专题演讲嘉宾：范斌

在 AWS S3 等云对象存储中将数据存储为 Parquet 文件，不仅在大规模数据湖中非常流行，而且还可作为用于训练和推理的轻量级特征存储，或作为用于检索增强生成（RAG）的文档存储。然而，直接从 S3 查询 PB 到 EB 级规模的数据湖所面对的共同挑战是速度很慢，延迟时间通常从数百毫秒到数秒不等。

此次演讲将介绍如何利用 Alluxio 作为超大规模数据湖上的高性能缓存和加速层，对 Parquet 文件进行查询。在不使用专用硬件，不更改数据格式或对象寻址方案，不从数据湖迁移数据的情况下，Alluxio 如何实现亚毫秒级的首字节时间（TTFB）性能，以及Alluxio 的吞吐量与集群规模的线性扩展。

演讲提纲

1. 数据驱动型组织直接在云对象存储上存储和提供 Parquet 文件的普遍方式，以及给AI应用所带来的挑战；
2. 应对挑战的常见解决办法有哪些；
3. 实现Parquet 查询 1000 倍性能提升，Alluxio 系统架构及优化设计（单节点优化，可扩展的分布式层，计算卸载等）；
4. 低延迟存储方案的成本对比；
5. 未来工作展望。

听众收益

1. 了解Alluxio的架构和工作原理，并学习核心优化技术
2. 了解数据湖查询性能优化实践，掌握查询优化的方法并了解实际案例