gydtep

除了数据需要进行异构处理外，一些计算规则也需要迁移到信息流处理中，比如商家的店铺信息处理等。数据和计算规则的异构使我们能够实现解耦，这种设计对应着一个标准化的范式。几乎在所有的业务场景都能看到这种设计。

gydtep

但是，仍然有很多人经常看到有关自动驾驶汽车事故的新闻，例如Uber自动驾驶汽车事故在美国亚利桑那州撞死了一名行人。发生事故的原因据说是自动驾驶汽车无法准确检测和识别行人。为了尽可能地减少此类事故，需要对自动驾驶车辆进行大量的训练，以准确检测其路线中是否存在人员和任何其他物体，这就是深度学习的介入。自动驾驶汽车的深度学习可以帮助他们有效地分类和检测道路和周围环境中的人或物体。

gydtep

媒体在将人工智能技术引入家庭中扮演了重要角色，但是其描述对如何开发和实施人工智能技术有什么影响?

gydtep

配置要和代码完全分离，环境变量可以非常方便地在不同的部署间做修改，却不动一行代码。配置主要包括数据库信息，缓存信息，第三方服务证书，每份部署特有的配置，如域名等信息。

gydtep

12-factor 应用本身从不考虑存储自己的输出流。不应该试图去写或者管理日志文件。相反，每一个运行的进程都会直接的标准输出（stdout）事件流。开发环境中，开发人员可以通过这些数据流，实时在终端看到应用的活动。

gydtep

容器作为标准化软件单元，它将应用及其所有依赖项打包，使应用不再受环境限制，在不同计算环境间快速、可靠地运行。

gydtep

近两年开始，随着 AWS Lambda 的出现，部分应用开始尝试利用 Serverless 来架构微服务，这种方式被称之为第四代微服务架构。在这个架构中，微服务进一步由一个应用简化为微逻辑（Micrologic），从而对边车模式提出了更高诉求，更多可复用的分布式能力从应用中剥离，被下沉到边车中，例如：状态管理、资源绑定、链路追踪、事务管理、安全等等。同时，在开发侧开始提倡面向 localhost 编程的理念，提供标准 API 屏蔽掉底层资源、服务、 基础设施的差异，进一步降低微服务开发难度。这个也就是目前业界提出的多运行时微服务架构（Muti-Runtime Microservices）。

gydtep

共享（Sharing）--- 要实现真正的协作，还需要团队在知识层面达成一致。通过共享知识，让团队共同进步：可见度 visibility：让每个人可以了解团队其它人的工作。这样可以知道是否某一项工作会影响另一部分。通过相互反馈，让问题尽早暴露。

gydtep

容器我们需要坚定的使用 Kubernetes（ACK），结合零售行业的特性，Serverless 不是强需求， ASK 短期可以不用。容器建设上需要考虑多租户容器逻辑和物理隔离，多租户容器运行时管理等。

gydtep

汽车和消费品行业面临监管机构的苛刻要求，而遵守这些法规是AI和机器学习的一大亮点。高质量摄像机的成本每年都在下降，而AI图像识别和处理软件仍在不断快速改进。因此，基于AI的检查方法对企业越来越有吸引力。