在涉及敏感数据的行业工作的云原生开发人员更倾向于在本地服务器或私有云上运行代码。与其他行业相比，金融服务领域的云原生开发人员在本地服务器上运行代码的比例高 12%，而医疗保健领域的开发人员的比例高 8%。
另外，电信和政府/国防领域的云原生开发人员使用私有云、公共云和本地服务器的比例大致相同。这些开发人员使用公共云的比例相对较低。
当 Serverless 计算的规模与影响力变得越来越大，在应用框架、语言、硬件等层面上根据 Serverless 负载特点进行端对端优化就变得非常有意义。新的 Java 虚拟机技术大幅提高了 Java 应用启动速度，非易失性内存帮助实例更快被唤醒，CPU 硬件与操作系统协作对高密环境下性能扰动实现精细隔离，新技术正在创造崭新的计算环境。
IT组织需要考虑Ops这个主题。IDC公司指出，IT自动化是2020年人工智能增长最快的用例之一(以及药物研发和人力资源自动化)。正如DevOps研究所的首席研究总监Eveline Oehrlich在最近的一篇文章中指出的那样，AIOps可以证明IT组织具有变革性，因为在IT组织中，运营环境所生成的数据太多了，使领导者的决策受到了影响。
虽然在灰度发布的过程中，依然没有办法直接对流量进行精细粒度控制（引入 Service Mesh 技术能增强流量控制力，不在本文讨论范围），但相比简单的发布脚本，已经有了飞跃性的提升。
另外一种是 Serverless 化的容器技术，Serverless 化的容器实例运行在案例隔离的环境中，每个计算节点通过轻量级虚拟化安全沙箱技术完全强隔离。对于使用者而言，无需购买服务器资源即可直接部署容器应用，也无需对集群进行节点维护和容量规划，可以根据应用配置的 CPU 和内存资源量进行按需付费。
但大多数业务还都是以国内为主的，所以国内要建双中心，防止核心库挂掉整个管控就都挂掉了。同时海外的环境比较复杂，一旦海外中心挂掉了，还可以用国内中心顶上。国内的双中心还有个非常大的好处是可以通过一些路由策略，分散单中心系统的压力。这种三个中心且跨海外的场景，应该是目前**多活最难实现的了。
法总结
优点：
区域之间无状态，无网络调用，具备可靠唯一性
缺点：
分区容量存在局限性，需要预先评估业务容量。
从Id中无法判断生成的先后顺序。
算法总结
优点：
区域之间无状态，无网络调用，具备可靠唯一性
缺点：
分区容量存在局限性，需要预先评估业务容量。
从Id中无法判断生成的先后顺序。
当接收消息的时候我们并不保证强顺序，采用LWW（Last Write Wins）的方式，也就是说我们执行当前的SQL而放弃前面的SQL，这样我们就不用考虑交换的问题。同时我们会根据消息的唯一性（实例+单元+数据库+MD5(SQL)）对每个消息做幂等，保证每个SQL都不会重复执行。而对于结合律，我们需要对每个操作单独分析。
