系统一定要做成中台吗?

系统一定要做成中台吗?

系统一定要做成中台吗?

结论是:肯定没有必要。

但是我们可以借鉴中台的思路去谈系统的设计与演进。

系统的演进本质是对于业务在技术上的映射,所以合适很重要。我之前的文章也多次提到过一个系统大致的业务演进脉络,以及所映射的技术实现方式。

  • 早期为追求快,all in one可能是很好的选择。
  • 业务发展快了,基于DDD或SOA的服务划分与团队组织可能是最有交付效率的方式。
  • 随着业务规模的爆发增长,我们需要过渡到服务化、分布式阶段,做开发一些独立的服务沉淀通用能力,比如中间件去做分布式的一些通用实现。
  • 发展到后期业务规模庞大且相对稳定,这个阶段需要投入到技术方向的工作是不同业务的打通问题。

很多时候我们做一件事情的出发点往往决定了最终的走向和结果。所以如果考虑的是能力复用的需求,那么中台更适合沉淀已有的能力,对于全新业务如果和之前沉淀的业务关联不大,中台支持并不好。

还有就是中台团队对于前台业务支持的资源有限,中台团队和前台团队有不同的KPI,比如前台业务是快速交付业务的,如果老板不能很好的做好前台业务的快速迭代,而想过分依赖于中台团队资源支持往往不太现实。

上面提了几点打造中台或使用中台过程中的一些感受,但是对于中台肯定不是完全否定的。中台体现了很强的技术属性(抽象、沉淀、复用、打通),某种程度上说是将这些技术属性进一步延伸到业务上,当业务体量达到一定规模后就会实现利大于弊。

如果说技术属性沉淀的是技术组件,那么中台沉淀的是业务组件。但是我们需要意识到企业数字化需求是千差万别的,难以一招鲜吃遍天。能不能做出技术中台很大程度上受限于业务形态、业务发展阶段的影响。如果业务阶段和业务规模没有发展到这个阶段,大张旗鼓搞中台ROI其实可能非常低。

那么中台对于系统演进是否有借鉴意义呢?

意义肯定是有的,比如我们对系统的演进转移到关注于抽象和共性的沉淀,尽可能保持系统灵活多支撑相似的业务形态。

所以如果想要搞中台可以先从一个系统入手,不要直接想着把所有的中台都往系统里面放,如果一个中台系统又大、又厚、响应又慢,其实没什么存在的价值。

如果你的系统实现了对于多品类业务的灵活支持,叫不叫中台有什么关系呢?

Read more

超快速,使用ChatGPT编写回归和分类算法

超快速,使用ChatGPT编写回归和分类算法

本文将使用一些 ChatGPT 提示,这些提示对于数据科学家在工作时非常重要。 微信搜索关注《Python学研大本营》,加入读者群,分享更多精彩 以下是一些示例ChatGPT 提示的列表以及数据科学家的响应。 ChatGPT 提示 为决策树回归算法生成 python 代码。 下面是使用scikit-learn在 Python 中进行决策树回归的示例代码: import numpy as np import matplotlib.pyplot as plt from sklearn.tree import DecisionTreeRegressor # Generate random data rng = np.random.default_rng() x = 5 * rng.random(100) y = np.sin(x) + 0.

By Ne0inhk
力扣每日一题:993.二叉树的堂兄弟节点 深度优先算法

力扣每日一题:993.二叉树的堂兄弟节点 深度优先算法

993.二叉树的堂兄弟节点 难度:简单 题目: 在二叉树中,根节点位于深度 0 处,每个深度为 k 的节点的子节点位于深度 k+1 处。 如果二叉树的两个节点深度相同,但 父节点不同 ,则它们是一对堂兄弟节点。 我们给出了具有唯一值的二叉树的根节点 root ,以及树中两个不同节点的值 x 和 y 。 只有与值 x 和 y 对应的节点是堂兄弟节点时,才返回 true 。否则,返回 false。 示例: 示例 1: 输入:root = [1,2,3,4], x = 4, y = 3 输出:false

By Ne0inhk
1239.串联字符串的最大长度 关于字符串的回溯算法!

1239.串联字符串的最大长度 关于字符串的回溯算法!

题目: 给定一个字符串数组 arr,字符串 s 是将 arr 某一子序列字符串连接所得的字符串, 如果 s 中的每一个字符都只出现过一次,那么它就是一个可行解。 请返回所有可行解 s 中最长长度。 提示: 1 <= arr.length <= 16 1 <= arr[i].length <= 26 arr[i] 中只含有小写英文字母 示例: 示例 1: 输入:arr = ["un","iq","ue"] 输出:4 解释:所有可能的串联组合是

By Ne0inhk