17年的Qcon大會在10月17日周二舉行共三天，門票6800，個人的話真的扛不住，這么多錢夠割一個腎了。向公司申請了一張票和另外一個安卓專家瓜分了下，我參加前兩天。接下來進入正題。
7點起床，1個半小時到達，簽到，然后掃碼領了一堆小玩具。主辦方致詞，廣告安利下。接下來分享的大佬上場
NO1，“深藍”20年之后的人工智能 by 危輝 復旦大學 博導
人工智能的本質(zhì)？抨擊了數(shù)據(jù)分析的場景并不能歸為人工智能的范疇
人工智能的局限
1，可形式化
Framework problem
Qualification problem
Ramification problem
2，算法問題
3，可計算性問題
人工智能的出路
用已有的工具解決好解決的問題
1，GPS
2，非單調(diào)推理
3，ANN
4，OO
5，GA
6，MAS
7，SVM
8，DL
9，量子計算？
個人評價：對于小白的我，聽聽就好了，不能較真
NO2 可配置系統(tǒng)的數(shù)據(jù)高效性能學習 郭健美 華東理工大學 副教授
基于一個性能分析的例子，來說明如果不同入?yún)⑶闆r很多的情況下，如何對比性能數(shù)據(jù)？通過非線性回歸的方法，列出來一些算法公式。
個人評價：對于小白的我，反正也是看看就好的。感覺智商要充值了
NO3 驅(qū)動數(shù)據(jù)中心軟件的極限并發(fā)性
如何利用性能數(shù)據(jù)來找到性能極限的瓶頸，舉了自己項目中歷史測試數(shù)據(jù)的使用，然后一步步的來實驗并發(fā)數(shù)多少能達到最優(yōu)的性能。
個人評價：自己項目中沒用到也就是知道就好，數(shù)據(jù)很重要，歷史數(shù)據(jù)很重要，單測很重要
NO 4 VR、AR、AI前言技術探索與創(chuàng)新 曾新海 騰訊T4
牛逼的T4專家?guī)ьIwegame組探索VR如何用在游戲當中，需要解決各種問題，主要集中在
1，帶寬，使用P2P技術
2，視頻編解碼算法，相同碼率上AI + ROI > h265 > h264。主要是因為對重要區(qū)域進行清晰度提高，讓用戶感覺整體很清晰
3，解決用戶感覺，眩暈等 第一次體驗我就很暈
現(xiàn)場看了個demo視頻，效果挺好
場景拓展
1，分析電視劇，截取達康書記的片段
2，云游戲，大餅是有屏幕就能玩游戲，基本就是視頻同步吧，內(nèi)網(wǎng)延時在30ms之內(nèi)。這種方向感覺也還好，可以做些demo版的事情，快速讓用戶試用體驗，提高用戶的回訪率
個人評價：總感覺裸眼3D才是王道
NO5 利用性能調(diào)優(yōu)技術解決手機端10萬兩級數(shù)據(jù)的動態(tài)查詢問題 段夕華 大路網(wǎng)
講了一個地圖在不同的LOD下的性能優(yōu)化的例子，兩點優(yōu)化：
1，sql寫的爛，r-tree沒用到。這種基于地圖的索引技術應該很成熟了吧，因為是用了客戶端數(shù)據(jù)庫所以自己來實現(xiàn)數(shù)據(jù)的分區(qū)嗎
2，前端代碼continue -> break
接下來有分享了性能的方法論，針對于小白吧
個人評價：這種優(yōu)化感覺就是代碼寫的有問題，和sleep(1000)有的一拼。但是這種踩坑埋坑的過程是值得學習的。總的來說，分享質(zhì)量一般，深度一般，沒有達到預期，以為會創(chuàng)建一套性能分析平臺來進行講解，想學習下性能平臺搭建的思路呢。
NO6 從“作坊”到“專業(yè)”，團隊管理三要點 喬梁 騰訊 高級管理顧問
主要是從招人到管理的方法論吧。
1，要招對人，招牛人。所以招人難啊，支付寶上海前端招人，加V:zhangyuyu_1987
2，管理要放權，人盡其才。
舉了一個高級產(chǎn)品經(jīng)理直接給產(chǎn)品總監(jiān)后的轉(zhuǎn)變，這公司有點扯吧...如果真實的話，是不是就沒幾個產(chǎn)品經(jīng)理啊
個人評價：深度不夠，指導性不強，收益不是很大，舉的例子乖乖的。因為實在太困，沒太吸取到精華
NO7 Service Mesh:下一代微服務 敖小劍 數(shù)人云 資深架構師
服務端的架構分層，記住了一個名詞sidecar，然后講了各種微服務框架，由于有業(yè)務需要處理，然后...就沒然后了
個人評價：無
NO8 晚場嘉年華
總共分為7個組，每個組有自己的topic，1，容器 2，視頻直播 3，深度學習 4，運維 5，go 6，spark 7，傳統(tǒng)上云。每個topic有個領頭者，然后帶領大家一起討論，然后推選一位參與者上臺分享。
深度學習
去了第三組深度學習。作為小白想咨詢下，支付寶包管理&深度學習的想象空間是否存在，但是和周圍的小伙伴交流了下，場景太簡單，就不占用大家時間了，就當吃瓜群眾。
主要交流智能客服，然后全是銀行的在搞，花旗、工行、農(nóng)行...最近是不是有個大佬說了句話全銀行都搞智能客服啊。
大概是說，通過深度學習為用戶分配一位和該用戶性格相仿的坐席來進行答疑解惑，怎么搞呢？語音識別唄，然后把特征數(shù)據(jù)提取出來，比如：情感，文字，然后通過深度學習來進行分析坐席匹配度，下次大家來就是這個坐席接待你了，先不評價技術難度，這種場景的收益有多大，收益如何量化需要畫個問號？能當坐席的是不是性格都很開朗啊。
然后又聊了聊深度學習的算法，我就去隔壁第二組聽視頻直播了
視頻直播
講到彈幕大體的框架，假設是web端，所有登錄用戶都會通過web socket連接到消息推送服務器的集群，假設用戶u1在房間r1，連接消息服務器為s1，用戶u1發(fā)送一條彈幕需要房間r1的所有人看到，通信流程是，u1通過web端的ajax接口請求到一個業(yè)務服務器做各種業(yè)務處理后，知道房間r1所有用戶鏈接的消息服務器（如u1連接的s1），然后通過分發(fā)機制把消息分發(fā)到每個小區(qū)服務，消息服務器通過socket長連接把每條消息推送到該房間的每個用戶端。
業(yè)務服務器大概40臺，消息服務很多，每臺socket連接供2到3萬人使用（即建立2~3萬個socket連接數(shù)）。不知道底層的協(xié)議是用的哪個？https://www.zhihu.com/question/20730361
個人評價：技術人員面對面的分享比講師干講效果要好多了，至少不是被動的接受，而是主動的索取
9點結束回家，體力消耗太大，困...
到家趕緊總結完文章，已經(jīng)12點半了。第二天繼續(xù)...
