原虚拟化应用基于云原生虚拟化技术平滑迁移至云原生平台，您认为是否是一条可落地VMware替换、实现降本增效的技术路线？

大型制造企业原先都有大量使用V Mware 虚拟化。目前V Mware 被博通收购后带来产品采购方式限制、采购成本提高等变化，很多企业开始逐步收缩V Mw are的使用范围，实现降本增效。目前，替换V Mware 的路径有多种，您的企业目前最倾向哪种技术路线？...(more)

云原生技术栈通的选择本身就充满了挑战，无论是技术上的还是运维上的，那么企业改如何应对这些挑战？欢迎大家都分享下可能会遇到的挑战，以及自己的一些解决方案思路吧。

云原生路线在为企业带来诸多优势的同时，也面临着技术复杂性、微服务架构的挑战、容器编排和管理的挑战、安全性与合规性、人才与技能短缺、持续集成与持续部署（CI/CD）的挑战以及多云管理和迁移的挑战等难点和挑战，企业IT部门该如何制定合适的云原生战略和计划？...(more)

随着企业对云服务的依赖度越来越高，混合云和多云环境变得越来越普遍，云原生路线在多云环境中主要有哪些优势？

云原生技术以其快速迭代、持续集成和持续交付的能力而广泛被接受，那么云原生技术更适合哪些类型企业？从行业、体量、需求等等层面看？希望大家都分享下自己观点或者自己企业选择云原生技术的原因。...(more)

越来越多的企业开始意识到云原生技术的优势，如快速部署、弹性伸缩、高可用性等，因此对云原生技术的需求不断增加。大家认为采用云原生PaaS平台替换VMware在哪些行业和市场比较容易被接受？...(more)

随着云原生技术的快速发展，如Kubernetes、Docker等容器化技术的普及，为云原生替换VMware提供了技术基础。您认为云原生替换VMware的优劣势有哪些？

如何实现业务容器与大数据容器的混合调度部署？不知道在这块各位老师有没有一些比较好的经验！

改造后的运维体系将做何种调整，大数据监控与容器监控是否可以做到统一、精确，实现有效的反馈机制，保证业务稳定运行

如何实现业务容器与大数据容器的混合调度部署，两者的调度器的逻辑如何进行统一，以达到在保证安全生产的前提下，充分利用集群资源，降本增效

使用何种方式将大数据与容器结合起来，是否有一些比较专业的厂商或是业界比较成熟的方案可以提供有效的落地方案

大数据平台容器化的底层容器使用何种技术，集群与平台，厂商或是开源的容器云平台是否可以完全兼容并提供大数据场景下的相关能力

大数据平台都基于容器话部署了，那请问类似CDH、星环等大数据平台产品还需要继续采购吗？这些产品与容器化部署是一个什么样的关系？

请问大数据平台容器化之后，flink、spark等计算任务运行到容器上了，那相应原有部署模式下计算任务读写数据存储的HDFS运行在哪里？读写性能相对原有物理机部署模式有多大差异？

为平衡成本和产出，是否存在改造容器云的体量？（比如大于多少物理节点以上，适合改造容器云）

容器云改造是否适合中小型金融机构？基于中小型金融机构的特点，如基础环境存在大量虚拟化、超融合，是否适合改造并向容器云过度迁移？此外，当前金融监管机构是否有对容器云有要求？...(more)

如何应用容器，实现异构数据库之间海量数据的快速传输。