演讲摘要：

数据湖是一种越来越受欢迎的数据存储和分析方法，可解决处理海量异构数据的难题。

云上数据湖解决方案的核心架构原则SSOT，即一份数据满足不同形态、不同引擎、不同大数据云产品的绝大部分大数据需求，无需数据移动、冗余，极大程度的降低用户云上存储成本。

云原生背景下，大数据与云原生技术更加紧密的结合，基于容器k8s的大数据弹性计算架构也越来越普及，能够为用户极大程度降低云上计算成本。

今天的分享整体介绍腾讯云数据湖解决方案及数据湖计算产品DLC的架构原则和技术选型。

演讲大纲：

一、腾讯云数据湖解决方案架构
1、架构原则SSOT，云上数据产品深度连接，一份数据满足绝大多数需求
2、DLC：全托管云原生数据湖产品形态

二、腾讯云数据湖DLC内核技术揭秘，架构原则 KISS，适应云原生
1、成本相关：数据湖表格式、DLC特有虚拟集群弹性模型
2、分析性能相关：常驻共享sparkcontext、统一sql/view/udf presto无感分析加速、local cache加速分析、海量元数据、数据湖格式加速分析
3、ETL稳定心相关：DLC spark shuffle manager设计、解决对象存储一致性、无rename问题

三、新一代数仓建设
1、如何利用文件格式建立高效低成本的稀疏索引
2、增量数仓新范式
3、展望实时增量数仓

听众收益：

1、如何玩转云上大数据，构建低成本、高性能、稳定的数据业务平台
2、数据平台优化思路
3、大数据计算引擎的最新动态