vivo 移动互联网旨在为 3.5 亿的全球 vivo 智能手机用户提供极致的互联网产品和服务。目前已建立完整的移动互联网生态圈，围绕 vivo 大数据运营，打造包括应用、游戏、资讯、品牌、电商、内容、金融及搜索在内的全方位服务生态。
在过去的几年里，我们使用多个 Kafka 集群支撑了万亿/天数据量级的 ETL、推荐、Push、监控等互联网业务。现在我们选择使用 Apache Pulsar 来作为我们下一代的消息中间件以应对更高量级数据的挑战。
在本次演讲中，我们将分享选择 Pulsar 的理由，以及 vivo 在 Pulsar 集群管理、性能调优、监控等方面的实践经验。

Apache Pulsar 在腾讯云中已经得到大规模的生产实践。在过去一年中，承接了诸多行业生态中不同的使用场景。在实际的生产实践中，我们针对社区版本做了一系列的性能优化和稳定性功能方面的工作，来保障用户在不同的场景下系统的稳定高效的运行。此次分享将重点针对腾讯云近一年在 Pulsar 稳定性和性能方面优化的工作展开。

本次演讲将介绍 BIGO 基于 Pulsar 在高吞吐读写的环境下、针对追赶读场景完成的性能优化，本文的主要内容包括：追赶读对系统性能损耗的讨论、消息磁盘读的主要耗时阶段、BIGO 提出的全新的异步预读优化方案、新策略在生产环境中的实际表现效果。本次分享将以最贴近实际的方式和大家分享 BIGO 在优化追赶读场景时的思考和心得。

Pulsar Functions 作为在 MQ 场景的 FaaS 理念践行者，对于事件驱动的物联网场景来说天然适合，在将 Apache Pulsar 作为消息队列之后，使用 Pulsar Functions 可以说是一件顺势而为的事情。当前 Apache Pulsar 已经在大规模甚至超大规模的场景中有着优秀的表现，在本次分享中，我们一起来看下在物联网场景下，Apache Pulsar 在数百上千 Topic 的边缘设备场景下的实践，同时讲述 Pulsar Functions 如何为企业提供灵活的数据流转处理能力。