随机预测、单纯贝叶斯估计、RESTful服务、Gossip协议、事件一致性、数据sharding、反熵、拜占庭法定人数、纠删码、向量时钟算法....如果你走进亚马逊的某一个会议中，你会误以为自己到了某个科技论坛
如果你仔细读读现在的教科书，你会亚马逊几乎没有运用书里写的方式。我们使用高性能的交易系统，复杂透视图、目标缓存、工作流、排队系统、商务智能和数据分析、机器学习、方式识别、中性网络、概率化决策还有其他各种技术。我们的许多系统是基于最新的计算机科学研究，但这还不够，我们的构架师和工程师不得不在学术上还没探讨的方向进行进一步研究，我们面对很多问题在教科书上还没有给出解决方案，所以我们很高兴的创造出新路径
我们的科技几乎无一例外的应用于服务。服务导向的算法(Service orentied architecture or SOA)对亚马逊的技术来说是最根本的建造抽象化理论。感谢我们有想法又富有远见的工程师和构架师团队，这个途径早在SOA成为这个行业的商务用语之前就已经开始进行实践。我们的电子商务平台是由成百上千旨在实现推荐、订单服务、到库存追踪等一系列功能的软件服务构成的。比如，要构建一个供顾客浏览亚马逊网页的产品详情页，我们的软件集合了200-300种服务来为客户营造个性化体验。
状态管理对任何需要大规模拓展的系统来说都是核心。许多年以前，亚马逊的要求已经是任何商业解决方法都没办法为我们所用的地步了。为了满足这些要求高又非同寻常的要求，我们自行开发了一些其他的解决方案，在开发的过程中，我们从分布式系统、数据库研究社区中学习了核心原则，然后以这些原则为基础进行发明创造。我们开发的存储系统展现了非常好的规模化能力，同时保持了对性能、可得性、和成本的严格控制。亚马逊工程师开发的数据管理的先进性是云存储计算和AWS提供的数据管理服务的起始点。比如，我们的简单储存服务，弹性书店、以及SimpleDB都是从亚马逊技术中衍生出他们的基础算法
亚马逊业务的其他领域也面临相似的复杂数据处理和决策问题，比如产品信息分析和归类，需求预测，库存分配，欺诈侦测等。以规则为基础的系统可以被成功使用，但他们很难保持，时间久了也会变得脆弱不稳定的。在许多情况下，高级的机器学习技术提供了更为精确地分类，在不断变化的情况下，能够自我治愈和自适应。比如我们的搜索引擎利用数据挖掘和在后台运行的机器学习算法来创建主题模型，我们应用信息提取算法从没有结构的描述提取主体，识别特征，从而让客户能够缩小他们的搜索范围，很快找到他们想要的产品。我们在搜索相关性上考虑了很多因素，来预测一个顾客兴趣的概率并最优化搜索排名。产品的多样化要求我们利用现代回归技术比如决策树的随机预测，到在排名时间有弹性的包括数千种产品信息。这些幕后软件的最终结果——快速、准确的搜索结果帮助你找到你想要买的东西
如果我们把技术放到一边，仅仅交给什么研发部门来负责，我们在技术上投入的努力可能就不那么至关重要了，但是我们并没有走这条路。技术弥漫在我们的整个团队中，我们所有的流程中，我们的决策中，我们对每项业务的革新路径中。它是深深的融合在我们做的每一件事上。
一个例子是Whispersync, 我们的Kindle服务旨在保证不论你走到哪里，无论你拿着哪个设备，你可以获取你的图书馆，你所有的标记，笔记和书签，都能与你所有的Kindle设备和移动app实现同步。这项技术挑战为拥有上亿的书籍，几百种不同设备型号，住在100多个不同国家的百万Kindle用户提供了7*24全天候可靠的服务。 Whispersync的核心是事件一致性可重复的数据储存。作为一个Kindle用户，我们将这些技术都隐藏在产品和服务背后了。每当你打开你的Kindle, 它都会同步到同一个页面上。套用Arthur Clarke的话来说，任何足够先进的技术，它和魔术没什么区别
如果一些很负责任阅读这封股东信的股东，看我上述这个观点看的目光呆滞的话，让我用下面的话来敲醒你：在我看来，这些技术并不是我们闲着无聊想到要开发的，它们直接带来自由现金流。
我们生活的时代有着极具扩张的带宽、硬盘容量、和处理能力，所有这些将会很快变得越来越便宜，我们团队有这个世界上最熟练的技术师——帮助解决当今时代最前沿的挑战。我已经讨论过很多次，我们不可动摇的信念是股东的长期利益是和我们的客户利益是一致的。
创造发明是在亚马逊的DNA中的，技术是我们用来改进和进化我们为客户提供的每一种体验的关键工具。我们仍然有很多需要学习，我期待和希望我们仍然能够在学习中获得这么多快乐。我为我的团队感到自豪。