gydtep

图6 是Triplet loss和MDR loss的对比示意图。MDR loss希望正样本和anchor之间的距离不被拉到无限近，同时负样本也不希望被推到无限远。以类别错误噪声样本来说，

gydtep

不同牌匾被误分为同一类别，按照Triplet loss的优化目标则会强制模型将两者距离学习到无限近，这样的话，模型会过拟合到噪声样本上，从而导致最终效果较差。

gydtep

会产生大量的异构数据，如何对这些数据进行合理的管理和使用，从而可以比较方便地挖掘出其中的数据价值（不局限于软件质量方面），对我们来说是一个比较大的挑战。

gydtep

在这里，我们将日志、指标、Trace等数据全部接入到一个统一的可观测性存储中。然后基于这个统一的存储，进行后续的查询分析、可视化、监控告警、AI 等上层能力，甚至还可以进行数据的加工和规整，一站式地完成异构数据到同构数据的转换过程。

gydtep

在这里，我们将日志、指标、Trace等数据全部接入到一个统一的可观测性存储中。然后基于这个统一的存储，进行后续的查询分析、可视化、监控告警、AI 等上层能力，甚至还可以进行数据的加工和规整，一站式地完成异构数据到同构数据的转换过程。

gydtep

例子1，后接不同的动（名）词：Exactly-once Delivery 和 Exactly-once Process 。前者是对消息传输层面的语义表达，和流计算的一致性关系不是很大，后者是从流计算的应用层面去描述数据处理过程。

gydtep

开发阶段：重点需要关注代码的质量，例如静态代码扫描以及依赖检查会发现潜在的代码缺陷和安全风险，由此我们可以统计千行代码缺陷率或者严重缺陷比例，从而来衡量一个系统的代码质量是否符合要求

gydtep

例如某人值班的当天，由于有事，所以让另外一个人来代替他值班。例如下面的例子：2021年8月由张三和李四值班（每班一周，仅工作日值班），首个工作日交班；8月17日张三请假，由小明代值班。

gydtep

通过将日志、时序、Trace、事件等数据接入到统一的可观测存储，从而实现统一的查询分析、可视化等功能，基于此，可以实现统一的监控和告警管理，从而赋能研发、运维、安全等各个角色。

gydtep

，我们把双11场景下锤炼出来的技术放到云上，服务更多的客户，同时阿里整个技术慢慢站在云的肩膀上，靠云支撑技术的发展。