物联网可以连接各种设备，边缘计算可以将计算放在网络 边缘侧，靠近终端和用户，提高物联网的效率和便捷性。物联网+边缘计算将开启新一代的技术和应用结合的变革，提高企业的以技术推动业务的进步。

 DevOps中测试执行的利器、保障， DevOps测试加速器，GUI自动化测试框架的设计，HttpRunner， DevOps的性能测试，DevOps中测试报告

spring体系原理-IOC和AOP原理,spring cloud微服务,spring Boot&Cloud的开发和系统维护,java技术栈

 kubernetes，简称K8s，是用8代替8个字符"ubernete"而成的缩写。是一个开源的，用于管理云平台中多个主机上的容器化的应用，Kubernetes的目标是让部署容器化的应用简单并且高效(powerful),Kubernetes提供了应用部署，规划，更新，维护的一种机制。

 系统设计，框架设计，接口设计，性能设计，可靠性设计，可扩展及可维护

Eureka是Netflix开发的服务发现框架，本身是一个基于REST的服务，主要用于定位运行在AWS域中的中间层服务，以达到负载均衡和中间层服务故障转移的目的。SpringCloud将它集成在其子项目spring-cloud-netflix中，以实现SpringCloud的服务发现功能。

 个性化系统就是能够针对不同用户的信息需求表现出不同运行效果的软件，而这样的软件提供的服务就是个性化服务。个性化系统的核心是用户建模，即对用户信息需求的模型表示。

2019年7月，建模者频道（Modeler.org.cn）发布了如下资料：

 作为企业的应用核心，oracle数据性能和可用性是系统稳定的基础

领域建模可以帮助我们整理各个领域的专业知识，提高分析设计能力。

领域建模的关键有3个方面：

  1. 深刻理解面向对象分析方法，能够从需求描述中识别对象、类和关系

  2. 精确了解 UML类图中类、属性、行为、关系的建模机制

  3. 熟悉问题领域，能够把握问题领域的核心知识

这三个要素无疑是互相促进，必须有机地结合才能实现完整的领域建模。书本上大家看到的多是电商、信息管理系统的领域建模，这些建模偏重数据，和计算机的数据处理具有先天的紧密相关性，所以领域建模容易达成共识。而对于那些逻辑复杂、数据关系不明显的逻辑领域，领域建模具有更高的挑战。所以这里把我曾经做的一个物理知识领域的建模分享出来，供大家探讨和参考。

 工作原理，使用场景，配置优化，消息机制，状态监控

 技术选型，架构设计，性能优化，负载均衡，微服务

 Spark是Apache的一个顶级项目,是一个快速、通用的大规模数据处理引擎。

数据治理是指从使用零散数据变为使用统一主数据、从具有很少或没有组织和流程治理到企业范围内的综合数据治理、从尝试处理主数据混乱状况到主数据井井有条的一个过程。

azkaban是一个开源的任务调度系统，用于负责任务的调度运行（如数据仓库调度），用以替代linux中的crontab。

 Scrum是迭代式增量软件开发过程，通常用于敏捷软件开发。

 人工神经网络（Artificial Neural Network，即ANN ），是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象， 建立某种简单模型，按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。

 需求管理是一个所有人都很关注、关乎产品核心价值、却很难解决的工程难题。如下的文章，提出了一种基于模型的需求管理方法，并基于此理论，选择了主流的建模工具EA，定制开发了对应的需求管理工具。希望面临同样需求管理难题的同行参考。

ARM体系结构和应用开发相关资料