CRNN方法一个典型的end2end的解决方案，输入是noisy的频域幅度谱，输出直接是降噪后的频域幅度谱，然后结合noisy的相位谱，进行时域数据的合成。
一个简单示例：每条横线代表一个索引的所有 lucene 文件资源占用，一小时内的采样可以发现两个转折点
• 1 触发了副本清0操作，由于该集群副本不涉及搜索，所占用的内存比例较少
• 2 触发了一些查询请求，部分索引所占资源上涨
「OnOpen」：连接建立时提供给用户使用，若当前连接总数超过用户设定的连接数，则可以返回一个非 nil 的 error，Getty 就会在初始阶段关闭这个连接。「OnError」：用于连接有异常时的监控，Getty 执行这个接口后关闭连接。
满足上面三个条件，网络发送 goroutine 执行连接重连即可；
新网络连接 session 建立成功且被加入 client 的 session pool 后，网络发送 goroutine 使命完成直接退出。
数据库支持多云部署是最重要的战略方向。无论是谁来做数据库，如果不和云结合，市场拓展会非常难。数据库厂商有了很多的积累，如何打开未来数据库的市场，让自己的产品服务到更多的用户，充分利用好云为我们提供的基础设施是最重要的。
Elasticsearch背后的商业公司Elastic和阿里云于2017年开始战略合作，在阿里云上提供全托管Elastic Stack服务，100%兼容开源，免费提供X-Pack商业插件，即开即用，按需付费。同时深入功能与内核性能优化，提供更丰富的分析检索能力，更安全、高可用服务。
通用计算平台（如在云服务器中找到的平台）可以运行任何网络体系结构。在边缘AI中这变得更加困难。架构和训练有素的模型必须经过修改才能在边缘的AI芯片组上运行。
可观察性最早来自于电气工程领域，主要原因是随着系统发展的逐步复杂，必须要有一套机制用来了解系统内部的运行状态以便更好的监控和问题修复，为此工程师们设计了很多传感器、仪表盘用于表现系统内部的状态。
在IT系统的可观察性上，也可以类似划分6级：
等级0：手工分析，依靠基础的Dashboard、告警、日志查询、分布式链路追踪等方式进行手动告警、分析，也是目前绝大部分公司使用的场景
第一个问题，云厂商是否可信？
第二个问题，云计算属于共享性质的资源部署，通过隔离机制跟其他业务部署在同一台物理机上面，这样一来，共享机制会不会放大被别入侵的可能性？
