4.多云架构的云原生技术中台建设与应用交付

企业上云和数字化转型的主要动力之一是为了实现业务创新，从而获得快速的商业增长。

因此，尽管企业在上云初期主要关注基础设施平台的扩容成本、扩容效率、数据存储安全性等问题，但是随着其云计算应用程度加深而不断加强，企业对于应用交付过程的关注会持续加强。

4.1多云架构对应用交付过程的挑战

企业在数字化转型和业务创新过程中，为了快速地实现业务迭代和体验提升，需要不断通过快速上线新功能的方式来收集用户反馈，从而用于指导下一步的开发，从而实现业务创新的敏捷化转型。

因此，企业除了关注基础设施层面的成本、效率优化，以及安全合规等问题，必然会还会关注实现业务创新的云原生应用的交付效能。

混合云、分布式边缘云的出现，对于应用交付效能提出了新的挑战。如果企业无法有效解决异构多云环境下的应用交付效能降低，将阻碍混合云、分布式边缘云的成功实践。

如果要想找到评价企业应用交付过程是否能够为企业创造足够价值的一个评价标准，那么“应用交付效能”将是十分合适的一个指标。应用交付效能的含义是应用在开发与构建、测试、部署、运维管理的生命周期过程中，在吞吐量和稳定性两方面的综合表现。

1）吞吐量：含义是应用在单位时间内更新的功能点的总量，它主要受到变更前置时间和部署频率的影响。变更前置时间代表应用从研发人员提交代码到成功在生产环境中部署所经历的时间长度。部署频率则与变更前置时间密切相关，一般来说前置时间越短，能够达到的部署频次就越高。

2）稳定性：含义是应用交付完成后，在实际生产环境中持续发挥价值的能力，它主要受到变更及服务失败率和服务恢复时间的影响。变更及服务失败率主要指应用新功能上线后，由于功能缺陷、体验性、系统故障等原因，导致应用被迫回退到上一版本或重新启动的概率。服务恢复时间指应用在因系统故障、性能压力等原因而停止后到恢复正常服务能力所需的时间。

随着基于容器的DevOps、微服务治理等产品与方案的成熟，整个云计算的云原生技术中台体系逐步形成，它也成为推动云计算时代的企业应用交付效能进一步提升的主要动力。云原生技术中台对于应用交付效能的影响表现在吞吐量和稳定性两方面，如下图所示。

1）吞吐量：DevOps平台完全替代了过去开发、测试人员的手动打包提交、手动部署测试环境的过程，人工干预的频次被极大降低，从而缩短了变更前置时间，提升了部署频率，最终提升了吞吐量。微服务架构和开发体系进一步将研发颗粒度细化，团队协作分工更加顺畅，缩短了变更前置时间，同时提升了部署频率，同样提升了吞吐量。

2）稳定性：DevOps平台实现了从开发、测试人员到运维人员的流程自动化，容器技术的可移植性、跨环境一致性的特性消除了因环境异构导致的变更失败可能，使得变更及服务失败率大幅降低。微服务治理的路由控制、流量控制、负载均衡、熔断限流等服务大幅降低了故障率，从而减少了服务恢复时间。这两方面因素都使得应用交付的稳定性极大提升。

但是，以混合云和分布式边缘云为代表的多云架构带来的异构的资源环境，必然需要打破单一云环境下的应用交付和管理生命周期，在应用交付的吞吐量、稳定性两方面都会给企业带来新的挑战。因此，在多云异构环境下，云原生技术中台的价值再次凸显。

4.2 构建跨云的云原生技术中台

由于以Docker技术为代表云原生技术在相当程度上能够屏蔽很大一部分多云间的异构性，实现应用开发测试环境的相对标准化、统一化，因此如果实现云原生技术中台的跨云构建，那么多云架构之上的应用交付效能将得到有效提升，如下图所示。

因此，如何构建一套兼容不同厂商的公有云、私有云、中心云和边缘云的云原生技术中台，成为企业在这一过程中将面临的主要挑战。

除了基于不同的云基础设施平台构建云原生技术中台之外，一些大型政企客户往往还拥有大量的数据中心资源，其中存在各类物理机、VMWare虚拟机。尽管这些资源中并没有建设云基础设施，但仍然是资源异构性的另一种表现。云原生技术中台可直接搭建在物理机、虚拟机之上，实现跨异构资源、跨地域、跨机构的应用交付生命周期的统一管理，成为多云架构的另一种形式。

在这样的挑战下，独立的容器云厂商的价值得到凸显，其优势在于中立性、产品化和服务能力：

1）中立性：独立容器厂商尽管可能与某些公有云厂商建立紧密的战略合作关系，但总体来说其产品并不绑定IaaS平台，而是能够充分兼容各类IaaS层资源，包括VMware、OpenStack和主流公有云厂商，从而使得企业能够在多公有云上部署同构的Kubernetes集群，从而有效支撑统一DevOps平台的搭建。

2）产品化：独立容器厂商的产品本质上是对原生Kubernetes进行二次开发和产品化封装，增加大量面向企业使用场景的功能模块，并提供友好的部署安装和用户交互界面，大幅降低了容器平台的使用门槛。基于容器平台，容器厂商一般还提供高度产品化的DevOps平台，集成面向开发、构建、测试等各阶段的中间件和工具，为企业提供一套端到端的DevOps方案。

3）服务能力：独立容器厂商一般具备专业的服务团队，可以为尚不熟悉容器和DevOps的企业提供培训、咨询和技术支持服务。对于部分具有复杂定制化要求的企业，公有云厂商一般不会提供深度的交付服务，而许多独立容器厂商则能够提供此类服务。

总体来看，基于容器云厂商提供的跨云的云原生技术中台，企业能够实现包含开发、构建、测试、部署与运维过程在内的DevOps敏捷开发过程，避免了因多云异构环境造成的人工操作增多、应用交付效能降低的情况。

3.3多云架构下“云原生闭环”的构建

尽管在跨云的云原生技术中台的搭建过程中，我们看到了独立容器云厂商的独特价值，但是它也并非唯一的答案。

实际上，云原生技术中台的最初目的，就是为了服务于云原生应用交付的全生命周期。而考虑到敏捷开发过程周而复始的过程，这个生命周期显然不可能是一条单向的直线，而一定会构成一个“云原生闭环”。

根据一般企业的软件研发及上线流程，这个完整的“云原生闭环”应该包括：业务部门流程，即需求提出；研发和测试部门流程，即需求确定、开发测试资源申请、开发与构建、测试；运维部门流程：部署、运维管理、问题与需求反馈。随着运维部门将应用在部署或运维中出现的问题反馈到研发测试部门，整个闭环周期才完全流转结束，如下图所示。

正如上图所展示，在云原生应用交付的生命周期里，除了需求确定、云原生应用开发、测试、应用部署等环节由容器云厂商占据主导，在资源申请、监控与灾备这两个连接开发测试部门与运维部门的核心环节中，企业都需要相应的工具平台进行支撑。

当多云异构环境成为企业中的主流以后，如何实现跨云的资源统一申请、统一监控与灾备，从而有效提升“云原生闭环”的效率成为企业的主要痛点之一。

此外，云原生技术的普遍应用也改变了所谓“资源”的定义。传统IT和云原生出现之前的资源更多的是指的物理资源和虚拟化资源，以及传统的数据库和中间件资源。但云原生技术成熟之后，容器、云原生数据库、云原生中间件等云原生资源同样需要进行统一申请、统一运维监控和灾备。

在这种背景下，许多厂商的CMP、APM等ITOM工具，正在逐步从基础设施层向云原生层进行拓展，从而融入到“云原生闭环”中。

因此，基于“云原生闭环”的重要价值，我们把面向云原生资源进行管理、监控并提供IT服务的云管理工具CMP，以及应用性能监控工具APM等ITOM工具，都定义为云原生技术中台的重要组成部分。

在单一云的环境下，企业往往直接通过公有云、私有云的后台管理界面来申请资源。但是在越来越复杂的多云环境下，有大量独立的资源申请入口，并且需要通过这些独立的入口来对资源进行管理，对企业的资源分配造成较大管理困难，多云管理平台CMP的价值得到充分凸显。

CMP的最初意义在于提供对异构的多云环境，包括VMware虚拟机、OpenStack私有云、公有云、容器、存储、SDN等各类资源的统一纳管，为企业优化云服务成本，统计云资源使用情况。

但是，在企业日益复杂的多云管理需求下，CMP逐步从单纯的资源管理工具，发展为能够为IT部门乃至业务部门提供服务化能力的ITSM平台。

在服务化趋势下，CMP可作为对内服务门户，提供统一的资源申请入口，对包括虚拟主机、存储、SDN网络在内的IaaS资源，容器、DevOps、中间件、数据库在内PaaS资源实现集中化、服务化交付。其中，对于VMware这类单租户、缺乏自服务能力的传统虚拟化平台，CMP能够有效地为其增加多租户、自服务特性，与私有云、公有云等资源实现统一化的管理和交付。

总体来说，CMP的服务化趋势提升了IT资源申请、审批和创建的自动化水平，降低了应用交付的变更前置时间，提升了应用交付吞吐量。

多云异构环境对IT运维管理的挑战主要体现在性能监控、容灾备份两方面：

1）性能监控：在多云异构环境下，IT系统的隐患和故障类型更加复杂，多因素故障成为主要的故障类型，故障排查难度上升，而传统的、单点式的故障监控分析工具已经难以满足运维人员的需求，成为提升服务恢复时间、应用交付稳定性的主要瓶颈之一。

面对大量的多因素、关联性故障，APM工具能够帮助企业进行更加深度和多维度的监控分析，能够通过基础监控协议、字节码探针、SDK/API等方式触达包括IaaS、PaaS、应用层、日志文件等在内的各类IT资源，获取指标数据并进行关联分析，实现跨越异构云环境的故障定位。

相比于APM，CMP更倾向于提供针对多云环境的整体运维管理解决方案，在提供多云资源纳管和成本优化的基础上，同样能够针对多云异构的IaaS、PaaS资源提供一系列监控告警服务。此外，容器云厂商的微服务治理平台在面向微服务架构应用的监控方面存在明显优势。

因此，APM、CMP、微服务治理平台等性能监控工具的价值，在于能够帮助企业降低服务恢复时间，提升应用交付的稳定性和总体效能。

2）容灾备份：在多云异构环境下，因为私有云、VMWare虚拟机、公有云、跨云网络中的各类故障而造成的业务中断风险明显增加，同时由于业务创新需求，多云架构往往需要进行更加频繁的资源变更，这些都对于应用的交付稳定性、业务连续性能力提出了更高要求。因此，企业的容灾备份需求大大提升。但是，传统IOE厂商的灾备技术较为笨重，难以适应云计算环境下高频的灾备需求。

因此，基于云计算技术的云灾备平台能够有效提升多云环境中的灾备效率，同时降低成本，优势主要体现在兼容性、高效性两方面。在兼容性方面，云灾备支持平台架构解耦，兼容各种虚拟化平台和云平台，如VMWare、KVM、OpenStack等，无厂商绑定限制。在高效性方面，云灾备平台支持精简复制、断点续传、即时负载接管应急、多副本负载演练等功能，能够提升灾备的成功率和灵活性，将灾备演练的周期缩短，并通过应急接管能力提升多云服务的业务连续性。

因此，云灾备平台的价值在于能够有效提升企业的业务连续性，最终提升应用交付的稳定性和整体效能。

总体来看，多云异构环境下的监控灾备环节，主要挑战在于复杂的异构环境对性能监控、容灾备份的自动化、标准化程度带来挑战，运维人员可能会因此增加人工操作频次，从而增加失败率和服务恢复时间，最终降低应用交付的稳定性和总体效能。

而解决这一挑战的主要途径是通过CMP、APM、微服务治理平台、云灾备平台等ITOM工具实现面向多云异构环境的运维过程自动化和标准化。

5.哪些云计算新趋势将为企业创造更多价值？

展望未来，随着云计算技术深入到企业的业务中，必然会催生两方面需求：一方面是更好地让云计算的低成本、高性能算力为企业的数据利用服务，加速企业的业务创新；另一方面是将云计算与传统网络拓扑进行无缝融合，从而更好地为拥有大量历史遗留IT资源的传统型、集团型企业提供全面上云的支撑。

5.1面向数据密集型应用的云原生技术中台

5.1.1数据密集型应用面临的生命周期管理挑战

相比于底层的IT基础设施，数据和企业业务的联系更加紧密。因此，对数据普遍应用是企业数字化转型的最直接表现，它能够为企业带来业务营收和生产效率的增长，同时有效改善客户体验。

企业对数据进行利用的历史非常悠久，从早期的面向主题的数据仓库建设与OLAP分析，到后来的大数据技术、机器学习与深度学习的兴起，数据的利用深度以及产生的价值也在不断进化。

但是企业数字化转型进程的不断推进，数据维度、数据类型的越来越复杂，企业面临的业务诉求越来越复杂，对数据利用效率的要求越来越高，使得原有的数据利用过程遇到了效率瓶颈。

在这样的背景下，如何从应用管理的角度出发，将数据利用过程转化为包括开发、部署、编排、持续测试和优化等环节在内的数据密集型应用的生命周期管理过程，已经成为企业IT与组织能力的核心挑战之一。

但是，DevOps过去仅仅关注的是非数据密集型的的应用，对于以数据密集型应用的关注较少，但两者存在截然不同的需求：

1）数据带来的管理挑战：面向非数据密集型应用的DevOps主要关注代码、工具、基础设施和人员之间的关系，而数据密集型应用的开发过程则增加了数据这一额外的元素，它比其他几者的管理难度更高，需要通过有效的数据治理过程来整合多个数据源，同时保证数据质量，最终使得数据达到“业务就绪”状态。

2）数据带来的工具和人员的挑战：数据密集型应用的开发和维护过程需要依赖于不同于非数据密集型应用开发的技术栈和工具，包括数据建模语言，以及传统的ETL/ELT、元数据管理、主数据管理、数据质量工具，再到数据可视化BI工具和数据科学工具，而涉及到的人员也发生了改变，比如数据库管理员、数据分析师、数据科学家、业务或运营人员等。

因此，近些年业内有人提出了面向数据密集型应用的生命周期管理理念——DataOps，它尝试将数据、代码、工具、基础架构和人员进行标准化的流程管理，最终提高数据开发过程的生产能力、可重复性、敏捷性和自助服务能力，最终实现数据科学模型持续部署和优化。但目前DataOps的具体模式尚不成熟，仍然在持续探索中。

同时，云计算逐步发展出为数据型应用提供计算、存储、分析、服务和生命周期管理能力的PaaS——DaaS（既包括了面向数据存储的DB PaaS，又包括了面向数据分析和AI建模的Business Analytics PaaS），也就是通常所说的数据中台和AI中台，它将数据开发过程变成一项能够在云计算平台中按需取用的服务。

5.1.2 云原生技术实现提供多云、多数据中心数字化应用解决方案

然而，面向数据密集型应用的DaaS与生命周期管理过程，在云计算平台上的实践中仍然会面临一系列挑战：

1）环境异构性的挑战：传统领域企业在数据应用实践中，往往会面临多云、多数据中心等异构环境，而异构环境会直接影响数据汇集和利用的效率，从而影响数据密集型应用开发的整体效率。

2）生产环境性能的挑战：数据密集型应用在生产部署环境中需要进行大量的数据处理和模型推理，对于计算的并发性要求更高，单台服务器上部署多个业务会产生资源竞争，但虚拟化会产生明显的性能损耗，需要轻量化的隔离部署环境。

3）数据交换合规性的挑战：非数据密集型应用的开发测试过程可以不依赖于真实数据源，但是数据密集型应用则不同，由于其需要进行数据建模和机器学习等过程，必然需要依赖于大量真实数据。但是，在多云、多数据中心的环境中，企业或组织往往需要对割裂在不同地域、不同组织中的数据进行统一汇集，共同进行数据分析和建模。但是，部分行业和领域对数据的合规性限制往往阻碍了数据的跨地域、跨组织的汇集与利用。

面对这些挑战，基于Docker、Kubernetes等云原生技术构建跨多云、多数据中心的DataOps成为企业的必然选择。

星环科技“联邦云”助力上海市数据交换共享中心实现“一网通办”

星环科技是一家专注于企业级容器云计算、大数据和人工智能核心平台产品研发的科技服务商，旗下的Transwarp Data Cloud（TDC）是一个涵盖了基于容器的数据中心云操作系统、数据平台服务、分析平台服务、应用平台服务的全栈数据云平台，实现了“大数据+云+人工智能”的融合，帮助企业构建从底层IT基础设施，到数据服务化和应用化的企业级IT基础设施能力平台，产品架构如下图所示。

在TDC产品的基础上，星环科技推出了TDC联邦云解决方案，通过将跨多个数据中心甚至公有云的数据、应用和基础设施资源进行统一管理，协同管理企业内部已有的资源和数据，从而构建一套完整、统一、互联互通的数字化基础设施。

联邦云解决方案具备数据联邦、联邦计算、联邦学习等多方面的数据共享利用能力：

1）数据联邦通过多租户的方式对数据进行汇集和共享，保证数据安全；

2）联邦计算实现跨数据中心和云的数据库全局视图，实现在不移动数据的情况下进行SQL查询和合规性审核；

3）联邦学习实现跨数据中心和云的AI模型训练和迭代，无需进行数据迁移。

星环科技TDC“联邦云”解决方案的典型客户是上海市人民政府主管的上海市大数据中心，其成立背景是上海市市委办公厅、市政府办公厅颁布《上海市全面推进“一网通办”加快建设智慧政府工作方案》，明确提出“以电子政务云为基础，以跨部门、跨层级应用为抓手，统筹构建‘云数联动’的数据共享交换平台，实现重要信息系统通过统一平台进行数据共享交换，打通各部门信息系统、打破‘数据孤岛’”。

为了实现这一目标，上海市大数据中心建设上海市数据共享交换平台，包含市级数据交换子系统、市级数据湖、市级数据库、数据集成子系统、市级数据治理子系统、数据服务子系统等业务模块。

其中，市级数据湖汇聚“四大库”、“市级统建系统”、“各市级委办系统”、“各行政区系统”的经过初始治理的原始数据，市级数据库主要用于存放经过一系列清洗、转换、加载、治理步骤后的高质量的政务数据资源，其数据来源主要来自数据湖；数据集成子系统实现对数据湖数据的存储管理、共享与交换，推送数据到治理平台，并建立与市级数据库的连接。

在项目中，星环科技基于TDC为上海市大数据中心数据共享交换平台提供大数据支撑管理子系统，汇集了统一、标准、完整的人口信息数据库、法人单位基础信息库、自然和地理基础信息库及电子证照信息库四大库信息，49家市级委办政务数据及交换日志数据，构建三级数据共享交换体系，保障数据安全，支撑“一网通办”、“市民主页”等数据服务能力。

星环科技的项目实施成果主要体现在一网通办、政务大屏、政务决策支持三方面。

1）一网通办：把政务数据归集到共享交换平台，打通分散的信息和材料；提供政务服务、便民服务、企业服务等类服务；解决企业和群众“办不完的手续、盖不完的章、跑不完的路”等麻烦，提高政府办事效率；将面向企业和群众的所有线上线下服务事项，逐步做到一网受理、只跑一次、一次办成。

2）政务大屏：通过挖掘和提炼数据库中不同主题的政务数据的详尽指标，将领导决策层最关心的数据指标维度形象化、直观化、具体化地“一站式”展现，达到为智慧政务管理做决策支撑的目的。典型的应用包括宏观经济地图、人口与信用地图、低碳能耗地图等。

3）政务决策支持：在经济预测、科技创新、城市规划等方面为政府提供决策支持，比如：从宏观到微观、行业和区域等几个维度的关联展示，层层揭示各个层级的经济发展状况，并通过最终需求法等宏观建模对经济增长水平进行预测和敏感度分析；根据流行的SCP（结构-行为-绩效）范式，从科技政策、人才与资金投入切入，分析科技产业结构、发展现状和产业绩效，并从科技园区、项目申报等角度展示科技政策的成效；通过对特定功能区、土地板块、自贸区等城市功能承载区的量化分析，并叠加相关人员流动和分布状况，综合分析城市规划效果和优化空间。

总体来看，跨云和数据中心的DataOps所应具备的核心能力包括：

1）能够为数据密集型应用的开发、测试、部署过程提供一致性的环境，从而有效提升数据开发效率，降低人工介入频次；

2）能够为数据分析和模型推理过程提供轻量级隔离的生产部署环境，以达到高并发的计算性能，可直接部署在物理机、公有云的裸金属服务器中，以降低因虚拟化而产生的性能损耗；

3）为跨地域、跨机构的数据汇集与利用提供权限相互隔离的多租户环境，有效保证数据的安全合规性。

按照数据利用的阶段来看，面向数据密集型应用的云原生技术中台又大体包括云原生数据中台、云原生AI中台两类。

1）云原生数据中台：基于各类数据库、数据仓库、数据集市，承担数据接入、数据治理、数据资产管理、数据建模等工作，降低开发门槛，提升开发效率。

2）云原生AI中台：一般需要建立在云原生数据中台的基础上，打通从数据存储、数据分析、数据建模到AI算法的数据管道，实现面向自然语言、音视频、非结构化数据等多模态数据的机器学习、深度学习，提供低门槛、高效率的AI模型训练、部署与持续优化能力。

综上所述，云计算技术未来如果要进一步深入企业业务中，进一步推动企业数字化转型和业务创新，并帮助企业克服因异构的传统IT、多云、多数据中心环境带来应用交付困难，云原生的数据中台与AI中台将成为其重要的发展趋势。

5.2云网融合趋势重塑传统网络管理模式

随着云计算深度地融入到传统型、集团型企业的业务之中，它必然要与企业原有的架构发生融合。在这样的背景下，通过“云网融合”重塑传统ICT架构正在成为云计算发展的另一项前沿趋势。

云网融合的主要驱动力可以归结为传统型、集团型企业上云过程中的两个IT架构变化趋势：

1）资源的异地化：正如第一章所述，传统型企业的业务创新驱动了各类创新型应用的诞生，常常会产生对公有云的需求。此外，为了满足企业在不同地域的IT服务能力，实现核心系统的全面上云，企业还可能会在多个地域、多个分支机构建设数据中心或机房，并进行私有云、虚拟化的建设。以上这两种因素都推动了企业IT与云资源的异地化趋势。

在这样的背景下，企业为了提升对外和对内的IT服务和响应能力，需要通过专线、VPN、SD-WAN等广域网技术实现在异地资源之间实现低延时网络互联，并提升网络开通和变更的效率。

2）资源异构化：由于创新型业务、传统型和核心型业务的不同需求，企业在这些资源进行IT建设和上云过程中，必然会产生包括各类物理资源与虚拟资源、专属资源与共享资源在内的异构资源池。由于传统型企业业务的相对稳定性，这些异构资源池将会长期存在于IT架构中，因此随着时间推进，它们内部的、之间的网络拓扑架构都会变得越来越复杂。

对于电信运营商、第三方数据中心运营商、广电等对网络服务能力具有苛刻要求的行业来说，过去依托于专业物理设备、依赖人工操作的网络配置过程极大影响了网络配置和变更效率。因此，这类企业亟需通过SDN、NFV等技术实现网络的自动配置、拓扑灵活调整、自动化编排、协同调度等能力，即网络的云化。

云间互联、网络云化这两种云网融合方式在具有多数据中心和公有云的企业内，表现方式如下图所示。

分布式边缘云是多云异构环境的另一种表现，它在地市、区县、园区等各个级别的边缘云由于一般不具备驻场的专业网络人员，同样需要通过SDN/NFV等技术来实现网络配置的自动化和网络服务的编排，如下图所示。

此外，由于边缘云的机房环境条件的差异往往十分巨大，比如，地市级机房的网络资源相对充足，但区县级以下机房的网络资源相对紧缺，因此SDN部署同样应当做出相应的适配，实现轻量化的部署方案。

2010年代，混合云与多云是云计算应用的前沿趋势，它是云计算不断满足企业差异化业务形态过程中出现的必然结果。

2020年代，除了混合云与多云的趋势将进一步深化，近场化、场景化、融合化将成为云计算应用的三大最新趋势。

边缘计算驱动的近场化趋势，让云计算算力的空间位置更加贴近企业现场，加强了云计算对边缘侧的数据利用能力，从而为企业提供更加低时延、低成本、沉浸式的数据利用支撑；

DaaS与DataOps驱动的场景化趋势，让云计算算力的逻辑层次更加贴近企业业务，加强了云计算的数据利用效能，从而进一步驱动了企业的业务创新；

云网融合驱动的融合化趋势，让云计算基础架构与企业、地方、全国、全球等各个范围的ICT基础设施实现高度融合，双方开始呈现“你中有我，我中有你”的状态，最终使得企业经营、个人生活都与云计算结合得更加紧密而深刻。

未来，爱分析将持续而深入地追踪云计算的最前沿趋势在各个行业内的落地进展和最佳实践。