gydtep

可扩展性架构：所有K8s组件都是基于一致的、开放的API进行实现和交互。三方开发者也可通过CRD（Custom Resource Definition）/ Operator等方法提供领域相关的扩展实现，极大扩展了K8s的应用场景。

gydtep

这也与K8s自身定位是非常相契合的。Kubernetes的技术定位面向应用运维的基础设施和Platform for Platform，并不是面向开发者的一体化应用平台。越来越多的企业会由平台工程团队基于Kubernetes构建自己的PaaS平台，提升研发效率和运维效率。

gydtep

类似 Cloud Foundry 的经典 PaaS 实现会建立一套独立概念模型、技术实现和扩展机制，这种方式可以提供简化用户体验，但是也引入了一些缺陷。无法和快速发展的 Kubernetes 体系相结合，无法充分组合使用多种新的技术实现，比如Serverless编程模型，支持AI/数据分析等新计算业务。但是基于K8s的PaaS平台缺乏统一的架构设计和实现规划，会出现很多碎片化的技术实现，并不利于可持续的发展。

gydtep

分布式微服务应用不但部署和管理复杂性提升，其安全攻击面也被放大。在传统的三层架构中，安全防护主要在南北向流量，而在微服务架构中，东西向流量防护会有更大的挑战。在传统的边界防护方式下，如果一个应用因为安全缺陷被攻陷，缺乏安全控制机制来阻止内部威胁“横向移动”。

gydtep

随着微服务应用规模的发展，问题定位、性能优化的复杂度呈**式增长。企业在IT服务管理领域虽然已经拥有多种工具集合，比如，日志分析，性能监控，配置管理等等。但是不同管理系统之间是一个个的数据孤岛，无法提供复杂问题诊断所必需的端到端可见性。

gydtep

在云原生应用模型定义领域，业界也在不同方向进行探索。比如 AWS 新发布的 Proton 是面向云原生应用交付的服务，通过Proton，可以降低容器和Serverless部署、运维复杂性，并且可以和GitOps结合起来，提升整个应用交付流程的自动化和可管理性。阿里云Serverless K8s支持的Knative可以同时支持Serverless 容器和函数来实现事件驱动的应用，让开发者使用一个编程模型，可以高效选择底层不同Serverless化算力进行优化执行，等等。

gydtep

“…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。

gydtep

一位数据科学家,如果对深度学习优秀的方法知之甚少,那么与具有该技能的同事相比,这会是一个非常显著的缺点。从衰老研究到动物学分析,对深度学习技能的需求都是非常高的。

gydtep

深度学习是机器学习与神经网络、人工智能、图形化建模、优化、模式识别和信号处理等技术融合后产生的一个领域。在严谨的学术期刊中,这个新兴学科的模型一直受严肃理智的学者所推崇:

"深度学习网络是神经网络革命性的发展,人们甚至认为可以用它来创建更强大的预测模型。”

gydtep

多层深度神经网络有多个非线性层级,可以紧凑地表示高度非线性的和/或高度变化的函数。它们擅长识别数据中的复杂模式,可以用来改进计算机视觉和自然语言处理等工作,并可以解决非结构化数据难题。