在线型业务的技术栈

•  首先当然是硬件，在线业务型的场景下，计算资源基本是CPU为主；存储资源则各种类型都有，主要是IO吞吐、时延、安全性等各种考虑；网络资源公网、内网类型，时延、吞吐考虑等。
• 在硬件之上（软件定义计算/存储/网络资源），基本都会使用类似K8S，或商用VMWare之类，来更方便的使用硬件资源，
  • 这层软件的核心一方面是抽象硬件资源，方便上层根据需求来使用硬件资源，以及同时根据需求来匹配找到合适的资源，例如最简单的排他规则等等；
  • 另一方面则是充分的提升硬件资源的使用率，例如虚拟化技术、容器化技术的引入等
• 再往上，通常就是根据业务系统的架构、建设需求做的各种中间件的选型，这些中间件最重要的是为了降低业务系统的门槛，把一些通用的技术问题解决掉，例如
  • 数据库解决OLTP类型的数据读写
  • Dubbo之类的服务框架解决跨系统间的同步通信
  • RocketMQ之类的消息中间件解决跨系统间的异步通信等。

• 这些中间件之上，通常就是业务系统本身了，这个就完全要根据业务需求来做相应的架构设计，并且通常都会需要跟随业务的发展来不断的迭代架构（从单体 --> 分布式 --> 异地多活，推荐 郭东白《架构思维：从程序员到CTO》

大数据场景的技术栈

• 硬件
• 软件定义计算/存储/网络资源（Yarn）Yarn和K8S是两种不同的集群管理和调度系统，它们在管理资源和调度任务方面有着不同的设计目标和应用场景。，的区别如下：
• 计算引擎
  • 离线型（批处理，有边界数据集）：Hadoop、Spark
  • 实时型（流计算，无边界数据集）：Flink
• 数据库/存储

AI时代的技术栈（后面补充）

参考：AI时代的技术栈 https://mp.weixin.qq.com/s/cc1IrhTSbOyoTZ96VOikZw