如果华为是最擅长制造惊喜的公司，那阿里巴巴应该是最擅长制造概念的公司了（有些应该不是一手的，但是却是在阿里手里发扬光大的），你永远不知道阿里巴巴的口袋里还捂着多少个概念没放出来，那这些炒的火热的概念都是什么意思，正好趁着这次的云栖大会一探究竟：
1.数据中台是一套方法论
“大中台，小前端”这个概念毫无预兆的就突然火了起来，但是有一个非常有意思的现象就是越是不做技术的越喜欢用这个概念，所以在PPT和方案中大行其道，而做技术的则保持相对冷静，因为你找不到任何一个框架或者库是和中台相关的。恰好在这次的云栖大会上正好有有关于数据中台的分享，而且详细阐述了阿里中台的历史背景，这对我们了解数据中台非常有帮助：
- 在初始阶段，阿里的数据运维疲于应付数据重构、数据治理，耗费了大量的时间。
- 数据团队的规模一度超过了一百人，但是数据团队价值不被认可，最后根据业务条线被差分成三个部分。
- 阿里巴巴的1688 为了应对业务的发展，需要进行一次数据体系统一的重构，经过慎重的研究，数据部门系统的提出了onedata理念，主要包含三个部分:onedata方法论，傻瓜数据平台，生意参谋（服务商家），落地后发现对业务支撑的效果非常好。
- 两个关键技术的突破，数据工具和计算存储平台maxcompute (odps)突破5000台规模。
- 集团策略要求所有数据上maxcompute，形成阿里巴巴公共数据层。
- 阿里体系越来越大，收购了很多企业，业务条线林立，需要将这些业务也都统一到maxcompute平台上来管理，平台逐渐向中台过度。
- 逍遥子发邮件全面推行大中台 小前端战略，调整组织架构，打造阿里中台，支持前端业务快速变更。
从阿里中台的演进过程来看，数据中台是一套方法论，是理论，数据，业务，产品，组织架构的集合，它既不是一套框架也不是一款产品，他是一个组织如何依靠数据来支撑业务的实践逻辑。从这个层面来说，数据中台一定是咨询公司的主战场，也一定是大企业，大政府的良药。
从技术层面上来说，数据中台最核心的就是数据建设和服务，也正如他如下这张图显示，他一端连接着业务，一端连接着服务，数据从业务场景来，服务于决策，然后再回流到业务中去，形成一个完美的闭环，这就要求我们对数据统一建模、管理(OneModel)并进行核心要素的资产化(OneID)，最终形成开放的服务，支撑业务(OneService), 如何想了解详细内容可以参考《阿里巴巴大数据实践》这本书，里面有详细的内容介绍。
但其实OneData化的过程是非常不容易的，比如他们在分享他们在智慧高速方面的实践的时候就强调到现在还没能将数据融合好，要想融合就必须对业务有足够的认知，然后能提升和抽象，这对技术提出了非常高的业务要求，而业务人员又不懂技术，技术落地变得非常困难，阿里巴巴自己折腾OneData，起码他们的业务条线对自己的业务是非常熟悉的，这样就满足了前置条件就是：懂业务也懂技术，但是如果想将这一套技术和方法应用到行业中去，还是会面临很大的挑战。
2.城市大脑与四维时空
阿里巴巴提的另外一个概念就是城市大脑，这个内容在这次的会议中被划归到视觉智能专题，所以从这个层面上来看，视频图像应该是“城市大脑解”决城市痛点的核心手段，起码应该是现阶段关注的重点。令人意外的是在整个分享的过程中，他们又抛出了一个“四维时空”的概念，其实这个就是测绘地理信息行业的三维数据+视频序列 ，他们通过“四维时空”将整体的工作进行了串联，其实也就是一张图的概念。整个内容从现状需求、概念内涵、技术手段三个方面进行展开：
在进行场景式的需求分析中，他们从连接，理解以及规律发现三个方面围绕视频展开，现阶段城市中大量的传感设备是没有被充分连接和利用，这是一种极大的浪费，而被连接的设备又缺乏基本的结构化能力，即使接进来了也是是看看，更高一个层面就是如何从接入的数据中发现城市运行的问题以及背后的规律从而去解决这些问题。
顺着这个思路，他们提出了城市大脑的内涵就是：认知，决策支持，搜索&挖掘，预测和干预。在认知阶段就是如何汇聚和理解视频数据，对于未接入的视频提供多样的接口进行适配接入，提取不具备智能能力摄像头数据的结构化信息；决策支持阶段就是能够基于丰富的数据进行城市业务的优化和支持，比如交通信号灯的优化，这也是市面上见的比较多的落地案例；搜索挖掘就是能够在沉淀的浩瀚的视频数据中做全量的搜索，我们以前的搜索一般都是基于文本的全文检索，而在视频环境中可以直接通过搜索车牌号就可以找到所有的包含这个车牌的视频数据以及它的轨迹；预测和干预就是一体化的内容，能够预测自然就可以根据预测的结论来干预管理，比如道路发生交通事故，通过识别到是哪个车道，从而来针对性的调整红绿灯。
城市大脑涉及的东西过于技术化，那如何将这些抽象的内容以一种具象化的手段呈现给最终的终端用户呢？他们选择通过“四维时空”来做整体城市大脑流程的串联，而这个“四维时空”也就是前段时间阿里联合了几家GIS公司发布的内容，从这次的内容来看应该就是提了多年的“城市的一张底板”，不同的是这次是将“视频数据”提到一个和空间三维平行的层面。首先视频数据上图，通过视频序列识别，便可以在三维地图上将人、车、事件进行仿真，并基于三维场景进行城市的预测和推演。其实三维模型和视频数据的融合一直是研究的热点，我们之前采用的手段是试图将三维的图像内容通过拼接投影，使用动态纹理的方式投影到三维场景中，阿里的四维时空的做法就是将视频的内容进行了进一步的结构化，并通过模型在场景中实时仿真，构建一个“数字平行世界”，有时也叫“数字孪生”。
总体来看，阿里的城市大脑以视频为切入点，以四维时空进行串联，以AI和算力为核心能力，总体来说没有太大的惊喜，也是正常的智慧城市建设思路，这也在一定程度上反映出现在大家的思路基本上统一，就看谁在技术上能够有进一步的突破，未来工程化的过程中也一定会继续和行业做深度的结合，到时候应该会有更多更有趣的火花。
3.云原生之All in Cloud
随着云以及容器的落地，云原生这个概念现在也变得热门起来，Linux基金会也于2015年推出了云原生应用基金会（CNCF）。毫无疑问的是阿里云开创了中国的云时代，经过前十年互联网厂商全面云化的努力，基础设施的云化已经基本完成，众多的中小企业开始主动购买云的服务，其实基础设施云化最彻底的还是政府部门，现在我们做的很多项目无一例外都是在“政务云”中部署，对于像广东这样地方的政府信息化项目，已经不允许再独立采购服务器硬件设备，只能购买云上资源。
虽然基础设施云化了，但是如何用好这个基础设施成为了摆在用户面前的一道难题，现在的基础设施层面的云以及可以满足弹性伸缩，动态扩容的需求了，但是我们开发软件绝大多数依然使用传统的烟囱式架构，根本无法利用这些弹性的资源，这就是一个矛盾。这也就要求软件从架构和部署上要能够适应云化基础设施，目前这类软件开发和部署框架已经出现了，并得到了快速的发展，比如支持分布式部署的开发框架Spring Cloud，Dubbo；容器化部署框架:docker+k8s；还有目前比较流行的Serverless(无服务器架构)，更是将弹性的粒度从应用缩小到一个函数掉用。
另外一个趋势就是数据的在线，阿里的王坚博士认为互联网最大的价值就是将离线的数据在线了。现在信息化软件和智能设备已经太多了，这些设备从设计之初就是为了接入做准备，就是如何能够将自己的数据快速贡献出来，虽然很多情况下不知道贡献出来有什么用，但是起码上数据在线，共享已经成为系统或者设备的基础功能了。
从上面的场景分析，并回过头来结合我们自身的体验可以发现云已经这么深刻的在全面的重构我们的信息化场景，那云原生为什么具有如此强的生命力？其实总结起来主要有两条：开放的体系和弹性的资源利用。其中弹性的资源利用可以最大程度的利用现有资源，对于资源的使用也是可以按需购买，其实还有一点就是大大省去了运维的工作，如果自建服务器每天就是要来回折腾部署、网络、宕机重启这些琐碎的事情，极大的耗费精力，购买云服务就可以将这些工作丢给云服务商，毕竟他们更专业，何乐而不为；除此之外，最重要的还是开发者友好的技术体系；众所周知，信息行业的标准都是事实标准而不是某个组织或者协会制定出来的，所以很难出现某一项技术被一个供应商锁定，大部分想通过对技术服务建封闭的收费站最终都会被技术本身革命掉，最好的方法就是构建开放的生态，通过生态来挣钱。
而互联网企业一般在开发的技术体系上都是先应用，先实践，所以有很深刻的技术积累，这些技术又是高质量的，领先于传统企业的，然后很自然他们就想把这套高质量、同时得到大家广泛认可的技术体系打包起来做成服务的形式提供出来；
最后可以看一下阿里云声称业内最全的产品架构，在资源层主要提供和容器编排方面的服务，容器编排的作用主要针对如何在分布式环境中部署应用、如何管理跨机器应用，如何维护并实现负载均衡、资源配额、自动调度、在线扩容等等；在无服务器架构方面支持了K8S，企业级分布式应用服务(EDAS)、面向函数的Function Computing；最上面的应用包括了数据智能、分布式应用和DevOps。这次发布会比较有意思的是针对云原生数据库POLARDB还发布了一款一体机-POLARDB BOX，这个是一个非常不错的产品，将软件、服务器资源和资源管理能力打包在一起将云原生的能力进一步下沉到更小的应用场景，比如有的企业应用想使用云化的管理但是又不想让自己的信息泄露出去，就可以使用这个产品。
这次阿里云栖大会可谓是干货满满，每个分享都在不断刷新自己的认知，吹牛的大有人在，但也会发现还是有很多人不断在自己的专业方向上勤勤恳恳的突破，对国家的爱不应该只停留在朋友圈，更多的应该停留在自己的本职工作上，让中国在技术上能够屹立于世界！
閱讀更多 丸子工坊 的文章
