gydtep
发表于 2021-11-3 09:37:06
使用深度学习神经网络的另一个挑战是它们的黑匣子问题。如果程序做出了决定，则程序员可以撤消该决定，以找出程序做出该决定的原因。但是，深度学习不是可追溯的系统，而是在隐藏层中处理数据。开发人员只能找到输入到神经网络的数据及其输出。但是，他们无法找出隐藏层中进行了哪些处理来做出决定。因此，很难知道深度学习网络失败的原因，因为没有人可以追溯到发生失败的地方。
gydtep
发表于 2021-11-3 09:58:03
有时，深度学习网络甚至无法实现其本来打算完成的任务。神经网络很难像在不同的视频帧中一样在小图像变换中进行概括。例如，根据一项研究，深卷积网络将狒狒或猫鼬标记为相同的北极熊，具体取决于背景的微小变化。
gydtep
发表于 2021-11-3 12:14:22
另外，有三块内容实际支撑着一个微服务系统：代码、配置和数据。其中，代码和配置是相辅相成的，代码执行的间歇可能需要修改系统配置；业务数据也非常重要。对这三块内容进行分析是微服务架构高可用设计的重要方面。
gydtep
发表于 2021-11-3 13:13:36
左边是微服务设计应具有的能力，右边是设计高可用微服务架构时应遵循的原则。另外，有三块内容实际支撑着一个微服务系统：代码、配置和数据。其中，代码和配置是相辅相成的，代码执行的间歇可能需要修改系统配置；业务数据也非常重要。
gydtep
发表于 2021-11-3 14:28:40
手机扫码场景要求在手机断网时正常显示其二维码。在这个场景里，真正的业务链路从POS链路开始，有的POS链路需要经过商户的处理系统，有的则直接进入支fb自身的业务系统。在支fb端，该链路将从一个统一的网关接入，携带着订单相关信息，比如商户ID等。
gydtep
发表于 2021-11-3 17:32:39
一是云原生技术，包括容器、K8s、微服务、DevOps。而这些技术只是一个工具，要想真正地用好这些技术，还需要一些最佳的实践和组合，也就是云原生架构。
gydtep
发表于 2021-11-3 17:45:28
云原生应用具有轻量、敏捷、高度自动化等方面的特点，可以充分发挥云的优势，在现代数字化转型的时代，更好地适应业务的发展变化。
gydtep
发表于 2021-11-3 20:18:39
在架构层面，因为底层依赖于这些技术，所以可以非常方便地让用户遵照云原生架构的原则，去设计出自己的应用实践，最终让客户的应用可以最大化地享受到云原生的红利，实现应用的轻量、敏捷以及高度自动化，极大地降低迈入云原生时代的门槛。
gydtep
发表于 2021-11-4 08:19:53
在传统的运维领域有很多问题比较难解决，比如服务器因为各种各样的原因，突然负载高或者 CPU 高等，这时在传统领域通常需要大量的手动运维操作，而在 K8s 领域结合可观测、健康检查，只需配置好 liveness 和 readiness，就可以实现自动化的运维，K8s 会自动进行切流以及自动化地重新调度，极大地降低了运维成本。
gydtep
发表于 2021-11-4 10:14:55
另外我们还额外地做了微服务增强，包括托管注册中心、优雅上下线和微服务治理等。因为使用微服务通常需要一个注册中心，SAE 内置托管注册中心，用户不需要再重新购置，完全可以把应用直接注册上来，进一步降低用户门槛和成本。
