gydtep

在初期，Kubernetes 上主要运行着无状态的 Web 应用。随着技术的成熟和社区的发展，我们看到更多的有状态应用和大数据 /AI 应用负载逐渐迁移到 K8s 上。目前企业的大数据业务还是被 YARN 等调度技术主导，但是 K8s 已经在大数据社区得到更多的关注。Flink、Spark 等开源社区和一系列商业公司如 Cloudera、Databricks、星环都开始加大对 K8s 的支持力度。

gydtep

蚂蚁的大部分业务已经实现云盘存储，也就是将日志存储到远方磁盘。此前，单体应用通常将数据存储于本机磁盘，并且不提供其它冗余备份；而云盘则默认提供数据冗余，这在基于日志不可靠假设进行应用设计时带来了很多变化。

gydtep

签约节点发起一个灰度设计，此后和签约节点相关的节点需要参与进来，一同完成灰度。假设灰度的内容是某仓库信息，此时所有参与节点都需要对本节点下的相关数据进行灰度。在实际进行灰度时，每个节点实现灰度的方式可能不同。

gydtep

值得注意的是，这是一个最复杂的配置灰度设计，实际上的灰度设计比这个场景要简单地多。

gydtep

最初，前端智能化方向的提出是为了给前端技术带来变革，借助 AI 和机器学习的能力拓展前端，就像拥有望远镜人类就有了神话中的千里眼，拥有了 AI 前端也会在自身能力的基础上产生更强的“超能力”。

gydtep

前端智能化算法工程体系升级，引入云原生能力使智能化算法框架 Pipcook 可以从数据侧、模型侧、训练侧、部署侧支持云原生，能够更便捷的融入云原生体系，保障使用者可以直接上线模型算法支撑业务，打通业务的全链路。

gydtep

P2C 业务研发平台打造：需求暨代码、需求暨生产、协作在线化的全新业务研发模式。打通需求、设计、研发的全链路，保证信息流转的完整性、迅捷性、连贯性，确保最终交付物和需求的结构化信息的一致性，需求迭代的数据化驱动。

gydtep

模型理解之模型准确率：理解了模型应该做什么？才能通过模型在业务上反馈的数据设定评估指标。根据指标暨存业务、类似业务和全新业务上的指标表现，可以分别判断模型在应对已知问题、类似问题和全新问题的准确率，而类似问题和全新问题的准确率是模型的泛化能力。通过模型自身的准确率数据，结合业务上反馈数据的评估指标情况，能够更全面判断模型准确率指标。

gydtep

这些汽车与IoT设备等多种技术集成在一起，以收集数据，云计算以处理数据，以及5G以提高数据传输速度。一旦这些技术能够有效地协同工作，以建立良好的交通生态系统，自动驾驶汽车就能成为主流。

gydtep

服务端也有一些方案，比如点击后发起请求由服务端打标，然后FAAS层根据标记计算数据源展示。或者客户端打标，在请求时回传标记给服务端，然后由FAAS层计算数据源展示。两种服务端方案，本质上类似，都是想办法让服务端侧获取这个标记数据。