每时每刻都在发生技术的升级和变革，只有持续不断的学习，才能对老的架构有新的认识，对于老的问题产生新的解法，要了解业界最近在发生什么变化，这个领域最关键的项目和人在做什么，学习他们的技术，学习他们的论文。我以前每天大概2到3个小时是用来学习。这几个小时的学习时间是我最放松的时间，不用去想太多事。
在私有化的 InnoDB 中，我们会根据事务的 SNAPSHOT_TS 来决定可见性，同时我们也会让新事务的读请求在遇到处于 prepare 状态的数据时进行等待，避免处于 prepare 状态的事务 COMMIT_TS 比当前 SNAPSHOT_TS 更小导致 commit 前后数据不同的问题。
对于开发过程来说，少交流、少沟通、少开会就是最高效的。
高覆盖率的自动化测试
全面的监控
持续交付流水线
敏捷基础设施
自动化/智能化运维
好的架构
全栈工程师
服务型管理
工程师文化
信任文化
分享文化
虽然开发人员采用了云原生开发策略，但运行这些软件的计算资源在各个行业往往各不相同。
例如，与本地服务器或私有云相比，软件公司更倾向于在公共云中运行代码。在软件公司工作的云原生开发人员中，近三分之二在公共云中运行代码，同时该行业一半的开发人员在私有云上运行代码。
将丰富的客户行为数据、自然语言处理(NLP)和聊天机器人结合起来时会得到什么?通常无需人工干预即可改变客户联系和支持的潜力。
机器学习方法可用于检测电子邮件中的异常，模式识别技术可识别需要保护的受监管个人数据，无监督机器学习可对网站进行分类并识别高风险网站，无监督机器学习可在网络钓鱼和垃圾邮件尝试中发现近乎重复的网站。TrendMicro公司最近发表的一篇文章指出，端到端深度学习是检测恶意软件的解决方案。
这其实并不是一个好主意，每一个计算资源都是需要成本的，资源池虽然能够解决计算资源快速投入使用的问题，却造成了巨大的浪费。另外，到底规划多大的资源池，也是一件很伤脑筋的事情，池子越大，造成的浪费就越大，但池子太小，又可能满足不了扩容的需求。
为什么称之为真正的**多活？**多活已经不是什么新鲜词，但似乎一直都没有实现真正意义上的**多活。一般有两种形式：一种是应用部署在同城两地或多地，数据库一写多读（主要是为了保证数据一致性），当主写库挂掉，再切换到备库上；另一种是单元化服务，各个单元的数据并不是全量数据，一个单元挂掉，并不能切换到其他单元。
算法总结
优点：
全局递增
可靠的唯一性Id
无容量和并发量限制
缺点：
增加了系统复杂性，需要强依赖中心服务。
在权责方面，所有数据应该在源头统一，统一所有的数据基础层，并由一个团队负责和管控，其他团队无权复制数据基础层的数据。
