gydtep

服务网格在架构上实现了数据平面与控制平面的分离，这是一个非常优雅的架构选择。企业客户对数据平面有着多样化的需求，比如支持等多样化协议（如Dubbo），需要定制化的安全策略和可观测性接入等。服务控制平面的能力也是快速变化的，比如从基础的服务治理，到可观测性，到安全体系，稳定性保障等等。但是控制平面与数据平面之间的API是相对稳定的。

gydtep

CNCF 建立了通用数据平面 API 工作组（Universal Data Plane API Working Group / UDPA-WG)，以制定数据平面的标准 API。通用数据平面 API（UDPA）的目标是：为 L4/L7 数据平面配置提供实现无关的标准化 API，类似于 OpenFlow 在 SDN 中对 L2/L3/L4 所扮演的角色。UDPA API 涵盖服务发现、负载均衡、路由发现、**配置、安全发现、负载报告、运行状况检查委托等。

gydtep

UDPA API 基于现有的 Envoy xDS API 逐步演进，目前除支持 Envoy 之外，将支持客户端负载均衡实现 (比如 gRPC-LB)，更多数据平面代理，硬件负载均衡和移动客户端等等。

gydtep

其上是 Dapr 运行时和“building block” (构件)。Dapr 构件解耦了外部服务和服务的消费者，可以按需加载。构件以统一的 HTTP/gPRC API 为应用层提供服务访问。我们可以将外部服务从 Amazon DyanamoDB 切换为 Azure ComosDB ，上层应用无需修改任何代码。Dapr 运行时作为一个独立的 sidecar 进程，独立于应用逻辑。

gydtep

应用通过轻量化的 SDK 来简化对构件 API 的调用，基于 gRPC/HTTP 开放协议可以轻松支持多语言。

gydtep

尽管 Dapr 和 Service Mesh 在架构上有些类似，服务治理功能有所重叠，但两者在本质上却大有不同。服务网格对应用是透明的基础设施；而 Dapr 为状态管理，服务调用和故障处理，资源绑定，发布/订阅，分布式跟踪等提供抽象，需要应用程序通过 SDK/HTTP/gRPC 显式调用 Dapr 能力，它是面向开发人员的开发框架。

gydtep

在AI工程师开始训练他们的机器学习模型之前，他们通常只花费75%的时间来简单地处理起始数据。请记住，要训练在IIoT设备上运行的机器学习模型，必须具有一个或多个数据集，以反映应用上线时的实际条件。

gydtep

创建数据集的过程是多部分的-从经常收集多年的数据开始，工程师将需要确定数据的总体结构。他们需要消除数据中的任何缺陷、差异或差距，然后将这些数据转换为算法需要与之进行有效交互的形式。

gydtep

现在，很多企业都想实现数据闭环，其实闭环就是非常典型的方法论。那么，这个方法论究竟能不能解决问题？能不能在组织和团队里运行起来？背后是否缺失了哪些环节？在这里，陈新祥分享了一个国内的实际案例。

gydtep

当然，这是他们根据产品的情况以及公司所处的发展阶段做的取舍：当时公司不急着变现于是收入被拿掉了，日活做的数据没有太大作用于是被拿掉了，拉新也被拿掉了。他们觉得产品留存很好，在当下阶段团队已经做到能力范围的上限了，投入更大的精力也不会有很大的提升。之后，他们只留下了日活跃占比和日活跃参与度，并调整了内部的报表体系。