蔚来正在大力发展自动驾驶技术，自动驾驶系统需要处理海量的实时传感器数据（如激光雷达、摄像头等）进行决策。请设计一个高可扩展、高性能的后端架构来支持该系统，包括详细的模块设计、数据流向和技术选型，并说明如何应对可能出现的高并发和数据丢失问题。

答题要点

推荐答题框架：采用分层架构设计法，从数据采集层、数据处理层、决策层、存储层等层面设计架构。关键要点：1. 数据采集层，使用 Kafka 消息队列收集传感器数据，它具有高吞吐量和可扩展性，能应对海量数据。2. 数据处理层，采用 Spark Streaming 进行实时数据处理，可对数据进行清洗、特征提取等操作。3. 决策层，使用深度学习框架 TensorFlow 进行模型训练和决策推理。4. 存储层，用 HBase 分布式数据库存储海量历史数据。数据流向：传感器数据到 Kafka，再到 Spark Streaming 处理，结果给 TensorFlow 决策，最终数据存于 HBase。应对高并发：通过水平扩展服务器和集群化部署提高处理能力。应对数据丢失：Kafka 多副本机制保证数据不丢失，同时定期备份 HBase 数据。示例话术：按照分层架构设计，各层采用相应技术，数据按此流向处理，通过扩展和备份机制应对高并发和数据丢失问题。