云原生已经演化成了一个非常庞大的生态。这张图囊括了云原生里非常多的内容。从设计高可用且稳定性高的应用的角度来看，相关的内容包括数据库技术、云原生存储、Service mesh、可观测性、Serverless等。
首先，需要识别某流量是否与该业务相关；其次，需要将该流量接入到某个特定区域中；然后，该区域还需要将所有与完成该业务相关的节点都包含进来。这种设计需要一定的先验知识，因此需要定义一些元信息，比如流量入口。
状态型数据的容灾设计
这两种数据在进行应用层容灾设计时需要不同的处理方式，状态型数据的容灾设计通常比较困难。比如，会员信息在出现错误时通常不能再写该数据，也不能让该用户重新注册一次支fb。
24%的受访者认为自动驾驶汽车是人工智能领域令人兴奋的应用，但有趣的是，自动驾驶汽车是女性、年轻消费者和人工智能从业人员最受欢迎的选择。随着欺诈检测的兴起，人们可以开始看到从幻想到现实性的转变，人工智能技术开发商应该利用这一趋势来加强人工智能在劳动力方面的实用性。
基准代码 转化为一份部署(非开发环境)需要以下三个阶段：
构建阶段，将代码仓库转化为可执行包的过程。构建时会使用指定版本的代码,获取和打包依赖项,编译成二进制文件和资源文件。
服务网格（ASM）提供全托管的微服务应用流量管理平台，兼容 Istio 的同时，支持多个 Kubernetes 集群中应用的统一流量管理，为容器和虚拟机中应用服务提供一致的通信、安全和可观测能力。
当 BaaS 云服务日趋完善时，Serverless 因为屏蔽了服务器的各种运维复杂度，让开发人员可以将 更多精力用于业务逻辑设计与实现，而逐渐成为云原生主流技术之一。Serverless 计算包含以下特征：
在AI工程师开始训练他们的机器学习模型之前，他们通常只花费75%的时间来简单地处理起始数据。请记住，要训练在IIoT设备上运行的机器学习模型，必须具有一个或多个数据集，以反映应用上线时的实际条件。
定好目标后，一定要了解产品背后的数据质量。关于数据质量，公司内部、部门之间的指标定义各不相同，不过普遍存在数据不准、没有数据、数据脏乱差、易用性差等问题。如何解决？其实，数据中包含着业务需求，需求弄清楚了才会转化到埋点设计，埋点方案再转化为具体的研发。
现在，很多企业都想实现数据闭环，其实闭环就是非常典型的方法论。那么，这个方法论究竟能不能解决问题？能不能在组织和团队里运行起来？背后是否缺失了哪些环节？在这里，陈新祥分享了一个国内的实际案例。
