随着应用、团队、业务功能点数量的增加，所需要的开发测试环境数量还会成倍的增长，造成巨大的资源浪费。对于测试环境的计算资源而言，资源利用率要远低于生产环境。
我们发现，这两个步骤中并不涉及容量评估、服务器购买、操作系统安装、资源初始化等工作，就能让包含多个对等实例的微服务应用运行起来。这是因为在 Serverless 的世界中，不再具有服务器资源这样的概念，应用的载体是 SAE 调度出来的沙箱容器，每个实例只有在真正投入使用后，才会按使用时长进行计费。
对于开发测试环境而言，SAE 的机制弹性能力能体现得更加淋漓尽致，得益于 SAE 出色的资源调度能力，可以一键启停一整套微服务应用。即便仅对一项简单的新功能进行冒烟测试，也完全可以新启一套完整而隔离的测试环境来进行。
对于企业来说，每时每刻都在产生海量的数据，数据采集作为数据体系第一环尤为重要。
因此在数据采集层需要建立了一套标准的数据采集体系方案，并致力全面、高性能、规范地完成海量数据的采集，将其传输到大数据平台。
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。特别是要由唯一团队负责将核心业务数据统一加入数据中间层。
这些技术能够构建容错性好、易于管理和便于观察的松耦合系统。结合可靠的自动化手段，云原生技术使工程师能够轻松地对系统作出频繁和可预测的重大变更。
软硬一体设计，可以针对规模和性能进行全栈优化，极大降低计算成本。而且由于云计算的规模效应，随着产量的增加，边际成本会拉低平均制造成本。全球主流云厂商都在 IDC 设计、网络、芯片等方向加大自研投入。
SAE 是一款面向应用的 Serverless PaaS，0 改造 0 门槛 0 容器基础是它的特点，可以让用户非常方便地享受到 Serverless、 K8s 以及微服务带来的技术红利。同时也支持多种微服务框架、多种部署渠道（包括自己产品的 UI 部署 / 云效 / Jenkins / 插件部署等）、多种部署方式（包括 War / Jar / 镜像部署等）。
这里有两个核心问题：
一是防穿透，比如我们的 Pod 或容器使用的是像 Docker 这样的传统容器技术，把公有云的 a 和 b 两个用户跑到一个物理机上，其实有非常高的安全风险，b 用户很有可能会侵入到 a 用户的容器里获取用户信息，所以这里面的核心就是要限制用户能力，防止其逃逸。
可观测性
应用程序存在着许多监控操作。随着Sidecar将很多能力下沉，包括访问RPC和DB，此前以中间件形式实现的监控操作，现在则以切面形式来实现，二者有很大的区别。
