Category Archives: All

几个问题
1，不同发行版的docker容器，尤其是glibc这些底层库版本不一致的情况下，可以在同一个宿主下运行，是因为glibc这些库与系统内核提供的ABI一直都保持不变吗？万一内核升级，有ABI变动了，docker是如何处理的呢？
处理办法是镜像自己带着基础库，事实上大多数发行版docker镜像都带着glibc，alpine用的则是更轻量的musl。镜像封装的应用，就只需保证兼容自带的glibc/musl即可。

2，现在虚拟机，都支持将某个虚拟机的窗体，直接投射到宿主机上，让宿主机像操作本地应用来操作虚拟机的应用，这个算那一层的虚拟化呢？也是通过ABI模拟来实现的吗？
说的是vmware unity mode这类功能么？具体如何实现的我没有研究过，无责任猜测只是vmware tool这样的工具提供的屏幕映射。但可以肯定的是，并不影响虚拟化层次，即还是硬件抽象层虚拟化。

3，在windows的vmware或virtualbox运行macos的虚拟机超级慢，但运行ubuntu就还蛮快的，是因为mac到win的ABI很难模拟吗？
“超级缓慢”主要是GUI慢，这个与显示方式和驱动都有关。如果你在SSH到虚拟的ubuntu和macos上，跑个console下的跑分软件的话，得到的分数相差并不大。

Windows 系统中是否有文件、访问、资源的隔离手段？是否存在 Windows 版本的容器运行时呢？
Windows的容器还是太重了，镜像超级大，而且优先支持微软自己的技术栈。这么重，加之不成熟，现在对上服务器虚拟化的各类成熟方案，实在没啥优势可言。

WindowsServer从设计上来讲，模块化做的比linux要差一些，内核做的事情也太多，早期类库变化也过于剧烈，类库前后兼容性也不算好。加之之前主推的技术，生命周期都太短，自家技术代与技术代之间没有传承，闭源得不到社区支持，开源服务端软件，在linux上性能，往往吊打windows。

而且即使是windows的虚拟化软件，微软自家做的也不是最好的。vmware和virtualbox多香。

微软唯一让我感到惊艳了一次的，还是wsl，但总归功能差了些，性能差了些。我倒是觉得，把wsl做好，可以同时支持win和linux容器，windows可能更有机会一些。

再后面，就是微软家生态的事情咯。其实微软做的很多理念，都挺超前的，而且也开始与社区合作。但微软，啥都要自己造轮子，技术延续性差又不断要大家换轮子，又没有强援，做生态挺难的。

看下linux和java，一个轮子能用多少年。看一下苹果，也是闭源，也是自己造轮子，还要交保护费，但苹果也不要你三五年就把轮子换了啊，而且保护费不是白交啊。远了远了。。。

docker
我觉得docker和其他虚拟化技术比，仍是最成功的，从docker到containerd，是一种技术上的成功，但是商业上的失败。

k8s应当与swarm对比。k8s成功，源自于google需要这样的一套工具，用来管理自己的容器，开发来先自己用，积累了很多经验。swarm则没有这个过程。云厂商们，自然选择对自己更好用，更有利的工具咯。

google至此，已占有web流量制高点，浏览器制高点，移动操作系统制高点，云原生制高点。厉害

网络虚拟化
N年前，在大学用虚拟机的时候，就遇到了HostOnly，Bridge，NAT等联网模式，当时对Bridge和NAT的区别也是搞了挺久才弄清楚的。

系统对既有旧方案和旧功能的兼容
这种例子蛮多的，比如：
1、系统升级时，如果API版本升级到了2.0，1.0版本也要长期保留。
2、界面风格变化了，还能允许用户切换回之前的风格
3、做系统替换时，一些用户用惯了的工具、报表什么的，经常会被要求在新系统上增加对应功能
4、系统升级时，尽量去兼容原有数据库设计，而不是推翻重来
5、对于部分政企用户，被迫去兼容IE，全是泪啊

存储
存储小文件：用过本地存储、SSD、SAN、NAS、SFTP、Ceph【对象存储】，云存储【云盘、对象存储】
存储大文件：用过SAN、NAS、Ceph【块存储】、HDFS
存储XML用过existdb、Oracle XML DB
存储JSON用过mongodb、es
备份数据，用过磁带和蓝光盘
试过IPFS，但并没有实际投入使用

从底层介质来看：可以分为SSD、磁盘、磁盘阵列、磁带、光盘等
块存储，相当于划分了一块存储空间或一块逻辑盘，给了操作系统
文件存储，相当于操作系统在磁盘上创建了文件系统，可以作为本地磁盘使用，加上网络访问功能，可以封装成为NAS、SFTP等
HDFS，可以看作分布式的文件存储
对象存储，可以看作分布式的NAS
IPFS，可以看作把一个BT网络，封装成了一个NAS

在我们行业里，使用云存储最大的障碍是两个：
1、使用公有云，担心数据安全、用户隐私的问题；少量上云的数据，也因种种限制，只能用移动联通电信的云；
2、使用私有云，很多机构不愿花大价钱购买服务，又没有能力自己运维，最终很难推进；
但总的来讲，这几年，云存储的使用面还是越来越广的，需要有个渐进的过程。

网络透明
服务网格可以实现透明，很大程度上是服务网格的整个网络环境是相对可控的。
远程通讯，如果在网络可控的环境下，其实完全可以和服务网格采用同样的方式。
但在互联网环境下，无法实现网络的可控，运维工程师、网络工程师是无法把程序员的大部分工作都做掉的，也就是程序员不能只关心数据，不关心网络。

何时能实现这种透明呢？个人认为，需要网络设备更新换代才行，要华为、思科支持这种透明，并能将透明能力，一定程度上开放给开发应用的厂商，才有可能实现一定程度上的透明。

SDN
个人感觉，SDN与服务网格感觉从思想上很相似，实现途径却不一样。

SDN本身十分依赖于网络提供商，其实按我理解，需要一次网络设备更新换代才行，而且网络提供商也需要进行一次大升级，用户也要跟着改造，这一方面需要技术沉淀，另一方面需要很多资金投入，一方面需要等用户升级。SDN概念也比较早，在网络提供商向用户推销SDN概念时，多数网络用户第一反映很可能是一脸懵逼。很多用户根本听不明白，有啥用，现在感觉挺好的啊。

而服务网格，是在可控网络下进行的，不需要网络设备的更替，也不需要以来网络供应商，更不存在跨越网络供应商的问题。大厂支持，再加上K8S和Istio的加持，所以生态就起来了，有滋有味的。服务网格用户是技术人员，服务网格出来推广的时候，微服务已大行其道了。技术人员们被服务治理烦的不要不要的，一听有方法直接把自己解放出来，学习应用热情高涨。加上并不需要夸张的资金投入，方案也就更容易落地了。

共识机制
Basic Paxos在全部节点可信任的时候，主要还是效率问题。所以zk、etcd都要用改进的算法。
Basic Paxos在部分节点不可信任的时候，是不适用的。所以公共区块链项目需要用其他的共识机制。

公共区块链中，常用的共识方法有PoW、PoS、DPoS等，这些方法，一方面是要达成共识进行记账，另一方面是要防止网络被恶意攻击；
联盟链中，一般采用PBFT、PoET等方法，由于不需要面向整个互联网，所以共识机制效率比公共链高不少；同理RAFT、ZAB，默认所有节点是可信任的，效率也是比较高的。
其实大家在日常生活中，默认会通过中心化的方式来达成共识，比如转账成功与否，大家一般会通过银行或支付宝的记录来判断，而不是线下协商。而这种方式，反而是交易效率最高的。
还是那句话，根据业务场景，选择足够用的架构和算法就好了。适合团队，能高效低成本解决问题的方案，就是最好的方案，哪怕这个技术方十分十分的朴素。

为何有了 DNS，还会出现 Eureka、Consul 这些专有的服务发现框架？
感觉其实要解决的问题并不一样：
1、基于DNS，其实要解决的问题是流量的流向，可以做到流量监控，但无法管理到具体业务，功能简单，效率更高；正好符合K8S的需要；
2、服务发现框架，其实是深入到业务层面，在应用框架集成、业务监听支持、健康检查、服务保护等功能。而且基于业务需求，进一步提供配置管理、环境管理等、多数据中心管理、业务紧密结合的功能；
有点像前面说的四层负载和七层负载的意思。
一个功能简单，效率高花头少；一个功能复杂，效率低可发挥空间更大；

那么除了 BFF 之外，你还用网关来做什么？
在API网关之前，会把移动APP的后端服务单独独立出来，APP访问APP后端服务，APP后端服务访问Web后端服务，相当于做了一个完全定制化的API网关。
当时也尝试过直接用Nginx来完成，但当时也不知道OpenResty这类扩展，复杂些的功能没能实现，没能实际应用。
后面从Zuul开始就不造轮子了。

客户端的负载均衡
客户端的负载均衡，在传统的CS解决方案中也有涉及，比如：
1、直连数据库时，统计类SQL直连只读库就好了
2、而且有些其实也变相做了优化，比如大家都熟悉的游戏开新服，登陆时就把流量分了

客户端负载均衡方案，其实和nginx的均衡策略基本一致的。但还遇到过一种中间情况，就是多了一个调度器，客户端定期获取服务IP列表，也可以从调度器获知每个IP的繁忙程度，然后决定要访问那个IP。

此外，云厂商对于移动、联通、电信的网络，有时也会用不同的链路，并会交一定的“保护费”啦。

负载均衡的设计，最佳人选，应该是懂业务的架构师（默认架构懂开发、懂运维）。
但同时，开发、运维团队要参与及评审：
1、比如开发要与架构沟通，团队熟悉哪些技术栈，哪些服务有状态哪些服务无状态等，中间件如何取舍
2、比如运维要与架构沟通，跨机房数据同步要如何做，容灾备份要如何处理，动态扩展是靠脚本还是靠云平台机制等

补充一下认证方式，一般是由三大类方式及其组合实现：

What you are:
比如人的生理特征（指纹、面部识别、虹膜、声纹、DNA等）

What you know:
古代机关开启方式、密码、动态指令、预设安全问题、最近和谁聊天、最近几次变动的密码、最近几次登录地址等

What you have:
身份证，医保卡，银行U盾牌，手机短信/电话语音发送验证码

但有一些就不太会好判断归属：
1、公安局开的身份证明或CA颁发给机构的证书，应该是“你有啥”，但很多时候直接被用于“你是谁”
2、图形动态验证码，用于判断“你是人不是机器”，这个算是“你是谁”的简单版本？

令牌内容
令牌不需要带太多的信息，但要满足一些基本要求：
1、令牌颁发机构标识
2、令牌被授予机构、APP、服务或网站标识
3、令牌类型（资源访问令牌、刷新令牌等）
4、令牌可访问的资源类型（头像、昵称、二维码等）
5、令牌有效时间范围
6、令牌颁布机构签名和时间戳
7、数据组织方式其实用Json 或 编码过的字符串都可以
这样，三方就都可以快速验证令牌有效性。

数据权限
数据权限确实很多时候只能系统自己处理，很难跨行业通用，甚至同一行业不同机构也不尽相同。比如两个看似比较通用的场景：
1、当机构架构分为多级时，上级机构能看到下级哪些数据，平级之间能看到那些数据，下级机构能看到什么数据，各行业各类组织互不相同。如果只用功能权限的思路去解决这个问题，容易将功能权限弄得十分复杂。
2、此外就是用户情况比较复杂，比如除了组织架构、岗位、职级外，还有职业证书相关权限控制、客户业务办理关系、项目组组成、项目组轮班，加上审核、稽核、多级质控等功能，仅是功能权限也是力有不逮。
而且，近些年来，各公司对数据权限和数据安全的要求都越来越高、越来越严格了。

凭证
感觉中文的“凭证”指的内容，比Credentials范围广很多。比如：
有时候，网页提示“请输入登录凭证”，说的就是用户名密码
有时候，请下载云主机“临时凭证”，说的就是登录证书
有时候，请出示入场凭证，说的就是一张狗牌

尤其是证书是否算凭证，感觉有些想不清楚。比如：下面的算凭证吗？
1、域控认证，Windows凭证管理器
2、Linux服务器可以通过ssh证书直接访问
3、一些云厂商可以申请临时ssh证书，允许远程访问
4、IOS程序发布时，需要开发者申请APP证书，并签名才能上传发表
5、接入云SDK时，需要申请AppId 和 SecretKey
6、TCP通讯时，采用TLS双证书双向加密

客户端敏感数据加密
对于客户端敏感数据加密的问题：
1、客户端对敏感信息加密，在通用浏览器、开放网络环境下，其实意义不大。如果一位黑客有能力干掉HTTPS通讯加密或者伪装为服务网站的话，替换掉网站前端代码也不是一件难的事情，这样无论如何加密信息都没有任何用途。同时，在客户端、服务的，这些敏感信息其实都有原文的，如果贡献了这两个地方，黑客可以同时获取明文和密文，所以加密也没啥用。
2、对于安全要求特别高，采用特殊通信协议，特殊信道，特殊设备、特殊浏览器的情况下，对于特别敏感的信息，进行二次加密是有必要的。因为设备和软件都难以得到，即使信道被监听，通信加密被破解，也要尽量拖延敏感信息被破解。

字证书有什么具体应用
1、机构、网站、身份认证
2、APP开发者认证
3、可执行程序开发者认证
4、控件开发者认证
5、API认证
6、文档的电子签章证书
7、大家自己搭建开发环境时有时需要自签名证书
其实还有很多咯。

除了顶级CA之外，其实CA也分等级的，这就涉及到了证书链。
此外，CA还要维护黑名单，吊销一些还在有效期之内的证书。

数据验证
之前只是零零散散有了一些想法，也落地了。但看完今天老师的讲解，感觉落地的很难看。

数据校验这部分，回顾了一下，我们真的做了很多，但十分十分的零散。根据各种要求，包括架构、运维、数据安全、数据合规要求、数据脱敏、敏感数据加密，每年都要折腾个几轮。此类代码横跨了文章中提到的全部层，实现方式从单纯的编码规范，到各层编码，到切面，到流水线扫描，到Jar包，到中间件、到持久化层验证，都有零散涉及。如果能尽量统一到 Bean Validation处理，就不至于每次加个要求，都要一通大改了。

1、增加了整个系统的复杂度，增加了系统的故障点，系统的整体可靠性可能会下降。比如Redis遇到bigkey，处理不好会让系统性能明显下降；如果Redis所在服务器CPU或内存资源不足，也会引起严重的性能问题
2、增加缓存后，缓存的预加载、过期失效、击穿、穿透、雪崩等问题，需要付出额外代价去解决
3、增加缓存后，缓存与数据库数据的一致性是个难题，需要付出额外代价去解决
4、分布式环境下，各缓存之间的数据同步及一致性，也是个难题，需要付出额外代价去解决
5、分布式环境下，缓存的高可用及冷启动后快速恢复，需要付出额外代价去解决

网络性能优化

资源预下载，资源异步加载，资源压缩，dns加速，静态资源内容分发，多机房服务器就近访问，购买多条网络链路，防火墙过滤非法请求，F5负载，反向代理，API网关，多实例部署，缓存加速，一致性Hash分流，DB分库，异步任务队列等等。

其实还有P2P加速，网盘文件特征码上传加速，多网卡带宽绑定等特殊手段。

HTTP3
HTTP3的广泛推广，需要电信运营商的大力支持，同时还需要华为、思科等网络设备厂商的大力支持。以往各大电信运营商对UPD限制较多，各种网络设备对TCP的优化也更多。如果HTTP3广泛使用起来，对设备厂商也是个设备升级换代的好机会。

负载均衡
负载均衡和去医院看医生有些相似的：
1、刚到医院，要去分诊挂号，护士和挂号台的人不会问你一堆信息，只询问最基本信息并确定要看哪个科，就可以了。（四层负载，所需信息简单，工作效率高，重在吞吐量，不要有阻塞）
2、到了科室，尤其是看很繁忙的科室，会有护士和年轻医生，各种询问患者的情况，甚至把一些基础检查都做了，才会让专家去进一步提供服务；（七层负载，所需信息复杂一些，效率低一些，但好在量小了，也就避免了阻塞）
3、然后是资深医生看诊（实际网络服务）

但如果反过来，分诊挂号的时候，就咨询一大堆的问题，并作一些检查，每个患者耗时都长，会造成拥堵，患者排队n小时，而且到了科室就没有二次分诊的必要了。所以，七层代理放到前面，吞吐量就差了，四层代理也就没有存在的必要了。

负载均衡

本地事务
Logging是无奈之举，因为操作系统和硬件的有效性不是100%，所以需要处理系统挂掉的情况。在系统挂掉后重启，数据库要知道需要Redo哪些操作，Rollback哪些操作，一定要有一个地方提前记录下来才行；相当于日志做了提前记录，数据库再做操作，根据日志的事务节点，就知道发生异常时数据要如何处理了。

Shadow Paging处理并发时，应该很难实现MVCC这种花式操作吧，多个客户端多个事务难以并发处理。

全局事务和共享事务
之前尝试过分布式事务，但实现效果实在太差，一个DB的事务卡住了，有可能卡住其他DB上的事务，性能直线下降。后面将强一致的场景进行了识别，尽量改造将其移动到一个库，其他直接通过异步等待方式解决，性能提高了不少。不需要强一致的，直接kafka同步搞了。

可靠消息队列
XA使用少，主要是其实现复杂，吞吐量低，会导致其他业务的阻塞，对于高并发访问，得不偿失。
可靠性队列，要轮询，会导致访问量增加，服务器负担上升，而且设计不良容易雪崩。同时，数据存在一段时间的不一致状态，但在可接受的情况下，性能远远优于XA。其实很多业务在重新调整事务顺序后，短期不一致状态的危害会很小。

本地事务

几类方法对比
CORBA看起来比较烦，用好了比较难，写起来比较烦，但好在起步早啊，而且贵在不断缓慢进步；
DCOM一心要兼容COM，有些反人类，看起来就烦，用好了很难，写起来很烦；
Java RMI、JAVA EJB，都是犯了相同的错，标准太烦了，对开发人员太不友好了。

WebService是看起来容易，用好了很难，写起来很烦；但同时代其他协议都是看起来就很难，所以胜出了，在一段时间内大行其道；

后来REST出现了，看起来容易，学起来容易，用起来也很容易。轻松将WebService挑落马下。

再看现在的Dubbo、Thrift、gRPC等，使用都相对简单，容易上手，开发者友好。
WCF有些小奇葩，很多想法很好，就是重了些，管得有些多，配置有些烦，如果要更多的占领市场，就应该让其变得更容易使用才对，而且应该跨平台才行。反而倒是WebAPI感觉更有前途，至少使用复杂程度和Flask、SpringBoot在一个水平线。

说到底吧，RPC协议和框架，其最终用户就是开发。
一开始能解决用户需求就行，没有其他替代方案，能解决问题，开发前辈们就很开心。
但用着用着，开发感觉体验太差了，就会有新一代产品出来，替代掉之前的产品。
而且越是新的协议，就不能有大的学习成本，容易上手，功能强大。
不信的话，你看下新的手机，比30年前功能多了不知道多少，但哪里还要一本厚厚的说明书才能上手呢？

REST的成功
REST的成功很大程度上源于HTTP及JSON使用的广泛性，其资源的思维确实很巧妙。

但其实不少REST落地成了HTTP协议收发JSON，直接把“HTTP方法”变成了JSON中的一个KV，进行了扩展；而且进一步封装了HTTP的返回值，将HTTP400/500，封装成了JSON，从而可以反馈更多的信息。换句话说，REST的一些问题，可以通过适当的灵活来解决。但唯独“传输效率”这个问题无法突破HTTP+JSON的极限。

个人认为，微服务之间内部通讯使用RPC提升传输效率，Web及外部通讯使用REST或HTTP+JSON可能是一个比较好的折中性选择。

其他通讯手段
很多啊，天天用。通过操作系统机制（共享内存、发送消息通知、粘贴板、各类内核对象等）、数据库（关系型、非关系型、列数据库），通过中间件（队列，Kafka，ESB），通过缓存，通过文件存储（NAS、NFS、对象存储）、通过UDP/RAW协议、通过网络广播、通过短信、通过邮件、通过自动拨电话、通过平台消息推送。

当然还有很多其他的方式，通过电信号编码，光信号编码、通过声波编码、通过量子通讯、甚至通过存储运输等等等等。

一、整体趋势
天下大势，分久必合合久必分。复杂有复杂的代价，简单有简单的代价。

看这些年的发展，也能看出一定的端倪：
单体应用【一统天下】-》业务复杂后，应用拆分【应用拆分】-》SOA、ESB【接口拆分聚合】-》微服务【服务拆分】-》中台【业务聚合】-》去中台【业务不要瞎聚合，再拆回去】

微服务的简单，其实是将服务功能单一化，确实降低了编码及编码维护难度，也是有很高的代价的。我们不仅要享受简单，也要知道其代价。最直观的几个代价有：
1、需要很高的代价去打造适合自己的微服务治理体系
2、由于需要解决单点问题，每个服务要部署多个实例即使用量达不到也要备着
3、运维复杂度上升，需要工具支持，对人员要求也更高；
4、微服务的调用链，比单体应用的调用链，复杂，效率低，排错难；
使用微服务，对运维能力是有一定要求的，而且非所有软件都应该走微服务的路子。盲目的微服务化，服务拆分过细的结果，往往是又合了回来。

究其原因，人对复杂事务的掌握是很有局限性的，所以我们倾向于将复杂问题分解为简单问题，将问题标准化，然后解决问题。整个人类社会都是这样，才会有社会专业分工。但分工又不能太细，这样才能恰到好处的发挥人的创造力。最终都是多种因素折中的结果。

无论是软件开发，还是CPU制造，还是工厂制造商品，还是粮食的生产，原理是相似的。

二、单体程序还是微服务
个人认为，以后的发展趋势是单体系统、微服务架构，会相互学习相互补足。

很多典型的单体系统如操作系统、数据库、中间件如MQ等，在内部设计时也会根据功能进行拆分模块，并不会全部放到一起实现，会尽力降低某一部分出错后导致的后果；同时在分布式环境下，也会给出自己不错的答案。

而微服务正相反，其本身确实是降低了开放的难度，提升了开放效率，隔离做的很好。但同时要看到，微服务将不少工作扔给了运维，没有强力的运维，微服务拆的越细，最后死的也是越难看。所以在微服务化的过程中，很多项目都是拆细了又合并回来，接受了单体组建的风险，避免了运维工作的指数型增长。

单体程序的问题在于，单体应用如果太复杂了，人是很难考虑到各个环节的，需要用更复杂的手段，来进行保证，如火箭、飞机、航母，这些复杂的软硬件一体的开放工作，需要额外的系统及理论及代价去确保系统的可靠性。而且单体系统最长见的一个问题就是，单体系统的稳定性，小于单体系统中最差部分的稳定性，在很多没有良好管控的软件项目上，单体系统的稳定性，其实就是最差的那段代码决定的。人员水平不足，项目经验不足，人力不足，时间不足，是不是和你的项目很像？这种情况下，复杂的单体系统难以高效稳定的发展。

微服务，通过各种拆分隔离解决的这个问题，但同时在运维的维度引入了新的复杂度。每个项目都应该在单体服务稳定性与运维复杂度、资源耗费之间，取得一个平衡。孰优孰劣，应该按项目来确定，而不是一棍子打死。

此外，单片机给人的感觉是单体吧，但加个设备网关，搞个IoT不香么？

同样，各种复杂的操作，云平台给你封装好了，应用只需要找平台要这要那，对于应用来说，平台把内部实现封成了黑盒子，一定意义上说不是单体么？

三、SOA为何衰败

SOA的想做的事情，方向是对的，到今天，很多思想都在落地。

但那种“干这种改变世界的事情，老子要发明一套让所有人看起来都高大上的技术才行”的想法，让SOA过于复杂。

反而不如务实，用尽了少的代价让想法落地。

不应该为了解决简单的问题，一开始就弄一巨复杂的规范，SOA如此，EJB也是如此。

重点没有去解决问题，而是为了规范而去制定规范。甚至为了制定规范，还要发明一堆名词，发明一种语言。

比如说，SOA什么都要管理，就需要发明WSDL来框定业务。WSDL根本就不是人类容易看懂的，而且十分严格。如果通讯双方namespace有个字母大小写不一致，通讯就失败，报错根本看不懂。查几个小时，发现就一个字母大小写问题。问题是你只想发个字符串过去啊。

成功的规范，往往是先落地用起来，然后一点一点长大的；先出一套巨复杂的规范，然后回去套业务，得到的不是惊喜，往往是惊吓。

四、微服务和DevOPS
一个微服务团队，从头到尾完全管理好自己的服务，其实是很难的一件事情。实际中，不少团队，微服务的技术用了不少，但DevOPS其实都没算做起来，仍然十分的依赖运维团队来完成很多工作，自建的微服务平台也不够好用，有了问题人仰马翻的。

感觉这个阶段，不如直接花钱买云厂商的服务，规避部分技术风险，重点发展业务，会更好一些。等有些技术积累了，再做适合自己的技术解决方案。

五、今天的云原生还有哪些主要矛盾，下一次软件架构的进化将会主要解决什么问题？

个人认为，当前的架构，还远远没有达到最优状态。真正最优的时候，绝大多数开发人员，是不需要知道K8S、ISTIO、Spring、数据库、缓存及各类中间件的存在的。

之前的状态是，硬件按硬件的思路发展，系统及虚拟化按其思路发展，应用架构也是按自己的思路发展。之所以当前需要发明很多新技术，是硬件、系统及虚拟化、应用架构彼此之间都有一条鸿沟，那大家就都需要自己造轮子搭梯子解决问题，统一问题必然有N中解法。后面相互磨合久了，鸿沟会进一步变窄，直至平滑过渡。

应用层开发人员，会在很大的技术视野内专注于业务层，其他层的需求只需要简单调用服务即可。

但不久的将来，一定会面临新的巨坑，需要填。

六、FAAS趋势

个人对FAAS有种直觉上的偏见，感觉有些走向了另一个极端：
1、如果保持F很简单，那平台确实可以直接将功能封装为通用服务，但就算加上DSL，F可以施展的空间感觉也不大
2、如果让F变复杂，支持复杂业务，那FAAS其实就退化成为了功能十分单一的微服务，还不如直接微服务来的爽快
整体感觉就是有些鸡肋，一边有纯图形化工具或标准服务，一边是正常程度的编码，夹在中间。

这个真的很像当年ESB的思维方式，给了一堆的标准组件，给人一看感觉封装的真好，不用编程也能做好多事情啊。但用过就知道，稍微复杂的业务就要自己去扩展组件了，不会编程什么都做不了。最后就是换了一个技术平台写代码而已。

硬件层面：
1、操作系统管理进程，分配CPU、内存等资源
2、计算线程与CPU的绑定，也算一种调度吧

网络层面：
1、路由器交换机的配置、包括F5的配置
2、服务器或虚拟机组成Cluster或NLB
3、Nginx反向代理时不同节点分配不同的比重，加上访问策略，也算一种调度吧。
4、类似的Dubbo等框架，也支持不同的调度方式

任务层面：
1、做大数据处理的时候，接触过Yarn
2、Kubernetes中Pod调度及驱逐机制
3、线程池、socket连接池、DB连接池、对象池之类的管理好像也能算

此外，在调度的过程中，有一个规律，那就是调度的时候，大家都倾向于，将代码和数据放到一起进行。
在数据量小的时候，大家倾向于把数据搬运到代码附近，比如CPU的调度。
但数据量大的时候，尤其是到了大数据、云计算时代，我们反而倾向于，把代码搬运到数据附近，因为这样更合算。