虚拟机和容器是两种取向不同的虚拟化技术，前者安全性强、开销大，后者则相反。Serverless 计算平台一方面要求兼得最高的安全性和最小的资源开销，另一方面要保持对原有程序执行方式的兼容，比如支持任意二进制文件， 这使得适用于特定语言 VM 的方案不可行。
机器学习方法可用于检测电子邮件中的异常，模式识别技术可识别需要保护的受监管个人数据，无监督机器学习可对网站进行分类并识别高风险网站，无监督机器学习可在网络钓鱼和垃圾邮件尝试中发现近乎重复的网站。TrendMicro公司最近发表的一篇文章指出，端到端深度学习是检测恶意软件的解决方案。
在应用生命周期管理以及服务治理方面， Kubernetes 提供了比较完善的实现机制，通过构建 Deployment 资源，配合 proStop 和 postStart 脚本，能比较方便的实现滚动发布以及应用的优雅上下线。
Serverless 技术存在多种形态，最典型的一种是 FaaS（Function as a Service，函数即服务），比如阿里云的函数计算（Function Compute，FC）产品。在函数计算领域，一切计算资源的申请和调度都由具体的业务事件触发，当业务事件所对应的任务完成之后，计算资源会被立即释放。这样的方式真做到了计算资源的按需分配，能显著提升资源利用率，是 Serverless 技术的终极形态。
再谈谈为什么要做多中心容灾，以我所在的CDN&视频云团队为例，首先是海外业务的需要，为了能够让海外用户就近访问我们的服务，我们需要提供一个海外中心。
比如int32的范围从-2147483648到2147483647，Id使用范围1,2100000000)，前两位表示region，则每个region支持100000000（一亿）个资源，即Id组成格式可以表示为[0-20。
即int32位可以支持20个单元，每个单元支持一亿个Id。
比如int32的范围从-2147483648到2147483647，Id使用范围1,2100000000)，前两位表示region，则每个region支持100000000（一亿）个资源，即Id组成格式可以表示为[0-20。
即int32位可以支持20个单元，每个单元支持一亿个Id。
通过DRC的拆解，数据库操作有三种：insert、update、delete，这三种操作不管哪两种操作都是不能满足交换律的，会产生冲突，所以我们在并发级别（主键）加上额外信息，这里我们采用序号，也就是2中提到的染色的过程，这个过程是保留的。而主键之间是并发的，没有顺序而言。
在权责方面，面向业务提供服务之前，由统一的团队负责从业务中抽象出源于业务而又不同于业务的数据域，再主导统一建设数据中间层，包括侧重明细数据预JOIN等处理的明细中间层、侧重面向应用可复用维度和指标的汇总数据中间层。
云计算的经济学基础来自规模经济。直观上，批量采购，带来更低的供应链成本；大型数据中心，降低运营成本。更重要的是，由于不同用户不同时间的工作负载不同，可以利用规模优势进行削峰填谷。结合自动化、智能化的供应链和运营体系，进一步提升了硬件资产运营效率。云计算正如电力这样的公共服务基础设施，集中发电比每家每户自建发电机，有更低的成本和更高的效率。
