在使用开发了一个精简版的 Serverless 日志存储系统 molog 之后。我便想开发一个更实用的 Serverless 应用，在一个微信群里，看到了使用金数据已经填满（每月 50 条的限额）的问题，便想表单这是一个非常合适的场景。毕竟表单作为一个数据分析的工具，本身也是事件驱动的。任何能够用 Serverless 架构实现的应用系统，最终都必将用 Serverless 实现。

尽管Linux系统为应用程序提供了强大而丰富的API，但是有的时候，这些还远远不够。当我们需要与硬件进行交互，或者需要访问系统中特权信息的时候，应用API就爱莫能助了，这时我们必须借助内核模块。Linux内核模块是一段编译好的二进制代码，可以直接插入到Linux内核空间中，在ring 0级别运行，该级别不仅仅是x86-64处理器的最低层的运行级别，同时也是安全限制最少的一个级别。由于这里的代码完全不受限制，所以能够以令人难以置信的速度飞速运行，同时，它们还可访问系统中的任意内容。

成为一名合格的开发工程师不是一件简单的事情，需要掌握从开发到调试到优化等一系列能力，这些能力中的每一项掌握起来都需要足够的努力和经验。而要成为一名合格的机器学习算法工程师（以下简称算法工程师）更是难上加难，因为在掌握工程师的通用技能以外，还需要掌握一张不算小的机器学习算法知识网络。下面我们就将成为一名合格的算法工程师所需的技能进行拆分，一起来看一下究竟需要掌握哪些技能才能算是一名合格的算法工程师。

AWS 最近成为深度学习社区的开放式神经网络交换 Open Neural Network Exchange（ONNX）协作的最新技术公司，在无障碍和可互操作的环境中推出人工智能。Facebook 和微软领导了这一合作。作为该合作的一部分，AWS 将其深度学习框架 Python 软件包 ONNX-MxNet 开源，该框架提供跨多种语言的应用程序编程接口，包括Python，Scala和开源统计软件R.

这篇文章是系列的最后一篇。在第一篇文章里，我介绍了三种针对“一对多 ”关系建模的基础方案。在第二篇文章中，我介绍了对基础方案的扩展：双向关联和反范式化。反范式可以让你避免一些应用层级别的join，但是这也会让更新变的更复杂，开销更大。不过冗余那些读取频率远远大于更新频率的字段还是值得的。如果你还没有读过前两篇文章，欢迎一览。

在上一篇文章中我介绍了三种基本的设计方案：内嵌，子引用，父引用，同时说明了在选择方案时需要考虑的两个关键因素。一对多中的多是否需要一个单独的实体。这个关系中集合的规模是一对很少，很多，还是非常多。在掌握了以上基础技术后，我将会介绍更为高级的主题：双向关联和反范式化。

“我有丰富的sql使用经验，但是我是个MongoDB的初学者。我应该如何在MongoDB中针对一对多关系进行建模？”这是我被问及最多的问题之一。我没法简单的给出答案，因为这有很多方案去实现。接下来我会教导你如何针对一对多进行建模。这个话题有很多内容需要讨论，我会用三个部分进行说明。在第一部分，我会讨论针对一对多关系建模的三种基础方案。在第二部分我将会覆盖更多高级内容，包括反范式化和双向引用。在最后一部分，我将会回顾各种选择，并给出做决定时需要考虑的因素。

flow.ci 在 Apache-2.0 协议下正式开源了。flow.ci 是国内首套开源持续集成(CI) 解决方案，帮助企业团队实现开发流程(build-test-deploy)自动化，快速持续交付高质量软件。以此，你可以将功能完整的 flow.ci 持续集成服务部署到内网使用。在使用过程中有任何 bug 反馈或功能建议，可直接在 github 提 issues，或者通过 pull request 贡献代码。