过去十年，基础架构上云，互联网应用架构升级，研发流程敏捷化几个技术大趋势相交汇，与容器、Serverless、服务网格等技术创新相结合，共同催生了云原生的理念诞生和发展。云原生正在重新定义的计算基础设施，应用架构和组织流程，是云计算发展的历史的必然。感谢所有一起在云原生时代的同行者，让我们共同探索和定义云原生的未来。
数据科学领域有如下两种基本的学习类型。
有监督学习:训练的数据包含已知的结果。模型相对于这些结果进行训练。
无监督学习:训练数据不包含任何已知的结果。算法自行发现数据中的联系。
人工智能算法可以对物理世界的人/物/场景所产生各种非结构化数据（如语音、图片、视频，语言文字、行为等）进行抽象，变成多维的向量。这些向量如同数学空间中的坐标，标识着各个实体和实体关系。我们一般将非结构化数据变成向量的过程称为 Embedding，而非结构化检索则是对这些生成的向量进行检索，从而找到相应实体的过程。
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。借助此类技术，存储管理员可以主动获取有关如何将不同的工作负载分配给不同的存储堆栈并最大程度地减少延迟的信息。因此，将AI集成到存储阵列，存储供应商和组织中可以优化存储堆栈。
如果采用云托管模式，实际上是在基础设施层去构建应用，应用构建的抽象层次是比较低的，因此会带来大量工作，用户自己需要整合不同的组件和服务，需要进行大量的决策和实现，交付的速度会比较慢，需要考虑很多的事情，而且在运维方面有大量的重复工作。
最后分享一些比较成功的案例。阿里Serverless计算支撑了阿里集团小程序平台，节省了40%研发资源。阿里云 Serverless 支撑语雀使用函数计算实现文档等计算密集型业务，大幅度地降低了运维成本，还为石墨文档降低了58%的运维成本，帮助微博提升了研发效能，使得功能上线时间从原本的2周变为几小时。
第一点就是顶层设计。国家每5年有五年计划，这其实就是在国家整个层面的一个非常清晰的顶层架构设计，这里面对国民经济重大建设项目和生产力进行宏观的架构设计，它也是一种架构设计。在这里面，要做什么事要定义的非常清楚，要达到什么样的结果也要定义的非常清楚。
也许我对当前系统也不是很清楚，但有很多以前技术的积累，现在的问题还是能非常快地解决掉，帮助团队解决当下问题的同时，也能让自己对全局有所了解。
通常，用户很少会主动使用 START TRANSACTION READ ONLY 开启事务，因此对于常规事务，我们也针对每个连接使用了延迟开启 XA 事务的策略。对于所有连接，默认以只读的形式不开启事务，直到第一个写请求或者 FOR UPDATE 读请求再进行正常的 XA 事务流程。
容错设计
如果说错误是不可避免或者难以避免的，那么我们应该换一个思路，保证错误发生时，我们可以从容应对。
消除单点
特性开关
服务分级
降级设计
超时重试
