总的来说，将业务最顶端跟信息流相关的逻辑抽象出来，并且将这部分逻辑所依赖的数据异构一部分出来，这就能够使所有的业务实现不依赖于实际的处理逻辑，从而保证底层的任意一个节点发生宕机时整个系统的可用性。
其次，从经验的角度看，只要是行业里解决的很好的问题，在自己的领域里应该也能解决的很好。比如，使用图像分类模型，人家在严谨的实验中验证了图片里只要有猫或狗，图像分类模型就能准确识别出来。
地球上的所有动物，包括人类在内，都可以在周围环境中导航并灵活地探索新区域。由于神经回路的空间行为，它们的导航成为可能。动物的大脑通过在规则的六边形网格中绘制周围环境来导航。这些六角形图案有助于导航，类似于地图中的网格线。神经模式支持基于矢量的导航的假设。基于矢量的导航使大脑可以计算到所需位置的距离和方向。
当某一个应用的性能出现瓶颈，需要通过增加实例数量来提升性能的时候，就需要引入新的计算资源。
新的计算资源从何而来呢？
insert是不满足结合律的，可能会有主键冲突，我们把insert语句变更insert ignore，而收到insert操作说明之前并不存在这样一条记录，或者前面有delete操作。而delete操作可能还没有到。这时insert ignore操作返回结果是0，但这次的insert数据可能跟已有的记录内容并不一致，所以这里我们将这个insert操作转换为update 操作再执行一次。
在 AWS 的调研中，在 2019 年 40% 的 ECS（AWS 弹性容器服务）新客户采用 ECS on Fargate 的 Serverless Container 形态。
2019 年 Google 推出 Anthos 多云应用平台，其基础就是 GKE K8s 托管服务。微软在 Build 2020 会议上宣布了 Azure Arc 支持 Kubernetes 集群的预览版。微软 CEO 萨蒂亚·纳德拉将 Azure Arc 描述为混合云计算的控制平面，可以统一管理云上、边缘和 IDC 中运行的 Kubernetes 集群，以及 Windows 和 Linux 服务器实例。
高可用设计主要有三个原则，包括可观测、可灰度、可回滚。大部分云研发场景并不需要关注可演变，但在一些特殊场景下可演变仍然是一个问题。比如，蚂蚁的金融业务需要和一些机构进行信息交换，由于金融领域的RPC交互常常使用标准化文件，在文件场景下如何保证可演变也是高可用设计需要关注的内容。典型的用于提高架构可用性的设计原则包括四种：解耦、冗余、异构和异步。
这意味着，在这个微服务系统中，不同业务对可用性的要求不同，因此需要不同的手段实现该系统的可用性需求
在具体设计时，一个逻辑支付处理单元实际上被拆分成信息处理单元和资金处理单元。中间的T+x表示，信息处理单元和资金处理单元间可以存在一个较大的时间差。在信息受理时，即使不需要进行实际的资金流处理，也需要明确买家和卖家信息，而这些信息来自会员系统和商家系统。那么，当会员系统宕机时，为了使防抖设计机制可用，就需要异构的设计。
