通过使用AI数据存储，供应商和企业可以将存储管理提升到一个新的水平。而且，存储管理员可以找到他们目前正在努力管理的指标的解决方案。
存储管理员在管理存储问题时面临一些挑战。而且，如果他们克服了这些挑战，将帮助他们在数据存储的各个方面之间找到适当的平衡，例如在哪里分配工作负载，如何分配工作负载以及如何优化堆栈等等。
不难看出，这是一个比较复杂的信号分离任务，传统的信号处理方法通过一系列条件约束求得了最终的解析解或迭代解，一般假设噪声信号和语音信号之间相互独立，cosq为0，但这通常是不合理的假设，也影响了算法效果的上限；
所以才需要更加体系化、系统化的方式来支持这一过程，因此演化出来可观测性这个概念。所以核心点在于：
• 系统更加的复杂：以前的汽车只需要一个发动机、传送带、车辆、刹车就可以跑起来，现在随便一个汽车上至少有上百个部件和系统，故障的定位难度变的更大。
双11的保障也是需要设计的。双11本身是一个业务的活动事件，因为规模比较大，所以需要很多的技术来支撑这个东西。技术里面我们可能要考虑低成本、高效率、高稳定，并且还要引入一些更多的新技术来支撑，也要把这些东西整合好，架构设计好，让它很润滑、很流畅地保证我们的业务。
从2017年到业务平台以后能学到系统它的链路是什么样的，数据链路是怎么样的，整个调用链路是怎么样的，它和底层的关系是什么样的，可能遇到什么样的问题了？
安全是企业上云的核心关切之一。云原生的敏捷性和动态性给企业安全带来新的挑战。由于云上安全是责任共担模型，需要企业理解与云服务商之间的责任边界，更要思考如何通过工具化、自动化的流程固化安全最佳实践。
随着人工智能技术深度应用，视频分析技术智能化发展，视频监控已从被动识别过渡到了主动获取、分析、预测的阶段。视频监控与视频分析、深度学习、云计算等领域资源不断整合，摄像头的功能不断深化、使用场景不断丰富，成本、算法、带宽容量不断优化，产业边界不断拓宽。
企业在实时数仓建设过程中应用最广泛的当属Labmda架构，它一定程度上解决了大部分企业数字化建设初期的业务问题，但是随着业务的快速发展、数据量的暴涨和业务需求的变化，Lambda架构的问题也就逐步凸显
5）提供日志分析、监控、Tracing一站式能力，针对时序场景深入优化引擎，保证时序日志监控和分析的性能。
6）扩展性：基于分布式架构，以及灵活开放的RestAPI和Plugin框架，背后的开源社区也在为全新的技术栈提供丰富的对接手段
