一个sample文件，包含了一个range信息，这个range关联了一个hoverResult。含义是该文件的某个位置范围内，触发hover事件的话，就给出hoverResult存储的结果。
XA 协议由 TM 向多个 RM 通过 XA PREPARE 和 XA COMMIT 两条命令完成两阶段提交。两阶段提交常常为人诟病的问题是 TM 的单点问题和 Commit 阶段发生异常可能导致的数据不一致问题。为此，在 PolarDB-X 的实现中，我们额外引入了事务日志表以及 COMMIT POINT 的概念。
随着互联网的发展到万物智联，5G、AIoT 等新技术的涌现，随处可见的计算需求已经成为现实。针对不同计算场景，容器运行时会有不同需求。KataContainer、Firecracker、gVisor、Unikernel 等新的容器运行时技术层出不穷，分别解决安全隔离性、执行效率和通用性三个不同维度要求。OCI(Open Container Initiative)标准的出现， 使不同技术采用一致的方式进行容器生命周期管理，进一步促进了容器引擎技术的持续创新。
我们可以做一个简单的统计：把所有服务器的 CPU 利用率每 5 分钟导出一次，按照天的维度求平均值，就能从整体上了解系统的资源利用率数据。如果把开发测试环境的服务器资源也纳入统计的范围，资源利用率很有可能会更低。
第二块是前瞻性。为什么你能解决这个问题，并且能解决这一类问题？一定是你要看的多，你要想的多，这需要大量的实践和知识的积累，并且是站在过去的肩膀上。
阿里电商系统很早就开始建立了，我们这一代一代人在里面去做架构，都是站在前一代人的肩膀上。要去看前一代人为什么要这么设计，去想或跟他去聊，吸取他好的地方。现在可能遇到新的问题，通过其他的方法来解决一些新的问题，需要有实践和知识的积累。
第一点就是沟通能力非常关键。你怎么把这个问题说清楚，切中问题的点，同时也能帮助上下游带来实际的效果。第二点是架构需要能救火，但不仅仅是救眼前的火，应该救未来的火，架构师救火能力要很强。
我来阿里之前在做一个CRM的系统。刚开始前几年一直在做CRM系统的业务，后来我要解决很多业务的问题，要把它抽象出来，去做业务问题下面基础的平台。再后来发现基础平台的要解决更彻底，还要做下面的中间件。来阿里之前我做过业务，做过业务的开发平台，也做过开发平台下面的中间件。
救火很多时候就考验你这个能力。我去救火时根本不会用现在那些平台化的工具，直接上手用TCP代码抓原始发文，马上能分析出很多问题。这就是平时的积累，慢慢的你就会对全局有认知。
2019年整个核心系统上云的时候，同样跟技术的广度有关系，我们上云发生了什么变化？整个底座到云上去了，计算、存储、网络全到云上去了，那要了解云啊。我2018年在阿里云注册了个账号，基本把阿里云的云产品全摸了一遍，这时就会对阿里云的网络、技术有本质的了解。
原因是事务提交时不同 DN 执行 XA COMMIT 的时间不同，一个快照读请求请求不同分片的时间也不同，这意味着发起一个跨 DN 的快照读请求时，可能读到一个事务的部分已提交数据，无法得到全局的一致性视图（Snapshot）。
首先从 Cloud 来理解，云可以看作是一种提供稳定计算存储资源的对象。为了实现这一点，云提供了像虚拟化、弹性扩展、高可用、高容错性、自恢复等基本属性，这是云原生作为一种云计算所具备的第一层含义。第二层要从 Native 来看，云原生和在云上跑的传统应用不同。一些基于公有云搭建的应用是基于传统的 SOA 架构来搭建的，然后再移植到云上去运行，那么这些应用和云的整合非常低。
CPA 定理
该定理认为对于一个分布式计算系统来说，不可能同时满足以下三点：
一致性（Consistence）
可用性（Availability）
分区容错性（Partition tolerance）
分布式意味着必须满足分区容错性，也就是 P，因此一般只能是 AP 或 CP。
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。
不管是数据公共层还是应用层，最终都需要面向业务提供服务。为了让业务部门找数据、看数据、用数据更加方便
云原生已经成为势不可挡的技术趋势。在 CNCF 2020 年发布的《云原生开发状态报告》中，我们可以看到全球有 470 万云原生开发者，占全部后端开发者的 36%，其中包括 290 万使用容器技术以及 330 万使用 Serverless 架构的开发人员。
云原生架构是基于云原生技术的一种架构原则和设计模式的集合，是一些指导原则，比如要求做好可观测，只有在做好可观测的前提下才能做好后续的弹性，
现在，根据云通未来的理念，包括蚂蚁在内的很多公司都在实现上云。蚂蚁的基础设施已经完全实现了云化，包括公有云和私有云。