gydtep

我也不是在谈论机器学习狂热分子与传统统计建模的数据科学家。经典的统计建模和由现代机器学习开发的算法在识别和利用数据集的重要特征方面都起着重要的作用。本书将帮助你更好地理解这两种方法,并将它们更有效地结合到分析数据集中。

gydtep

云的第一个阶段就是基础设施云化，这里就是云托管模式。基于云上的存储、网络等基础设施来构建应用，这种模式的核心价值在于资源的弹性和成本。下一个阶段中，云的体系已经远远超越了基础设施，能够看到在各个领域都出现了很多的云服务。因此，在今天需要考虑如何利用云服务的能力，以搭积木的方式来更快速地构建应用，而不是重复造轮子，这就是云原生的模式。

gydtep

但CR场景或者轻量级的代码浏览场景，这种方式就显得时效性比较低了，几分钟后或许用户已经完成了代码浏览，而且缺少持久化的存储会导致资源过度消耗。

gydtep

这背后带来的问题是什么？我们原来产生用共建的方式支撑了50多个BU的会员、商品、交易、营销、资金、支付、库存逆向等等业务，其实每个里面都是遍地开花的if else。

gydtep

为什么低呢？云作为一种分布式架构，其“土著居民”也应该是基于分布式架构设计出来的，而微服务或 Serverless 这种将服务或函数拆分成一个个模块的松耦合系统，天然具备分布式设计的属性。这是 Native 的第一种表现。

gydtep

CPA 定理
该定理认为对于一个分布式计算系统来说，不可能同时满足以下三点：

一致性（Consistence）
可用性（Availability）
分区容错性（Partition tolerance）
分布式意味着必须满足分区容错性，也就是 P，因此一般只能是 AP 或 CP。

gydtep

数据分析、商业智能以及硬件领域的开发人员更倾向于在公共云上运行软件。与其他行业的平均水平相比，这些行业中的云原生开发人员在公共云中运行代码的概率高 7%。

gydtep

应用生命周期全面托管。在容器技术基础上，应用进一步描述清晰自身状态(例如通过 Liveness Probe)， 描述自身的弹性指标以及通过 Service Mesh 和 Serverless 技术将流量托管给云平台。云平台能够全面管理应用的生命周期，包括服务的上下线、版本升级、完善的流量调配、容量管理等保障业务稳定性。

gydtep

亟需完善的水平扩容与缩容方案
当某一个应用的性能出现瓶颈，需要通过增加实例数量来提升性能的时候，就需要引入新的计算资源。

新的计算资源从何而来呢？

gydtep

另一种是单元化服务，各个单元的数据并不是全量数据，一个单元挂掉，并不能切换到其他单元。目前还能看到双中心的形式，两个中心都是全量数据，但双跟多还是有很大差距的，这里其实主要受限于数据同步能力，数据能够在3个及以上中心间进行双向同步，才是解决真正**多活的核心技术所在。