91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
云原生：運用容器、函數(shù)計算和數(shù)據(jù)構(gòu)建下一代應(yīng)用
云原生：運用容器、函數(shù)計算和數(shù)據(jù)構(gòu)建下一代應(yīng)用
Boris Scholl, Trent Swanson, Peter Jausovec 著
季奔牛 譯
出版時間：2020年05月
頁數(shù)：197
開發(fā)者們剛開始接觸云端服務(wù)開發(fā)的時候或多或少都會遇到一些障礙。既要學(xué)習(xí)分布式系統(tǒng)的知識，又要熟悉像容器和函數(shù)計算這樣的新技術(shù)，還要綜合運用這些知識來構(gòu)建云原生應(yīng)用實在是件令人望而生畏的事情。本書可以幫助你掌握構(gòu)建云原生應(yīng)用的方法，比如消息通信、事件通知和DevOps等。
本書介紹了構(gòu)建現(xiàn)代云原生應(yīng)用的架構(gòu)模塊。你將學(xué)會如何使用微服務(wù)、容器、無服務(wù)器架構(gòu)、函數(shù)計算等技術(shù)，并挑選合適的存儲類型，同時考慮可移植性等問題。你會從云原生應(yīng)用的基礎(chǔ)知識開始，一步步地了解設(shè)計、開發(fā)和運維云原生應(yīng)用的整個過程。
● 探討設(shè)計云原生應(yīng)用所需的技術(shù)。
● 介紹容器和函數(shù)計算的區(qū)別，并學(xué)習(xí)它們的適用場景。
● 有針對性地設(shè)計應(yīng)用來滿足數(shù)據(jù)相關(guān)的需求。
● 學(xué)習(xí)DevOps的基礎(chǔ)知識和一些開發(fā)、測試、運維實踐。
● 學(xué)習(xí)一些構(gòu)建和管理云原生應(yīng)用的技巧、方法和實踐。
● 理解構(gòu)建一個具有可移植性的應(yīng)用所需的代價，并且學(xué)會對需求做出取舍。
  1. 前言
  2. 第1章 云原生簡介
  3. 1.1 分布式系統(tǒng)
  4. 1.1.1 分布式系統(tǒng)的誤區(qū)
  5. 1.1.2 CAP定理
  6. 1.2 十二要素應(yīng)用
  7. 1.3 可用性和服務(wù)等級協(xié)議
  8. 1.4 本章小結(jié)
  9. 第2章 云原生基礎(chǔ)
  10. 2.1 容器
  11. 2.1.1 容器隔離等級
  12. 2.1.2 容器編排
  13. 2.1.3 Kubernetes概述
  14. 2.1.4 Kubernetes和容器
  15. 2.2 無服務(wù)器架構(gòu)
  16. 2.3 函數(shù)計算
  17. 2.4 從虛擬機到云原生
  18. 2.4.1 提升和轉(zhuǎn)變
  19. 2.4.2 應(yīng)用的現(xiàn)代化改造
  20. 2.4.3 應(yīng)用的優(yōu)化
  21. 2.5 微服務(wù)
  22. 2.5.1 微服務(wù)架構(gòu)的優(yōu)勢
  23. 2.5.2 微服務(wù)架構(gòu)帶來的挑戰(zhàn)
  24. 2.6 本章小結(jié)
  25. 第3章 云原生應(yīng)用的設(shè)計
  26. 3.1 云原生應(yīng)用的基礎(chǔ)
  27. 3.1.1 精益運營
  28. 3.1.2 安全性
  29. 3.1.3 可靠性與可用性
  30. 3.1.4 可擴展性與成本
  31. 3.2 云原生與傳統(tǒng)架構(gòu)的對比
  32. 3.3 函數(shù)計算與服務(wù)
  33. 3.3.1 函數(shù)計算的使用場景
  34. 3.3.2 使用函數(shù)計算的考慮因素
  35. 3.3.3 函數(shù)與服務(wù)的組合運用
  36. 3.4 API設(shè)計與版本控制
  37. 3.4.1 API的前后兼容
  38. 3.4.2 語義版本號
  39. 3.5 服務(wù)間的通信
  40. 3.5.1 通信協(xié)議
  41. 3.5.2 消息協(xié)議
  42. 3.5.3 序列化的考慮因素
  43. 3.5.4 冪等性
  44. 3.5.5 請求與響應(yīng)
  45. 3.5.6 發(fā)布者與訂閱者
  46. 3.5.7 發(fā)布者／訂閱者模式與請求／響應(yīng)模式間的選擇
  47. 3.5.8 同步與異步
  48. 3.6 網(wǎng)關(guān)
  49. 3.6.1 路由
  50. 3.6.2 聚合
  51. 3.6.3 卸載
  52. 3.6.4 網(wǎng)關(guān)的實現(xiàn)
  53. 3.7 出口網(wǎng)關(guān)
  54. 3.8 服務(wù)網(wǎng)格
  55. 3.9 架構(gòu)示例
  56. 3.10 本章小結(jié)
  57. 第4章 數(shù)據(jù)處理
  58. 4.1 數(shù)據(jù)存儲系統(tǒng)
  59. 4.1.1 對象、文件和磁盤
  60. 4.1.2 數(shù)據(jù)庫
  61. 4.1.3 流和隊列
  62. 4.1.4 區(qū)塊鏈
  63. 4.1.5 數(shù)據(jù)存儲的選擇
  64. 4.2 多數(shù)據(jù)存儲下的數(shù)據(jù)
  65. 4.2.1 捕獲數(shù)據(jù)更改
  66. 4.2.2 將更改作為事件寫入更改日志
  67. 4.2.3 事務(wù)監(jiān)管
  68. 4.2.4 事務(wù)回滾
  69. 4.2.5 提取、轉(zhuǎn)換和加載
  70. 4.2.6 微服務(wù)和數(shù)據(jù)湖
  71. 4.3 客戶端訪問數(shù)據(jù)
  72. 4.3.1 受限的客戶令牌（代客密鑰）
  73. 4.3.2 細粒度訪問控制的數(shù)據(jù)庫服務(wù)
  74. 4.3.3 GraphQL數(shù)據(jù)服務(wù)
  75. 4.4 可快速伸縮的數(shù)據(jù)
  76. 4.4.1 數(shù)據(jù)分片
  77. 4.4.2 數(shù)據(jù)緩存
  78. 4.4.3 內(nèi)容分發(fā)網(wǎng)絡(luò)
  79. 4.5 數(shù)據(jù)分析
  80. 4.5.1 數(shù)據(jù)流
  81. 4.5.2 批處理
  82. 4.5.3 對象存儲上的數(shù)據(jù)湖
  83. 4.5.4 數(shù)據(jù)湖和數(shù)據(jù)倉庫
  84. 4.5.5 分布式查詢引擎
  85. 4.6 Kubernetes中的數(shù)據(jù)庫
  86. 4.6.1 存儲卷
  87. 4.6.2 StatefulSet
  88. 4.6.3 DaemonSet
  89. 4.7 本章小結(jié)
  90. 第5章 DevOps
  91. 5.1 什么是DevOps
  92. 5.1.1 協(xié)作
  93. 5.1.2 自動化
  94. 5.1.3 精益原則和流程
  95. 5.1.4 度量
  96. 5.1.5 分享
  97. 5.2 測試
  98. 5.2.1 測試替身
  99. 5.2.2 自動化測試金字塔
  100. 5.2.3 不同測試類型的適用時機
  101. 5.2.4 測試節(jié)奏
  102. 5.2.5 在生產(chǎn)環(huán)境中測試
  103. 5.3 開發(fā)環(huán)境和工具
  104. 5.3.1 開發(fā)工具
  105. 5.3.2 開發(fā)環(huán)境
  106. 5.3.3 本地開發(fā)環(huán)境
  107. 5.3.4 本地開發(fā)環(huán)境結(jié)合遠端集群
  108. 5.3.5 Skaffold開發(fā)工作流
  109. 5.3.6 將遠端集群路由到本地開發(fā)環(huán)境
  110. 5.3.7 云端開發(fā)環(huán)境
  111. 5.4 持續(xù)集成/持續(xù)交付
  112. 5.4.1 源代碼管理
  113. 5.4.2 構(gòu)建階段
  114. 5.4.3 測試階段
  115. 5.4.4 部署階段
  116. 5.4.5 發(fā)布階段
  117. 5.4.6 發(fā)布后階段
  118. 5.5 監(jiān)控
  119. 5.5.1 收集指標
  120. 5.5.2 服務(wù)的可觀測性
  121. 5.6 配置管理
  122. 5.6.1 單一環(huán)境變量
  123. 5.6.2 多環(huán)境變量
  124. 5.6.3 將配置數(shù)據(jù)放入存儲卷中
  125. 5.6.4 密鑰保存
  126. 5.6.5 部署配置
  127. 5.7 持續(xù)集成/持續(xù)交付流程示例
  128. 5.8 本章小結(jié)
  129. 第6章 佳實踐
  130. 6.1 邁向云原生
  131. 6.1.1 找個合理的理由打破巨石應(yīng)用
  132. 6.1.2 先解耦簡單的服務(wù)
  133. 6.1.3 學(xué)會小規(guī)模的運維
  134. 6.1.4 使用防損層模式
  135. 6.1.5 使用刀砍模式
  136. 6.1.6 準備一個數(shù)據(jù)遷移策略
  137. 6.1.7 重寫所有模板代碼
  138. 6.1.8 重新考慮框架、語言、數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)存儲
  139. 6.1.9 淘汰老代碼
  140. 6.2 確保彈性
  141. 6.2.1 用重試來解決瞬時故障
  142. 6.2.2 使用有限次的重試
  143. 6.2.3 用斷路器來處理非瞬時故障
  144. 6.2.4 優(yōu)雅地降級
  145. 6.2.5 使用隔離模式
  146. 6.2.6 實現(xiàn)健康及就緒檢查
  147. 6.2.7 為容器設(shè)定CPU和內(nèi)存
  148. 6.2.8 實現(xiàn)限速和限流
  149. 6.3 確保安全性
  150. 6.3.1 安全性需求同其他需求一樣重要
  151. 6.3.2 在設(shè)計時就考慮安全性
  152. 6.3.3 授予小訪問權(quán)限
  153. 6.3.4 使用獨立的賬號、訂閱和租客
  154. 6.3.5 安全地存儲所有密鑰
  155. 6.3.6 模糊化數(shù)據(jù)
  156. 6.3.7 傳輸數(shù)據(jù)加密
  157. 6.3.8 使用聯(lián)合身份管理
  158. 6.3.9 使用基于角色的訪問控制
  159. 6.3.10 Kubernetes pod的隔離
  160. 6.4 處理數(shù)據(jù)
  161. 6.4.1 使用托管數(shù)據(jù)庫和數(shù)據(jù)分析服務(wù)
  162. 6.4.2 使用符合數(shù)據(jù)需求的存儲
  163. 6.4.3 將數(shù)據(jù)保存在多個地域或可用區(qū)中
  164. 6.4.4 使用數(shù)據(jù)分區(qū)和復(fù)制以提高擴展性
  165. 6.4.5 避免過度獲取及頻繁的I/O操作
  166. 6.4.6 不要把業(yè)務(wù)邏輯放在數(shù)據(jù)庫中執(zhí)行
  167. 6.4.7 使用類生產(chǎn)環(huán)境數(shù)據(jù)來測試
  168. 6.4.8 處理瞬時故障
  169. 6.5 性能和伸縮性
  170. 6.5.1 設(shè)計可擴展的無狀態(tài)服務(wù)
  171. 6.5.2 使用平臺的自動伸縮功能
  172. 6.5.3 使用緩存
  173. 6.5.4 用分區(qū)來實現(xiàn)超出服務(wù)的擴容
  174. 6.6 函數(shù)計算
  175. 6.6.1 編寫單一用途的函數(shù)
  176. 6.6.2 避免串聯(lián)函數(shù)
  177. 6.6.3 函數(shù)應(yīng)保持輕量和簡單
  178. 6.6.4 實現(xiàn)無狀態(tài)函數(shù)
  179. 6.6.5 分離函數(shù)入口和函數(shù)的業(yè)務(wù)邏輯
  180. 6.6.6 避免長時間運行的函數(shù)
  181. 6.6.7 用隊列解決跨函數(shù)通信問題
  182. 6.7 運維
  183. 6.7.1 部署和發(fā)布是兩項獨立的活動
  184. 6.7.2 部署的內(nèi)容要盡量小
  185. 6.7.3 組件層級的CI/CD定義
  186. 6.7.4 應(yīng)用部署的一致性
  187. 6.7.5 采用零宕機發(fā)布
  188. 6.7.6 不要變更部署后的架構(gòu)
  189. 6.7.7 使用容器化構(gòu)建
  190. 6.7.8 用代碼來描述基礎(chǔ)設(shè)施
  191. 6.7.9 使用命名空間來組織Kubernetes中的服務(wù)
  192. 6.7.10 環(huán)境間的隔離
  193. 6.7.11 分隔函數(shù)源代碼
  194. 6.7.12 關(guān)聯(lián)代碼提交和部署
  195. 6.8 日志、監(jiān)控及告警
  196. 6.8.1 使用統(tǒng)一的日志系統(tǒng)
  197. 6.8.2 使用關(guān)聯(lián)ID
  198. 6.8.3 在日志記錄中包含上下文
  199. 6.8.4 統(tǒng)一的結(jié)構(gòu)化日志格式
  200. 6.8.5 適當(dāng)?shù)貥擞浿笜?
  201. 6.8.6 避免告警疲勞
  202. 6.8.7 定義基于重點性能指標的告警
  203. 6.8.8 在生產(chǎn)環(huán)境中持續(xù)測試
  204. 6.8.9 從基礎(chǔ)的指標開始
  205. 6.9 服務(wù)通信
  206. 6.9.1 設(shè)計時考慮前后兼容性
  207. 6.9.2 封裝好服務(wù)避免泄露內(nèi)部細節(jié)
  208. 6.9.3 優(yōu)先考慮異步通信
  209. 6.9.4 使用高效的序列化技術(shù)
  210. 6.9.5 使用隊列和流來應(yīng)對高負載和流量高峰
  211. 6.9.6 用批處理來提高請求處理的效率
  212. 6.9.7 拆分大的消息
  213. 6.10 容器
  214. 6.10.1 將鏡像存儲在可信的注冊服務(wù)器中
  215. 6.10.2 充分利用Docker的構(gòu)建緩存
  216. 6.10.3 不要使用特權(quán)模式運行容器
  217. 6.10.4 使用顯式的容器鏡像標簽
  218. 6.10.5 保持小的容器鏡像
  219. 6.10.6 單個容器只運行一個應(yīng)用
  220. 6.10.7 使用可信鏡像倉庫中經(jīng)過驗證的鏡像
  221. 6.10.8 對鏡像進行漏洞掃描
  222. 6.10.9 不要將數(shù)據(jù)保存在容器中
  223. 6.10.10 永遠不要在容器中存放密鑰和配置
  224. 6.11 本章小結(jié)
  225. 第7章 可移植性
  226. 7.1 為什么要使應(yīng)用可移植
  227. 7.2 可移植性的代價
  228. 7.2.1 數(shù)據(jù)引力和可移植性
  229. 7.3 何時及如何實現(xiàn)可移植性
  230. 7.3.1 標準化的接口
  231. 7.3.2 共用的服務(wù)和功能
  232. 7.3.3 抽象和分層
  233. 7.3.4 第三方服務(wù)商的托管服務(wù)
  234. 7.3.5 可移植性工具
  235. 7.3.6 把Kubernetes作為可移植性層
  236. 7.4 本章小結(jié)
書名：云原生：運用容器、函數(shù)計算和數(shù)據(jù)構(gòu)建下一代應(yīng)用
譯者：季奔牛 譯
國內(nèi)出版社：機械工業(yè)出版社
出版時間：2020年05月
頁數(shù)：197
書號：978-7-111-65324-0
原版書書名：Cloud Native
原版書出版商：O'Reilly Media
Boris Scholl
 
Boris Scholl是Azure計算團隊的產(chǎn)品架構(gòu)師，專注于下一代分布式系統(tǒng)平臺和應(yīng)用程序模型的研究。
 
 
Trent Swanson
 
Trent Swanson是Full Scale 180的聯(lián)合創(chuàng)始人和顧問。他幫助了不少微軟的大客戶把應(yīng)用遷移上云，或在云中構(gòu)建應(yīng)用。
 
 
Peter Jausovec
 
Peter Jausovec是一名軟件工程師，在軟件開發(fā)和技術(shù)領(lǐng)域有10多年的經(jīng)驗。
 
 
購買選項
定價：79.00元
書號：978-7-111-65324-0
出版社：機械工業(yè)出版社