gydtep

事件驱动架构的另一个重要优点是提升了系统的可伸缩性。事件生产者在等待事件消费时不会被阻塞，并且可以采用 Pub/Sub 方式，让多个消费者并行处理事件。

gydtep

在应用架构中，我们需要避免将静态环境信息，比如IP，mac地址等与应用逻辑耦合。在微服务架构中，可以利用 Zookeeper/Nacos 等实现服务的注册发现；在 Kubernetes 中，我们可以通过 Service，Service Mesh 减少对服务端点IP的依赖。此外，对应用状态的持久化也尽可能通过分布式存储或者云服务等实现，这样可以大大提升应用架构可伸缩性和自愈能力。

gydtep

阿里云提供了丰富的可观测性能力。XTrace分布式追踪提供了对 OpenTracing/OpenTelemetry 标准的支持。ARMS 提供了托管 Prometheus 服务，可以让开发者无需关注系统的高可用和容量挑战。可观测性是 AIOps 的基础，在未来企业IT应用架构**扮演更加重要的角色。

gydtep

我们知道 Service Mesh 不是银弹，其架构选择是通过增加一个服务代理来换取架构的灵活性和系统的可演化性，但是也增加了部署复杂性（sidecar管理）和性能损失（增加两跳）。UDPA 的标准化和发展将给服务网格架构带来的新一次变化。

gydtep

Event Choreography 事件协调：函数服务之间通过事件交换消息，由事件总线等消息中间件来进行事件的转发，并触发其他函数执行。下面是一个示例应用场景，通过 EventBridge，将订单，用户通知、商家通知、接单、结单等基于函数实现的业务逻辑串联在一起。这种方式更加灵活，系统的健壮性也更好。但是缺点是缺乏显式的建模，开发和维护相对较复杂。

gydtep

许多组织在其工业物联网(IIoT)应用中采用了各种AI算法来做出实时决策。了解基于AI的应用中的数据是至关重要的。聚集、清理和准备独特的数据是利用AI来优化组织并获得见解的最重要方面。

gydtep

机器学习以进行预测性维护

预测性维护是机器学习和AI对制造产生影响的特别富有成果的领域。实际上，根据凯捷(Capgemini)的研究，将近30%的制造业AI实施与机械和生产工具维护相关。这使得预测性维护成为当前制造中使用最广泛的用例。

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。

gydtep

目前，一个比较好的解决方法就是把它前置，所有的功能在某一个页面的某一个位置，以一个具体的按扭呈现出来，并设置一个唯一的参数ID，再用事件和属性进行归类。这样一来，所有的页面和功能只需做一个埋点，所有页面的标记都可以用ID来标记。

gydtep

标准与规范
十年前，Google成为了分布式系统链路追踪服务的先行者，并通过《Dapper, a Large-Scale Distributed Systems Tracing Infrastructure》这篇著名论文阐述了如何在超大规模系统上建设低损耗（low overhead）、应用级透明（application-level transparency）、大范围部署（ubiquitous deployment）的链路追踪服务。