虽然过去几年我们没有直接做AIOps应用，但通过把数据能力、AI能力中台化，反而支撑了更多的用户与场景。最后简单总结下过去两年做可观察性中台的心得体会：
本次分享我主要分为以下四个方面：
一、DevOps的挑战以及如何降低 DevOps 实施代价？
二、为什么 Serverless 是云发展的必然结果？
三、Serverless+DevOps =？
四、实战案例分享
快速回顾一下DevOps每个环节所需要考虑的东西。在开发阶段，首先需要梳理业务的需求和场景，并且将需求转换为系统设计，同时需要考虑数据模型如何设计，才能够让数据库不成为单点和瓶颈。
DevOps的挑战
对于应用交付的整个流程而言，通常会涉及三个环节，即开发、测试和运维，而在传统的组织架构中，
因为在阿里巴巴这样的互联网企业中，应用承载了大量的用户访问，因此需要考虑复杂均衡、容错设计、流量控制等。
回顾了 DevOps 的挑战之后，通过阿里内部和整个业界的实践可以看到，需要通过平台和工具降低 DevOps 的复杂度。
目前，主流的云计算产商的产品体系也正在迅速地 Serverless 化，这并非是对于未来的预测，而是实际正在发生的事实。
这里对比一下采用云托管的应用和采用 Serverless 的应用最本质的差异在哪里。
对于应用而言，可以将其构建模式拆分为三层，分别是底层基础设施管理、中间的外部服务集成和上层的应用逻辑。
一般而言，吞吐量是指处理某事物的速率。在网络级别，吞吐量的度量单位是Mbps(兆位/秒)，而在存储级别，吞吐量的度量单位是MB /秒(兆字节/秒)。
