比如下面这个流传很久的段子：越高级的语言就越没有技术含量。但真是这样吗，就拿Java和C来说，这是完全不同的两种语言，所需要的技能完全不同。C或许跟操作系统更加接近一点，和CPU、内存打交道的机会更多一点。但是为了用好Java，程序员在面向对象、设计模式、框架技术方面必须要非常精通。Java工程师转到C方向确实不容易，但作者也见过很多转到Java语言的C工程师水土不服。
Limits定义了容器资源使用的上限，Requests定义了容器资源初始化配置，一般启动容器时按照requests分配资源。容器运行时，资源消耗一般比requests分配的少，
突然间，我意识到一个严重的问题——那就是会议室的所有同学，并不是这个feature的用户。
因为具体的标注工作，都是外包公司的数百个标注人员做的，他们才是标注页面的真正用户。
如果一个平台有数据的沉淀，那么这些数据就需要深度挖掘，从而产生更多、更大的价值。
比如，每个业务最开始接入知识图谱平台，为了解决自己的业务问题，就得从头建Schema、导数据。但随着平台的发展，沉淀的知识越来越丰富。那么，后续的平台就能直接受益于之前沉淀的知识，而不一定要自己重新建设了。这就是，平台数据沉淀出的价值。
AI聊天机器人在教育中被广泛应用于辅导，帮助学生更好地理解各种概念，提高他们的学习。学生可以全天候地寻求他们的帮助，即时收到有用的回复。
保持适当的平衡-如果您完全致力于边缘AI，那么您将失去持续改进模型的能力。没有新的数据流，您将无处利用。但是，如果您完全致力于云AI，则可能会危及数据质量-由于需要进行权衡才能使其可上传，并且缺乏反馈来指导用户捕获更好的数据-或数据量。
而到2020年，领导者象限发生了很大的变化，最强的领导者已经变为了AWS，其次是微软、谷歌、阿里云，这四家都是云计算厂商，这也印证了Gartner所认为的云才是未来。
“…是少数几种计算机智能尚未掌握的游戏之一。该游戏有着太多的可能的走法,让程序员长期以来陷入僵局。”
但在数据科学领域, 24个月已经是一段相当长的时间了。谷歌的深度学习算法可以打败优秀的计算机对手,甚至是在让对手四子先手的情况下。 2016年1月, AlphaGo曾以5:0的比分完胜欧洲冠军樊磨。2016年3月, AlphaGo挑战传奇选手李世石。
目前，对于非训练的检索方法，能较方便的支持全内存索引的在线动态新增和查询，然而面对即时落盘、内存不足、在线向量动态更新和删除等要求，操作成本很大，满足不了实时性。
我带着这个命题进入业务平台，来做后续一系列的事。今天趁这个机会，和大家分享一下，关于这件事和这件事背后的一些想法，以及我对架构师的一些思考。
）常见的平台服务
监控告警服务
分布式消息中间件服务
分布式缓存服务
分布式任务调度服务
其要点包括：
全球云原生开发人员超过 470 万。
使用 Kubernetes 的开发人员超过 170 万。
使用 Serverless 架构及云函数的开发人员超过 330 万。
Kubernetes 用户更有可能影响购买决策。
如果应用需要从 4 个实例扩容到 6 个实例，或者缩容到 2 个实例，只需要一个指令就可以完成，甚至与 SLB 的绑定关系，都可以自动的建立或解除，这是 Serverless 技术为开发者带来的巨大价值。
SAE 是一款面向应用的 Serverless PaaS，0 改造 0 门槛 0 容器基础是它的特点，可以让用户非常方便地享受到 Serverless、 K8s 以及微服务带来的技术红利。同时也支持多种微服务框架、多种部署渠道（包括自己产品的 UI 部署 / 云效 / Jenkins / 插件部署等）、多种部署方式（包括 War / Jar / 镜像部署等）。
在service mesh场景下，应用层不再需要关注防热点、读写分离等。几年前，应用层还需要对缓存热点做特殊处理以建设高可用能力，比如在一个缓存节点挂掉时对其进行预热操作。