·事中：在攻击的过程当中，对整个访问链路加密、数据落盘加密、备份文件加密。
·事后：一旦被攻破了之后，整体攻击电路都能做到攻击行为上的审计，全量操作日志审计。
随着上百年的发展，电气工程下的可观察性已经不仅仅用来辅助人们进行问题检查和定位问题，我们以汽车工程来看，整个可观察性的发展经历了几个过程：
如果设计得当，Edge AI将为自动缩放带来新的机会，因为每个新用户都会为集体工作负载带来全新的机器。边缘还可以更好地访问更多未处理的原始输入数据，而云AI解决方案必须与预处理的数据一起使用以提高性能或庞大的数据集，这时带宽可能会成为一个严重问题。
数据集成将数据同步过来以后，我们需要实时的数据仓库将这些数据更好地应用起来。刚才简单介绍了实时数仓的解决方案，接下来我们向大家详细介绍基于Hologres和Flink的实时数据分析方案。
读取数据量减少95%，20倍性能提升、常用表和查询缓存，30倍性能提升、PB级可扩展性、提供交互协作的Notebook，可以满足数据工程师和科学家的编辑作业/共享结果的需求、将大数据和AI统一到一个平台，底层共享数据。架构上Databricks是Delta架构下的数据湖分析，也是批流一体的实时数仓。
KubeVela/OAM 提供了面向Kubernetes的服务抽象和服务组装能力，可以将不同实现的工作负载和运维特征进行统一抽象和描述，并提供插件式的注册与发现机制，进行动态组装。
还记得那个古老的笑话吗?世界上有两类人——一类人相信世界上有两类人,而另一类人完全不相信前一观点。好吧,我确实相信世界上有两种数据科学家。我并不是在说那些学习计算机科学的数据科学家和那些学习统计学的数据科学家。
向量检索的算法繁多且缺乏通用性，应对不同数据维度和分布有不同算法，但总体可归为三类思想：空间划分法、空间编码和转换法、以及邻居图法。空间划分法以 KD-Tree、聚类检索为代表，检索时快速定位到这些小集合，从而减少需要扫描的数据点的量，提高检索效率。
AI的计算机视觉技术可以扫描遥测数据，以保护存储阵列免受漏洞侵害。当使用有关漏洞的历史数据进行训练时，机器学习算法可以将来自各种应用程序的传入数据与历史数据进行匹配，以发现漏洞的可能性。因此，借助AI的预测分析，存储供应商可以着眼于在遇到客户之前防止存储问题。
lsif的图存储格式让人自然地联想到用图数据结构存储，图查询的速度也比较快，然而由于索引变化迭代较快，频繁更换的ID导致图存储难以适配增量方案，不同代码库不同语言的索引数据很难在一张图中结构化，参考了社区的相关实践，考虑到成本和性能，因为ES天然地适合大规模的数据存储和索引，我们最后选择了用ES（Elasticsearch）做结构化数据存储。
