服务器检查点？服务器

scp九尾狐服务器插件介绍

第一部分：官服插件SCP介绍

此版本介绍更新于：2018.2.25

介绍中所提及的 xx点伤害表明单次攻击会造成多少血量的伤害

SCP九尾狐官方服务器设定：SCP-035，SCP-550，SCP-999无法开启SCP-914；SCP-550，SCP-682无法开启轻收容区检查点。

-SCP-008丧尸病毒 SCP阵营

简介：被49攻击几率变成的，持续掉血，死后将周围的人变为小僵尸

特征：每一次被SCP-049攻击时，有20%的几率变为SCP-008。

若变为SCP-008，此次攻击受到的伤害免疫

并会收到一条弹幕消息：你已成功变为SCP-008。

在变为SCP-008后原地加入SCP阵营，外观无变化，无头衔显示身份

SCP-008会以每秒1点的速度持续掉血

在死亡后，会将一定范围内的人类（至多五个）原地变为SCP-049-2

在变为SCP-008后使用SCP-500可以使自己变回普通人类

收到的弹幕信息其他人无法看见

-SCP-035占据面具 SCP阵营

简介：跟人类长得一样的SCP，目的是帮助SCP

特征：开局背包中将多出一枚硬币

在开局时，可以是“保安、D级、博士”外观无不同，不公开显示身份

每两拨增援将增加一位SCP-035 最多存在两个SCP-035

SCP-035可以免疫SCP-2818的伤害

-SCP-069第二次机会 D级或博士阵营

简介：可以复活一次

特征：为一名D级人员或博士，且公开身份。

当其死亡时，会随机选定一个尸体并复活在那个尸体上。

复活后的角色为那个尸体所属的角色。

-SCP-105“鸢娓” D级或博士阵营

简介：用手电筒照人使人无敌

特征：公开身份。出生为一位D级人员或博士。 

背包内有一手电筒。当其照射到人时，被照者将获得无敌。 

SCP-105在开启手电筒时每0.5秒受到1点伤害。

-SCP-181幸运儿 D级阵营

简介：开局一张卡，人肉914，受到伤害能不死，徒手开门开两次

特征：出生时带有一张随机等级的卡

只能是一名D级人员，且公开身份

-捡起卡时，有低几率使其升级

-捡起枪时，有低几率使其升级为电磁炮

使用SCP-2818有一定几率不会死亡，同时避免第一次受到的伤害。

拿着磁卡打开权限门时，若此卡权限不足，则依然可以打开。此效果只能释放两次

当SCP-181被捆绑且逃离时，会变为九尾指挥官且背包内额外获得一个电磁炮

-SCP-367小狗狗 SCP阵营

简介：一条有狂犬病的SCP-939，咬死人能传染但是伤害低

特征：公开身份。在第一波增援时，人数大于等于26人时出现。

当满足上述条件时，在第一波增援刷新之前的一刻，服务器将随意指定一名死亡的玩家成为SCP-367。

SCP-367为一只SCP-939-53。其攻击力只有20点

被SCP-367最后一击咬死的人类，将原地变为一只新的满血的SCP-367。

SCP-367没有数量限制

-SCP-493复制者 D级阵营

简介：英雄不朽复活尸体

特征：公开身份，为一名D级人员。

当其站在一个尸体旁并直视一个尸体时，这个尸体将会复活在当前位置。

操控其的玩家为其死亡前操控其的玩家，角色同理。血量为满血

当SCP-493重复复活一个玩家三次后，再次复活此玩家此玩家的背包将被清空

-SCP-500万能药物品

简介：SCP-914加工得到，用完立刻满血并获得抗性

超精加工血包100%获得。顶端会显示弹幕。

当使用SCP-500时将消耗一个血包。

使用者将回复所有血量并获得子弹抗性5分钟。

SCP-914单次加工只能加工出一个SCP-500

-SCP-550食尸鬼 SCP阵营

简介：长得像混沌的SCP，能吸血

特征：开局刷出，为一名混沌分裂者。

背包里有一把手枪一张三级蓝卡一个医疗包也只能拥有这些物品与P90，手雷，对讲机。

具有类似SCP-106的护甲抗性。拥有吸血效果。可伤害所有人类。

初始血量与普通的混沌相同

-SCP-682不灭巨蜥 SCP阵营

简介：一口一个的939，能无限复活与拆门

特征：初始生成的SCP-939中的SCP-939-53变为SCP-682。且公开身份。

造成的伤害为普通SCP-939的两倍。初始血量为2750（与其他SCP-939相同）

死亡后当刷新增援时会复活在SCP-939的出生点。

复活两次后点击E键可强制毁坏门。

可破坏的门种类与SCP-096相同

-SCP-701缢王悲歌 SCP阵营

简介：在老头空间的049，杀人附身，逃离空间，看他的人开启友伤

特征：SCP-701为一名SCP-049出生于SCP-106的口袋空间中。

当SCP-701杀死一人时，会附身于此人身上。

在附身之前不可脱离空间，附身后此后便可逃出空间，走错路不会死亡。

当有人类看到SCP-701时，将可以被队友所伤害，持续至其死亡。

-SCP-718爆炸眼球中立阵营

简介：看他掉血

特征：一名D级人员，且公开身份。

注视的SCP-718的任何角色将每秒受到1点伤害

被一部分SCP攻击的伤害降低/免疫。

-SCP-738与魔谋易 D级阵营

简介：捡东西复制

特征：为一名D级人员且公开身份。

捡到物品可进行复制，复制方式为捡起其物品。每种物品只限复制一次。

复制成功后，复制品会掉落到SCP-738的脚下，并且会受到10点伤害。

不同等级的磁卡算作不同物品

SCP-999痒痒怪中立阵营

简介：高血量打人回血

特征：一名保安。出生时有一把MP7与一张三级蓝卡，公开身份

可拥有的物品：（MP7.三级蓝卡.四级蓝卡.手雷.电磁炮.对讲机.闪光弹.平板）

血量为5000血，与所有阵营共赢

造成的所有伤害均变为治疗，可突破血量上限

在给SCP-035，SCP-550，在SCP-500药效持续时间内的玩家加血时，单次加血量强制变为1血

-SCP-1143真男人从不回头看爆炸九尾狐或混沌阵营

简介：背包刷雷

特征：在刷新的九尾狐或混沌中随机选择一位玩家成为，且公开身份。

同一时间内只可存在一名SCP-1143。

每30秒CP-1143的背包内会获得一个手雷，低概率会为一个闪光弹。

-SCP-2818射人的步枪武器

简介：用自己的生命换极高的伤害

特征：外型为一把手枪。当捡起时将会有全服广播。

全服在任意同一时间只能存在一把SCP-2818。

在这之后被捡起来的手枪便为普通手枪。

当其射中任意玩家时，开枪者会立刻死亡。

这发子弹将造成1000点的真实伤害，但对SCP-106只有500点伤害。

不能伤害队友，无论该枪是否造成伤害，只要打中玩家开枪者就会立刻死亡

第二部分：游戏插件介绍

本介绍更新于：2019.1.31

此介绍仅介绍九尾狐官方服务器中所包含的插件

1.逃脱增强插件

当D级人员被捆绑送出逃生点时，将变为九尾狐学员并重生在九尾出生点

当科学家被捆绑送出逃生点时，将变为混沌并重生在混沌出生点

2.914传送插件

当914加工完成的那一刻，将所有在未加工间的玩家传送至加工完成间。

3.复活保护插件

九尾狐、混沌、保安这三类角色重生时获得15秒钟无敌

4.捆绑无敌插件

当D级人员被捆绑时，无法被九尾所伤害

当科学家被捆绑时，无法被混沌所伤害

电影服务器新加了硬盘用NTFS或FAT32那种格式好

在推出FAT32文件系统之前，通常PC机使用的文件系统是FAT16。像基于MS-DOS，Win 95等系统都采用了FAT16文件系统。在Win 9X下，FAT16支持的分区最大为2GB。我们知道计算机将信息保存在硬盘上称为“簇”的区域内。使用的簇越小，保存信息的效率就越高。在FAT16的情况下，分区越大簇就相应的要增大，存储效率就越低，势必造成存储空间的浪费。并且随着计算机硬件和应用的不断提高，FAT16文件系统已不能很好地适应系统的要求。在这种情况下，推出了增强的文件系统FAT32。同FAT16相比，FAT32主要具有以下特点：

1.同FAT16相比FAT32最大的优点是可以支持的磁盘大小达到2TB（2047GB），但是不能支持小于512MB的分区。基于FAT32的Win 2000可以支持分区最大为32GB；而基于 FAT16的Win 2000支持的分区最大为4GB。

2.由于采用了更小的簇，FAT32文件系统可以更有效率地保存信息。如两个分区大小都为2GB，一个分区采用了FAT16文件系统，另一个分区采用了FAT32文件系统。采用FAT16的分区的簇大小为32KB，而FAT32分区的簇只有4KB的大小。这样FAT32就比FAT16的存储效率要高很多，通常情况下可以提高15%。

3. FAT32文件系统可以重新定位根目录和使用FAT的备份副本。另外FAT32分区的启动记录被包含在一个含有关键数据的结构中，减少了计算机系统崩溃的可能性。

NTFS文件系统

NTFS文件系统是一个基于安全性的文件系统，是Windows NT所采用的独特的文件系统结构，它是建立在保护文件和目录数据基础上，同时照顾节省存储资源、减少磁盘占用量的一种先进的文件系统。使用非常广泛的Windows NT 4.0采用的就是NTFS 4.0文件系统，相信它所带来的强大的系统安全性一定给广大用户留下了深刻的印象。Win 2000采用了更新版本的NTFS文件系统??NTFS 5.0，它的推出使得用户不但可以像Win 9X那样方便快捷地操作和管理计算机，同时也可享受到NTFS所带来的系统安全性。

NTFS 5.0的特点主要体现在以下几个方面：

1. NTFS可以支持的分区(如果采用动态磁盘则称为卷)大小可以达到2TB。而Win 2000中的FAT32支持分区的大小最大为32GB。

2. NTFS是一个可恢复的文件系统。在NTFS分区上用户很少需要运行磁盘修复程序。NTFS通过使用标准的事物处理日志和恢复技术来保证分区的一致性。发生系统失败事件时，NTFS使用日志文件和检查点信息自动恢复文件系统的一致性。

3. NTFS支持对分区、文件夹和文件的压缩。任何基于Windows的应用程序对NTFS分区上的压缩文件进行读写时不需要事先由其他程序进行解压缩，当对文件进行读取时,文件将自动进行解压缩；文件关闭或保存时会自动对文件进行压缩。

4. NTFS采用了更小的簇,可以更有效率地管理磁盘空间。在Win 2000的FAT32文件系统的情况下,分区大小在2GB～8GB时簇的大小为4KB；分区大小在8GB～16GB时簇的大小为8KB；分区大小在16GB～32GB时,簇的大小则达到了16KB。而Win 2000的NTFS文件系统，当分区的大小在2GB以下时,簇的大小都比相应的FAT32簇小;当分区的大小在2GB以上时(2GB～2TB),簇的大小都为4KB。相比之下，NTFS可以比FAT32更有效地管理磁盘空间，最大限度地避免了磁盘空间的浪费。

5.在NTFS分区上,可以为共享资源、文件夹以及文件设置访问许可权限。许可的设置包括两方面的内容：一是允许哪些组或用户对文件夹、文件和共享资源进行访问；二是获得访问许可的组或用户可以进行什么级别的访问。访问许可权限的设置不但适用于本地计算机的用户,同样也应用于通过网络的共享文件夹对文件进行访问的网络用户。与FAT32文件系统下对文件夹或文件进行访问相比，安全性要高得多。另外,在采用NTFS格式的Win 2000中,应用审核策略可以对文件夹、文件以及活动目录对象进行审核，审核结果记录在安全日志中，通过安全日志就可以查看哪些组或用户对文件夹、文件或活动目录对象进行了什么级别的操作，从而发现系统可能面临的非法访问,通过采取相应的措施，将这种安全隐患减到最低。这些在FAT32文件系统下,是不能实现的。

6.在Win 2000的NTFS文件系统下可以进行磁盘配额管理。磁盘配额就是管理员可以为用户所能使用的磁盘空间进行配额限制，每一用户只能使用最大配额范围内的磁盘空间。设置磁盘配额后，可以对每一个用户的磁盘使用情况进行跟踪和控制，通过监测可以标识出超过配额报警阈值和配额限制的用户，从而采取相应的措施。磁盘配额管理功能的提供，使得管理员可以方便合理地为用户分配存储资源，避免由于磁盘空间使用的失控可能造成的系统崩溃，提高了系统的安全性。

7. NTFS使用一个“变更”日志来跟踪记录文件所发生的变更。

小提示(选取FAT32和NTFS的建议)

在系统的安全性方面，NTFS文件系统具有很多FAT32文件系统所不具备的特点，而且基于NTFS的Win 2000运行要快于基于FAT32的Win 2000；而在与Win 9X的兼容性方面，FAT32优于NTFS。所以在决定Win 2000中采用什么样的文件系统时应从以下几点出发：

1.计算机是单一的Win 2000系统，还是采用多启动的Win 2000系统；

2.本地安装的磁盘的个数和容量；

3.是否有安全性方面的考虑等。

基于以上的考虑，如果要在Win 2000中使用大于32GB的分区的话，那么只能选择NTFS格式。如果计算机作为单机使用，不需要考虑安全性方面的问题，更多地注重与Win 9X的兼容性，那么FAT32是最好的选择。如果计算机作为网络工作站或更多的追求系统的安全性，而且可以在单一的Win 2000模式下运行，强烈建议所有的分区都采用NTFS格式；如果要兼容以前的应用，需要安装Win 9X或其它的操作系统，建议做成多启动系统，这就需要两个以上的分区，一个分区采用NTFS格式，另外的分区采用FAT32格式，同时为了获得最快的运行速度建议将Win 2000的系统文件放置在NTFS分区上，其它的个人文件则放置在FAT32分区中。

阿里巴巴是用的什么服务器阿里巴巴是用的什么服务器的

转载:阿里巴巴为什么选择ApacheFlink？

本文主要整理自阿里巴巴计算平台事业部高级技术专家莫问在云起大会上的演讲。

一棵大树从一棵小树苗长成；小小橡实可能长成参天大树

随着人工智能时代的到来和数据量的爆炸，在典型的大数据业务场景中，最常见的数据业务方式是使用批处理技术处理全量数据和流计算处理实时增量数据。在大多数业务场景中，用户的业务逻辑在批处理和流处理中往往是相同的。但是，用户用于批处理和流处理的两套计算引擎是不同的。

因此，用户通常需要编写两套代码。无疑，这带来了一些额外的负担和成本。阿里巴巴的商品数据处理往往需要面对增量和全量两种不同的业务流程，所以阿里在想，我们能不能有一个统一的大数据引擎技术，用户只需要根据自己的业务逻辑开发一套代码就可以了。在这样不同的场景下，无论是全数据还是增量数据，还是实时处理，都可以有一套完整的解决方案支持，这也是阿里选择Flink的背景和初衷。

目前开源的大数据计算引擎有很多选择，如Storm、Samza、Flink、KafkaStream等。、以及Spark、Hive、Pig、Flink等批量处理。但是同时支持流处理和批处理的计算引擎只有两个选择:一个是ApacheSpark，一个是ApacheFlink。

技术、生态等多方面综合考虑。首先，Spark的技术思路是模拟基于批量的流量计算。另一方面，Flink使用基于流的计算来模拟批处理计算。

从技术发展的角度来看，用批处理来模拟流程存在一定的技术局限性，这种局限性可能很难突破。Flink基于流模拟批处理，在技术上具有更好的可扩展性。从长远来看，阿里决定将Flink作为统一通用的大数据引擎作为未来的选择。

Flink是一个统一的大数据计算引擎，具有低延迟、高吞吐量。在阿里巴巴的生产环境中，Flink的计算平台每秒可以处理数亿条消息或事件，延迟为毫秒级。同时，Flink提供了一次性的一致性语义。保证了数据的正确性。这样，Flink大数据引擎就可以提供金融数据处理能力。

弗林克在阿里的现状

基于ApacheFlink在阿里巴巴搭建的平台于2016年正式上线，从阿里巴巴的搜索和推荐两个场景实现。目前，包括阿里巴巴所有子公司在内的所有阿里巴巴业务都采用了基于Flink的实时计算平台。同时，Flink计算平台运行在开源的Hadoop集群上。Hadoop的YARN作为资源管理调度，HDFS作为数据存储。所以Flink可以和开源大数据软件Hadoop无缝对接。

目前，这个基于Flink的实时计算平台不仅服务于阿里巴巴集团，还通过阿里云的云产品API向整个开发者生态系统提供基于Flink的云产品支持。

Flink在阿里巴巴的大规模应用表现如何？

规模:一个系统是否成熟，规模是一个重要的指标。Flink最初推出阿里巴巴只有几百台服务器，现在已经达到上万台服务器，在全球屈指可数；

状态数据:基于Flink，内部积累的状态数据已经是PB规模；

事件:如今，每天在Flink的计算平台上处理的数据超过万亿条；

PS:高峰期每秒可承担超过4.72亿次访问，最典型的应用场景是阿里巴巴双11的大屏；

弗林克的发展之路

接下来，从开源技术的角度，我们来谈谈ApacheFlink是如何诞生，如何成长的。而阿里又是如何在这个成长的关键时刻进来的？你对它做过哪些贡献和支持？

Flink诞生于欧洲大数据研究项目平流层。这个项目是柏林工业大学的一个研究项目。早期，Flink做的是批量计算，但2014年，同温层的核心成员孵化了Flink，同年将Flink捐赠给Apache，后来成为Apache最顶尖的大数据项目。同时，Flink计算的主流方向被定位为流式，即使用流式计算来计算所有的大数据。这就是Flink技术诞生的背景。

2014年，Flink作为专注于流计算的大数据引擎，开始在开源大数据行业崭露头角。不同于Storm、SparkStreaming等流计算引擎，它不仅是一个高吞吐量、低延迟的计算引擎，还提供了许多高级功能。比如提供有状态计算，支持状态管理，支持数据语义的强一致性，支持事件时间，水印处理消息无序。

Flink核心概念和基本概念

Flink区别于其他流计算引擎的地方其实是状态管理。

是什么状态？比如开发一套流量计算系统或者任务做数据处理，可能经常需要对数据做统计，比如Sum，Count，Min，Max，这些值都需要存储。因为它们是不断更新的，所以这些值或变量可以理解为一种状态。如果数据源正在读取Kafka，RocketMQ，可能需要记录读取的位置并记录偏移量。这些偏移变量是要计算的状态。

Flink提供了内置的状态管理，可以将这些状态存储在Flink内部，而不需要存储在外部系统中。这样做有以下优点:第一，减少了计算引擎对外部系统的依赖和部署，运维更简单；其次，在性能上有了很大的提升:如果是通过外部访问，比如Redis，HBase必须通过网络和RPC访问。如果Flink在内部访问这些变量，它只通过自己的进程访问这些变量。同时，Flink会定期让这些状态的检查点持久化，并将检查点存储在分布式持久化系统中，比如HDFS。这样，当Flink的任务出错时，它会从最新的检查点恢复整个流的状态，然后继续运行它的流处理。对用户没有数据影响。

Flink如何保证在检查点恢复的过程中没有数据丢失或冗余？要保证计算准确？

原因是Flink使用了一套经典的Chandy-Lamport算法，其核心思想是将这种流计算视为一种流拓扑，在这种拓扑的头部有规律地插入来自源点的特殊屏障，并将屏障从上游广播到下游。当每个节点接收到所有栅栏时，它将拍摄状态快照。每个节点完成快照后，整个拓扑将被视为一个完整的检查点。接下来，无论发生什么故障，都会从最近的检查点恢复。

Flink使用这种经典算法来确保语义的强一致性。这也是Flink与其他无状态流计算引擎的核心区别。

以下是Flink解决无序问题的方法。比如星球大战的序列，如果按照上映时间来看，可能会发现故事在跳跃。

在流量计算上，和这个例子很像。所有消息的到达时间与源在线系统日志中实际发生的时间不一致。在流处理的过程中，希望消息按照它们在源端实际发生的顺序进行处理，而不是按照它们实际到达程序的时间。Flink提供了一些先进的事件时间和水印技术来解决乱序问题。以便用户可以有序地处理该消息。这是Flink的一个很重要的特点。

接下来介绍一下Flink起步时的核心概念和理念，这是Flink发展的第一阶段；第二阶段是2015年和2017年。这个阶段也是Flink发展和阿里巴巴介入的时候。故事源于2015年年中我们在搜索事业部做的一项调查。当时阿里有自己的批处理技术和流计算技术，既有自研的，也有开源的。但是，为了思考下一代大数据引擎的方向和未来趋势，我们对新技术做了大量的研究。

结合大量的研究成果，我们最终得出结论，解决一般大数据计算需求，整合批量流的计算引擎是大数据技术的发展方向，最终我们选择了Flink。

但2015年的Flink还不够成熟，规模和稳定性都没有付诸实践。最后我们决定在阿里成立Flink分公司，对Flink进行大量的修改和改进，以适应阿里巴巴的超大型业务场景。在这个过程中，我们团队不仅改进和优化了Flink的性能和稳定性，还在核心架构和功能上做了大量的创新和改进，并贡献给了社区，比如:Flink全新的分布式架构、增量式检查点机制、基于信用的网络流量控制机制和流式SQL。

阿里巴巴对Flink社区的贡献

我们来看两个设计案例。第一个是阿里巴巴重构了Flink的分布式架构，对Flink的作业调度和资源管理做了明确的分层和解耦。这样做的第一个好处是Flink可以在各种开源资源管理器上本地运行。这种分布式架构改进后，Flink可以原生运行在HadoopYarn和Kubernetes这两种最常见的资源管理系统上。同时将Flink的任务调度由集中式调度改为分布式调度，使Flink可以支持更大的集群，获得更好的资源隔离。

另一个是实现增量检查点机制，因为Flink提供了有状态计算和规则检查点机制。如果内部数据越来越多，检查点就会越来越大，最终可能导致做不下去。提供增量检查点后，Flink会自动找出哪些数据是增量更改的，哪些数据是修改的。同时，只有这些修改过的数据被持久化。这样检查点就不会随着时间的运行越来越难，整个系统的性能也会非常稳定，这也是我们贡献给社区的一个非常重要的特性。

经过2015-2017年对Flink流媒体能力的提升，Flink社区逐渐走向成熟。Flink也成为了流媒体领域最主流的计算引擎。因为Flink最开始是想做一个统一流式、批量处理的大数据引擎，这个工作在2018年就已经开始了。为了实现这一目标，阿里巴巴提出了新的统一API架构和统一SQL解决方案。同时，在流式计算的各种功能得到改进后，我们认为批量计算也需要各种改进。无论在任务调度层还是数据洗牌层，在容错性和易用性方面都有很多工作需要改进。

究其原因，这里有两个要点与大家分享:

●统一的API堆栈

●统一的SQL方案

我们来看看FlinkAPI栈的现状。研究过Flink或者用过Flink的开发者应该知道。Flink有两个基本的API，一个是数据流，一个是数据集。数据流API提供给流用户，数据集API提供给批量用户，但是这两个API的执行路径完全不同，甚至需要生成不同的任务来执行。所以这和统一API是冲突的，这也是不完善的，不是最终的解决方案。在运行时之上，应该有一个统一批量流程集成的基础API层，我们希望API层能够统一。

因此，我们将在新架构中采用一个DAG(有限非循环图)API作为批处理流的统一API层。对于这种有限无环图，批量计算和流量计算不需要明确表示。开发者只需要在不同的节点和不同的边定义不同的属性，就可以规划数据是流属性还是批属性。整个拓扑是一个统一的语义表达，可以集成批量流。整个计算不需要区分流量计算和批量计算，只需要表达自己的需求。有了这个API，Flink的API栈就统一了。

除了统一的基础API层和统一的API栈，SQL解决方案在上层也是统一的。而批处理SQL，我们可以认为有流计算和批处理计算的数据源，我们可以把这两个数据源模拟成数据表。可以认为流数据的数据源是一个不断更新的数据表，而批量数据的数据源可以认为是一个相对静态的表，没有更新的数据表。整个数据处理可以看作是SQL的一个查询，最终结果也可以模拟成一个结果表。

对于流计算，它的结果表是一个不断更新的结果表。对于批处理，其结果表是相当于一次更新的结果表。从整个SOL语义表达来看，flow和batch是可以统一的。此外，流SQL和批处理SQL都可以使用同一个查询来表示重用。通过这种方式，所有流批次都可以通过同一个查询进行优化或解析。甚至许多流和批处理操作符都可以重用。

弗林克的未来方向

首先，阿里巴巴要基于Flink的本质做一个全能的统一大数据计算引擎。放在生态和场景的地面上。目前Flink是主流的流计算引擎，很多互联网公司已经达成共识，Flink是大数据的未来，是最好的流计算引擎。接下来的重要任务是让Flink在批量计算上有所突破。在更多的场景下，已经成为主流的批量计算引擎。然后进行流量和批次的无缝切换，流量和批次的界限越来越模糊。使用Flink，在一个计算中，可以同时进行流量计算和批量计算。

第二个方向是Flink得到更多语言的生态支持，不仅仅是Java，Scala，还有Python和Go进行机器学习。未来希望用更丰富的语言开发Flink计算任务，描述计算逻辑，连接更多生态。

最后不得不说AI，因为很多大数据计算需求和数据量都在支撑非常热门的AI场景。所以我们会在完善Flink流批生态的基础上，继续往上走，完善上层Flink的机器学习算法库。同时，Flink会借鉴成熟的机器，深度学习融合。比如Flink上的Tensorflow，可以用来整合大数据的ETL数据处理和机器学习的特征计算、特征计算，以及训练的计算，让开发者同时享受多个生态系统带来的好处。

阿里巴巴云境是什么东西？

这个是阿里巴巴做的一款信息化系统产品，主要针对中小企业，它的服务器??硬件的支持，都是阿里放在云端的。相当于都是由阿里来帮你管理数据??，客户的硬件投入非常低，系统管理成本也很低，通常是以年费的形式来运行。

为什么阿里巴巴，腾讯等这些公司要把服务器放在美国？

为了让美国人民享受到阿里巴巴和腾讯的服务啊，另外国内的人到美国去，也是需要相关的服务的。

阿里巴巴属于哪个行业？

阿里巴巴主营属于电子商务，还包括互联网金融、电子支付、物流等。同时，阿里巴不断发展还涉及到更广的领域，比如传媒、物联网等。

阿里巴巴集团本家产业：阿里巴巴、淘宝、支付宝、阿里软件、阿里妈妈、口碑网、阿里云、中国雅虎、一淘网、淘宝商城、中国万网，聚划算、云峰基金、蚂蚁金服。

一般的网店需要多大的服务器？

不需要因为你申请的淘宝店是一个虚拟空间来着，在阿里巴巴自已建设的机房之中，可直接使用，无需自备服务器。直接装修店铺，上架商品即可

阿里千岛湖数据中心建在湖底吗？

是的，阿里巴巴的一个服务器中心就放在千岛湖湖底。阿里云千岛湖数据中心建筑面积30000平方米，共11层，可容纳至少5万台设备。作为水冷驱动的工业数据中心建设的模板，很有创新性和代表性。数据中心90%时间不需要电制冷，深层湖水通过完全密闭的管道流经数据中心，帮助服务器降温，再流经2.5公里的青溪新城中轴溪，作为城市景观呈现，自然冷却后又回到千岛湖。