测试阶段：在此阶段需要重点关注测试的质量，例如测试覆盖率，以及测试用例的失败率等指标
第二阶段：上世纪七八十年代，此时小型机已经开始普及。不仅是在国防和科学研究，更多的是在商业领域，包括银行这样的系统开始应用小型机。与此同时，关系型数据库开始诞生，出现了包括DB2、Oracle以及Ingres等之名关系型数据库。
人工智能、深度学习浪潮直观的反映出行业往深度智能阶段发展的趋势走向，这并非偶然现象，几大应用市场需求的驱动，上游深度学习芯片和算法的开源，行业所具备的天然的海量数据训练集特征等多维因素一起推动了安防走向深度智能化。
应用托管
应用托管，相当于应用生命周期的管理，包括应用发布、重启、扩容、灰度发布等，其使用的心智和大家在使用应用或其他 PaaS 平台是一样的，上手门槛非常低。
在应用层，则需要处理与应用相关的操作，比如代码包的错误、配置错误、心跳异常的处理。下图中蓝色虚框中的部分可以完全由平台负责，用户可以无感知；蓝色实框则是平台帮助用户做了大量工作，但是还是需要用户感知和作出一定决策；
第二层要从 Native 来看，云原生和在云上跑的传统应用不同。一些基于公有云搭建的应用是基于传统的 SOA 架构来搭建的，然后再移植到云上去运行，那么这些应用和云的整合非常低。
支fb最开始是一个单体应用。随着业务不断发展，支fb拆分成了多个服务，衍生出了若干代架构。微服务是服务化后的进一步演进，服务的粒度比服务化更细，具有很好的流量管控机制，中间件和编程模型。
事件驱动架构还可以完美地与 Function as a Service (FaaS) 相整合。事件触发函数执行业务逻辑，在函数中也可以编写集成多个服务的“胶水代码”，简单、高效地构建事件驱动架构的应用。
首先是“Failures can and will happen”，我们需要提升服务器的可替换性。在业界有一个非常流行的隐喻：“Pets vs. Cattle”，宠物和家畜。
虽然知识更新很快，但是基础理论的变化却非常缓慢。这就是“道”和“象”关系，纵是世间万象，道却万变不离其宗。对于那些非常基础的理论知识，我们需要经常复习，也就是“学而时习之”。
