数据治理侧重于组织为数据的使用设置的策略。它还关注组织的各部门如何结合在一起，以确保数据得到正确使用。例如，美国一家主要的信用评级机构遭到黑客攻击，其治理政策很糟糕，导致数百万人的社保号码被泄露。他们被黑客入侵和身份被窃取的几率要高得多。而组织如何管理他们保存的数据对人们的工作和生活有着巨大的影响。随着这项技术的成熟，数据治理这一概念将变得更加重要。随着时间的推移，将会提高计算能力和改进人工智能算法。这意味着它们将变得更加复杂，并且能够对人们造成更大的伤害。
Pod和PVC是命名空间访问控制范围内的资源对象，PV则是集群访问控制范围内的资源对象。
PVC/PV模式解耦了存储资源与节点资源，即由PVC/PV定义的存储资源独立于节点资源，通过动态绑定方式随工作负载在节点资源间迁移。具体细节依赖于云厂商提供的存储插件的实现方式。
2015年Google开源K8S时，提出了最初始的云原生定义，即应用容器化、面向微服务架构、应用支持容器的编排调度。容器编排调度是K8S最核心的技术。当面对一个成百上千的微服务容器集群时，Pod调度与资源管理就成了一件复杂的事情。Pod内的一组容器在运行时具有相关性，运行在同一节点，共享节点资源。当应用负载发现变化时，容器对节点资源消耗也随之发生变化，节点资源的容量与可用性也会影响应用服务的性能与稳定性。
如果客户端服务已知ServiceName和对应的Namespace，就可以直接通过内部域名地址service-name.namsapce.svc.cluster.local直接访问应用服务Pod。
ervice-name是service对象定义的名称
namespace是service和pod所在的命名空间名
svc代表这是一个service资源
cluster.local是K8S的coreDNS服务默认集群内部访
问地址域名前缀
智能还原的核心链路构成了 D2C 的核心技术体系，并通过度量体系来衡量核心还原能力和研发提效效果。下层依托算法工程体系提供核心技术体系中智能化能力的底层服务，包括样本制造、算法工程服务、前端算法工程框架，上层通过 D2C 研发体系承接智能还原的后置链路，通过提供可视化干预能力满足用户二次迭代的需求，并通过将工程链路内置到 imgcook 平台实现一站式开发、调试、预览和发布来提升整体的工程效率。再加上支持自定义 DSL、自定义开发物料等扩展性很强的自定义能力形成的开放体系一起构成了整个 D2C 架构，服务于阿里内部 C 端、小程序、中后台等以及外部社区各种不同的业务场景。
今年在前端智能化大背景下，对 D2C 技术体系全链路进行了智能化能力升级，并为前端同学带来了让前端工程师能成为机器学习工程师的前端算法工程框架 Pipcook 和解决样本收集问题的样本制造机 Samplecook。同时带来了营销模块研发链路产品化升级，助力全链路研发提效。
参考自动驾驶分级标准，基于 D2C 系统能够自动生成代码的程度，根据编码的角色以及是否需要再人工干预和验证，我们定义了一个 D2C 系统交付的分级标准，用来帮助我们认识 D2C 系统当前所处的级别以及下一阶段的发展方向。
原本使用目标检测的方案来识别 UI 组件，但这种方案既需要识别出正确的组件类别还需要识别出正确的位置，以整个视觉图片作为输入，复杂的图片背景很容易被误识别，并且由于识别出的位置偏差导致很难挂载到正确的节点上，模型识别结果在线上的应用准确率较低。
设计稿生成代码技术体系全面升级（如对 UI 多态、直播视频组件、循环的智能识别增强等）带来了营销模块研发链路产品化升级：双十一会场有 90.4% （高于去年）新模块的代码智能生成。升级设计稿智能检查能力，在可统计范围内，无人工辅助的情况下智能生成的代码被保留发布上线的占比 79.26%。
