安卓应用中引入阿里符号

你可以使用阿里矢量图标库（Alibaba Vector Icon Library），它是一个开源的图标库，允许开发者在自己的应用程序中使用阿里矢量图标。它提供了一组精美的矢量图标，可以用于安卓、iOS和Web应用程序。

本文主要整理自阿里巴巴计算平台事业部资深技术专家莫问在云栖大会的演讲。

合抱之木，生于毫末

随着人工智能时代的降临，数据量的爆发，在典型的大数据的业务场景下数据业务最通用的做法是：选用批处理的技术处理全量数据，采用流式计算处理实时增量数据。在绝大多数的业务场景之下，用户的业务逻辑在批处理和流处理之中往往是相同的。但是，用户用于批处理和流处理的两套计算引擎是不同的。

因此，用户通常需要写两套代码。毫无疑问，这带来了一些额外的负担和成本。阿里巴巴的商品数据处理就经常需要面对增量和全量两套不同的业务流程问题，所以阿里就在想，我们能不能有一套统一的大数据引擎技术，用户只需要根据自己的业务逻辑开发一套代码。这样在各种不同的场景下，不管是全量数据还是增量数据，亦或者实时处理，一套方案即可全部支持， 这就是阿里选择Flink的背景和初衷 。

目前开源大数据计算引擎有很多选择，流计算如Storm,Samza,Flink,Kafka Stream等，批处理如Spark,Hive,Pig,Flink等。而同时支持流处理和批处理的计算引擎，只有两种选择：一个是Apache Spark，一个是Apache Flink。

从技术，生态等各方面的综合考虑。首先，Spark的技术理念是基于批来模拟流的计算。而Flink则完全相反，它采用的是基于流计算来模拟批计算。

从技术发展方向看，用批来模拟流有一定的技术局限性，并且这个局限性可能很难突破。而Flink基于流来模拟批，在技术上有更好的扩展性。从长远来看，阿里决定用Flink做一个统一的、通用的大数据引擎作为未来的选型。

Flink是一个低延迟、高吞吐、统一的大数据计算引擎。在阿里巴巴的生产环境中，Flink的计算平台可以实现毫秒级的延迟情况下，每秒钟处理上亿次的消息或者事件。同时Flink提供了一个Exactly-once的一致性语义。保证了数据的正确性。这样就使得Flink大数据引擎可以提供金融级的数据处理能力。

Flink在阿里的现状

基于Apache Flink在阿里巴巴搭建的平台于2016年正式上线，并从阿里巴巴的搜索和推荐这两大场景开始实现。目前阿里巴巴所有的业务，包括阿里巴巴所有子公司都采用了基于Flink搭建的实时计算平台。同时Flink计算平台运行在开源的Hadoop集群之上。采用Hadoop的YARN做为资源管理调度，以 HDFS作为数据存储。因此，Flink可以和开源大数据软件Hadoop无缝对接。

目前，这套基于Flink搭建的实时计算平台不仅服务于阿里巴巴集团内部，而且通过阿里云的云产品API向整个开发者生态提供基于Flink的云产品支持。

Flink在阿里巴巴的大规模应用，表现如何？

规模： 一个系统是否成熟，规模是重要指标，Flink最初上线阿里巴巴只有数百台服务器，目前规模已达上万台，此等规模在全球范围内也是屈指可数；

状态数据： 基于Flink，内部积累起来的状态数据已经是PB级别规模；

Events： 如今每天在Flink的计算平台上，处理的数据已经超过万亿条；

PS： 在峰值期间可以承担每秒超过472亿次的访问，最典型的应用场景是阿里巴巴双11大屏；

Flink的发展之路

接下来从开源技术的角度，来谈一谈Apache Flink是如何诞生的，它是如何成长的？以及在成长的这个关键的时间点阿里是如何进入的？并对它做出了那些贡献和支持？

Flink诞生于欧洲的一个大数据研究项目StratoSphere。该项目是柏林工业大学的一个研究性项目。早期，Flink是做Batch计算的，但是在2014年，StratoSphere里面的核心成员孵化出Flink，同年将Flink捐赠Apache，并在后来成为Apache的顶级大数据项目，同时Flink计算的主流方向被定位为Streaming，即用流式计算来做所有大数据的计算，这就是Flink技术诞生的背景。

2014年Flink作为主攻流计算的大数据引擎开始在开源大数据行业内崭露头角。区别于Storm,Spark Streaming以及其他流式计算引擎的是：它不仅是一个高吞吐、低延迟的计算引擎，同时还提供很多高级的功能。比如它提供了有状态的计算，支持状态管理，支持强一致性的数据语义以及支持Event Time,WaterMark对消息乱序的处理。

Flink核心概念以及基本理念

Flink最区别于其他流计算引擎的，其实就是状态管理。

什么是状态？例如开发一套流计算的系统或者任务做数据处理，可能经常要对数据进行统计，如Sum,Count,Min,Max,这些值是需要存储的。因为要不断更新，这些值或者变量就可以理解为一种状态。如果数据源是在读取Kafka,RocketMQ，可能要记录读取到什么位置，并记录Offset，这些Offset变量都是要计算的状态。

Flink提供了内置的状态管理，可以把这些状态存储在Flink内部，而不需要把它存储在外部系统。这样做的好处是第一降低了计算引擎对外部系统的依赖以及部署，使运维更加简单；第二，对性能带来了极大的提升：如果通过外部去访问，如Redis,HBase它一定是通过网络及RPC。如果通过Flink内部去访问，它只通过自身的进程去访问这些变量。同时Flink会定期将这些状态做Checkpoint持久化，把Checkpoint存储到一个分布式的持久化系统中，比如HDFS。这样的话，当Flink的任务出现任何故障时，它都会从最近的一次Checkpoint将整个流的状态进行恢复，然后继续运行它的流处理。对用户没有任何数据上的影响。

Flink是如何做到在Checkpoint恢复过程中没有任何数据的丢失和数据的冗余？来保证精准计算的？

这其中原因是Flink利用了一套非常经典的Chandy-Lamport算法，它的核心思想是把这个流计算看成一个流式的拓扑，定期从这个拓扑的头部Source点开始插入特殊的Barries，从上游开始不断的向下游广播这个Barries。每一个节点收到所有的Barries,会将State做一次Snapshot，当每个节点都做完Snapshot之后，整个拓扑就算完整的做完了一次Checkpoint。接下来不管出现任何故障，都会从最近的Checkpoint进行恢复。

Flink利用这套经典的算法，保证了强一致性的语义。这也是Flink与其他无状态流计算引擎的核心区别。

下面介绍Flink是如何解决乱序问题的。比如星球大战的播放顺序，如果按照上映的时间观看，可能会发现故事在跳跃。

在流计算中，与这个例子是非常类似的。所有消息到来的时间，和它真正发生在源头，在线系统Log当中的时间是不一致的。在流处理当中，希望是按消息真正发生在源头的顺序进行处理，不希望是真正到达程序里的时间来处理。Flink提供了Event Time和WaterMark的一些先进技术来解决乱序的问题。使得用户可以有序的处理这个消息。这是Flink一个很重要的特点。

接下来要介绍的是Flink启动时的核心理念和核心概念，这是Flink发展的第一个阶段；第二个阶段时间是2015年和2017年，这个阶段也是Flink发展以及阿里巴巴介入的时间。故事源于2015年年中，我们在搜索事业部的一次调研。当时阿里有自己的批处理技术和流计算技术，有自研的，也有开源的。但是，为了思考下一代大数据引擎的方向以及未来趋势，我们做了很多新技术的调研。

结合大量调研结果，我们最后得出的结论是：解决通用大数据计算需求，批流融合的计算引擎，才是大数据技术的发展方向，并且最终我们选择了Flink。

但2015年的Flink还不够成熟，不管是规模还是稳定性尚未经历实践。最后我们决定在阿里内部建立一个Flink分支，对Flink做大量的修改和完善，让其适应阿里巴巴这种超大规模的业务场景。在这个过程当中，我们团队不仅对Flink在性能和稳定性上做出了很多改进和优化，同时在核心架构和功能上也进行了大量创新和改进，并将其贡献给社区，例如：Flink新的分布式架构，增量Checkpoint机制,基于Credit-based的网络流控机制和Streaming SQL等。

阿里巴巴对Flink社区的贡献

我们举两个设计案例，第一个是阿里巴巴重构了Flink的分布式架构，将Flink的Job调度和资源管理做了一个清晰的分层和解耦。这样做的首要好处是Flink可以原生的跑在各种不同的开源资源管理器上。经过这套分布式架构的改进，Flink可以原生地跑在Hadoop Yarn和Kubernetes这两个最常见的资源管理系统之上。同时将Flink的任务调度从集中式调度改为了分布式调度，这样Flink就可以支持更大规模的集群，以及得到更好的资源隔离。

另一个是实现了增量的Checkpoint机制，因为Flink提供了有状态的计算和定期的Checkpoint机制，如果内部的数据越来越多，不停地做Checkpoint,Checkpoint会越来越大，最后可能导致做不出来。提供了增量的Checkpoint后，Flink会自动地发现哪些数据是增量变化，哪些数据是被修改了。同时只将这些修改的数据进行持久化。这样Checkpoint不会随着时间的运行而越来越难做，整个系统的性能会非常地平稳，这也是我们贡献给社区的一个很重大的特性。

经过2015年到2017年对Flink Streaming的能力完善，Flink社区也逐渐成熟起来。Flink也成为在Streaming领域最主流的计算引擎。因为Flink最早期想做一个流批统一的大数据引擎，2018年已经启动这项工作，为了实现这个目标，阿里巴巴提出了新的统一API架构，统一SQL解决方案，同时流计算的各种功能得到完善后，我们认为批计算也需要各种各样的完善。无论在任务调度层，还是在数据Shuffle层，在容错性，易用性上，都需要完善很多工作。

篇幅原因，下面主要和大家分享两点：

● 统一 API Stack

● 统一 SQL方案

先来看下目前Flink API Stack的一个现状，调研过Flink或者使用过Flink的开发者应该知道。Flink有2套基础的API，一套是DataStream，一套是DataSet。DataStream API是针对流式处理的用户提供，DataSet API是针对批处理用户提供，但是这两套API的执行路径是完全不一样的，甚至需要生成不同的Task去执行。所以这跟得到统一的API是有冲突的，而且这个也是不完善的，不是最终的解法。在Runtime之上首先是要有一个批流统一融合的基础API层，我们希望可以统一API层。

因此，我们在新架构中将采用一个DAG（有限无环图）API，作为一个批流统一的API层。对于这个有限无环图，批计算和流计算不需要泾渭分明的表达出来。只需要让开发者在不同的节点，不同的边上定义不同的属性，来规划数据是流属性还是批属性。整个拓扑是可以融合批流统一的语义表达，整个计算无需区分是流计算还是批计算，只需要表达自己的需求。有了这套API后，Flink的API Stack将得到统一。

除了统一的基础API层和统一的API Stack外，同样在上层统一SQL的解决方案。流和批的SQL，可以认为流计算有数据源，批计算也有数据源，我们可以将这两种源都模拟成数据表。可以认为流数据的数据源是一张不断更新的数据表，对于批处理的数据源可以认为是一张相对静止的表，没有更新的数据表。整个数据处理可以当做SQL的一个Query，最终产生的结果也可以模拟成一个结果表。

对于流计算而言，它的结果表是一张不断更新的结果表。对于批处理而言，它的结果表是相当于一次更新完成的结果表。从整个SOL语义上表达，流和批是可以统一的。此外，不管是流式SQL，还是批处理SQL，都可以用同一个Query来表达复用。这样以来流批都可以用同一个Query优化或者解析。甚至很多流和批的算子都是可以复用的。

Flink的未来方向

首先，阿里巴巴还是要立足于Flink的本质，去做一个全能的统一大数据计算引擎。将它在生态和场景上进行落地。目前Flink已经是一个主流的流计算引擎，很多互联网公司已经达成了共识：Flink是大数据的未来，是最好的流计算引擎。下一步很重要的工作是让Flink在批计算上有所突破。在更多的场景下落地，成为一种主流的批计算引擎。然后进一步在流和批之间进行无缝的切换，流和批的界限越来越模糊。用Flink,在一个计算中，既可以有流计算，又可以有批计算。

第二个方向就是Flink的生态上有更多语言的支持，不仅仅是Java，Scala语言，甚至是机器学习下用的Python，Go语言。未来我们希望能用更多丰富的语言来开发Flink计算的任务，来描述计算逻辑，并和更多的生态进行对接。

最后不得不说AI，因为现在很多大数据计算的需求和数据量都是在支持很火爆的AI场景，所以在Flink流批生态完善的基础上，将继续往上走，完善上层Flink的Machine Learning算法库，同时Flink往上层也会向成熟的机器学习，深度学习去集成。比如可以做Tensorflow On Flink, 让大数据的ETL数据处理和机器学习的Feature计算和特征计算，训练的计算等进行集成，让开发者能够同时享受到多种生态给大家带来的好处。

作为一名开源爱好者，发掘优秀的开源项目是一件非常有趣的事情。在第一期中，我分享了单页个人网站模板、组装式 Flutter 应用框架、PHP 客户端库、Java 诊断工具等一些实用的库和工具。本期依旧会为大家分享一些前端、后端、移动开发的相关工具，希望你能“淘”到适合自己的工具。

1Vue-EasyTable

Vue-EasyTable 是一款基于 Vue2x 的 table 组件，具备自适应、表头与列固定、自定义单元格样式、自定义 Loading 等功能。

2React-Calendar

这是一款具备原生日期格式的日历组件。它不依赖 Momentjs，支持日期选择范围，涵盖了各国语言，开箱即用。

3Matter

CSS 实现的 Material 组件合集项目，作者已将部分作品开源，效果可以在 CodePen 上查看。

4Revery

Revery 是一款用于构建高性能、跨平台桌面应用的框架。它类似于加速版的原生 Electron，除了拥有类似 React / Redux 的库，还具备 GPU 加速渲染功能，其内置的编译器速度也相当快。

5Web Accessibility Guide

这是一个精选了 Web 可访问性贴士、技巧和最佳实践的开源项目，你将会学习到一些改善 Web 可访问性的实用做法。

1SOFAJRaft

SOFAJRaft 是蚂蚁金服开源的生产级 Java Raft 算法库，它基于 Raft 一致性算法的生产级高性能 Java 实现，支持 MULTI-RAFT-GROUP，适用于高负载低延迟的场景，易于使用。

2 Dragonwell

阿里开源了 OpenJDK 发行版 Dragonwell，它提供长期支持，包括性能增强和安全修复。在数据中心大规模 Java 应用部署情况下，可以大幅度提高稳定性、效率以及性能。

3Lawoole

Lawoole 是一款基于 Laravel 和 Swoole 的高性能 PHP 框架。它兼具了 Laravel 的特点，还解决了其功能背后的性能问题。同时，你还能感受到与 Laravel 一样的编码体验。

4AntNest

AntNest 是一个简洁、快速的异步爬虫框架。它仅有 600 行代码，基于 Python 36+

5PHP-Awesome

这个仓库汇集了 PHP 优秀的资源，供你查询和参考。

1FlutterBoost

FlutterBoost 是闲鱼开源的新一代 Flutter-Native 混合解决方案。它能够帮你处理页面的映射和跳转，你只需要关心页面的名字和参数即可。

2MyLayout

MyLayout 是一套 iOS 界面视图布局框架，可谓 iOS 下的界面布局利器。它集成了 iOS Autolayout、Size Classes、Android 的 5 大布局体系、HTML/CSS 的浮动定位技术以及 Flex-Box 和 Bootstrap 框架等主流的平台的界面布局功能，并提供了一套简单、完备的多屏幕尺寸适配的解决方案。

3SegementSlide

SegementSlide 是一个 iOS UI 库，它具备完整的滑滚及切换组件，旨在解决多层 UIScrollView 嵌套滚动的问题。

1DevHub

DevHub 是一款跨平台的 GitHub 通知管理客户端，支持 Android、 iOS、网页和桌面上使用，帮助你便捷的接收 GitHub 各类通知。

2Reqman

Reqman 是一个帮助后端工程师进行 API 测试的工具，同时也是一个基于 Nodejs 的爬虫工具。

3FreeCodeCamp

说到 FreeCodeCamp，或许大家不会陌生，而这个项目就是他们建立的开源课程和相应的代码库。网站提供了 6 大认证课程，也涉及了全栈开发认证。如果你感兴趣，不妨了解下。

4Gitter

Gitter 是 GitHub 小程序客户端，作者采用 Taro 框架 + Taro UI 进行开发，而小程序内数据则来自 GitHub Api V3

5Awesome Podcasts

这个项目收集了各类实用的播客，涵盖了主流的编程语言，希望对你提升技术水平有所帮助。 ​

6编程图书大全

书籍不光能在你迷茫的时候，给予你答案，还能在你提升技能的时候，给予你帮助。这个仓库收集了众多编程图书，涉及主流编程语言、人工智能、算法、Linux、大数据等。看看，有木有你需要的。

7VS Code Netease Music

很多开发者喜欢边写代码，边听音乐，VS Code Netease Music 这个插件就能满足你在 VS Code 上听歌的愿望。它使用 Webview 实现，不依赖命令行播放器。

Star-Battle

Star-Battle 是一款使用 JavaScript ES6、Canvas 开发的飞船射击类 游戏 。来 Enjoy 吧。 ​​​​

注：

如需转载，烦请按下方注明出处信息，谢谢！

很多国产数据库乘风破浪

我们正处在一个数据库技术大爆炸的时代。

这几年，NoSQL数据库、NewSQL数据库、时序数据库、图数据库、分布式数据库、超融合数据库等专业数据库技术发展势头很猛，国产数据库的表现也相当亮眼。

过去十年，是互联网发展的黄金十年。与此对应的是业务系统访问并发呈指数级上升，海量数据计算和分析需求越来越普遍，传统单机系统在业务支撑、成本、开放性等方面均面临巨大挑战，数据库垂直扩展模式难以维护等困境。

眼看着数据库性能瓶颈快要扼住发展的喉咙，摆在这些长久依赖Oracle、IBM等传统数据库的巨头们面前的，只有两条路：要么开启无限加量的PLUS模式，即更换更多更强的服务器、硬盘、内存、CPU等，要么自研能满足业务发展需求的数据库。

开拓者们的眼光一开始就聚焦在更长远的未来，他们发现即便是系统变成真正的“傻大粗”，也只是解了燃眉之急，不能从源头解决问题。

再看一眼像Oracle、IBM等传统数据库高昂的拓容价格，像阿里这样的富一代也吃不消哇！

那么，自研数据库，走起！

2010年后，云计算和开源社区兴起，国产数据库开始了弯道超车。

2019年被认为是国产数据库的元年。

这一年，众多国产数据库产品闯入了我们的视线，热度不断攀升；这一年，OceanBase登顶TPCC，并于一年后再次刷新自己的记录。

从刀耕火种到摘下Oracle在数据库领域的皇冠，国产数据库经历的是一段不被理解和不被看好的岁月。

在国外数据库先驱长期占据市场优势的情况下，国产数据库要想杀出重围，一是要付出多倍努力，二是要拿出更强的产品才能在客户面前更有底气。

当然，国产数据库发展至今，已然是百花齐放。未来，国产数据库的发展趋势相对也比较明显，即往云原生和分布式发展。

金融级分布式数据库应运而生

数字时代，数据成为各家必争之地。

在金融应用场景下，国内数据库市场于近几年开始发生变化。

随着应用层和业务层的压力加大，金融机构对分布式技术架构转型的需求应运而生。

作为软件系统的三大底层技术（ *** 作系统、中间件、数据库）之一，数据库成为系统往分布式架构转型的枢纽。

不过，在早年国外传统数据库厂商盘根错节的“蚕食”下，这个核心变得又硬又难啃！

面对如今市场的需求变化，传统数据库系统呈现出一个通病：又笨重又贵。

再是，随着诸如2013年“棱镜门”事件的爆发，各界越来越重视数据安全和技术自主可控。

此外，金融机构对快速、灵活、可伸缩性、创新、敏捷等开发能力需求大大提升，出于对长期IT建设的成本考虑，自主可控更是成为他们出于自身长远发展考量的刚需。

数字化时代，金融机构的整体架构正处于往分布式、云原生、微服务等方向发展的关键时刻，数据库的选型便显得至关重要。

根据中国人民银行发布的《金融 科技 （FinTech）发展规划（2019-2021年）》，我国将有计划、分步骤地稳妥推动分布式数据库产品先行先试，形成可借鉴、能推广的典型案例和解决方案，为分布式数据库在金融领域的全面应用探明路径，确保分布式数据库在金融领域稳妥应用。

目前已有不少业界实践证明了分布式数据库应用于金融场景的可靠性。同时，金融级分布式数据库云化已经在路上。

阿里云致力于以在线公共服务的方式，提供安全、可靠的计算和数据处理能力，让计算和人工智能成为普惠科技。

阿里云服务着制造、金融、政务、交通、医疗、电信、能源等众多领域的领军企业，包括中国联通、12306、中石化、中石油、飞利浦、华大基因等大型企业客户，以及微博、知乎、锤子科技等明星互联网公司。在天猫双11全球狂欢节、12306春运购票等极富挑战的应用场景中，阿里云保持着良好的运行纪录。

阿里云在全球各地部署高效节能的绿色数据中心，利用清洁计算为万物互联的新世界提供源源不断的能源动力，目前开服的区域包括中国（华北、华东、华南、香港）、新加坡、美国（美东、美西）、欧洲、中东、澳大利亚、日本。

扩展资料：

阿里云主要产品：

1、d性计算：

云服务器ECS：可d性扩展、安全、稳定、易用的计算服务

块存储：可d性扩展、高性能、高可靠的块级随机存储

专有网络VPC：帮您轻松构建逻辑隔离的专有网络

负载均衡：对多台云服务器进行流量分发的负载均衡服务

d性伸缩：自动调整d性计算资源的管理服务

资源编排：批量创建、管理、配置云计算资源

容器服务：应用全生命周期管理的Docker服务

高性能计算HPC：加速深度学习、渲染和科学计算的GPU物理机

批量计算：简单易用的大规模并行批处理计算服务

E-MapReduce：基于Hadoop/Spark的大数据处理分析服务

2、数据库：

云数据库RDS：完全兼容MySQL，SQLServer，PostgreSQL

云数据库MongoDB版：三节点副本集保证高可用

云数据库Redis版：兼容开源Redis协议的Key-Value类型

云数据库Memcache版：在线缓存服务，为热点数据的访问提供高速响应

PB级云数据库PetaData：支持PB级海量数据存储的分布式关系型数据库

云数据库HybridDB：基于GreenplumDatabase的MPP数据仓库

云数据库OceanBase：金融级高可靠、高性能、分布式自研数据库

数据传输：比GoldenGate更易用，阿里异地多活基础架构

数据管理：比phpMyadmin更强大，比Navicat更易用

3、存储：

对象存储OSS：海量、安全和高可靠的云存储服务

文件存储：无限扩展、多共享、标准文件协议的文件存储服务

归档存储：海量数据的长期归档、备份服务

块存储：可d性扩展、高性能、高可靠的块级随机存储

表格存储：高并发、低延时、无限容量的Nosql数据存储服务

4、网络：

CDN：跨运营商、跨地域全网覆盖的网络加速服务

专有网络VPC：帮您轻松构建逻辑隔离的专有网络

高速通道：高速稳定的VPC互联和专线接入服务

NAT网关：支持NAT转发、共享带宽的VPC网关

2018年6月20日，阿里云宣布联合三大运营商全面对外提供IPv6服务。

5、大数据：

MaxCompute：原名ODPS，是一种快速、完全托管的TB/PB级数据仓库解决方案。

QuickBI：高效数据分析与展现平台，通过对数据源的连接，和数据集的创建，对数据进行即席的分析与查询。并通过电子表格或仪表板功能，以拖拽的方式进行数据的可视化呈现。

大数据开发套件：提供可视化开发界面、离线任务调度运维、快速数据集成、多人协同工作等功能，拥有强大的OpenAPI为数据应用开发者提供良好的再创作生态

DataV数据可视化：专精于业务数据与地理信息融合的大数据可视化，通过图形界面轻松搭建专业的可视化应用，满足您日常业务监控、调度、会展演示等多场景使用需求

关系网络分析：基于关系网络的大数据可视化分析平台，针对数据情报侦察场景赋能，如打击虚假交易，审理保险骗赔，案件还原研判等

推荐引擎：推荐服务框架，用于实时预测用户对物品偏好，支持A/BTest效果对比

公众趋势分析：利用语义分析、情感算法和机器学习，分析公众对品牌形象、热点事件和公共政策的认知趋势

企业图谱：提供企业多维度信息查询，方便企业构建基于企业画像及企业关系网络的风险控制、市场监测等企业级服务

数据集成：稳定高效、d性伸缩的数据同步平台，为阿里云各个云产品提供离线(批量)数据进出通道

分析型数据库：在毫秒级针对千亿级数据进行即时的多维分析透视和业务探索

流计算：流式大数据分析平台，提供给用户在云上进行流式数据实时化分析工具

6、人工智能：

机器学习：基于阿里云分布式计算引擎的一款机器学习算法平台，用户通过拖拉拽的方式可视化的 *** 作组件来进行试验，平台提供了丰富的组件，包括数据预处理、特征工程、算法组件、预测与评估

语音识别与合成：基于语音识别、语音合成、自然语言理解等技术，为企业在多种实际应用场景下，赋予产品“能听、会说、懂你”式的智能人机交互体验

人脸识别：提供图像和视频帧中人脸分析的在线服务，包括人脸检测、人脸特征提取、人脸年龄估计和性别识别、人脸关键点定位等独立服务模块

印刷文字识别：将中的文字识别出来，包括身份z文字识别、门店招牌识别、行驶证识别、驾驶证识别、名片识别等证件类文字识别场景

7、云安全：

服务器安全（安骑士）：由轻量级Agent和云端组成，集检测、修复、防御为一体，提供网站后门查杀、通用Web软件0day漏洞修复、安全基线巡检、主机访问控制等功能，保障服务器安全

DDoS高防IP：云盾DDoS高防IP是针对互联网服务器（包括非阿里云主机）在遭受大流量的DDoS攻击后导致服务不可用的情况下，推出的付费增值服务，用户可以通过配置高防IP，将攻击流量引流到高防IP，确保源站的稳定可靠

Web应用防火墙：网站必备的一款安全防护产品。通过分析网站的访问请求、过滤异常攻击，保护网站业务可用及资产数据安全

加密服务：满足云上数据加密，密钥管理、加解密运算需求的数据安全解决方案

CA证书服务：云上签发Symantec、CFCA、GeoTrustSSL数字证书，部署简单，轻松实现全站>

数据风控：凝聚阿里多年业务风控经验，专业、实时对抗垃圾注册、刷库撞库、活动作弊、论坛灌水等严重威胁互联网业务安全的风险

绿网：智能识别文本、、视频等多媒体的内容违规风险，如涉黄，暴恐，涉政等，省去90%人力成本

安全管家：基于阿里云多年安全实践经验为云上用户提供的全方位安全技术和咨询服务，为云上用户建立和持续优化云安全防御体系，保障用户业务安全

云盾混合云：在用户自有IDC、专有云、公共云、混合云等多种业务环境为用户建设涵盖网络安全、应用安全、主机安全、安全态势感知的全方位互联网安全攻防体系

态势感知：安全大数据分析平台，通过机器学习和结合全网威胁情报，发现传统防御软件无法覆盖的网络威胁，溯源攻击手段、并且提供可行动的解决方案

先知：全球顶尖白帽子和安全公司帮你找漏洞，最私密的安全众测平台。全面体检，提早发现业务漏洞及风险，按效果付费

移动安全：为移动APP提供安全漏洞、恶意代码、仿冒应用等检测服务，并可对应用进行安全增强，提高反破解和反逆向能力。

8、互联网中间件：

企业级分布式应用服务EDAS：以应用为中心的中间件PaaS平台、

消息队列MQ：ApacheRocketMQ商业版企业级异步通信中间件

分布式关系型数据库服务DRDS：水平拆分/读写分离的在线分布式数据库服务

云服务总线CSB：企业级互联网能力开放平台

业务实施监控服务ARMS：端到端一体化实时监控解决方案产品

9、分析：

E-MapReduce：基于Hadoop/Spark的大数据处理分析服务

云数据库HybirdDB：基于GreenplumDatabase的MPP数据仓库

高性能计算HPC：加速深度学习、渲染和科学计算的GPU物理机

大数据计算服务MaxCompute：TB/PB级数据仓库解决方案

分析型数据库：海量数据实时高并发在线分析

开放搜索：结构化数据搜索托管服务

QuickBI：通过对数据源的连接，对数据进行即席分析和可视化呈现。

参考资料：

百度百科-阿里云

认真的回答这个问题。没有。哈哈哈。会不会很失望。但是，事实就是如此。就给你说说吧

1阿里云计算

这个首先说一下，阿里目前的云计算技术，排名世界第三。屈居谷歌和微软之后。不过，你对比一下就会知道有多牛逼了。亚马逊发展了在什么地方？微软成立了多少年。亚马逊成立于1995年，微软成立于1975年。阿里成立于1999年。而微软和亚马逊都是全球发展的公司。实力有目共睹，阿里这些年的赶超可是花的大力气。所以，这一点来说阿里的云计算还是很厉害的。

2阿里的传感城市技术

这个技术实际是一个三维的数字化数据库的概念，这些年阿里通过高德，支付宝，以及阿里系的各个公司，获取到了大量的城市底层数据，现在基本可以利用这个技术，把这个城市进行重建，让一个城市更加宜居，环保，且可持续发展。实际也是可以通过海量数据为一个城市提供大脑虚拟计算，最后做出最优决策。也就是阿里所说的ET城市大脑。

对抗性神经网络

在ET城市大脑项目中，阿里巴巴达摩院的科学家使用对抗性神经网络训练ET城市大脑更好的识别客车、火车、卡车的车牌，将识别精准度提高了10%。此外，科学家还将对抗性神经网络用于双11中，完成了数亿张海报的设计。说句简单的，就是让机器能够拥有一定的思考力和更加快速的反应能力。

一个就是AI技术

强大的人工智能技术，就是让无数的数据荟聚到一个计算机大脑。让一个机器大脑能够拥有大量的知识储量，并且可以进行深度计算，最后会发展到各种程度，谁都不知道。

另外，就是或者还有阿里没有公布的技术。这就是我们不知道的了。或者他在憋着大招，没有放出来，咱谁都不知道。只能说，我相信以后阿里会成为一个合格的 科技 企业， 科技 实力会越来越强。也希望中国有越来越多这样的企业。这样才会让中国的企业在世界有更大的话语权。

谢邀~

从大背景来说，近些年，中国的硬核技术真正做到了起步晚、进步快，是"后来者居上"的典型。在越来越多的新兴行业里中国 科技 也早已占据着巨大的市场份额。而说到世界领先的硬核技术，阿里巴巴作为一家被电商光芒掩盖 科技 实力的互联网公司代表，很有一些东西能说道说道的。

当今爆炸式增长的数据量，使得未来 科技 竞争最重要的赛道当属云计算。而作为早早入局的阿里云已经率先突围，占据头部。据Gartner最新数据，如今亚马逊+微软+阿里占据了全球云计算市场72%的市场份额，而伴随着马太效应的持续演进，头部玩家的优势将会越来越大，未来预测云计算将会持续形成"3A"竞争的三分局面。

值得一提的是，依靠着在亚太地区的强势表现，阿里云去年还成功将亚马逊的王座地位向下拽了两个百分点，背靠着亚太这个全球最大的市场，阿里云的崛起势必还将有一番作为。

此外，诸如大疆的无人机，海康威视的监控、安保设备也都已经站在各自行业的顶端了，不得不说中国 科技 已经从过去的陪跑者变成了如今的竞争者甚至是领先者。

从当年的中华有为到如今的众帆竞航，中国 科技 的崛起想必会让世界重新认识这个沉睡的东方雄狮。

按惯例，各个击破。

先说硬核技术， 科技 领域的技术多不胜数，哪些技术才配称的上是"硬核技术"？个人认为，能决定未来的技术，才能算"硬核"。现在， 科技 届公认的能改变世界的几项技术：量子计算、云计算、芯片、底层 *** 作系统等，都是全球顶尖 科技 公司在啃的"硬菜"。

再说世界领先，得说实绩，不能靠"吹"。我们自己说了不完全算，要世界纪录认可的。

具体来说下阿里。自从诞生了阿里云之后，阿里"云"化的速度越来越快，而"云"化的底气，来源于几个：云计算，底层 *** 作系统，芯片，量子计算。

我们挑2个说说。

大家开玩笑喜欢说"遇事不决，量子力学"，但认真说，量子计算，能量超乎想象。2018年3月，谷歌发布研制全球首个高质量72比特量子计算机的计划后，就提出要实现"量子霸权"计划。

业界听了都笑了

2018年5月，达摩院的量子电路模拟器"太章"就出来打脸了。太章，率先成功模拟了81比特40层作为基准的谷歌随机量子电路，成为世界最强的量子电路模拟器。

再说一个，云计算。

云计算领域，早年都是亚马逊、谷歌的天下。开始的时候，中国人自己都不信，中国能做出自己的云计算，比如某度的那个谁，某腾的那个谁，都说云计算是"异想天开"。结果呢？阿里愣是不信邪，花了十年，作为公有云计算江湖的后起之秀，阿里云以全球前三、亚太第一的市场份额赶超一众老牌云厂商。现在估值都超过770亿美元了。

之前，在最新的斯坦福大学DAWNBench深度学习榜单中，阿里云打破纪录，勇夺四项世界第一。不久后，在安全性能权威评比中，又勇夺"全球第二安全的云"，让亚马逊目瞪口呆，这样够"硬核"吗？

说到硬核技术，必须要提的当然是芯片啊！

最近华为、中芯国际、光刻机频繁上热搜，芯片的事情闹得沸沸扬扬的，大家都知道了芯片的重要性！但我觉得阿里最硬核的技术，芯片必须排在首位。

阿里旗下有个公司叫平头哥，专门搞芯片的。它才成立两年，旗下第一款芯片—含光800在业界标准的resnet-50测试中，推理性能达到了78563IPS，能效500IPS/W，这两项能力都是全球第一，而且远超第二名数倍，着实给中国自研芯片争了口气！

不久前，含光800还宣布已经实现量产，我相信中国芯片自主的那一天不会太远的。

之前，斯坦福大学最新公布的DAWNBench深度学习榜单中，阿里巴巴旗下的阿里云在训练时间、训练成本、推理延迟以及推理成本拿下四项第一，打破了谷歌等企业垄断榜首的神话，这也意味着，阿里云可提供全球最快的AI计算服务。

这种理论的东西，可能大家没什么兴趣，我也一样。我个人最感兴趣的是：阿里通过AI技术，跟物联网IOT联系起来，为智能家居提供了更多的新可能。

之前，阿里云搞过一个给空巢老人的技术，真是暖心：借助阿云智能人居平台，为空巢老人量身打造了远程看护方案，不仅接入多种物联网设备，还专门定制开发了一个手机APP，所有家人都可以使用。借助物网传感器，家人可以时刻记录老人在家里的所有行为，对异样的行为进行预警。

其实，阿里的硬核技术，只是中国这些年 科技 崛起的一个缩影。作为中国 科技 公司的代表，阿里技术有今天的成就，也离不开大环境的进步和对 科技 基础设施的重视。

阿里巴巴作为中国最大的互联网公司。 在海量数据处理、高并发、云计算等方面积累了非常多的技术。程序员应该都非常清楚阿里的技术实力 。 著名开源项目Dubbo、RocketMq、Fastjson、Druid、Weex、等都是阿里开源的 。这些项目在全世界各种Java、前端等项目中都有使用。除去这些上层应用方面的技术之外，阿里还有哪些在国际上领先的技术呢？

深度学习技术DAWNBench

DAWNBench是深度学习技术的一个框架。用于端到端深度学习训练和推理的基准套件，它提供了一组常见的深度学习工作负载，用于在不同的优化策略、模型架构、软件框架、云和硬件上量化训练时间、训练成本、推理延迟和推理成本。此前这项技术一直是谷歌和亚马逊保持领先的记录。而在最新一轮的比赛中，阿里云团队在训练时间、训练成本、推理延迟以及推理成本四项中均取到了世界第一的名次。打破了谷歌多年的记录。

数据库OceanBase

在数据库领域，一直是甲骨文的Oracle在全球垄断。在阿里的OceanBase没有出现之前，世界上没有可以与Oracle可以抗衡的数据库。不管是企业级还是个人软件项目开发，我们都会第一选择使用Oracle（当然还有Mysql，Mysql也是甲骨文的数据库）。甲骨文公司几乎垄断了整个数据库领域。但是阿里巴巴每年的双十一对于数据库的吞吐能力提出了更高的挑战，阿里投入研发的OceanBase就是为了满足这种高吞吐场景需求的。经过国际TPC-C基准测试，OceanBase的TPS达到了100万（每秒处理事务数，可理解为订单数），比Oracle真正高了一倍。

云服务阿里云

阿里云大家应该不陌生。从全世界市场占有额来看，阿里云目前国内市场占有额第一，全球市场占有额第三。在全球市场占有额中，仅此于亚马逊和微软。而相比全球市场，亚太市场增长更快，云计算市场规模同比增长达50%。

在大众眼里，提起阿里巴巴就想起淘宝，天猫，支付宝。实际上阿里巴巴经过这些年的已然发展成为国际一流的技术公司， 在量子计算机，云计算，人工智能，芯片研发等硬核技术已经取得了世界领先的成就。

量子计算机技术

理论上，量子计算机可以模拟出整个宇宙，不仅仅是原理的模拟，而是整个宏观体系和微观细节的模拟。比如，宇宙中的尘埃——地球上，每个生物身上的每个细胞，都可以被模拟出来。 目前，世界范围内已有两家公司，在这方面已有突破性进展，那就是谷歌和阿里。目前，阿里云在超导量子计算方向，发布11比特的云接入超导量子计算服务。该服务已在量子计算云平台上线，有兴趣可以注册个账号体验下。

人工智能技术

斯坦福大学最新公布的DAWNBench深度学习榜单中， 阿里巴巴旗下的阿里云在训练时间、训练成本、推理延迟以及推理成本拿下四项第一，打破了谷歌等企业垄断榜首的神话，这也意味着，阿里云可提供全球最快的AI计算服务。 这些都属于人工智能最前沿，最顶尖的技术，阿里不仅立足当下，而且将眼光放眼未来，布局即将到来的人工智能时代。

阿里芯片技术

阿里的芯片技术已经名列世界前茅。 旗下第一款芯片—含光800在业界标准的resnet-50测试中，推理性能达到了78563IPS，能效500IPS/W，这两项能力都是全球第一，而且远超第二名数倍。 我们平时经常使用的淘宝“拍立淘”功能，使用含光800，搜索效率可以提升12倍，每天新增10亿张，之前的GPU完成搜索任务要1小时，现在只要5分钟。

结语

阿里这些硬核技术，只是本人了解到的，阿里技术团队一向做事低调如扫地僧。应该还有其他不为大众所知的硬核技术，只是本人不了解而已，你如果知道，请在评论区赐教，不胜感激！

谈到阿里的硬核技术，很多人第一印象肯定是想到了云计算，基于云端数据处理和存储技术，阿里在这方面的成就在世界范围内都是数一数二的，但这是老生常谈，我们暂且不说，今天来说说其他方面，阿里的表现同样强悍。

一、云 *** 作系统

云 *** 作系统指的就是阿里的飞天系统，是由阿里云自主研发、服务全球的超大规模通用计算 *** 作系统，诞生于2009年，如今经过十年发展，早已今非昔比。飞天分布式系统，如今已经累计服务了200多个国家和地区，让许多大企业减小了对于硬件的依赖，减少了支出。2017年双11，飞天更是创下世界记录，实现了每秒325万笔交易峰值，每秒256万笔支付峰值。强悍如斯，让人震撼。

二、阿里物联网平台

阿里自研的物联网平台，同样让人惊艳。2014年，阿里云自主研发了一站式物联网使能台阿里云Link，之后，又相继推出物联网 *** 作系统、物联网云平台、边缘计算引擎、一站式开发平台等。基于以上平台和系统，阿里在智能化、云端化、云计算展现出惊人优势，为我们日常的智能生活、智能城市、智能制造，提供了技术和平台支持，为经济发展提供了极大的便利。

三、AI芯片含光800

阿里巴巴达摩院研发的AI芯片“含光800”，同样让人震撼，这款芯片是阿里巴巴第一款自主研发的芯片，它被认为是全球最厉害的智能AI芯片，数据显示，含光800在芯片测试标准平台Resnet 50上的具体分数是性能78563 IPS，是第二名（15012）的5倍；能效比500 IPS/W，是第二名（150）33倍。这款芯片如今已经商用，并在全世界范围内接受了不少订单。

阿里其他方面的技术还有很多，譬如“神龙”服务框架、端 *** 作系统等等，但阿里最厉害的还是我们经常说的云计算，基于这方面的投入也是最大，未来三年，阿里将投入2000亿，继续加大对于云计算的研发，相信在未来，我们的智能生活体验中，必定离不开阿里的身影。

如果说阿里云是世界领先的话，可能有些人感受并不深。那就简单说一下一个利用阿里云落地的身边应用——城市大脑。

发明云计算最大的作用，可能就是能在这个时代“磅礴浩瀚”的数据量面前处变不惊，这也使得一些以前不敢做甚至于不敢想的东西顺利落地。从城市大脑来讲，能将整个城市的方方面面映射到一个整体系统上，这是不是和你以前看过的科幻片高度重合起来？阿里云的诞生使得各类复杂的数据都能够得到迅速响应、快速计算和实时处理，这也就让我们等待红灯的时间灵活调整，出行时间大大缩减，停车难、排队难、看病难等城市病也都得到了有效解决，这也是为什么世界上很多城市跑来借鉴的原因所在吧！

看了一些回答，有些小寒心，难道技术非要等到打上西方封禁的标签才能够得到证明吗？不可否认每个时代都有独特的事物在独领风骚，而当前以及未来都应该与数字时代脱不开联系，这也就是为何云计算崛起后持续受到各个行业关注的原因。

当然，阿里云当年不顾一切搞自主研发，虽然耗费了大量的人力物力时间，但是如今回头来看无疑是幸运的，有了核心技术也就无需担心他人的掣肘，这也是如今阿里云世界领先的原因。而有了阿里云为支撑，例如城市大脑、数据库的OceanBase、平头哥的含光芯片都纷纷亮相。相比而言，甲骨文也已经撤出中国，亚马逊和微软也在一步步让出自己的市场份额。值得一提的是，阿里身后还有达摩院的一批顶尖科学家做支撑，因此可以想象在未来相当长的时间内，阿里的技术优势还是会不断保持。

互联网经济，也就是我们说的共享经济。其他技术也是依靠互联网的钱收购的。雷声很大的达摩院也没见到什么硬核成果。期待早点见到效果！

你好呀，我是why。

刚刚过去的周末你干啥了，是卷起来了，还是躺平了？

我其实是想躺平的，但是无意间发现一个学习的网站，居然被这个网站吸引了，然后就跟着网站卷起来了。

真是一个非常不错的网站，好东西，要大家分享，于是我决定“曝光”一下。

介绍这个网站之前，我先问你一个问题：

我相信绝大部分同学都是知道的，但是也有很大一部分同学仅仅是在“纸上谈兵”的阶段而已。

没有自己实际 *** 作过。

为什么呢？

我猜你刚刚知道 Arthas 的时候，肯定是被它各种炫酷的 *** 作、页面给吸引到了。

心想：卧槽，这么 6？

兴致勃勃的准备实 *** 一把，结果一看：需要自己搞个 Demo ，把 Demo 扔到服务器上运行起来，然后在服务器上安装 Arthas，才能分析。

这一套 *** 作对于大部分人来说是没有啥问题的。

但是还是有相当大的一部分同学，都没有一个属于自己的服务器。

巧妇也是难为无米之炊的呀。

第一步就被卡的死死的。

有心实 *** ，奈何条件有限。

于是这事就被搁浅了，放着放着，由于自己没有实 *** 过，关于 Arthas 的各种骚 *** 作也就忘的差不多了。

没有一个趁手的 Demo，没有服务器，没有一个安装好环境的服务器。

这种问题经常出现，也算是学习中遇到的“最后一公里”的问题。

我碰到的这个网站，就是为了解决“最后一公里”这一问题的。

也许它还不够完善，但是至少在 Arthas 上的支持已经是属于无可挑剔了，真正的手摸手教学。

铺垫了这么多，那么网站是啥呢？

就是下面这个网站：

知行动手实验室，是阿里旗下的阿里云弄出来的云原生开源技术体验平台。

它自带运行环境。

使用者只需要关心教程内容本身，无需为繁琐的运行环境准备工作浪费时间。所有实验都在一个事先准备好运行环境的容器中运行。

它具有沉浸式学习体验。

集交互式文档、终端、编辑器三个窗口于一个浏览器页面，无需在多个窗口来回复制粘贴。

它可以一键自动执行命令、代码自动修改。

文档实时可交互，通过鼠标点击即可一键自动执行命令、代码自动修改等 *** 作；也可以选择在终端、编辑器内手动输入查看效果。

我知道，这里的画风看起来很像是一个广告。

但是我发誓，我真的是自来水，真心推荐。

知行动手实验室，看这个名字就知道强调的是“行知合一”，是“动手”。

我曾经看到过阿里的一篇名叫《我看技术人的成长路径》的文章。

但是实际情况呢，我们不得不承认，大家自学占据了相当大的比重。

而大家自学的时候都有一个通病就是：只看、只想，基本不动手。

关于动手，我印象最深的就是我看这本书的时候：

我记得看这本书的时候，是我刚刚毕业一年多的时候。

当时觉得技术书还挺贵的，还是和同事一起合买的，一人出一半的钱，书放在办公室大家一起看看。

我那个时候一有时间就去翻翻这书。

第一次看的时候感觉：哇塞，这真是一本好书啊。里面全是我不知道的知识点。

但是看完之后，没隔多久，遇到一个问题然后想了半天：呃，这个问题书上好像讲过啊，怎么就想不起来了呢？

于是我就问同事：你是怎么看这个书的呀？我前段时间把书每一页都翻完了，但是现在好多东西都想不起来了。

他告诉我：首先得多看，书中的信息量对你来说还是太大了，看一遍吸收不完全是很正常的。还有，书里面的这么多动手 *** 作的实例，你跟着敲了没？我都 *** 作了一遍，遇到了各种各样的坑。印象自然而然的就深刻了一点。

可谓是一语点醒梦中人，我确实是没有实 *** 过。

不仅没有实 *** 过，甚至一看到实 *** 部分的具体命令，我都是几眼就瞟完了，因为我觉得这部分不重要。

后来我又看了一遍，看这遍的时候，我搞了几个服务器，就跟着书上，把上面的命令都敲了一遍。

进度慢了很多很多，但是吸收的东西也多了很多很多。

过去这么几年了，时至今日，我都记得周末的时候我跑到公司去翻这本书的场景。我都记得我跟着书上搭建集群的时候遇到的各种各样奇奇怪怪的问题。我都记得那 16384 个槽，还有那我怎么也运行不起来的 redis-tribrb。

我都记得几年以后的一次，面试官问我：你了解 Redis 的集群吗，你自己搭过集群吗？

我当然记得了，毕竟之前那个只有一年经验的小伙子硬着头皮搭集群的时候，心态都被搞崩过数次。

还有近段时间断断续续在看的《MySQL实战45讲》、《MySQL是怎样运行的》、《高性能MySQL》。

里面其实都有大量的实例，特别是 45 讲，好东西呀，老师全是基于案例去讲的。

我看的时候也看的很慢，反正不管懂不懂，先动手开几个窗口，然后把实验的 SQL 准备好，跟着老师一步步的来。

总之，就是要动手。动手，才是学习新技术的不二法门。

做中学，就是动手去做，边做边学。

但是动手的时候大多数时间都是在环境的准备上，导致效率稍微有了那么一点点的低下。

而这个网站，就在部分项目上，解决了这个问题。

回到知行动手实验室，带大家一起逛一下这个网站。

说真的，目前这个网站的东西不算特别多，也就是花费了我一个周末的时间研究了一圈。

主要是里面还有一些我不太了解的开源项目，去了解了一下，开拓了一下眼界。

主打的都是阿里生态下的一些技术栈，目前一共有 16 个教程：

可以看到，首先映入眼帘的就是 Arthas 这个诊断工具，毕竟是阿里的亲儿子中比较有出息的一个嘛。

全力推广，不过分。

Arthas 其中分为了四个教程，从入门到实践一应俱全。

接着是 Spring Cloud Alibaba 系列体验：

里面的六个小实验，其中分布式配置、服务注册与发现都是基于 Nacos 做的。 RPC 调用使用的是 Dubbo Spring Cloud、限流与熔断基于 Sentinel、分布式事务使用 Seata、分布式消息基于 RocketMQ。

基本涵盖了微服务开发的主要模块。

算的上是一次完整的体验。

当然了，还有一些其他的 RocketMQ、Dapr、Dubbogo、ChaosBlade、k8s 的实 *** 教程，就不一一解释了。

大家知道目前里面有这些东西就行。

上面提到的大家可能对于 Dapr 和 ChaosBlade 稍微陌生一点。

简单的说一下。

Dapr 的全称是 Distributed Application Runtime，翻译过来就是分布式应用运行时。

它主要是为了云原生而服务的。

应该是属于服务网格中的一种技术，是一种运行时，支持k8s，目的是为了更好的隔离业务，让业务更少的感知中间件等基础建设。

其实与它对标的，应该就是 istio 架构。

需要注意的是 Dapr 是由微软发起的一个开源项目，并不是阿里。

阿里是 Dapr 开源项目的深度参与者和早期采用者，相当于是对于 Dapr 的一个国内大厂背书。

而 ChaosBlade 就是阿里巴巴开源的一款遵循混沌工程原理和混沌实验模型的实验注入工具，帮助企业提升分布式系统的容错能力，并且在企业上云或往云原生系统迁移过程中业务连续性保障。

引用其 git 上的描述：

该项目的生态如下：

目前支持这么多场景：

比如在知行动手实验室里面就有三个实验场景：

总之，关于 ChaosBlade 你就记住一句话：

它是来搞破坏的。给系统或者系统运行的环境注入各种各样的故障，以测试并提升系统的稳定性和高可用性。

在知行动手实验室里面，除了前面提到的官方教程外，它还支持大家自己上传教程。

下面这几种情况就很适合在上面发布教程：

你想想，要是我前面提到的《Redis开发与运维》书里面的随书实验能发布到这里，那岂不是美滋滋？

学习效率肯定又高了起来。

教程，是该实验室的一大核心功能。

但是，它还有另外一大功能：

Java 工程脚手架，下面的标语是：

更适合亚太区开发者的 Java 工程脚手架。

虽然我目前还不明白为什么是“更适合亚太区”，但是反正听着就很厉害的样子。

其页面是这样的，是不是很眼熟？

一看就是对标的大家更为熟悉的这个：

但是通过我的实际使用，我不得不说，还是阿里的脚手架更好用一点。

比如我用阿里的脚手架，搭建的时候选择一个 web 项目的示例代码：

该项目结构如下：

而且这个 web 项目不需要改一行代码，甚至不需要你启动数据库，就能直接运行起来。

因为其使用的 h2 数据库：

运行起来后，访问 h2 控制台如下：

虽然 Demo 项目运行的过程中我发现了几个 bug，但是整体无伤大雅，修改起来也很简单，对于初学者来说，还是很友好的。

在这个页面我还发现了一个叫做 COLA 的项目架构：

COLA 是啥玩意？

我在官网上拉了一个 COLA 的 Demo，跑了起来，项目结构如下：

官方给了这样的一个代码结构图：

看到这里的时候，我大概明白了，有 App 层、Domain 层、 Infrastructure 层，这个架构其实就是 DDD 思想的一种落地吧。

经过这两天短暂的了解，我发现如果想要理解一下抽象的 DDD 思想，那么 COLA 架构，我感觉是一个不错的切入点。

前面介绍了这么多东西，我还是来带着你实 *** 一把，里面的黄金教程：

其实我觉得真的没有这个必要，因为它上面的教程已经是一步步的手摸手教学了。

比如，你看这个 Arthas 基础教程，我给你录个屏幕：

左边是 *** 作文档，右边是运行环境。所及即所得，多香啊。

我是强烈建议你把四个教程都自己去看一遍， *** 作一把。

但是重心可以放到这个教程里面：

你看看这个教程里面的 14 个实验：

比如其中的“Arthas热更新代码案例”，这个其实就是一个生产环境常常会遇到的一个问题：

有一个判断逻辑有问题，我不想修改代码之后，重新打包，然后走上线流程，怎么办？

Arthas 热更新了解一下？

比如，下面的代码：

现在当请求的 id 小于 1 的时候会抛出异常。但是上线之后，我们经过评估发现这个地方也许返回一个默认的值，不抛出异常会更好一点。

那么我们就可以用 Arthas 对这段代码进行热更新。

左边是修改之后，右边是修改之前：

具体怎么去修改，怎么去用 ClassLoader 加载修改之后的代码，这个案例里面都有详细的使用说明：

当然了，如果你要是在实 *** 之后，又再去了解了其热更新背后的工作原理，那么是再好不过的了。

知道了使用方式，掌握了实现原理。恭喜你，再给自己的套一个生产案例，不经意间面试的时候有多了一个加分点。

另外，悄悄的说个骚 *** 作。

你可以随便找个教程，领个窗口，然后

比如我装个 Redis：

用起来也是不错的：

而且它也支持文件的上传和下载：

诶，反正就是玩嘛。就当熟悉 Linux 命令了。

以上就是关于安卓应用中引入阿里符号全部的内容，包括:安卓应用中引入阿里符号、转载：阿里巴巴为什么选择Apache Flink、开源精粹（二）！22个实用、有趣的开源项目等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！