业界常用的一致性模型
弱一致性：写入一个数据 a 成功后，在数据副本上可能读出来，也可能读不出来。不能保证每个副本的数据一定是一致的。
端口绑定，通过端口绑定提供服务，应用通过端口绑定来提供服务，并监听发送至该端口的请求。
并发，通过进程模型进行扩展，扩展方式有进程和线程两种。进程的方式使扩展性更好，架构更简单，隔离性更好。线程扩展使编程更复杂，但是更节省资源。
第一定律：Communication dictates design，即组织沟通方式会通过系统设计呈现。
Serverless 不足的地方：
成功案例太少
很难满足个性化
缺乏行业标准
初次访问性能差
缺乏开发调试工具
无论是云原生开发人员还是传统开发人员，选择在本地服务器上运行代码的比例都相同。这表明，尽管云原生开发人员已经掌握了云的灵活性，但他们并未放弃本地服务器。
人工智能曾经只应用在数据中心领域。但是，随着人工智能应用在网络的边缘，它开始为组织解决大量的分布式数据和分析问题。边缘人工智能是在数据来源点嵌入智能功能，无论是物联网终端、智能手机还是自动驾驶汽车。Red Hat公司首席技术战略家G.Nadhan解释说，“换句话说，边缘计算使数据和计算最接近交互点。”
这里的墙不只是组织架构隔阂所带来的障碍，还包括三个领域关注点的不同。比如开发需要关注可测试性和可运维性，这些东西将会深刻地影响应用的架构设计和开发实现，如果开发同学没有充分考虑到代码的可测试性，那么交给测试同学就会造成很大的问题，比如如何实现故障注入和精细流控，这都需要在开发时就考虑清楚。
在测试的环节，通过与阿里云 ROS 的无缝集成能够实现自动化部署到测试环境，并且运行测试用例。这些完成之后，通过 ReleaseManager 可以确认部署，通过工作流将这些任务串联起来，发布到预发布环境中，并且进一步部署到生产环境中，每一个步骤都实现了自动化，研发效能得到了极大提升。
而有了LSP的出现，开发者在解析代码语法时只需要遵循LSP协议格式，实现代码补全、定义展示、代码诊断等接口，就只需要开发M+N个应用。
我们的构建工作流调度主要基于阿里巴巴开源的分布式调度框架tbschedule，该系统会通过zookeeper维护一个任务集群，通过zookeeper做节点管理和任务分发，不重复不遗漏地快速处理调度任务。
