠性对于Instagram是一个巨大的挑战。本次演讲将介绍Instagram如何通过工具定位系统性能瓶颈、自动化检测性能regression，并通过几个具体实例向大家介绍Instagram在性能优化方面的一些经验。
InfoQ之前曾发布过
《禁用Python的GC机制后，Instagram性能提升10%》
一文，介绍的就是他们组的工作。
龙玺，Airbnb工程经理。任中国基础架构（China Infrastructure）组工程经理。负责与Airbnb中国产品相关的基础架构和后端服务，并兼管中国区反欺诈（Anti-fraud）业务。此前历任美国亚马逊网站应用平台部门软件工程师，Kindle部门软件开发经理和 Airbnb 数据基础架构组软件工程师。主要负责大数据基础架构和机器学习基础架构，拥有多项国际专利。他将分享
《AirTrain：Airbnb 的通用数据产品平台》
。
随着业务的快速增长，Airbnb正经历着一场对数据使用模式的根本性转变。早期Airbnb对数据的使用主要集中在离线数据分析和使用上。
近几年来，越来越多的具有强烈数据依赖特征的在线应用开始逐步上线。这些应用所依赖的数据也逐步从离线批处理向实时的流数据转移。在这样的大背景下，Airbnb数据基础架构团队自主开发了基于Kafka，Spark和HBase的通用数据提取（derivation），聚集（aggregation）和存储（storage）平台——AirTrain。本演讲将从机器学习应用和非机器学习应用两个不同的角度对Airtrain的架构进行系统介绍，并且着重讨论一些在开发过程中的需求和设计思路。
Apache Kafka大家应该非常熟悉了，而Confluent正是最初设计Kafka的团队成立的公司。这次我们邀请到来自Confluent的王国璋，他是Kafka Streams的系统架构师和技术负责人。博士毕业于康奈尔大学。主要研究方向为数据库管理和分布式数据系统。他将带来的话题是
《Apache Kafka：大数据的实时处理时代》
。
在过去几年，对于Apache Kafka的使用范畴已经远不仅是分布式的消息系统：我们可以将每一次用户点击，每一个数据库更改，每一条日志的生成，都转化成实时的结构化数据流，更早的存储和分析它们，并从中获得价值。同时，越来越多的企业应用也开始从批处理数据平台向实时的流数据数据平台转移。本演讲将介绍最近Apache Kafka添加的一些系统架构，包括Kafka Connect和Kafka Streams，并且描述一些如何使用它们的实际应用体验。
