平台产品经理的挑战和成长
成年人的字典里，没有容易二字。有问题有困难，平台、团队和个体才能提升和发展。产品经理岗位是个复合体，不是单个技能就能立足，产品经理同学需要不断迎接挑战，不断修炼自己。
聊天机器人本身也可以学习，因为它们是由机器学习技术驱动的。它们与用户互动得越多，就会变得越聪明。
以Grafana Loki中介绍中的一个典型问题排查过程来看：
1. 最开始我们通过各式各样的预设报警发现异常（通常是Metrics/Logging）
2. 发现异常后，打开监控大盘查找异常的曲线，并通过各种查询/统计找到异常的模块（Metrics）
3. 对这个模块以及关联的日志进行查询/统计分析，找到核心的报错信息（Logging）
4. 最后通过详细的调用链数据定位到引起问题的代码（Tracing）
从上面的分析来看，OpenTelemetry的定位是作为可观察性的基础设施，解决数据规范与获取的问题，后续部分依赖各个Vendor来实现。当然最佳的方式是能够有一个统一的引擎去存储所有的Metrics、Logging、Tracing，有一个统一的平台去分析、展示、关联这些数据。
统一的协议标准是视频监控行业发展的必然趋势。人脸识别、视频结构化等AI技术的算法标准一致，供应商之间的协议标准统一，将会使得不同品牌前中后端互相识别，实现数据互通互享。
将事物移到边缘的原因是为了获得更好的响应时间。速度和延迟对于诸如计算机视觉和用于5G的虚拟无线电接入网络等应用至关重要。另一个重大好处在于，通过限制将哪些数据上传到云来改善隐私。
边缘AI芯片组中受支持的神经网络架构的类型是有限的，并且通常比在云中可以实现的功能落后几个月。解决这些局限性的一种有用方法是使用编译器工具链和堆栈，例如Apache TVM，它们有助于将模型从一个平台移植到另一个平台。
基于DataWorks完成数据全链路研发，包括数据集成、数据开发&ETL 、转换及KPI计算等开发，以及数据作业的调度、监控、告警等。DataWorks提供数据开发链路的安全管控的能力，以及基于DataWorks的数据服务模块提供统一数据服务API能力。
红书之前自建了一个较大规模的ClickHouse集群，但是运转一段时间后，ClickHouse的弊端凸显，比如成本高、查询慢、不稳定、集群运维复杂。采用了Hologres后，获得存储计算分离的架构，轻松存储了15天数据，并且可以快速查询7天甚至15天数据，查询性能有大幅度提升；还有主键去重（insert or ignore），上游failover无影响，免运维等优势，客户满意度非常高。
相比开源自建，Elasticsearch有开箱即用免运维的优势，企业可以零成本迁移上云、同时拥有更强的功能与性能、TCO预估成本仅为自建的75%。
