可能没有你想象的那么遥远
如果在适当的范围内实施微服务,那么微服务非常适合扩展规模并有助于解决一系列问题。
但是,前端团队之间仍然存在边界问题。 处理多个客户端的职责仍然编码在一项或多项服务中。 前端工程师正在努力将多个用例塞入一个API层,并且客户体验开始受到影响。 网络团队和移动团队之间的紧张关系正在加剧。 为什么我们不能像对待微服务一样,围绕不同的客户划定技术和组织界限?
具有专用后端和微服务架构的多个客户端 简单就好吧? 实际上,这只是……但仅限于某一点。 如果您的应用程序足够小,则此体系结构绝对可以正常工作! 但是,整料倾向于随尺寸分解。 您可能会听到您的团队开始说类似……
这些类型的问题催化了微服务的兴起。
具有微服务架构的多个客户端 客户端定制的微服务 它是什么? 后端到后端的体系结构模式描述了一个世界,其中每个客户端应用程序都有自己的服务器端组件-特定前端的后端。 如果您有多个具有完全不同需求且都消耗相同基础资源的客户端接口,则此模式非常适用。 现实世界中最常见的示例是同时具有Web和移动客户端的应用程序。 要了解为什么"后端对前端"有用,让我们逐步了解一下网络体系结构的一些发展。
单个通用服务器上有多个客户端 承接上文的讲故事,你需要确定自己的模型能带来的业务影响。这是数据科学家常犯的错误,因为他们只关注自己的模型及其表现,却忽视了业务影响。你需要用精准且有“影响力”的方式重点介绍结果。很可能项目结果非常有影响力,但没能告知面试官。 你可以这样措辞:“我做了一个决策树模型,将人工流程自动化,节省了50%的时间和50%的成本,为优化产品提供了时间和资本。” 如果不断强调99%的准确率却不提商业影响,面试官会认为你不适合企业,更适合学术。有时,如果整个过程在某种程度上更快、更有影响力,即使降低精度也可以。假设你是雇主,你会想知道谁对企业有用。 没有概述整个数据科学过程 这一点和第一点都是别人提醒过我的——没有概述整个数据科学流程,意思是我在谈论时缺少了主要数据科学项目前后的数据工程和机器学习的组成部分。 面试官想知道:
这些观点可能不是你的一手经验,但是面试官明白,数据科学家不会同时是该项目的数据工程师,机器学习工程师或软件工程师。他们只是想知道你是否了解全部流程以及各个步骤由谁完成。如果正确回答了这个问题,你在公司的眼里是更为专业的数据科学角色,并且可能会学习数据科学过程的开始或结束部分。 (编辑:威海站长网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |