第一时间让客户使用跟阿里巴巴一样的技术，是中间件开源、自研、商业化三位一体的初衷。这些源自三位一体的产品正帮助云上客户更好的提升 Ops 的效率。
开发涉及更多的人：随着全球化时代的到来，公司、部分的分工也越来越细，也就意味着系统的开发和维护需要更多的部门和人来共同完成，协调的代价也越来越大。
IT系统的可观测性实施起来其实和电气工程还是比较类似，核心还是观察我们各个系统、应用的输出，通过数据来判断整体的工作状态。通常我们会把这些输出进行分类，总结为Traces、Metrics、Logs。关于这三种数据的特点、应用场景以及关系等，我们会在后面进行详细展开。
数据：传感器产生数据后，我们需要有足够的能力去获取、收集各种类型的数据，并把这些数据归类分析。
算力：可观测场景的核心是需要覆盖足够多的数据，数据一定是海量的，因此系统需要有足够的算力来计算和分析这些数据。
• 面向客户经理贴身助手：业务变化非常迅速，知识变化也随之飞快，坐席团队流失率居高不下，有些甚至达到100%以上，这也就意味着，坐席人员在服务过程中亟需强大有力的辅助工具来解决效率和学习的问题。
数据驱动的人机融合： 坐席与被服务的C端对象如何形成一个更好的组合关系，更快度的解决问题，提升客户满意度。通过智能分配与实施推荐能力，在人机结合场景上，基于客户画像与历史行为表现，集合当前线路的忙闲、技能组等情况进行综合制定；
自我进化的智能辅助：基于坐席采用反馈和服务效果反馈的自我进化的知识和SOP挖掘模型，降低坐席负荷同时提高了满意度和转化率。核心解决企业内部知识生产匮乏，减少人力沉淀知识比重；将问答知识、意图知识、SOP知识等通过技术进行提炼，结合人工参与到业务；使企业内部知识库实时更新、流动起来；
Fielddata：用于 text 字段分词或排序时获取字段值，基于 lucene 的 segment 构建，伴随 segment 生命周期常驻在堆内存中。
个人刚融入这个环境时，觉得不能写一个基于 epoll/iocp/kqueue 接口封装一个异步网络通信库，会在同事面前矮人三分。
根据不同业务场景，对于数据采集的时效性要求也是不一样的，一般分为离线数据采集和实时数据采集。
