如果華為是最擅長製造驚喜的公司，那阿里巴巴應該是最擅長製造概念的公司了（有些應該不是一手的，但是卻是在阿里手裡發揚光大的），你永遠不知道阿里巴巴的口袋裡還捂著多少個概念沒放出來，那這些炒的火熱的概念都是什麼意思，正好趁著這次的雲棲大會一探究竟：
1.數據中臺是一套方法論
“大中臺，小前端”這個概念毫無預兆的就突然火了起來，但是有一個非常有意思的現象就是越是不做技術的越喜歡用這個概念，所以在PPT和方案中大行其道，而做技術的則保持相對冷靜，因為你找不到任何一個框架或者庫是和中臺相關的。恰好在這次的雲棲大會上正好有有關於數據中臺的分享，而且詳細闡述了阿里中臺的歷史背景，這對我們瞭解數據中臺非常有幫助：
- 在初始階段，阿里的數據運維疲於應付數據重構、數據治理，耗費了大量的時間。
- 數據團隊的規模一度超過了一百人，但是數據團隊價值不被認可，最後根據業務條線被差分成三個部分。
- 阿里巴巴的1688 為了應對業務的發展，需要進行一次數據體系統一的重構，經過慎重的研究，數據部門系統的提出了onedata理念，主要包含三個部分:onedata方法論，傻瓜數據平臺，生意參謀（服務商家），落地後發現對業務支撐的效果非常好。
- 兩個關鍵技術的突破，數據工具和計算存儲平臺maxcompute (odps)突破5000臺規模。
- 集團策略要求所有數據上maxcompute，形成阿里巴巴公共數據層。
- 阿里體系越來越大，收購了很多企業，業務條線林立，需要將這些業務也都統一到maxcompute平臺上來管理，平臺逐漸向中臺過度。
- 逍遙子發郵件全面推行大中臺 小前端戰略，調整組織架構，打造阿里中臺，支持前端業務快速變更。
從阿里中臺的演進過程來看，數據中臺是一套方法論，是理論，數據，業務，產品，組織架構的集合，它既不是一套框架也不是一款產品，他是一個組織如何依靠數據來支撐業務的實踐邏輯。從這個層面來說，數據中臺一定是諮詢公司的主戰場，也一定是大企業，大政府的良藥。
從技術層面上來說，數據中臺最核心的就是數據建設和服務，也正如他如下這張圖顯示，他一端連接著業務，一端連接著服務，數據從業務場景來，服務於決策，然後再回流到業務中去，形成一個完美的閉環，這就要求我們對數據統一建模、管理(OneModel)並進行核心要素的資產化(OneID)，最終形成開放的服務，支撐業務(OneService), 如何想了解詳細內容可以參考《阿里巴巴大數據實踐》這本書，裡面有詳細的內容介紹。
但其實OneData化的過程是非常不容易的，比如他們在分享他們在智慧高速方面的實踐的時候就強調到現在還沒能將數據融合好，要想融合就必須對業務有足夠的認知，然後能提升和抽象，這對技術提出了非常高的業務要求，而業務人員又不懂技術，技術落地變得非常困難，阿里巴巴自己折騰OneData，起碼他們的業務條線對自己的業務是非常熟悉的，這樣就滿足了前置條件就是：懂業務也懂技術，但是如果想將這一套技術和方法應用到行業中去，還是會面臨很大的挑戰。
2.城市大腦與四維時空
阿里巴巴提的另外一個概念就是城市大腦，這個內容在這次的會議中被劃歸到視覺智能專題，所以從這個層面上來看，視頻圖像應該是“城市大腦解”決城市痛點的核心手段，起碼應該是現階段關注的重點。令人意外的是在整個分享的過程中，他們又拋出了一個“四維時空”的概念，其實這個就是測繪地理信息行業的三維數據+視頻序列 ，他們通過“四維時空”將整體的工作進行了串聯，其實也就是一張圖的概念。整個內容從現狀需求、概念內涵、技術手段三個方面進行展開：
在進行場景式的需求分析中，他們從連接，理解以及規律發現三個方面圍繞視頻展開，現階段城市中大量的傳感設備是沒有被充分連接和利用，這是一種極大的浪費，而被連接的設備又缺乏基本的結構化能力，即使接進來了也是是看看，更高一個層面就是如何從接入的數據中發現城市運行的問題以及背後的規律從而去解決這些問題。
順著這個思路，他們提出了城市大腦的內涵就是：認知，決策支持，搜索&挖掘，預測和干預。在認知階段就是如何匯聚和理解視頻數據，對於未接入的視頻提供多樣的接口進行適配接入，提取不具備智能能力攝像頭數據的結構化信息；決策支持階段就是能夠基於豐富的數據進行城市業務的優化和支持，比如交通信號燈的優化，這也是市面上見的比較多的落地案例；搜索挖掘就是能夠在沉澱的浩瀚的視頻數據中做全量的搜索，我們以前的搜索一般都是基於文本的全文檢索，而在視頻環境中可以直接通過搜索車牌號就可以找到所有的包含這個車牌的視頻數據以及它的軌跡；預測和干預就是一體化的內容，能夠預測自然就可以根據預測的結論來干預管理，比如道路發生交通事故，通過識別到是哪個車道，從而來針對性的調整紅綠燈。
城市大腦涉及的東西過於技術化，那如何將這些抽象的內容以一種具象化的手段呈現給最終的終端用戶呢？他們選擇通過“四維時空”來做整體城市大腦流程的串聯，而這個“四維時空”也就是前段時間阿里聯合了幾家GIS公司發佈的內容，從這次的內容來看應該就是提了多年的“城市的一張底板”，不同的是這次是將“視頻數據”提到一個和空間三維平行的層面。首先視頻數據上圖，通過視頻序列識別，便可以在三維地圖上將人、車、事件進行仿真，並基於三維場景進行城市的預測和推演。其實三維模型和視頻數據的融合一直是研究的熱點，我們之前採用的手段是試圖將三維的圖像內容通過拼接投影，使用動態紋理的方式投影到三維場景中，阿里的四維時空的做法就是將視頻的內容進行了進一步的結構化，並通過模型在場景中實時仿真，構建一個“數字平行世界”，有時也叫“數字孿生”。
總體來看，阿里的城市大腦以視頻為切入點，以四維時空進行串聯，以AI和算力為核心能力，總體來說沒有太大的驚喜，也是正常的智慧城市建設思路，這也在一定程度上反映出現在大家的思路基本上統一，就看誰在技術上能夠有進一步的突破，未來工程化的過程中也一定會繼續和行業做深度的結合，到時候應該會有更多更有趣的火花。
3.雲原生之All in Cloud
隨著雲以及容器的落地，雲原生這個概念現在也變得熱門起來，Linux基金會也於2015年推出了雲原生應用基金會（CNCF）。毫無疑問的是阿里雲開創了中國的雲時代，經過前十年互聯網廠商全面雲化的努力，基礎設施的雲化已經基本完成，眾多的中小企業開始主動購買雲的服務，其實基礎設施雲化最徹底的還是政府部門，現在我們做的很多項目無一例外都是在“政務雲”中部署，對於像廣東這樣地方的政府信息化項目，已經不允許再獨立採購服務器硬件設備，只能購買雲上資源。
雖然基礎設施雲化了，但是如何用好這個基礎設施成為了擺在用戶面前的一道難題，現在的基礎設施層面的雲以及可以滿足彈性伸縮，動態擴容的需求了，但是我們開發軟件絕大多數依然使用傳統的煙囪式架構，根本無法利用這些彈性的資源，這就是一個矛盾。這也就要求軟件從架構和部署上要能夠適應雲化基礎設施，目前這類軟件開發和部署框架已經出現了，並得到了快速的發展，比如支持分佈式部署的開發框架Spring Cloud，Dubbo；容器化部署框架:docker+k8s；還有目前比較流行的Serverless(無服務器架構)，更是將彈性的粒度從應用縮小到一個函數掉用。
另外一個趨勢就是數據的在線，阿里的王堅博士認為互聯網最大的價值就是將離線的數據在線了。現在信息化軟件和智能設備已經太多了，這些設備從設計之初就是為了接入做準備，就是如何能夠將自己的數據快速貢獻出來，雖然很多情況下不知道貢獻出來有什麼用，但是起碼上數據在線，共享已經成為系統或者設備的基礎功能了。
從上面的場景分析，並回過頭來結合我們自身的體驗可以發現雲已經這麼深刻的在全面的重構我們的信息化場景，那雲原生為什麼具有如此強的生命力？其實總結起來主要有兩條：開放的體系和彈性的資源利用。其中彈性的資源利用可以最大程度的利用現有資源，對於資源的使用也是可以按需購買，其實還有一點就是大大省去了運維的工作，如果自建服務器每天就是要來回折騰部署、網絡、宕機重啟這些瑣碎的事情，極大的耗費精力，購買雲服務就可以將這些工作丟給雲服務商，畢竟他們更專業，何樂而不為；除此之外，最重要的還是開發者友好的技術體系；眾所周知，信息行業的標準都是事實標準而不是某個組織或者協會制定出來的，所以很難出現某一項技術被一個供應商鎖定，大部分想通過對技術服務建封閉的收費站最終都會被技術本身革命掉，最好的方法就是構建開放的生態，通過生態來掙錢。
而互聯網企業一般在開發的技術體系上都是先應用，先實踐，所以有很深刻的技術積累，這些技術又是高質量的，領先於傳統企業的，然後很自然他們就想把這套高質量、同時得到大家廣泛認可的技術體系打包起來做成服務的形式提供出來；
最後可以看一下阿里雲聲稱業內最全的產品架構，在資源層主要提供和容器編排方面的服務，容器編排的作用主要針對如何在分佈式環境中部署應用、如何管理跨機器應用，如何維護並實現負載均衡、資源配額、自動調度、在線擴容等等；在無服務器架構方面支持了K8S，企業級分佈式應用服務(EDAS)、面向函數的Function Computing；最上面的應用包括了數據智能、分佈式應用和DevOps。這次發佈會比較有意思的是針對雲原生數據庫POLARDB還發布了一款一體機-POLARDB BOX，這個是一個非常不錯的產品，將軟件、服務器資源和資源管理能力打包在一起將雲原生的能力進一步下沉到更小的應用場景，比如有的企業應用想使用雲化的管理但是又不想讓自己的信息洩露出去，就可以使用這個產品。
這次阿里雲棲大會可謂是乾貨滿滿，每個分享都在不斷刷新自己的認知，吹牛的大有人在，但也會發現還是有很多人不斷在自己的專業方向上勤勤懇懇的突破，對國家的愛不應該只停留在朋友圈，更多的應該停留在自己的本職工作上，讓中國在技術上能夠屹立於世界！
閱讀更多 丸子工坊 的文章
