Book description
随着微服务和容器的发展,开发人员设计、构建和运行软件的方式已经发生了明显的变化。这些现代体系结构提供了新的分布式原语,开发人员、技术负责人和架构师在实现这些原语时也需要采用一套不同的实践。本书重点介绍在Kubernetes上设计和实现云原生应用程序时所需的通用且可重用的模式和原理。
本书中的每个模式都包含问题描述和特定于Kubernetes的解决方案。所有模式均提供具体的代码示例以及演示。本书主要面向熟悉Kubernetes基本概念的开发人员和架构师,帮助他们学习如何使用久经考验的设计模式解决常见的云原生难题。
本书介绍了以下模式类型:
- 基础模式涵盖构建基于容器的云原生应用程序的核心原则和实践。
- 行为模式详细介绍管理容器和平台交互的概念。
- 结构化模式教你如何通过在Pod中组织容器解决特定的用例。
- 配置模式讲述如何处理Kubernetes中应用程序的配置。
- 高级模式涵盖更复杂的主题,例如操作器和自动伸缩等。
Product information
- Title: Kubernetes设计模式
- Author(s):
- Release date: July 2020
- Publisher(s): China Electric Power Press Ltd.
- ISBN: 9787519845889
You might also like
book
管理Kubernetes
虽然Kubernetes极大地简化了部署容器化应用程序的工作,但每天管理这种编排框架仍然是一项复杂的工作。站点管理人员以及 开发运营工程师可以通过本书学习如何构建、操作、管理及升级 Kubernetes集群,无论这些集群位于云基础架构之上还是在企业内部。 本书的作者Brendan Burns是Kubernetes的联合创始人,而Craig Tracey 是Heptio的现场工程师。本书详细讲解了Kubernetes的内部工作原理,并向读者展示了如何通过维护、调整和改善集群来满足特定需求。你可以通过本书学习如何从设计集群、管理访问控制、监视和报警,以及升级Kubernetes等方面来综合考虑架构的选择,还可以 通过本书深入了解如何充分利用这种编排框架的功能。 “学习如何操作集群,开发人员如何利用Kubernetes部署应用程序,以及如何利用Kubernetes减轻开发人员的负担。 通过掌握Kubernetes API以及配置选项来调整、保护,以及调节集群。 检测集群级别的问题,学习必要的响应步骤并快速恢复集群。 确定如何以及何时添加构建、扩展或以其他方式改进 Kubernetes集群的库、工具和平台。
book
时间序列分析实战:基于机器学习和统计学
天气、股票、心跳都会产生时间序列数据,物联网、数字化医疗和智慧城市的兴起更是产生了大量的时间序列数据。随着数据的规模快速增长,应用机器学习和统计方法进行时间序列分析的做法越来越普遍,也越来越重要。 本书从实战角度介绍时间序列分析中的创新技术和实际用例,帮助你结合使用传统的统计方法和先进的机器学习技术来解决时间序列分析中的常见问题。由于Python和R都是时间序列分析常用的语言,因此本书兼顾这两种语言并对时间序列进行全面的阐释,可以让数据分析师、数据工程师和其他与数据打交道的读者快速上手。 发现并整理时间序列数据 针对时间序列进行探索性数据分析 模拟时间序列 存储时间序列 为时间序列生成并选择特征 测量误差 使用机器学习和深度学习分析时间序列 评估模型的精度和性能
book
人工智能技术与大数据
大数据领域的人工智能技术 Key Features 先讲大数据的本体论、机器学习的基本理论,为具体场景、算法的实践奠定基础 在对机器学习的介绍中,对其数学原理、训练过程做基本的讲解,并辅以代码帮助读者了解真实场景中技术工具的使用 本书作者在数据生态系统技术和数据管理方面拥有丰富的经验 Book Description 本书分为两个部分,共12章。第1章到第5章介绍了大数据的本体论、机器学习的基本理论等内容,为具体场景、算法的实践奠定了基础。读者可以了解到,在工程实践中,对大数据的处理、转化方式与人类学习知识并将其转化为实践的过程是多么相似。在对机器学习的介绍中,会对其数学原理、训练过程做基本的讲解,并辅以代码帮助读者了解真实场景中技术工具的使用。第6章到第12章提供了多个不同的用例,章节之间彼此独立,介绍了如何用人工智能技术(自然语言处理、模糊系统、遗传编程、群体智能、强化学习、网络安全、认知计算)实现大数据自动化解决方案。 如果读者对 Java 编程语言、分布式计算框架、各种机器学习算法有一定的了解,那么本书可以帮助你建立一个全局观,从更广阔的视角来看待人工智能技术在大数据中的应用。如果读者对上述知识一无所知,但是对大数据人工智能的技术、业务非常感兴趣,那么可以通过本书获得从零到一的认知提升。 What you will learn …
book
解密金融数据
技术是获取和解释金融数据的强大工具,能给你华尔街上所有人都想要的东西:优势。你不需要成为一名程序员就能从彭博、IHS Markit或其他系统获取金融信息。 通过本书并结合你的见解与彭博或Markit的数据,你将了解分析金融信息和生成专业报告的技能。 如果你是一名程序员,本书也包含用C#来覆盖相同主题的方法。 对比公司、债券或贷款,并使用在彭博屏幕上看不到的数据。 为单个公司建立两页的活页报告,包含重要的金融数据、与其对等组的相对价值比较和价格趋势。 建立投资组合总结报告,包含业绩、增长、风险调整后收益和组合。 探索公司债券和贷款市场的每日价格和贷款信息。 利用相关性和回归确定两种证券(或指数)之间的关系。 通过计算方差、标准差和夏普比率来衡量投资组合风险调整后的收益。 使用Markit数据来识别有意义的趋势。