Book description
现在的软件开发正在拥抱事件和流数据,这不仅优化了技术交互的方式,也优化了业务相互集成的方式,以满足客户的需求,这种现象被称为流,由模式和标准组成。这些模式和标准确定了各方之间通过互联网进行的通信活动和相关数据。
本书探讨了这种演变的关键影响:当事件和数据流帮助你发现新的活动来源以增强现有业务或推动新市场时,究竟会发生什么?哪些技术和架构模式可以帮助你的公司把握流程带来的机会?James Urquhart是VMware全球CTO。他指导企业架构师、软件开发人员和产品经理完成这一过程。
- 了解当企业、政府和其他机构通过事件和数据流进行整合时,流会带来哪些好处。
- 通过Wardley Mapping可视化和Promise Theory建模了解流集成的价值链。
- 了解当今事件驱动系统市场背后的基本概念。
- 了解当今的集成模式将如何影响未来的实时事件流。
- 探索为什么公司应该从今天开始构建软件架构,以便在未来几年从流中获得收益。
Table of contents
- 封面
- 封底
- 扉页
- 版权页
- oreilly公司介绍
- 致谢
- 目录
- 序
- 前言
- 第0章 万维流的十年影响
- 第1章 流概述
- 第2章 流的业务案例
- 第3章 了解流的价值链
- 第4章 评估当前的流市场
- 第5章 评估流的兴起
- 第6章 建设一个流的未来
- 附录 评估当前流的市场 (1/11)
- 附录 评估当前流的市场 (2/11)
- 附录 评估当前流的市场 (3/11)
- 附录 评估当前流的市场 (4/11)
- 附录 评估当前流的市场 (5/11)
- 附录 评估当前流的市场 (6/11)
- 附录 评估当前流的市场 (7/11)
- 附录 评估当前流的市场 (8/11)
- 附录 评估当前流的市场 (9/11)
- 附录 评估当前流的市场 (10/11)
- 附录 评估当前流的市场 (11/11)
- 作者介绍
- 封面介绍
Product information
- Title: 流架构
- Author(s):
- Release date: November 2022
- Publisher(s): China Electric Power Press Ltd.
- ISBN: 9787519869649
You might also like
book
大数据湖最佳实践
数据湖利用大数据技术为企业提供便捷的数据自助服务能力,这是一项别具一格的创新。但这适合每一个公司吗?本书内容基于与100多个组织的从业者和高管的讨论,涉及的组织类型包括Google、LinkedIn和Facebook这类数据驱动型公司以及政府和传统企业。通过本书,你将了解什么是数据湖,为什么企业需要它,以及如何使用本书中的最佳实践成功地构建数据湖。 本书作者是Waterline Data的首席技术官兼创始人,他解释了为什么旧系统、旧流程无法再支持企业的数据需求。在关于数据湖实施的一系列文章中,他介绍了来自各行业数据专家的数据湖方案、分析项目、经验以及最佳实践。 数据仓库、大数据、数据科学的简单介绍。 了解企业建立数据湖的各种途径。 探索如何构建自助服务模型,以及如何让分析师便捷访问数据的最佳实践。 使用不同的方法来构建数据湖。 了解不同行业专家实现数据湖的方法。
book
Hadoop实际解决方案手册
快速解决诸多Hadoop相关技术问题的实用技术手册 Key Features 文字简洁,易于读者理解 精挑细选,关注最重要的任务和问题 细心组织,提供高效的问题解决方案 讲解透彻,清晰解读每个操作步骤 举一反三,将解决方案应用到其他场景中 Book Description 这是一本 Hadoop 实用手册,主要针对实际问题给出相应的解决方案。本书特色是以实践结合理论分析,手把手教读者如何操作,并且对每个操作都做详细的解释,对一些重要的知识点也做了必要的拓展。 全书共包括3个部分,第一部分为基础篇,主要介绍Hadoop数据导入导出、HDFS 的概述、Pig 与 …
book
流畅的Python(第2版)
不要浪费时间让Python屈就你在其他语言中学到的模式。Python的简洁性有助于你迅速提升编程效率,但这通常意味着你并未使用它所提供的所有功能。《流畅的Python》是编程领域的实用经典参考书,第2版做了与时俱进的修订和升级,教你利用Python特性,写出高效且现代的Python 3代码。 打破旧有经验,探索并运用地道的Python 3特性。本书作者带你一览Python语言核心功能和库,教你编写更简洁、快速和易读的代码。 第2版分为如下五部分,每一部分均可单独成书。 数据结构:序列、字典、集合、Unicode和数据类。 函数即对象:一等函数、相关设计模式和函数声明中的类型提示。 类和协议:组合、继承、混入、接口、运算符重载、协议和更多静态类型。 控制流:上下文管理器、生成器、协程、async/await及线程和进程池。 元编程:特性、属性描述符、类装饰器,以及可取代或简化元类的类元编程新钩子。
book
R深度学习权威指南
使用无监督学习建立自动化的预测和分类模型 Key Features 结合R语言介绍深度学习软件包H2O 由实际案例来讲解R语言深度学习模型 将R语言和深度学习模型或深度神经网络结合起来,解决实际的应用需求 Book Description 深度学习是机器学习的一个分支,其基础是一组试图使用模型架构建立高水平抽象模型的算法。本书结合R语言介绍深度学习软件包H2O,帮助读者理解深度学习的概念。本书从在R中设置可获取的重要深度学习包开始,接着转向建立神经网络、预测和深度预测等模型,所有这些模型都由实际案例的辅助来实现。成功安装了H2O软件包后,你将学习预测算法。随后本书会解释诸如过拟合数据、异常数据以及深度预测模型等概念。最后,本书会介绍设计调参和优化模型的概念。 本书适合那些胸怀大志的数据科学家,他们精通R语言数据科学概念,并希望可以使用R中的包进一步探索深度学习范式。读者需要对R语言具备基础的理解,并熟悉统计算法和机器学习技术。 What you will learn 建立R包H2O训练深度学习模型; 理解深度学习模型背后的核心概念; …