高品質微服務|建構跨工程組織的標準化系統

Book description

“我認為這本書的目標是成為設計與運行微服務的標準參考,光是高品質檢查項目清單就值回票價!”
-Daniel Bryant, OpenCredo首席科學家

“微服務架構的實作很困難,特別是從運行的角度來看。這本書幫助你認識如何打造高品質微服務。無論你扮演什麼角色,本書都能提供建構高品質微服務生態系所需的洞見”
-Mark Richards, 獨立顧問


採用微服務架構組織的最大挑戰之一是缺乏架構性、操作性與組織化標準。許多工程人員不知道分割一整塊應用程式或建構全新微服務生態系後接下來要怎麼辦。本書作者Susan Fowler深入展示一組微服務標準,描繪出將Uber上千個微服務標準化過程所獲得的經驗。你會學習到如何設計穩定、可靠、可擴充、容錯、高效能、受控、文件良好且能夠應對災難的微服務。

高品質標準內容包括:
‧穩定性與可靠性:開發、部署、導入微服務;預防相依性失敗
‧擴充性與效能:學習高效率微服務的基礎
‧容錯與預防災難:主動對微服務施壓以確保可用性
‧監控:學習如何監控、記錄與顯示重要數據;建立警示與處理程序
‧製作文件與教育訓練:解決採用微服務所引發的組織與技術問題

Table of contents

  1. 書名頁
  2. 授權聲明頁
  3. 前言 (1/2)
  4. 前言 (2/2)
  5. 目錄
  6. 第一章 微服務
  7. 從一整塊應用程式到微服務
  8. 微服務架構
  9. 微服務生態系
  10. 第一層:硬體
  11. 第二層:通訊
  12. 第三層:應用程式平台
  13. 第四層:微服務
  14. 組織挑戰
  15. 康威定律的反述
  16. 技術性浪費
  17. 更多的故障方式
  18. 資源競爭
  19. 第二章 高品質
  20. 微服務標準化的挑戰
  21. 可用性:標準化的目標
  22. 高品質標準
  23. 穩定性
  24. 可靠性
  25. 可擴充性
  26. 容錯與應對災難
  27. 效能
  28. 監控
  29. 文件
  30. 實作高品質
  31. 第三章 穩定性與可靠性
  32. 建構穩定又可靠的微服務的基本原則
  33. 開發循環
  34. 部署管道
  35. 階段
  36. 逐步
  37. 上線
  38. 實行穩定與可靠的部署
  39. 相依性
  40. 路由與查詢
  41. 除役
  42. 評估你的微服務
  43. 開發循環
  44. 部署管道
  45. 相依性
  46. 路由與查詢
  47. 除役
  48. 第四章 擴充性與效能
  49. 微服務擴充性與效能的基本原則
  50. 認識擴充規模
  51. 擴充規模的質
  52. 擴充規模的量
  53. 有效率的使用資源
  54. 資源感知
  55. 資源需求
  56. 資源瓶頸
  57. 容量計劃
  58. 擴充相依服務
  59. 工作量管理
  60. 工作處理
  61. 程式設計語言限制
  62. 有效率的處理請求與工作
  63. 可擴充的資料儲存體
  64. 微服務生態系中資料庫的選擇
  65. 微服務架構中的資料庫挑戰
  66. 評估你的微服務
  67. 認識擴充規模
  68. 有效率的使用資源
  69. 資源認知
  70. 容量計劃
  71. 相依服務的擴充
  72. 工作量管理
  73. 工作處理
  74. 可擴充資料儲存體
  75. 第五章 容錯與災難預防
  76. 建構容錯微服務的基本原則
  77. 避免單點故障
  78. 災難與故障狀況
  79. 生態系中常見的故障
  80. 硬體故障
  81. 通訊層與應用程式平台層故障
  82. 相依服務故障
  83. 內部(微服務)故障
  84. 彈性測試
  85. 程式測試
  86. 負載測試
  87. 混亂測試
  88. 故障檢測與補救
  89. 意外與停止服務
  90. 適當分類
  91. 處理意外的五個階段
  92. 評估你的微服務
  93. 避免單點故障
  94. 災難與故障狀況
  95. 彈性測試
  96. 故障檢測與補救
  97. 第六章 監控
  98. 微服務監控的基本原則
  99. 關鍵數據
  100. 日誌記錄
  101. 儀錶板
  102. 警示
  103. 設置有效的警示
  104. 處理警示
  105. 待命輪班
  106. 評估你的微服務
  107. 關鍵數據
  108. 日誌記錄
  109. 儀錶板
  110. 警示
  111. 待命輪班
  112. 第七章 文件與教育訓練
  113. 微服務文件與教育訓練的基本原則
  114. 微服務文件
  115. 說明
  116. 架構圖示
  117. 聯絡人與待命資訊
  118. 連結
  119. 新人與開發指南
  120. 請求流程、端點、與相依服務
  121. 待命操作手冊
  122. 常見問題
  123. 微服務教育訓練
  124. 架構審核
  125. 高品質稽核
  126. 高品質路線圖
  127. 高品質自動化
  128. 評估你的微服務
  129. 微服務文件
  130. 微服務教育訓練
  131. 附錄A 高品質檢查項目清單
  132. 附錄B 評估你的微服務 (1/2)
  133. 附錄B 評估你的微服務 (2/2)
  134. 術語表 (1/2)
  135. 術語表 (2/2)
  136. 索引 (1/2)
  137. 索引 (2/2)
  138. 關於作者
  139. 出版記事

Product information

  • Title: 高品質微服務|建構跨工程組織的標準化系統
  • Author(s): Susan J. Fowler
  • Release date: June 2017
  • Publisher(s): GoTop Information, Inc.
  • ISBN: 9789864764433

You might also like

book

初探深度學習|使用TensorFlow

by Reza Zadeh, Bharath Ramsundar

從線性迴歸到強化學習 “對想要進入深度學習這個令人興奮的領域的機器學習從業者來說,這是一本很棒的書。由於本書涵蓋廣泛的主題,當你想要進一步提升技術時,也會將它當成參考書來重新閱讀。” —Marvin Bertin Freenome機器學習研究工程師 TensorFlow是革命性的Google深度學習程式庫,本書將教你如何用它來解決具挑戰性的機器學習問題。只要你具備一些基本線性代數與微積分的背景知識,就可以在這本實用的書籍學到如何設計能夠檢查圖像物體、瞭解文字以及預測潛在藥物特性的系統,瞭解機器學習的基礎知識。 透過實際的案例傳授觀念,協助你從根本開始建立深厚的深度學習基礎知識。本書非常適合具備軟體系統設計經驗的實務開發者,或已熟悉腳本語言但不知道如何設計學習演算法的專家。 ‧學習TensorFlow的基本知識,包括如何執行基本的計算 ‧藉由建立簡單的學習系統瞭解相關數學基礎 ‧深入瞭解已被上千種app使用的全連結深度網路 ‧藉由超參數優化將原型轉換成高品質的模型 ‧用摺積神經網路處理圖像 ‧用遞迴神經網路處理神經語言資料集 ‧使用強化學習玩遊戲,例如井字遊戲 ‧用GPU與張量處理單元等硬體訓練深度網路

book

精實企業|高績效組織如何達成創新規模化

by Jez Humble, Joanne Molesky, Barry O'Reilly

『…對於組織要如何規劃、安排、落實與衡量工作,本書注定是這個領域中經典而且權威的參考…任何企業領導者,只要是關注透過技術創造競爭優勢與建立創新文化的人,都需要閱讀本書。』 — Gene Kim 《The Phoenix Project: A Novel About IT, DevOps, and Helping Your Business …

book

解密金融数据

by Justin Pauley

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。

book

机器学习流水线实战

by Hannes Hapke, Catherine Nelson

正如自动化流水线给汽车制造业带来了质的改变,自动化机器学习流水线也能从根本上加速机器学习领域的发展。机器学习流水线实现了复用、管理和部署机器学习模型的标准化流程。数据科学家和机器学习工程师不仅能摆脱逐个手动构建和训练模型的“作坊式”工作流程,还能产出更可靠、更安全的模型。 本书带领你使用TensorFlow生态圈中的众多工具构建可复现的机器学习流水线,从而将模型部署时间从数天缩短为数分钟,有效地实现机器学习项目产品化。你将学习如下内容。 了解机器学习流水线的构建步骤 使用TensorFlow Extended(TFX)构建机器学习流水线 使用Beam、Airflow、Kubeflow Pipelines编排流水线 数据校验和数据预处理 使用TensorFlow的模型分析工具 检查模型的公平性 使用TensorFlow Serving和TensorFlow Lite部署模型 了解差分隐私、联邦学习和加密机器学习等隐私保护方法