gydtep

SAE 的核心特点可以总结为三个：一个是 0 代码改造，二是 15s 弹性效率，三是 57% 的降本提效。

gydtep

通过 SAE，我们希望能够让用户 0 改造、0 门槛、0 容器基础即可享受到 Serverless + K8s + 微服务的价值红利，最终帮助用户更好面对业务上的挑战。

gydtep

Serverless 技术存在多种形态，最典型的一种是 FaaS（Function as a Service，函数即服务），比如阿里云的函数计算（Function Compute，FC）产品。在函数计算领域，一切计算资源的申请和调度都由具体的业务事件触发，当业务事件所对应的任务完成之后，计算资源会被立即释放。这样的方式真做到了计算资源的按需分配，能显著提升资源利用率，是 Serverless 技术的终极形态。

gydtep

IDC公司人工智能计划副总裁Ritu Jyoti指出：“越来越多的组织将采用人工智能，而且必须这样做。人工智能是可以帮助组织进行业务敏捷转型、创新和扩展的技术。”

gydtep

从经济学的角度来讲，云计算是 IT 产业发展的必然阶段。互联网和移动互联网时代的到来，加速了企业的数字化转型。云计算可以提供时刻在线的服务能力，并满足日益增长不断变化的计算需求。此外，云计算将 IT 服务的固定成本投入转化成为了可变成本，极大降低了创新成本。在咖啡馆中，随处可见创业的青年人围坐在一起构画未来，是互联网和云计算让梦想变得触手可及。

gydtep

加速数据服务的云原生化：由于计算存储分离具备巨大的灵活性和成本优势，数据服务的云原生化也逐渐成为趋势。容器和 Serverless 的弹性可以简化对计算任务的容量规划。结合分布式缓存加速（比如 Alluxio 或阿里云 Jindofs）和调度优化，也可以大大提升数据计算类和 AI 任务的计算效率。

gydtep

Serverless 理念及相关产品的推出已经走过差不多 7 个年头，在这个过程中云原生的技术也在不断成熟，包括Docker、 K8s 等。阿里云在 2018 年的时候就开始思考另一种 Serverless 形态，即 Serverless application，也就是 SAE 这款产品，其于 18 年 9 月上线，19 年商业化，至今也走过了 3 个年头。

gydtep

在数据库方面，如何解耦核心和非核心业务的DB。在业务链路方面，由于微服务具有复杂的业务场景和节点，这些业务场景和节点间如何混合，业务节点如何支撑业务链路，容量不足时哪些业务场景应优先通过，限流时应优先限流哪些业务等也是解耦需要关注的内容。总体而言，解耦原则要求将最核心的业务链路隔离出来，使其与其它业务间的耦合尽可能小。

gydtep

图中的业务场景对应着买家向卖家支付。由于实际支付时，支付操作后置一段时间并不会引发大问题，因此大部分系统在实际运行时，买家向卖家支付的钱都不会即时到账，而需要经过一段时间的累积后再批量到账。本质上，这是一种信息流和业务流的解耦。

gydtep

机器学习算法在训练自动驾驶汽车时面临特征提取的问题。特征提取要求程序员告诉算法他们应该寻找什么来做出决策。因此，机器学习算法的决策能力在很大程度上取决于程序员的洞察力。深度学习的功能有所不同，消除了特征提取的问题，从而使深度学习神经网络的检测和决策更加准确。深度学习可以提高检测道路上障碍物的准确性和更好的决策能力，可以帮助应对自动驾驶汽车面临的许多挑战。