โดย Elias Nema
เค้าบอกว่าความแตกต่างในโลก microservices เป็นปัญหาที่สมบูรณ์แบบ หรือดีมาก ๆ สำหรับการวิเคราะห์ข้อมูล แล้วก็เป็นสาเหตุอีกสาเหตุหนึ่งที่เป็นจุดกำเนิดของ data warehouse ที่เป็น “central repositories of integrated data from one or more disparate sources.”
เค้ายกตัวอย่างว่าถ้ามีทีมหนึ่งปล่อย feature ใหม่ออกมา แล้วได้ผล experiment ที่ดีมาก ๆ ทีมก็ตกลงกันว่างั้น roll out ให้กับผู้ใช้ทั้งหมดเลยกัน แต่ทีนี้พอ roll out ไปแล้วเกิดเหตุการณ์ว่า metrics ของอีกทีมหนึ่งร่วง ทีนีเราจะทำอย่างไร? ยังจะไปต่อไหม หรือจะ roll back
ตรงนี้ไม่มีคำตอบไหนที่จะถูกต้องแหละ ซึ่งการตัดสินใจจริง ๆ แล้วควรจะมีการวางแผนการทดลองต่าง ๆ แล้วก็ควรที่จะมีเรื่อง cross-team alignment และผลที่ได้ควรจะ optimal ทั้งระบบ ไม่ใช่ว่าเป็น component ใน component หนึ่ง
ซึ่งนี่แหละ การที่เราจะทำ microservices ควรจะมีเรื่องการวิเคราะห์ข้อมูล และการทำ experiment อยู่ในสายเลือดด้วย และควรจะเป็น prerequisites นะ ไม่ใช่ afterthought ดังนั้นการที่เรามีแพลตฟอร์มที่เราสามารถใช้ข้อมูลมาวิเคราะห์ได้ มันจะเป็น glue ที่จะมาช่วย microservices ให้พวก loosely coupled components ต่าง ๆ ไปในทิศทางเดียวกัน