选自蔡元楠大数据课程的5个问题

在极客邦课程的前沿部分，提到了需要拷问自己的5个问题。

特别摘录下来：

(1) 这个技术解决了什么问题（用户痛点）？
(2) 为什么其他技术没有解决这个问题？
(3) 它是如何解决这个问题的？
(4) 这种解决方法是最优的吗？
(5) 如果我独立解决这个问题，我会采用什么样的方法？

----------------------------- 分割线，以下非蔡老师的讲法，乃是我试着写的，大家参考就好-------------------------------------

那么我要试着回答这五个问题，for K8s。也可以回答for Spring Cloud， for Tensorflow，for Flink， etc。

(1) K8s solved the issue of container orchestration, which means to manage a large number of containers and help K8s users integrate them into one running system. As an ecosystem, K8s also attracted other contributors to contribute into subareas including LB, network system, and storage subsystem. 用户痛点，scalability，系列不全面。其中一个主要痛点就是不知道哪个是未来的方向。
(2) 其他技术也有解决CO的问题，但是在深度和广度（生态）上都不如K8s。
(3) 其实这种Master-slave的架构有很多，但是第一K8s是有Borg过去的验证做后盾，另外有Google的品牌效应，再有就是它的Openness。目前和Istio还结合起来做service mesh。所以很容易吸引更多的用户。它采用YAML文件配置状态，然后让系统达到这个状态。
(4) 这种方法是不是最优我不知道，也许可以找到更简洁的CO，但是这样全面的没有。
(5) 其实过去也提出过CO的概念，比如用config file来配置，达到状态等等，但是没有它抽象的那么好，所以我估计K8s会成为类似Unix，长时间存在，并且用K8s定制服务会成为一项类似UNIX命令的技能。唯一的问题是它还是有点复杂，在这个方面我可能会做的更简洁。对用户暴露更少的接口。