在确定流量入口后所有和其相关的后续处理节点都应被打标或者以其它方式圈定起来。门面系统后对应着内部系统，包括一系列Http组。在定义好这些后，某个组件会在流量接入后识别门面系统，进而找到该门面系统对应的圈定区域，也就是内部系统，从而完成一个整体上的流量绑定过程。
持续对智能化技术体系进行深耕，也是未来的重点之一。今天的智能化技术体系仍然有很多问题，跑的太快、为了解决问题，很多应用和核心技术之间耦合，很多技术的开放能力和客制化能力不足，很多技术的理论基础不扎实，很多技术的工程化体系不完备。
D2C 技术体系升级，引入 S2C 能力，形成 P2C 端到端业务交付平台：在无状态简单UI代码和简单前端业务逻辑代码生成基础上，升级到复杂UI代码和复杂业务逻辑代码生成，同时，复杂UI代码里对状态进行识别和处理，生成带状态变化的UI逻辑代码，端侧调用JSBridge、数据和服务接口的业务逻辑胶水层代码，服务端调用数据和服务接口的业务逻辑胶水层代码。
智能 UI 技术体系升级，能力下沉同时支持频道业务的智能 UI 个性化，技术内敛将偏业务部分交给 P2C 端到端业务交付体系，算法自建将搜索推荐海神的算法收回前端智能化团队自己设计维护。三管齐下，保证智能 UI 技术体系普适、内聚、可控，从而做好归因分析在广泛业务场景里数据驱动的方式进行迭代。
会用 Pipcook 或 Python 技术生态的机器学习相关框架、库、包……
会数据获取、数据处理、模型配置、模型训练、模型验证、模型部署、数据回流闭环，能够用Pipcook 配置Pipline 进行流式计算，处理海量数据。
模型功能指标之模型选择：业务是用来服务用户的，对用户的理解可以帮助我们审查业务理解的正确性。通过用户理解，可以确定用户的任务；通过理解用户的任务，可以确定模型的任务；通过理解模型的任务，可以确定模型的功能。只有确定了模型的功能，才能正确选择模型。通过对模型功能指标的梳理，后续可以监控这些指标来判断模型选择是否正确。
技术栈不受限制：在微服务架构中，可以结合项目业务及团队的特点，合理的选择技术栈。
加快系统演进速度：每一个应用都可以独立的进行版本更新，通过灰度发布等技术手段能确保发布过程中整个系统稳定运行。
比如int32的范围从-2147483648到2147483647，Id使用范围1,2100000000)，前两位表示region，则每个region支持100000000（一亿）个资源，即Id组成格式可以表示为[0-20。
即int32位可以支持20个单元，每个单元支持一亿个Id。
算法总结
优点：
区域之间无状态，无网络调用，具备可靠唯一性
缺点：
分区容量存在局限性，需要预先评估业务容量。
从Id中无法判断生成的先后顺序。
前面提到了由于DTS支持的并不是很完善，所以我基于DRC（一个阿里内部数据订阅组件，类似canal）自己实现了数据同步的能力，下面介绍一下实现一致性的过程，中间也走了一些弯路。
