1樓：零五
這玩意你要先理解智慧型端點和啞管道的反面是什麼？就是SOA概念中專注服務治理的企業服務匯流排（簡稱ESB），ESB實質上就是乙個管道，也就是應用A要訪問服務B，A要先發資料給ESB，然後ESB呼叫B，B產生的資料返給ESB，然後ESB再返給A，這樣ESB不僅僅提供了路由的功能，而且把自己做成了乙個大型企業系統的中心，基於此，又發展附加了原本不屬於管道的功能，比如服務B提供的是socket服務，但是應用A是使用http呼叫，這時ESB發展出了轉換報文的功能，甚至是服務B提供的是a,b,c三個資料，而應用A需要的是a，b，c拼接起來命名為d的資料，這也放在ESB中實現。這樣就使得ESB實際上又承載了業務邏輯，使得原本複雜的系統通過服務治理把瓶頸和複雜度統統壓到ESB乙個中心點上去了，這跟微服務去中心化的思想截然相反。
所以ESB這一危險度（ESB完蛋，全部系統都受影響，另外要上系統，通常先要給ESB組看一下，ESB需要乙個額外的有執行力的團隊去支撐）催生了微服務體系的智慧型端點和啞管道，相對ESB而言，微服務體系的管道只提供路由或者負載均衡之類的，不承載業務邏輯，或者是MQ之類的非同步訊息中介軟體，管道根本不關心具體傳送的資料，所以與其叫啞管道，不如叫非智慧型管道（實際上我都不知道為什麼會翻成啞管道，難以理解），智慧型端點就是相對ESB中的服務提供者只需要提供一種型別的服務，智慧型端點需要根據服務呼叫者的需求提供多種型別的服務以適應業務發展。也就是上述那些ESB所做的比如報文轉換，比如資料轉換等等統統是在服務提供端實現。
如何用通俗的語言解釋CTR和推薦系統中常用的Feature Hashing技術以及其對應的優缺點？
最近恰好看到這個，也看到了些比較好的回答，整理搬運一下吧。推薦系統中含有大量大量categorical，無法直接用LR模型。再次，ctr領域或者說高維大資料領域，資料集或多或少的存在稀疏問題。主流ML庫都會實現一套稀疏矩陣，應對該問題。feature hashing又稱feature trick，類...
如何用人機一體裝置結合雲計算，大資料和AI智慧型到知識管理革命，進一步到智力革命，使人類整體智力翻倍？
銀之海 人類下一代終極計算平台是人機一體智慧型穿戴通用計算平台 以多功能頸戴式主機 分離式全能眼鏡顯示螢幕 手機觸屏 AR屏 VR屏或MR屏的全能眼鏡 為主要特徵,形成下一代終極通用計算平台基本框架,逐漸演化成智慧型穿戴通用計算平台和人機一體通用計算平台。多功能頸戴式主機除了實現手機觸屏 AR屏 V...
如何利用人工智慧和大資料構建乙個可持續發展的城市和社群呢？具體該如何操作？
果果果果果果 怎麼操作啊 整容啊，全部整成純真眼神 搞什麼大資料人工智慧？能讓我進國企賺錢嗎 只要大家都不讀書當文盲，然後眼神純真，就能建立乙個可持續發展城市和社群了。不需要大資料和人工智慧，那是小鎮做題家才搞的東西。 KainHao 想起來做題家了？讓頂針笑乙個不比上知乎提問管用？想起來做題家了？...