Isso inclui, entre outros, condutor, dagobah, metaflow, titus, iceberg, trino, Cassandra, pesquisa elástica, faísca, raio, mezzfs, S3, Baggins, FSX e Java/Scala com bota de mola.Agradecimentos especiais a Ben Klein, Fernando Amat Gil, Varun Sekhri, Guru Tahasildar e Burak Bacioglu por contribuir com idéias, designs e discussões.Armazenamento de valor de recurso
Armazenamos incorporações em Amber, que garantem imutabilidade, versão, auditoria e várias métricas no topo dos valores dos recursos.Além disso, fornecemos uma biblioteca unificada que permite que os profissionais da ML acessem perfeitamente vídeos, áudio, imagem e vários ativos baseados em texto.Mesmo depois de obter acesso, um precisava lidar com os desafios da homogeneidade em diferentes ativos em termos de desempenho de decodificação, tamanho, metadados e formatação geral.
Fonte: https://netflixtechblog.com/scaling-media-machine-learning-at-netflix-f19b400243?gi=073b1a3c21a5
