凡是个运维都会面临或即将面临的痛难点
数据库运维：
1、数据库体量剧增、业务上线紧迫等普遍现状，导致的性能问题频发，该如何做好事前管控？
2、如何做好数据库性能与容量问题的治理以及可用性的维稳？
3、业务高速扩张带来的数据库实例井喷，引发大量异常如何应对？
4、如何及时诊断异常问题，快速完成异常发现、分析、处理、运营的闭环？
5、在运维/DevOps场景下，能否使用图数据库赋能？成效与传统数据库有什么区别？
智能运维：
1、AIOps目前新增了哪些可覆盖的应用场景？
2、AIOps常用算法有哪些值得推荐？
3、除了互联网大厂以外，银行等金融行业怎么把AIOps用起来？
4、“数智化”的考量将变成运维体系建设成熟度的一个重要衡量指标？
5、如何利用数据化和智能化的方法，结合业务场景实现AIOps工程闭环，助力业务实现运维价值？
大数据运维：
1、运维数据的价值如何挖掘与应用？
2、数据治理对运维数据体系建设起到怎样的关键作用？
3、为什么说DataOps即将成为大数据新战线？对大数据管理体系建设有哪些启发和补充？
4、DataOps发展过程应该是怎样的？如何制定适配企业自身的阶段性战略？
5、如何通过落地DataOps，实现提质降本、高质量交付，赋能新业务孵化和老业务增值？
运维新趋势：
1、云原生技术发展迫使运维亟需转型，但人手不充足、工具跟不上、平台不给力怎么破？
2、如何在CI/CD环节提升效能和质量？
3、混沌工程是什么？为什么需要？怎么做？有什么收益？如何通过主动注入故障，提前发现潜在问题，持续改进应用架构和运维方式，确保应用的韧性？
4、作为运维转型方向，SRE与DevOps有什么区别？要掌握哪些技能？发挥哪些关键作用？
5、为什么说容器与机器学习密不可分？Docker/K8S如何与机器学习模型部署相结合？
上述疑难，都在DAMS峰会一网打尽
