gydtep

第三定律：There is a homomorphism from the linear graph of a system to the linear graph of its design organization，即线型系统和线型组织架构间有潜在的异质同态特性。

gydtep

云原生开发的灵活性让各个组织更灵活地操作分布式基础架构，并按需合理分配工作资源。

与未参与云原生的开发人员相比，云原生开发人员掌握的计算基础架构确实更多。这些开发人员更加愿意在私有云、公共云、混合云和本地服务器等四种环境中运行代码，且平均使用了1.8种环境，而未参与云原生开发人员的平均值为1.5。

gydtep

过往 Kubernetes 上主要运行着无状态的 Web 应用。随着技术演进和社区发展，越来越多有状态应用和大数据 / AI 应用负载逐渐迁移到 Kubernetes 上。Flink、Spark 等开源社区以及 Cloudera、Databricks 等商业公司都 开始加大对 Kubernetes 的支持力度。

gydtep

趋势三:Serverless 计算将持续提高计算密度，实现最佳的性能功耗比和性能价格比
虚拟机和容器是两种取向不同的虚拟化技术，前者安全性强、开销大，后者则相反。Serverless 计算平台一方面要求兼得最高的安全性和最小的资源开销，另一方面要保持对原有程序执行方式的兼容，比如支持任意二进制文件， 这使得适用于特定语言 VM 的方案不可行。

gydtep

边缘人工智能正在得到广泛应用，其应用范围从智能音箱到街头的摄像头。

边缘处理器制造商Hailo公司首席执行官Orr Danon表示：“直到最近，边缘的人工智能基本上还是理论上的。在2021年，我们可能会看到，由于技术的进步，边缘人工智能的产品将出现增长，这些技术更容易获得，价格也更低廉。

gydtep

能够预测突然变化(供应或需求、医疗保健成果、销售或客户行为)的价值越来越清晰。

在基本层面上，有监督的机器学习(特别是回归)使组织能够建立数学模型，根据一系列预测变量或输入来预测未来的结果。

gydtep

对于线下 IDC 而言，计算资源是需要预先规划的，扩容并不是一件简单的事情，可能会因为各种条件的制约而导致扩容无法实现。当然这种困扰在云计算时代不复存在了，为一个应用扩充计算资源是信手拈来的事情，但光有计算资源是不够的，还得在上面部署应用，并将应用容纳到微服务体系中。

gydtep

造成这种局限性的原因很简单，在以 Spring Cloud 为代表的微服务技术阵营中，系统的构建都是围绕着应用（也可以理解为单个的服务）而展开，不管是版本更新还是水平扩展，都是针对应用本身。

gydtep

除了手动的扩缩容指令，SAE 还支持 2 种自动弹性机制，可以对微服务应用进行灵活的水平扩展，更进一步的发挥云计算的弹性能力。

gydtep

造成这种局限性的原因很简单，在以 Spring Cloud 为代表的微服务技术阵营中，系统的构建都是围绕着应用（也可以理解为单个的服务）而展开，不管是版本更新还是水平扩展，都是针对应用本身。