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

 
基于Python的DevOps
基于Python的DevOps
Noah Gift, Kennedy Behrman, Alfredo Deza, Grig Gheorghiu 著
安道 譯
出版時(shí)間：2022年02月
頁(yè)數(shù)：512
在過(guò)去的十年里，技術(shù)發(fā)生了很大的變化。數(shù)據(jù)是熱門(mén)話(huà)題，云無(wú)處不在，許多組織都需要某種形式的自動(dòng)化。在這場(chǎng)變革中，Python發(fā)展成為世界上最流行的語(yǔ)言之一。這本實(shí)用的資料 將向你展示如何使用Python來(lái)完成Linux系統(tǒng)的日常管理任務(wù)，如何使用當(dāng)下最火熱的DevOps工具，包括Docker、Kubernetes和Terraform。
對(duì)數(shù)百萬(wàn)專(zhuān)業(yè)人士來(lái)說(shuō)，學(xué)習(xí)如何與Linux交互及實(shí)現(xiàn)自動(dòng)化是必不可少的技能。通過(guò)這本書(shū)，你將學(xué)會(huì)如何使用容器開(kāi)發(fā)軟件、解決問(wèn)題，以及如何監(jiān)控、測(cè)試、負(fù)載測(cè)試和操作你的軟件。想尋找借助Python解決問(wèn)題的有效方法？看這本書(shū)絕對(duì)沒(méi)錯(cuò)。
● Python基礎(chǔ)知識(shí)，簡(jiǎn)單介紹語(yǔ)言特性。
● 如何自動(dòng)處理文本，編寫(xiě)命令行工具和自動(dòng)處理文件系統(tǒng)。
● Linux實(shí)用程序、包管理、構(gòu)建系統(tǒng)、監(jiān)控、監(jiān)測(cè)和自動(dòng)化測(cè)試。
● 云計(jì)算、IaC、Kubernetes和Serverless。
● 站在DevOps的角度探討機(jī)器學(xué)習(xí)和數(shù)據(jù)工程。
● 構(gòu)建、部署和優(yōu)化一個(gè)機(jī)器學(xué)習(xí)項(xiàng)目。
  1. 前言
  2. 第1章 Python DevOps基礎(chǔ)知識(shí)
  3. 1.1 安裝和運(yùn)行Python
  4. 1.1.1 Python shell
  5. 1.1.2 Jupyter Notebooks
  6. 1.2 過(guò)程式程序設(shè)計(jì)
  7. 1.2.1 變量
  8. 1.2.2 基本的數(shù)學(xué)運(yùn)算
  9. 1.2.3 注釋
  10. 1.2.4 內(nèi)置函數(shù)
  11. 1.3 執(zhí)行控制
  12. 1.3.1 if/elif/else
  13. 1.3.2 for循環(huán)
  14. 1.3.3 while循環(huán)
  15. 1.4 處理異常
  16. 1.5 內(nèi)置對(duì)象
  17. 1.5.1 對(duì)象是什么
  18. 1.5.2 對(duì)象的方法和屬性
  19. 1.5.3 序列
  20. 1.6 函數(shù)
  21. 1.6.1 函數(shù)剖析
  22. 1.6.2 函數(shù)是對(duì)象
  23. 1.6.3 匿名函數(shù)
  24. 1.7 使用正則表達(dá)式
  25. 1.7.1 搜索
  26. 1.7.2 字符集合
  27. 1.7.3 字符類(lèi)
  28. 1.7.4 分組
  29. 1.7.5 具名分組
  30. 1.7.6 查找所有
  31. 1.7.7 查找迭代器
  32. 1.7.8 替換
  33. 1.7.9 編譯
  34. 1.8 惰性求值
  35. 1.8.1 生成器
  36. 1.8.2 生成器推導(dǎo)
  37. 1.9 更多IPython功能
  38. 1.9.1 在IPython中運(yùn)行UNIX shell命令
  39. 1.9.2 使用IPython的魔法命令
  40. 1.10 練習(xí)題
  41. 第2章 文件和文件系統(tǒng)自動(dòng)化處理
  42. 2.1 讀寫(xiě)文件
  43. 2.2 使用正則表達(dá)式搜索文本
  44. 2.3 處理大型文件
  45. 2.4 加密文本
  46. 2.4.1 哈希和hashlib
  47. 2.4.2 使用Cryptography庫(kù)加密
  48. 2.5 os模塊
  49. 2.6 使用os.path管理文件和目錄
  50. 2.7 使用os.walk遍歷目錄樹(shù)
  51. 2.8 使用pathlib處理路徑對(duì)象
  52. 第3章 使用命令行
  53. 3.1 使用shell
  54. 3.1.1 使用sys模塊探知系統(tǒng)信息
  55. 3.1.2 使用os模塊處理操作系統(tǒng)
  56. 3.1.3 使用subprocess模塊派生進(jìn)程
  57. 3.2 編寫(xiě)命令行工具
  58. 3.2.1 使用sys.argv
  59. 3.2.2 使用argparse
  60. 3.2.3 使用click
  61. 3.2.4 使用fire
  62. 3.2.5 實(shí)現(xiàn)插件系統(tǒng)
  63. 3.3 案例分析：使用命令行工具提速Python
  64. 3.3.1 使用Numba JIT編譯器
  65. 3.3.2 通過(guò)Python CUDA使用GPU
  66. 3.3.3 使用Numba真正多核多線(xiàn)程運(yùn)行Python代碼
  67. 3.3.4 k均值聚類(lèi)算法
  68. 3.4 練習(xí)題
  69. 第4章 Linux實(shí)用程序
  70. 4.1 磁盤(pán)實(shí)用程序
  71. 4.1.1 衡量性能
  72. 4.1.2 分區(qū)
  73. 4.1.3 獲取特定的設(shè)備信息
  74. 4.2 網(wǎng)絡(luò)實(shí)用程序
  75. 4.2.1 SSH隧道
  76. 4.2.2 使用Apache Benchmark（ab）評(píng)測(cè)HTTP
  77. 4.2.3 使用molotov做負(fù)載測(cè)試
  78. 4.3 CPU實(shí)用程序
  79. 4.3.1 CPU實(shí)用程序簡(jiǎn)介
  80. 4.3.2 使用htop查看進(jìn)程
  81. 4.4 使用Bash和ZSH
  82. 4.4.1 自定義Python shell
  83. 4.4.2 遞歸路徑模式匹配
  84. 4.4.3 搜索和替換確認(rèn)提示
  85. 4.4.4 刪除Python臨時(shí)文件
  86. 4.4.5 列出和篩選進(jìn)程
  87. 4.4.6 UNIX時(shí)間戳
  88. 4.5 Python與Bash和ZSH混合使用
  89. 4.5.1 隨機(jī)密碼生成器
  90. 4.5.2 這個(gè)模塊是否存在
  91. 4.5.3 進(jìn)入模塊所在的目錄
  92. 4.5.4 把CSV文件轉(zhuǎn)換成JSON文件
  93. 4.6 Python單行程序
  94. 4.6.1 調(diào)試器
  95. 4.6.2 這段代碼的運(yùn)行速度有多快
  96. 4.7 strace
  97. 4.8 練習(xí)題
  98. 4.9 實(shí)操題
  99. 第5章 包管理
  100. 5.1 打包簡(jiǎn)介
  101. 5.1.1 打包的重要性
  102. 5.1.2 何時(shí)不需要打包
  103. 5.2 打包準(zhǔn)則
  104. 5.2.1 恰當(dāng)?shù)陌姹咎?hào)
  105. 5.2.2 更改日志
  106. 5.3 選擇一種策略
  107. 5.4 打包方案
  108. 5.4.1 Python原生包
  109. 5.4.2 Debian包
  110. 5.4.3 RPM包
  111. 5.5 使用systemd管理服務(wù)
  112. 5.5.1 長(zhǎng)時(shí)間運(yùn)行的進(jìn)程
  113. 5.5.2 創(chuàng)建項(xiàng)目
  114. 5.5.3 systemd單元文件
  115. 5.5.4 安裝單元
  116. 5.5.5 處理日志
  117. 5.6 練習(xí)題
  118. 5.7 實(shí)操題
  119. 第6章 持續(xù)集成和持續(xù)部署
  120. 6.1 真實(shí)案例分析：把維護(hù)不善的WordPress網(wǎng)站轉(zhuǎn)換成Hugo
  121. 6.1.1 設(shè)置Hugo
  122. 6.1.2 把WordPress文章轉(zhuǎn)換成Hugo文章
  123. 6.1.3 創(chuàng)建并更新Algolia索引
  124. 6.1.4 使用Makefile編排流程
  125. 6.1.5 使用AWS CodePipeline部署
  126. 6.2 真實(shí)案例分析：使用Google Cloud Build把Python應(yīng)用部署到Google App Engine中
  127. 6.3 真實(shí)案例分析：NFSOPS
  128. 第7章 監(jiān)控和日志
  129. 7.1 構(gòu)建可靠系統(tǒng)的關(guān)鍵概念
  130. 7.2 不可變的DevOps原則
  131. 7.2.1 集中處理日志
  132. 7.2.2 案例分析：生產(chǎn)數(shù)據(jù)庫(kù)塞滿(mǎn)硬盤(pán)
  133. 7.2.3 自建還是購(gòu)買(mǎi)？
  134. 7.2.4 容錯(cuò)
  135. 7.3 監(jiān)控
  136. 7.3.1 Graphite
  137. 7.3.2 StatsD
  138. 7.3.3 Prometheus
  139. 7.4 監(jiān)測(cè)程序
  140. 7.4.1監(jiān)測(cè)程序概述
  141. 7.4.2 命名約定
  142. 7.5 日志
  143. 7.5.1 為什么很難
  144. 7.5.2 basicconfig
  145. 7.5.3 深度配置
  146. 7.5.4 常用模式
  147. 7.6 ELK棧
  148. 7.6.1 Logstash
  149. 7.6.2 Elasticsearch和Kibana
  150. 7.7 練習(xí)題
  151. 7.8 實(shí)操題
  152. 第8章 pytest在DevOps中的應(yīng)用
  153. 8.1 測(cè)試小鋼炮pytest
  154. 8.2 pytest入門(mén)
  155. 8.2.1 使用pytest測(cè)試
  156. 8.2.2 與unittest的區(qū)別
  157. 8.3 pytest特性
  158. 8.3.1 conftest.py
  159. 8.3.2 出色的assert
  160. 8.3.3 參數(shù)化
  161. 8.4 固件
  162. 8.4.1 入門(mén)
  163. 8.4.2 內(nèi)置固件
  164. 8.5 基礎(chǔ)設(shè)施測(cè)試
  165. 8.5.1 什么是系統(tǒng)驗(yàn)證
  166. 8.5.2 Testinfra簡(jiǎn)介
  167. 8.5.3 連接遠(yuǎn)程節(jié)點(diǎn)
  168. 8.5.4 特性和特殊固件
  169. 8.5.5 案例
  170. 8.6 使用pytest測(cè)試Jupyter Notebooks
  171. 8.7 練習(xí)題
  172. 8.8 實(shí)操題
  173. 第9章 云計(jì)算
  174. 9.1 云計(jì)算基礎(chǔ)知識(shí)
  175. 9.2 云計(jì)算的類(lèi)型
  176. 9.3 云服務(wù)的類(lèi)型
  177. 9.3.1 IaaS
  178. 9.3.2 MaaS
  179. 9.3.3 PaaS
  180. 9.3.4 Serverless
  181. 9.3.5 SaaS
  182. 9.4 IaC
  183. 9.5 持續(xù)交付
  184. 9.6 虛擬化和容器
  185. 9.6.1 硬件虛擬化
  186. 9.6.2 SDN
  187. 9.6.3 SDS
  188. 9.6.4 容器
  189. 9.7 分布式計(jì)算面臨的挑戰(zhàn)和機(jī)遇
  190. 9.8 云時(shí)代Python的并發(fā)、性能和進(jìn)程管理
  191. 9.9 進(jìn)程管理
  192. 9.9.1 使用subprocess管理進(jìn)程
  193. 9.9.2 使用multiprocessing庫(kù)解決問(wèn)題
  194. 9.9.3 使用Pool()派生進(jìn)程
  195. 9.9.4 FaaS和Serverless
  196. 9.9.5 使用Numba提升Python的性能
  197. 9.9.6 使用Numba JIT編譯器
  198. 9.9.7 使用高性能服務(wù)器
  199. 9.10 小結(jié)
  200. 9.11 練習(xí)題
  201. 9.12 實(shí)操題
  202. 第10章 IaC
  203. 10.1 基礎(chǔ)設(shè)施自動(dòng)化工具分類(lèi)
  204. 10.2 手動(dòng)配置
  205. 10.3 使用Terraform自動(dòng)配置基礎(chǔ)設(shè)施
  206. 10.3.1 配置S3 bucket
  207. 10.3.2 使用ACM配置SSL證書(shū)
  208. 10.3.3 配置Amazon CloudFront分配
  209. 10.3.4 配置Route 53 DNS記錄
  210. 10.3.5 把靜態(tài)文件復(fù)制到S3中
  211. 10.3.6 刪除使用Terraform配置的所有AWS資源
  212. 10.4 使用Pulumi自動(dòng)配置基礎(chǔ)設(shè)施
  213. 10.4.1 為AWS新建一個(gè)Pulumi Python項(xiàng)目
  214. 10.4.2 為過(guò)渡堆棧創(chuàng)建配置值
  215. 10.4.3 配置一個(gè)ACM SSL證書(shū)
  216. 10.4.4 配置Route 53區(qū)域和DNS記錄
  217. 10.4.5 配置一個(gè)CloudFront分配
  218. 10.4.6 為網(wǎng)站的URL配置一個(gè)Route 53 DNS記錄
  219. 10.4.7 創(chuàng)建并部署一個(gè)新堆棧
  220. 10.5 練習(xí)題
  221. 第11章 容器技術(shù)：Docker和Docker Compose
  222. 11.1 Docker容器是什么
  223. 11.2 創(chuàng)建、構(gòu)建、運(yùn)行及刪除Docker映像和容器
  224. 11.3 把Docker映像發(fā)布到Docker注冊(cè)處中
  225. 11.4 使用相同的映像在不同的宿主機(jī)中運(yùn)行Docker容器
  226. 11.5 使用Docker Compose運(yùn)行多個(gè)Docker容器
  227. 11.6 把Docker Compose運(yùn)行的服務(wù)移植到新主機(jī)和操作系統(tǒng)中
  228. 11.7 練習(xí)題
  229. 第12章 容器編排：Kubernetes
  230. 12.1 Kubernetes相關(guān)概念簡(jiǎn)述
  231. 12.2 使用Kompose根據(jù)docker-compose.yaml創(chuàng)建Kubernetes清單
  232. 12.3 使用minikube把Kubernetes清單部署到本地Kubernetes集群
  233. 12.4 在GCP中使用Pulumi創(chuàng)建GKE Kubernetes集群
  234. 12.5 把Flask示例應(yīng)用部署到GKE中
  235. 12.6 安裝Helm chart Prometheus和Grafana
  236. 12.7 銷(xiāo)毀GKE集群
  237. 12.8 練習(xí)題
  238. 第13章 Serverless技術(shù)
  239. 13.1 把同一個(gè)Python函數(shù)部署到三大云服務(wù)商中
  240. 13.1.1 安裝Serverless框架
  241. 13.1.2 把Python函數(shù)部署到AWS Lambda中
  242. 13.1.3 把Python函數(shù)部署到Google Cloud Functions中
  243. 13.1.4 把Python函數(shù)部署到Azure中
  244. 13.2 把Python函數(shù)部署到自托管的FaaS平臺(tái)中
  245. 13.2.1 把Python函數(shù)部署到自托管的PaaS平臺(tái)的優(yōu)勢(shì)
  246. 13.2.2 把Python函數(shù)部署到OpenFaaS中
  247. 13.3 使用AWS CDK配置DynamoDB數(shù)據(jù)表、Lambda函數(shù)和API網(wǎng)關(guān)方法
  248. 13.4 練習(xí)題
  249. 第14章 MLOps和機(jī)器學(xué)習(xí)工程
  250. 14.1 機(jī)器學(xué)習(xí)是什么
  251. 14.1.1 監(jiān)督型機(jī)器學(xué)習(xí)
  252. 14.1.2 建模
  253. 14.2 Python機(jī)器學(xué)習(xí)生態(tài)環(huán)境
  254. 14.2.1 Python機(jī)器學(xué)習(xí)框架和生態(tài)系統(tǒng)
  255. 14.2.2 PyTorch深度學(xué)習(xí)
  256. 14.3 機(jī)器學(xué)習(xí)云平臺(tái)
  257. 14.4 機(jī)器學(xué)習(xí)成熟模型
  258. 14.4.1 機(jī)器學(xué)習(xí)重點(diǎn)術(shù)語(yǔ)
  259. 14.4.2 第1層：?jiǎn)栴}構(gòu)建、范圍界定和問(wèn)題定義
  260. 14.4.3 第2層：持續(xù)交付數(shù)據(jù)
  261. 14.4.4 第3層：持續(xù)交付凈化數(shù)據(jù)
  262. 14.4.5 第4層：持續(xù)交付探索性數(shù)據(jù)分析
  263. 14.4.6 第5層：持續(xù)交付傳統(tǒng)機(jī)器學(xué)習(xí)和AutoML
  264. 14.4.7 第6層：機(jī)器學(xué)習(xí)運(yùn)作反饋環(huán)
  265. 14.5 使用Docker和Kubernetes部署sklearn Flask應(yīng)用
  266. 14.5.1 EDA
  267. 14.5.2 建模
  268. 14.5.3 調(diào)整GBM縮放
  269. 14.5.4 擬合模型
  270. 14.5.5 評(píng)估
  271. 14.5.6 adhoc_predict
  272. 14.5.7 JSON工作流
  273. 14.5.8 縮放輸入
  274. 14.5.9 adhoc_predict
  275. 14.5.10 縮放輸入
  276. 14.6 練習(xí)題
  277. 14.7 實(shí)操題
  278. 14.8 學(xué)習(xí)評(píng)價(jià)
  279. 第15章 數(shù)據(jù)工程
  280. 15.1 小數(shù)據(jù)
  281. 15.1.1 小數(shù)據(jù)與大數(shù)據(jù)
  282. 15.1.2 處理小數(shù)據(jù)文件
  283. 15.2 寫(xiě)文件
  284. 15.3 讀文件
  285. 15.4 使用生成器流水線(xiàn)逐行讀取和處理
  286. 15.5 使用YAML
  287. 15.6 大數(shù)據(jù)
  288. 15.7 大數(shù)據(jù)工具、組件和平臺(tái)
  289. 15.7.1 數(shù)據(jù)源
  290. 15.7.2 文件系統(tǒng)
  291. 15.7.3 數(shù)據(jù)存儲(chǔ)
  292. 15.7.4 實(shí)時(shí)流式采集
  293. 15.8 案例分析：自制數(shù)據(jù)流水線(xiàn)
  294. 15.9 Serverless數(shù)據(jù)工程
  295. 15.9.1 使用AWS Lambda處理CloudWatch事件
  296. 15.9.2 使用Amazon CloudWatch日志分析AWS Lambda
  297. 15.9.3 使用AWS Lambda填充Amazon Simple Queue Service
  298. 15.9.4 連接CloudWatch事件觸發(fā)器
  299. 15.9.5 創(chuàng)建事件驅(qū)動(dòng)型lambda
  300. 15.9.6 從AWS Lambda中讀取Amazon SQS事件
  301. 15.10 小結(jié)
  302. 15.11 練習(xí)題
  303. 15.12 實(shí)操題
  304. 第16章 DevOps慘痛經(jīng)驗(yàn)和人物訪(fǎng)談
  305. 16.1 產(chǎn)不出電影的電影廠(chǎng)
  306. 16.2 推不出游戲的游戲坊
  307. 16.3 耗時(shí)60秒才啟動(dòng)的Python腳本
  308. 16.4 用緩存和智能監(jiān)測(cè)程序澆滅火情
  309. 16.5 自動(dòng)化會(huì)讓你失業(yè)
  310. 16.6 DevOps反模式
  311. 16.6.1 反模式：沒(méi)有自動(dòng)化構(gòu)建服務(wù)器
  312. 16.6.2 盲目行事
  313. 16.6.3 協(xié)調(diào)難題不可避免
  314. 16.6.4 沒(méi)有團(tuán)隊(duì)合作
  315. 16.7 人物訪(fǎng)談
  316. 16.7.1 Glenn Solomon
  317. 16.7.2 Andrew Nguyen
  318. 16.7.3 Gabriella Roman
  319. 16.7.4 Rigoberto Roche
  320. 16.7.5 Jonathan LaCour
  321. 16.7.6 Ville Tuulos
  322. 16.7.7 Joseph Reis
  323. 16.7.8 Teijo Holzer
  324. 16.7.9 Matt Harrison
  325. 16.7.10 Michael Foord
  326. 16.8 一些建議
  327. 16.9 練習(xí)題
  328. 16.10 挑戰(zhàn)題
  329. 16.11 畢業(yè)項(xiàng)目
書(shū)名：基于Python的DevOps
譯者：安道 譯
國(guó)內(nèi)出版社：中國(guó)電力出版社
出版時(shí)間：2022年02月
頁(yè)數(shù)：512
書(shū)號(hào)：978-7-5198-6441-5
原版書(shū)書(shū)名：Python for DevOps
原版書(shū)出版商：O'Reilly Media
Noah Gift
 
Noah Gift是加州州立大學(xué)洛杉磯分校的CIS碩士、加州理工學(xué)院圣路易斯奧比斯波營(yíng)養(yǎng)學(xué)學(xué)士、Apple和LPI認(rèn)證系統(tǒng)管理員，曾就職于加州理工學(xué)院、迪斯尼動(dòng)畫(huà)公司、索尼圖像和Turner工作室。
在閑暇時(shí)間里，他喜歡與妻子Leah、兒子Liam一起彈鋼琴和做運(yùn)動(dòng)。
Noah Gift是Pragmatic A.I.實(shí)驗(yàn)室的創(chuàng)始人。他教授和設(shè)計(jì)研究生的機(jī)器學(xué)習(xí)、MLOps、人工智能和數(shù)據(jù)科學(xué)課程，并為幾所重點(diǎn)大學(xué)的學(xué)生和教師提供機(jī)器學(xué)習(xí)和云架構(gòu)方面的咨詢(xún)。
 
 
Kennedy Behrman
 
Kennedy Behrman是一位資深顧問(wèn)，專(zhuān)門(mén)為初創(chuàng)企業(yè)設(shè)計(jì)和實(shí)施云解決方案。
 
 
Alfredo Deza
 
Alfredo Deza是一位充滿(mǎn)激情的軟件工程師、演講者和作者，他還曾是奧運(yùn)會(huì)運(yùn)動(dòng)員，擁有近20年的DevOps和軟件工程經(jīng)驗(yàn)。他在全球范圍內(nèi)教授機(jī)器學(xué)習(xí)工程，并就技術(shù)和個(gè)人發(fā)展開(kāi)展講座。
 
 
Grig Gheorghiu
 
Grig Gheorghiu是一名程序員、研究實(shí)驗(yàn)室主任、系統(tǒng)/網(wǎng)絡(luò)/安全架構(gòu)師和軟件測(cè)試工程師。
 
 
本書(shū)封面上的動(dòng)物是地毯蟒（Morelia spilota），是一種無(wú)毒的蜷縮蛇，主要分布于澳大利亞及鄰近的所羅門(mén)群島和新幾內(nèi)亞。作為澳大利亞大陸分布最廣的蟒蛇之一，從東北部的昆士蘭熱帶雨林到西南部的地中海林地，地毯蟒隨處可見(jiàn)。經(jīng)?？梢?jiàn)地毯蟒在花園里的床上爬行，在閣樓的椽子上盤(pán)繞，甚至作為家庭寵物飼養(yǎng)。
多數(shù)地毯蟒呈橄欖綠色，帶有深色邊緣的奶油色斑點(diǎn)。值得注意的是，叢林地毯蟒（Morelia spilota cheynei）的皮膚呈亮黃色和黑色，是養(yǎng)蛇人最喜歡的品種。成年地毯蟒平均身長(zhǎng)6.6英尺，據(jù)報(bào)道有些長(zhǎng)達(dá)13英尺。
地毯蟒是一種在夜間活動(dòng)的獵食者，它利用嘴巴兩側(cè)的唇窩來(lái)探測(cè)鳥(niǎo)類(lèi)、蜥蜴和小型哺乳動(dòng)物的體溫。白天，它們纏在樹(shù)上，或者尋找一塊空地曬太陽(yáng)。雌性地毯蟒尤其喜歡早上曬太陽(yáng)，然后回到巢穴中，把熱量傳遞給蛇蛋。此外，它們還會(huì)收縮自己的身體，為每年夏天產(chǎn)下的10～47枚蛇蛋提供熱量。
購(gòu)買(mǎi)選項(xiàng)
定價(jià)：128.00元
書(shū)號(hào)：978-7-5198-6441-5
出版社：中國(guó)電力出版社