线下业务和淘宝业务实际上使用同一个版本进行应用开发和发布，它们的隔离仅仅体现在流量和部署层面。比如，它们所使用的交易服务在开发层面就是完全相同的，仅仅在部署层面将它们的流量分离到不同的服务中。
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。实际资金流处理所依赖的数据需要异构出一份以供信息流处理，而不是直接用原来的数据。
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。
-建立一致性维度：建立一致数据分析维度表，降低数据计算口径、算法不统一的风险。
在权责方面，面向业务提供服务之前，由统一的团队负责从业务中抽象出源于业务而又不同于业务的数据域，再主导统一建设数据中间层，包括侧重明细数据预JOIN等处理的明细中间层、侧重面向应用可复用维度和指标的汇总数据中间层。
用于解决前端使用机器学习成本的问题，0成本帮助前端快速掌握和使用机器学习 OTA 算法能力。同时，帮助业务落地的团队训练自己的模型，保证模型在自己业务场景能够自我迭代、更加精准。
因为大家对 AI 的陌生，所以对前端智能化产生顾虑和质疑，难以规模化推广。从淘系业务、拍卖、健康、蚂蚁、支付宝、体育、CBU……已落地场景中收集和梳理实践经验和案例，形成通俗易懂的系列文章，帮助大家了解 AI 和前端智能化
突破性能瓶颈：每个应用都能独立的水平伸缩，使系统性能可以根据计算资源的增加而得到线性的扩展。
世上没有免费的午餐，微服务技术让 IT 系统变得更敏捷、更健壮、更高性能的同时，也带来了架构复杂度的提升。
在应用的水平扩容与缩容方面，通过容器化技术可以极大程度的减少操作系统安装以及系统级初始化的时间，但购买虚拟机的操作是无法避免的，所以在系统遇到流量增突的时候，依然没有办法实现快速水平扩容。
