gydtep

对于数据驱动，很多人做到一定程度之后，脑海中会形成一定的方法论和体系，进而形成驱动流程和组织机制。大家也听了很多方法论，包括增长黑客等，貌似自己已经很懂数据驱动了，但是实际操作起来可能连“什么是事件属性这种基础的概念都不了解”，这是很多业务线同学普遍的现状。

gydtep

如何在繁忙的工作中做好技术积累，构建个人核心竞争力，相信是很多工程师同行都在思考的问题。本文是我自己的一些总结，试图从三个方面来解答：

gydtep

本质上，规划是一个多目标优化问题，它有一系列的理论方案，这里不一一细说。基于相关理论，我给出一个简单易行的方案：

确定目标优先级。比如：成长、生活、绩效。

gydtep

它可以从外部源获取这些数据，也可以开始生成这些数据。无论如何，数据对于确保这些系统正常运行至关重要。机器学习也需要采用大量数据。它实质上是使用统计和分析功能来从信息中产生可行的见解和情报，数据治理的作用是完成对数据的处理。

gydtep

K8S的Scheduler组件基于APIServer定义的Pod资源对象和Kubelet上报的各个节点资源的使用情况，来选择合适的节点进行调度。Scheduler控制Pod的创建，弹性伸缩以及遇到故障时的负载迁移。

gydtep

apiVersion: v1
kind: Service
metadata:
  name: index-helm
  namespace: bss-dev
spec:
  clusterIP: 172.21.7.94
  ports:
    - name: http
      port: 8081 //service对外提供服务的端口号
      protocol: TCP
      targetPort: 8081 //Pod监听的端口号
  selector:
    app.kubernetes.io/instance: index //spec->selector绑定了对应的Pod
    app.kubernetes.io/name: helm
  sessionAffinity: None
  type: ClusterIP //ClusterIP 是默认service类型

gydtep

可观察性最早来自于电气工程领域，主要原因是随着系统发展的逐步复杂，必须要有一套机制用来了解系统内部的运行状态以便更好的监控和问题修复，为此工程师们设计了很多传感器、仪表盘用于表现系统内部的状态。

gydtep

兼容性：OpenTelemetry得到了CNCF下各种可观察性方案的支持，未来对于OpenTracing类、OpenCensus、Prometheus、Fluntd等都会有非常好的兼容性，可以方便大家无缝迁移到OpenTelemetry方案上。

gydtep

道理是相通的，类似问题在C端产品中也会碰到。

如果你留意的话，你会发现很多电商网站、汽车导购产品的产品经理已经摸到了深层需求。

gydtep

在这个过程中，很多公司推出了批处理、实时计算，但离线批量数仓和实时分析具有不可调和性，离线数仓满足不了业务时效性的要求，而绝对的实时数仓也不切实际，“近实时”才有意义，而实时分析、近实时的分析构建离不开实时数仓系统的构建。