所以奈飞从2007年，推出线上视频流媒体服务开始，就在打造自己的数据仓库系统，并陆续研发出了许多数据技术和工具，用来支持各种数据工程实务上的需求。

从内容绩效评估、观众理解分析、程序化发展战略等各方面，去推动整个数据工程的发展。

整个数据工程技术架构的核心原则，其实很简单，那就是要让常见需求更容易进行，而且可以兼顾到不同层级的定制化需求。

但这也就决定了，很多任务和工具，都需要由他们自己去开发。

要知道，数据工程技术架构中最典型的两大数据流程，就是批处理和流媒体处理。

这也是企业常见的两种数据流程。

但想要全靠自身去研发，那难度可就太高了，但是没有办法，这事儿从外面，还真就找不到现成的，所以也只能靠自力更生了。

而批处理流程有四大关键步骤：

第一步，是数据转换和逻辑汇集处理，这里会涉及到云储存、云计算和大数据；

第二步，在数据汇集整理后，还需要一套成熟的数据品质生态圈工具，在数据品质管控、单元数据异常检测，以及审核机制管理上，确保不会出现垃圾数据和错误分析；

第三步，则是任务调度和监控，这同样需要一个支持超大规模任务的工作流程调度平台，每天会执行高达7万个工作流程，累计超过50万个任务步骤；

最后，那就是数据管理了，这个反倒是最没有难度的一个……

而不管怎么样，奈飞最后都将其一一实现了，单凭这一点，人家就足够牛皮。

或许很多人有些理解不了，觉得这有啥了不起的。

举个简单的例子吧。

就拿微服务来说，这个很多公司其实都在搞，比如易贝、亚马逊、BAT啊啥的。

但在大规模生产级微服务领域做的最好的，奈飞绝对是舍我其谁的存在。

100s范围的微服务，1000s范围的日产变更，10000s范围的实例，1000000s范围的活跃客户量，1000000000s范围的量度……却只有10s范围的运维工程师。

而且没有自己的数据中心NOC。

这是什么概念，跨境界的层面跃迁啊好不好！

再比如那个开源的微服务技术栈的核心组件，这个很多人同样不怎么了解。

但大家只需要知道，后来的Pivotal，就是将这些开源的组件改头换面，再拼凑上配置中心、调用链监控等，就变成了Spring Cloud。

再后来，耳熟能详的Zuul网关、Eureka服务发现注册中心、Hystrix熔断限流、Archaius配置等组件，其实也是奈飞早在多年前，就开源出来的……

够牛皮了吧！

奈飞为什么多年以来，都代表着工程师和技术员最高的薪资待遇水准？

或许这就是人家最霸气、最有底气的一面了。

硅谷顶薪可不是开玩笑的。

要知道奈飞几年后，可是就给博士毕业生开出了30万美金年薪的。

而且，还是那种进去难，而留下来一般就不会跳槽的。

这其实就很说明一些问题了……

所以，杨振在某种程度上，就借鉴了奈飞的很多优点，对于本来应该属于奈飞的很多技术，自然也不会手软。

而这样一个加强版的嘉禾微视频平台，又有谁能拦得住它的崛起？