以上内容主要围绕数据驱动的闭环展开，包括目标、洞察、迭代、落地等各个环节，在这之中有一套标准的方法论，如果能把这套标准方法论体系化和产品化，可以极大的提升决策效率。
不需要关心writer的Block ID等等。另外，因为flush成功后数据就可见了，所以session也没有commit这种状态。因此，如果要开发分布式服务，这个相比批量上传就简化很多，没有太多的限制，只需要确保本机内存是否够大就好了。
足够的算力：分布式、可扩展，面对PB级的数据，也能有足够的算力去分析
灵活智能的算法：除了基础的算法外，还应包括AIOps相关的异常检测、预测类的算法，并且支持对这些算法进行编排
Traces/Logs：最简单直接的方式是关键词的查询，包括TraceID查询也只是关键词查询的特例
数据分析（一般针对Traces、Logs）：通常Traces、Logs还会用于数据分析和挖掘，所以要使用图灵完备的语言，一般程序员接受最广的是SQL
随着人工智能技术的不断发展，知识图谱作为人工智能领域的知识支柱，以其强大的知识表示和推理能力受到学术界和产业界的广泛关注。
对比3个基线的“标题噪声”和“图像噪声”，随着TNR的增加，模型性能下降了15.1% ~ 43.9%，而随着INR的增加，模型性能下降了2.8% ~ 10.3%，说明文本信息的作用更为重要。
有空位坐就可以了。当然我们还是需要关注值对象上下文的，如刚才的例子，我们消费者并不关心坐哪个位子，但是商家是关心的，因为他要根据桌号来进行上菜以及收账。
实现业务领域模型的构建。使得限界上下文可以作为微服务拆分和设计的边界。因为必须先有边界清晰的领域模型以及上下文，我们才能设计出边界清晰的微服务。因此在战略设计阶段最重要的就是限界上下文以及领域建模。
如果可以有一个统一的消息系统（产品）来提供多场景计算（如 stream、event）、多场景（IoT、APP）接入，其实是非常有价值的，因为消息也是一种重要数据，
当然我们光用技术语言和项目语言也是无法完全处理好汇报关系的。因为不管甲方也好、乙方也罢，都是一个活生生的人。我们要在跨团队合作中
