Perfecto by Perforce公司首席技术官兼产品经理Eran Kinsbruner在最近发表的一篇文章中写道：“这些工具共同构建了一个全面的生产和运营洞察力分析层，可以在大数据和先进的现代软件架构上运行。借助基于人工智能的操作功能，团队可以专注于确定其应用程序的服务运行状况，并获得对其生产数据的控制和可视性。”
能够预测突然变化(供应或需求、医疗保健成果、销售或客户行为)的价值越来越清晰。
在基本层面上，有监督的机器学习(特别是回归)使组织能够建立数学模型，根据一系列预测变量或输入来预测未来的结果。Perkins说，“这种方法在各个行业的商业应用非常广泛，其共同点是能够事半功倍。无论是人力资源、清单资源还是谨慎流程，机器学习都使人们能够观察和定义模式以获取以前无法获得的见解。”
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。对于开发者而言，要想更好的驾驭微服务架构，需要解决持续集成、服务发现、应用通信、配置管理、流量防护等一系列难题。
在应用生命周期管理以及服务治理方面， Kubernetes 提供了比较完善的实现机制，通过构建 Deployment 资源，配合 proStop 和 postStart 脚本，能比较方便的实现滚动发布以及应用的优雅上下线。虽然在灰度发布的过程中，依然没有办法直接对流量进行精细粒度控制（引入 Service Mesh 技术能增强流量控制力，不在本文讨论范围），但相比简单的发布脚本，已经有了飞跃性的提升。
当微服务应用需要扩容的时候，就可以快速获得计算资源，不需要再经过购买服务器这个步骤了，可以帮助开发者降低计算成本，减少闲置资源浪费，平滑应对突发流量高峰。阿里云的 Serverless Kubernetes （ASK）就是 Serverless 化容器技术的代表产品。
Serverless 技术无缝是云计算和云原生应用架构的发展方向，但对于微服务应用的开发者而言，不管是 FaaS 形态，还是 Serverless Kubernetes ，都存在一定的局限性。
基于指标阈值的弹性机制：对于超出预期的业务流量突增，可以设置基于指标阈值的弹性策略，根据 CPU 、内存等资源指标，以有 QPS 等业务指标让应用实现自动的弹性缩。
通过多种弹性机制，能够对系统容量进行精细粒度的管理，使资源的使用量能随着业务流量的变化而调整，从而极大程度的增加资源利用率，大幅降低资源成本。
面对这种全球性跨地域的分布式系统，我们不得不谈到CAP理论，为了能够多中心全量数据提供服务，Partition tolerance（分区容错性）是必须要解决的，但是根据CAP的理论，Consistency（一致性）和Availability（可用性）就只能满足一个。对于线上应用，可用性自不用说了，那面对这样一个问题，最终一致性是最好的选择。
最高位是符号位，始终为0，不可用。
41位的时间序列，精确到毫秒级，41位的长度可以使用69年。时间位还有一个很重要的作用是可以根据时间进行排序。
