产生的数据大致分为两类：一类就是结构化的数据，这里的结构化数据不仅包括了关系型数据库中存储的关系数据，也包括了JSON、XML等之前大家称为半结构化的数据，这样的划分是因为这些数据在今天使用数据库的多模能力进行处理已经非常简单了，不像十年前那么复杂，因此这类的数据统称为结构化数据。
通过这种方式，我们可以为分布式的云原生应用提供灵活的、健壮、自动化的全生命周期管理能力
• 所有配置可被版本管理，可追溯，可审计
• 所有配置可维护、可测试、可理解、可协作
• 所有配置可以进行静态分析、保障变更的可预期性
• 所有配置可以在不同环境重现，所有环境差异也需要进行显示声明，提升一致性
李世石仅仅是另一个在人机对战中被高度关注的选手。人机对战的历史可以追溯到约翰亨利和新技术蒸汽钻那场史诗般的对战。在那场无限制的比赛中,双方表现得旗鼓相当,最终亨利获胜,但不久就因虚脱而死。随着铁路蜿蜒穿越整个美国,蒸汽钻成了必不可少的工具。深度学习之于李世石如同蒸汽钻之于约翰享利。
实际上,在生活中很难找出不用多层抽象来表达观点的例子——军队指挥官用相同的原则部署作战,政治家以此赢得竞选。相同的原理同样适用于神经网络或者其他多层模型的分类和预测,这是室无道理的。
另外一个例子，如下图右边所示，同样是地址查询，如果我们想在标准地址库中搜索“杭州阿里巴巴”的地址，在仅使用文本召回的时候，几乎没办法找到相似的结果，但是我们如果通过对海量用户的点击行为进行分析，将点击行为加上地址文本信息合并形成高维向量，这样在检索的时候就可以天然的将点击率高的地址召回并排列在前面。
例如，假设一家企业正在向流程中添加电子邮件服务器。在这种情况下，人工智能系统可以帮助预测存储阵列将能够满足该服务器的存储需求还是将其最大化。
如果采用了微服务架构，应用将由多个服务组成，那么还需要考虑服务管理。以上全部考虑到之后，将其转化为系统设计，最后进行开发调试以及单元测试，完成了这些之后才可以将应用交给测试环节。
实际一个工程的LSIF图会非常复杂，经常会包含几十万个节点。感兴趣的同学可以参考LSIF具体描述。
三 实现方式
阿里云云效的语法服务架构图主要分为两部分：
基于事件触发的索引构建过程
基于用户请求的语法服务响应
第一个是形散而神不散。架构其实是每个应用线每个业务线都有。有些技术同学本身就是有架构师的这种角色。阿里很早以前是专门有架构师岗位，专门的去做架构，但是做着做着架构师就做没了。因为很不接地气，它没有解决具体、真实、实际的问题。
遇山开道、遇水架桥，这讲的是决心。很多时候问题确实很难解决，也需要协调更多的人。很多人可能会放弃。我们最近在做架构的升级，用国产化芯片，从底到上全链路的。
