lxd 是可以支持容器和虚拟机，使用上没有特别大的区别，虚拟机少一点功能

https://linuxcontainers.org/lxd/docs/master/explanation/instances/

谷歌文档么，是这样的

能说一下是什么阶段的公司吗？初创或者成熟企业？

OP 加油，streamlit 八个亿美元被收购的，争取也把这个做成若干个小目标

这种 Ui 框架受众不是懂 js ，css 这样的工程师，而是科学家，数据分析员，业务人员，用来搭各种内部简单应用的

Rancher 不是可以支持 Windows 的么

大数据指的是 数据工程师吗？还是数据基础设施开发？
两个都很难，有数据工程师需求的一般都是比较大中型的企业，小公司很难有专门的数据工程师职位。
数据基础设施开发也很难，有需求的也是大一些的企业，小一点的企业直接就用云厂商或者 SaaS 解决方案了。

这些企业对远程工作（特别是跨国工作）接受度都低一些。
初创企业和小企业对这远程工作是比较友好的，但是需求大部分都是传统的前后端。国外前端一般就是 React ，后端比较杂，但肯定不是国内压倒性的 Java 技术路线。初创企业 JS 写后端的很多，python ，Ruby 这些在国内都快绝迹的都很常见。

@exploreexe 我的第一反应也是他老板是马斯克。听说和工程师熬了个通宵。
https://www.businessinsider.com/elon-musk-remaining-twitter-coders-engineers-email-2022-11

LZ 不是你老了。这个是一个典型的 NP complete 问题。
动态规划不好处理这类问题，因为会受到维度诅咒（状态的维度太高）。

这类问题一般就是几种搞法：
1. 精确解法 -- 把问题建模成一个整数规划（ https://en.wikipedia.org/wiki/Integer_programming ）或者约束规划（ https://en.wikipedia.org/wiki/Constraint_programming ），然后调用求解器解决。推荐 google ortools ( https://developers.google.com/optimization)
2. 近似解法 -- 如果不想特别研究问题结构，可以上元启发方法（ https://en.wikipedia.org/wiki/Metaheuristic ），例如遗传算法、淬火、领域搜索等。搞法是把解编码成这些算法的一个数据结构，然后嵌入主逻辑然后求解。
第二种就是利用问题结构，自己发明一个启发式解法，例如贪心算法等。但是 LZ 你这个问题是个约束满足问题（ SAT ），启发式算法开发不太好弄，因为没有很明显的问题结构可以利用。

希望有所帮助

如果你们用 mongodb 的话，可以考虑 https://www.mongodb.com/docs/realm/introduction/

解决的就是你提出的问题。

把 B 做成 RPC 或者 Web 服务，然后让 a 去调用。

bootstrap + 后端模板引擎。
古典 and 够用。

不是啥都需要上 SPA 的

能装 linux 吗？

ssh config 加自带的终端。

批量维护上 ansible

我曾经想过专门做一个帮中国企业合规欧洲和美国的各种隐私政策的咨询公司。

美国这边其实有很多做自动审计工具的初创企业，例如 vanta 等等，帮着做 SOCII ，HIPAA 。

Shopify

为啥不用自带的？

数据库很多存储的都是不带时区的字符串，一把梭

钱景和程序语言没关系啊。

很多人说 go 有钱景，但是我用 go 开发增删查改 vs 用 go 给 k8s 贡献代码，这钱景和职业发展完全不是一个路数啊。
rust 是明日之星，我用 rust 开发增删查改 vs 用 rust 开发 WASM 的高复杂浏览器端应用 vs 给 linux 写内核，这也完全不是一个赛道。

不妨退一步，不要看具体的编程语言，而是看看想要从事的技术路线是什么好了。

可以去别的项目里面看他们用什么。

比如我想做一个命令行程序，但是不知道有什么轮子可以用。
但是我知道某一个项目的命令行设计的很合理，我可以去看看他们是怎么弄的