个人学习方向

🥭 云原生

1:容器和 Kubernetes：趋于成熟稳定，针对 Kubernetes 的管理工具也有很多，入门难度在持续降低。

2:可观测性：Opentelemetry 在去年是 CNCF 活跃度前二的项目，Opentelemetry 的使用率在持续提升，是一个不错的学习方向。但可观测性的整体解决方案还是比较复杂，
需要Opentelemetry (数据采集) + Jaeger ，Prometheus ，ELK (后端)+ Grafana (展示前端) 组合使用，或者使用 SkyWalking 这种一体化的 APM 系统

3:开发工具和效能：代码托管，CI/CD 工具也偏向稳定，使用常见的 Gitlab ，Jenkins / ArgoCD,token,zadix,OpenShift,Horizon,建木 等

4:微服务：侵入式微服务框架已经比较成熟了(包括云原生 API 网关，配置中心，注册中心)。但 Service Mesh 技术因为复杂度的问题仍没有解决，
大规模落地并不理想,面对现在多语言,多架构,接口裸奔等瓶颈,可以将原生网关作为统一入口先解决一部分问题,原生网关包括(apisix,higress,envoy,shengyu)等,推荐apisix
5:应用管理：PaaS 也是一个偏成熟的方向，也有 Kubevale 这种提供应用模型定义的平台，使得 PaaS 构建门槛进一步降低

6:Dapr：个人对dapr不是很喜欢,社区活跃度低,dapr是微软的无赖之举。

7:Serverless：全称是Serverless computing无服务器运算，又被称为函数即服务,以平台即服务（PaaS）为基础,为无服务器运算提供一个微型的架构,让开发者快速迭代，
更快速地开发软件。未来看好，但现在除云上的 FaaS 使用较多外，Serverless 整体的普及和落地也需要一个漫长的过程，通过SpringBoot Functions 快速构建函数服务,
以kuberneters ,istio,knative 为基础设施构建Serverless 应用架构。

8:Ebpf：在云原生安全和无侵入可观测性方向有较大的空间，有兴趣可以学习

9:AIOps：人工智能与运维的结合,于通过机器学习来进行运维数据的挖掘，能帮助人甚至代替人进行更有效和快速的决策。智能运维在企业的落地，
能够提升业务系统的SLA，提升用户的体验，减小故障处理的时间等，带来业务的价值；并最终实现真正意义上的无人值守运维。前提需要大数据基础,然后对收集的运维数据做训练分析,有兴趣学习。

10:未来企业对云平台和云原生技术的使用成本会更多关注，促生了FinOps的发展。

🍒 大数据方向

1:hadoop生态体系,包括hadoop集群以及高可用集群,组件hdfs,mapreduce,zookeeper,数仓工具Hive,日志收集flume,kafka,非关系型数据库HBase,索引工具phonenix,
  数据传输,sqoop,dataX,Flink CDC,任务调度dolphinscheduler Azkaban,图形化工具Hue Superset,查询框架kylin presto,安全认证kerberos,权限管理Ranger

2:计算引擎,spark生态体系 flink生态体系

3:技术新秀,数据胡 Hudi   Ceberg, 分析引擎 Doris   StarRocks  ,flink/spark On k8s,流体一体化 streamX Zeppelin

4:大数据云原生化,常用大数据组件在Kubernetes的原生改造及发布 完全去除对MapReduce/Yarn的依赖，使用K8s原生调度执行大数据应用(Hive，Spark，Kafka，ETL)集成Ranger，Kerberos，SSO，
  可与现有大数据集群无缝对接 实现存算分离，应用混排，多租户隔离，资源配额，审计，计费等企业级管理功能。利用Doris on k8s 替换了原来由 Spark、Hive、Kudu、Hbase、Phoenix 组成的旧架构，架构大大简化,满足统一的数据仓库建设需求。
  StreamX Flink Kubernetes  基于 Flink Native Kubernetes 实现支持Native-Kubernetes Application,Native-Kubernetes Session,为计算服务提供快速的CI/CD 持续交付。
  致力于大数据云原生化,更好的利用云的资源,降低大数据技术的使用门槛和运维成本。

5:有了数据,和处理数据的能力,接下来就是搞数学,机器学习,模型,算法。

🍄 java开发

1:java语言基础,以及底层原理。
1:老一套的微服务体系 Spring,SpringCloud,SpringCloudforAlibaba,以及常用的框架和数据库。
2:各类中间件的部署和使用,rabbitmq,rocketmq,kafka,redis,seata,nacos,gateway,skywalking,ShardingSphere,sentinel等。

🍓 存储

1:原生分布式文件存储 JuiceFs
2:原生库tidb
3:实时数仓doris

版权 本文为云篆录原创文章，转载无需和我联系，但请注明来自云篆录 https://www.yunzhuan.site