gydtep

在这个流程中，还没有涉及到对于流量精细粒度控制的高级灰度方案，但已经足够体现出其复杂性和操作难度了。如果仅仅依赖于简单的发布脚本进行管理，不但效率很低，还很容易导致顾此失彼，对系统稳定性造成巨大的风险。

gydtep

根据这个流程，如果需要扩容一个应用实例，保守估计也需要 20 分钟以上，其中购买、系统初始化、应用部署都需要占用大量的时间。假设系统流量突增，需要在 2 分钟之内紧急扩容，这个方案就无用武之地了。

gydtep

另外一种是 Serverless 化的容器技术，Serverless 化的容器实例运行在案例隔离的环境中，每个计算节点通过轻量级虚拟化安全沙箱技术完全强隔离。对于使用者而言，无需购买服务器资源即可直接部署容器应用，也无需对集群进行节点维护和容量规划，可以根据应用配置的 CPU 和内存资源量进行按需付费。当微服务应用需要扩容的时候，就可以快速获得计算资源，不需要再经过购买服务器这个步骤了，可以帮助开发者降低计算成本，减少闲置资源浪费，平滑应对突发流量高峰。阿里云的 Serverless Kubernetes （ASK）就是 Serverless 化容器技术的代表产品。

gydtep

对于开发测试环境而言，SAE 的机制弹性能力能体现得更加淋漓尽致，得益于 SAE 出色的资源调度能力，可以一键启停一整套微服务应用。即便仅对一项简单的新功能进行冒烟测试，也完全可以新启一套完整而隔离的测试环境来进行。

gydtep

让我们通过一个实际案例来进一步体会 SAE 如何帮助微服务应用降低资源成本。假设一个微服务系统包含 87 个应用实例，每个时间每天的平均运行时长为 8 小时，实例的配置为 2 Core + 4 GiB + 20 G 磁盘。

gydtep

数字业务咨询机构AHEAD公司现场首席技术官Josh Perkins说：“去年发生的疫情证明了人工智能技术的强大力量，人们的问题从‘人工智能技术在我们公司中能做什么?'转变为‘哪些领域还不适合人工智能?’”

gydtep

人工智能工具帮助应对数字化转型挑战的5个领域

当技术领导者将在现实世界中启用人工智能的数字计划时，了解最大价值所在将会提供帮助。某些主题在各个行业组织不断出现。以下研究一下人工智能领域中功能最强大的一些用例：从机器学习(ML)和自然语言处理(NLP)到边缘人工智能和AIOps。

gydtep

将丰富的客户行为数据、自然语言处理(NLP)和聊天机器人结合起来时会得到什么?通常无需人工干预即可改变客户联系和支持的潜力。

gydtep

当某一个应用的性能出现瓶颈，需要通过增加实例数量来提升性能的时候，就需要引入新的计算资源。

新的计算资源从何而来呢？

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。