阿里电商系统很早就开始建立了，我们这一代一代人在里面去做架构，都是站在前一代人的肩膀上。要去看前一代人为什么要这么设计，去想或跟他去聊，吸取他好的地方。现在可能遇到新的问题，通过其他的方法来解决一些新的问题，需要有实践和知识的积累。
然而，正如星战宇宙中，原力既有光明也有黑暗的一面。微服务应用在部署、运维和管理的复杂性却大大增加。DevOps文化和背后支撑的自动化工具与平台能力成为关键。
其主要功能包括：
-组合相关和相似数据： 采用明细宽表，复用关联计算，减少数据扫描。
-公共指标统一加工：基于OneData体系构建命名规范、口径一致和算法统一的统计指标，为上层数据产-品、应用和服务提供公共指标；建立逻辑汇总宽表；
2018 年，微软 AI Lab 开源了草图转代码工具 Sketch2Code ，一些人认为生成代码效果不理想不适用于生产环境，但也有人认为代码自动生成还处于初级阶段，未来发展值得想象。
在2019年，DataWorks数据集成完成了商业化，独享资源组上线，按量付费、包年包月的付费方式也成功面向了用户。在2020年，全增量实时同步解决方案正式发布。
因此架构简化、成本优化、数据统一、学习门槛低、适应业务敏捷、自助式分析趋势成为了迫切的需求，企业期望有一款全新的大数据产品，可以满足实时写入、实时计算、实时洞察需求；能做到实时离线一体化，减少数据移动，业务技术解耦支持自助式分析，从而简化整个业务系统架构。
Elasticsearch背后的商业公司Elastic和阿里云于2017年开始战略合作，在阿里云上提供全托管Elastic Stack服务，100%兼容开源，免费提供X-Pack商业插件，即开即用，按需付费。同时深入功能与内核性能优化，提供更丰富的分析检索能力，更安全、高可用服务。
我们团队从刚开始09年做飞天5K项目起，就一直在负责监控、日志、分布式链路追踪等可观察性相关的工作，中间经历过小型机到分布式系统再到微服务、云化的一些架构变更，相关的可观察性方案也经历了很多演变。我们觉得整体上可观察性相关的发展和自动驾驶等级的设定非常吻合。
运维人员安全职责：从维护数据到支撑业务，根据业务相关性分成3层：
·第一层是数据的安全性，也就是如何防止托库。保障好数据库安全，这一层的能力更专注在数据库本身防护，比如加密技术，权限控制技术。
重视实践，充分运用感性认知潜能，在项目中磨炼自己，才是正确的学习之道。在实践中，在某些关键动作上刻意练习，也会取得事半功倍的效果。
