gydtep

机器学习在物联网中的应用
机器学习在识别潜在威胁、发现网络中的漏洞和识别系统性物联网漏洞(例如物联网设备上缺少密码保护或密码保护较弱)，以及解决网络配置以构建防御方面非常有用。

gydtep

首先精力不够的话，我们就没有足够的时间去磨练技能，从而导致技能不够。技能不够又会让我们在面对巨大的工作压力时，无法产生幸福感。为什么幸福不够呢？我想源头是在认知上。为了解决这个问题，我提出了一些方法供大家参考。

gydtep

可以通过流水线去实现自动化的持续集成与持续交付应用和基础设施，大大加速了开发和运维角色的融合。

gydtep

此外由于分布式系统的内生稳定性挑战，基于声明式的，面向终态的 “level-triggered” 实现比基于命令式API，事件驱动的 “edge-triggered” 方式可以提供更加健壮的分布式系统实现。

gydtep

屏蔽底层实现：K8s通过一系列抽象如Loadbalance Service, Ingress, CNI, CSI，帮助业务应用可以更好通过业务语义使用基础设施，无需关注底层实现差异。

gydtep

IoT设备管理：KubeEdge和OpenYurt等边缘容器技术都提供了对海量边缘设备的管理能力。

gydtep

SRE团队成为了水平支撑团队，支撑上层研发效率提升和系统稳定性。而随着 Kubernetes的发展，让SRE团队可以基于K8s构建自己企业的应用平台，推进标准化和自动化，让上层应用开发团队通过自服务的方式进行资源管理和应用生命周期管理。我们看到组织方式进一步发生了变化。新的平台工程团队开始浮现。

gydtep

类似 Cloud Foundry 的经典 PaaS 实现会建立一套独立概念模型、技术实现和扩展机制，这种方式可以提供简化用户体验，但是也引入了一些缺陷。

gydtep

Open Application Model（OAM）开放应用模型，以及它的 Kubernetes 实现 KubeVela 项目，正是阿里云联合微软和云原生社区，共同推出的云原生应用交付与管理领域的标准模型与框架项目。

gydtep

其中，OAM 的设计思想是为包括 Kubernetes 在内的任何云端基础设施提供一个统一、面向最终用户的应用定义模型；而 KubeVela，则是这个统一模型在 Kubernetes 上的 PaaS 参考实现。