返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 大数据测试技术与实践(全彩印刷) 艾辉 主编,融360 AI测试团队 编著 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 艾辉 主编,融360 AI测试团队 编著著
    • 出版社: 人民邮电出版社
    • 出版时间:2021-10-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 艾辉 主编,融360 AI测试团队 编著著
    • 出版社:人民邮电出版社
    • 出版时间:2021-10-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2021-10-01
    • 页数:275
    • 开本:16开
    • 装帧:平装
    • ISBN:9787115571861
    • 国别/地区:中国
    • 版权提供:人民邮电出版社

    大数据测试技术与实践(全彩印刷)

    作  者:艾辉 主编,融360 AI测试团队 编著 著
    定  价:118
    出 版 社:人民邮电出版社
    出版日期:2021年10月01日
    页  数:275
    装  帧:平装
    ISBN:9787115571861
    主编推荐

    36位来自阿里、腾讯、百度、京东、字节跳动、网易、小米、奇虎360、贝壳、顺丰等大厂工程师和技术管理者联袂推荐。 通俗易懂,精选23个大数据测试要点,从零入手,多角度讲解大数据测试。 内容丰富,涵盖4大技术主题,大数据开发、大数据测试、数据质量与数据治理。 场景典型,深度剖析3个主流数据应用场景,BI报表、风控模型和数据分析平台的技术原理、工程架构,并输出了全链路的质量保障方案。

    内容简介

    本书全面系统地介绍了大数据的测试技术与质量体系建设。本书共11章,~4章涵盖认识大数据,大数据技术生态,数据仓库的设计与构建,以及大数据项目开发流程;第5~7章讲解大数据测试方法、大数据测试实践和数据质量管理;第8~10章介绍大数据测试平台实践、数据治理平台建设,以及DataOps的理念与实践;1章提供大数据测试学习路线。附录列出了大数据技术经典面试题。 本书适合想要了解大数据技术的读者,以及想要学习和掌握大数据测试与大数据开发的从业者。通过阅读本书,测试工程师可以系统地学习大数据技术基础、大数据开发和大数据测试等知识;大数据开发工程师可以借鉴大数据质量保障的方法,拓宽数据工程实践的思路;技术专家和技术管理者可以了解大数据质量保障体系、数据治理建设和DataOps实践等内容。

    作者简介

    艾辉,中国人民大学概率论与数理统计专业硕士,《机器学习测试入门与实践》作者之一。目前,担任融360技术总监,主要负责AI风控产品、用户产品和基础架构的质量保障工作。曾在阿里本地生活担任不错技术经理,负责用户产品、新零售产品的质量保障工作。拥有9年多的测试开发工作经验,曾多次受邀在行业技术大会(如MTSC、GITC、靠前00、TiD、A2M和TICA等)上做主题分享。对大数据、机器学习测试技术有深刻理解,并长期专注于质量保障与工程效能领域。 陈高飞,东北大学计算机技术专业硕士,《机器学习测试入门与实践》作者之一。目前,担任融360测试开发工程师,主要从事机器学习方向的测试开发工作。擅长白盒测试、大数据测试和模型测试,在工具平台开发方面有丰富的实践经验。 郝嵘,北京信息科技大学自动化专业硕士,《机器学习测试入门与实践》作者之一。目前,担任融360不错测试开发工程师,主要负责大数据方向的测试null

    精彩内容

    目录
    目  录 第 1章 认识大数据/1 1.1  大数据概述/1 1.2  大数据的发展/2 1.3  大数据的应用/4 1.3.1  互联网领域/4 1.3.2  物流领域/5 1.3.3  教育领域/6 1.3.4  金融领域/7 1.3.5  电信领域/7 1.4  本章小结/8 第 2章 大数据技术生态/9 2.1  大数据技术生态总览/9 2.2  大数据采集技术/10 2.3  大数据存储技术/10 2.3.1  分布式文件系统:HDFS/10 2.3.2  海量数据列式存储: HBase/13 2.3.3  其他数据存储技术/18 2.4  大数据计算分析技术/19 2.4.1  批处理计算的基石:MapReduce/19 2.4.2  流计算的代表:Storm、Spark Streaming和Flink/21 2.4.3  OLAP引擎:Hive、Impala和Presto/24 2.5  大数据管理调度技术/30 2.5.1  分布式集群资源调度框架:YARN/30 2.5.2  容器集群管理系统:Kubernetes/32 2.5.3  大数据的"动物园管理员":ZooKeeper/33 2.5.4  常用的工作流调度平台:Azkaban、Oozie和Airflow/34 2.6  大数据商业产品/36 2.7  本章小结/38 第3章  数据仓库的设计与构建/39 3.1  数据仓库概述/39 3.1.1  什么是数据仓库/39 3.1.2  数据仓库的发展过程/41 3.1.3  数据仓库与数据集市、数据湖、数据中台的区别/43 3.2  数据仓库设计/44 3.2.1  架构分层设计/44 3.2.2  数据模型设计/46 3.3  数据仓库构建/50 3.3.1  数据仓库的构建方法与评价标准/50 3.3.2  数据仓库实例/51 3.4  本章小结/58 第4章  大数据项目开发流程/59 4.1  大数据项目开发概览/59 4.2  数据的采集与存储/60 4.2.1  服务端日志采集/61 4.2.2  客户端日志采集/62 4.2.3  数据同步/64 4.2.4  大数据存储/66 4.3  大数据计算/67 4.4  大数据监控/71 4.4.1  数据监控/71 4.4.2  运维监控/72 4.5  大数据项目开发案例/73 4.5.1  项目背景介绍/74 4.5.2  项目需求分析/74 4.5.3  项目开发流程/76 4.6  本章小结/83 第5章  大数据测试方法/84 5.1  大数据测试概述/84 5.1.1  什么是大数据测试/84 5.1.2  大数据测试与传统数据测试/84 5.2  大数据测试类型/85 5.2.1  功能测试/85 5.2.2  性能测试/89 5.2.3  其他非功能性测试/93 5.3  大数据测试流程/94 5.4  大数据基准测试/96 5.4.1  大数据基准测试简介/97 5.4.2  大数据基准测试的步骤/97 5.4.3  大数据基准测试工具/98 5.5  大数据ETL测试/100 5.5.1  大数据ETL测试类型/100 5.5.2  大数据ETL测试场景/103 5.5.3  大数据ETL测试工具/107 5.6  大数据测试总结/108 5.6.1  大数据测试中的典型问题/108 5.6.2  大数据测试经验总结/112 5.6.3  大数据测试面临的挑战/113 5.7  本章小结/113 第6章  大数据测试实践/114 6.1  BI报表测试/114 6.1.1  BI工具简介/114 6.1.2  Tableau简介/115 6.1.3  BI报表测试实践/120 6.2  数据挖掘产品测试/128 6.2.1  数据挖掘的定义和流程/128 6.2.2  数据挖掘产品简介/129 6.2.3  数据挖掘产品测试实践/130 6.3  用户行为分析平台测试/139 6.3.1  用户行为分析平台测试概览/139 6.3.2  数据采集阶段测试/140 6.3.3  实时数据处理阶段测试/140 6.3.4  离线数据处理阶段测试/153 6.3.5  数据查询展示阶段测试/153 6.4  本章小结/156 第7章  数据质量管理/157 7.1  数据质量管理概述/157 7.2  数据质量管理流程/158 7.2.1  建立数据质量管理办法/159 7.2.2  制定数据标准/161 7.2.3  数据质量自查评估/162 7.2.4  数据质量问题修复/170 7.3  本章小结/173 第8章  大数据测试平台实践/174 8.1  大数据测试平台背景/174 8.2  大数据测试的开源技术调研/175 8.2.1  great_expectations/176 8.2.2  WeBankFinTech Qualitis/178 8.3  大数据测试的商业方案分析/181 8.3.1  QuerySurge/182 8.3.2  RightData/184 8.4  从零开始搭建大数据测试平台/186 8.4.1  需求分析/187 8.4.2  架构设计/187 8.4.3  功能实现/189 8.4.4  页面演示/196 8.4.5  总结和展望/201 8.5  本章小结/203 第9章  数据治理平台建设/204 9.1  数据治理概述/204 9.1.1  数据治理的基本概念/204 9.1.2  数据治理的重要意义/205 9.1.3  数据治理面临的主要挑战/206 9.1.4  如何开展数据治理/206 9.2  数据治理平台体系/207 9.3  元数据管理平台/208 9.3.1  平台产生背景/208 9.3.2  平台架构/208 9.3.3  模块设计:数据采集/209 9.3.4  模块设计:数据查询/212 9.3.5  模块设计:数据分析/214 9.4  数据质量监控平台/219 9.4.1  平台产生背景/219 9.4.2  平台架构/220 9.4.3  模块设计:规则引擎/221 9.4.4  模块设计:任务中心/230 9.4.5  模块设计:报警系统 /230 9.5  本章小结/232 第 10章 DataOps的理念与实践/233 10.1  DataOps概述/233 10.1.1  什么是DataOps/233 10.1.2  为什么需要DataOps/235 10.1.3  DataOps与DevOps、MLOps的联系和区别/237 10.2  DataOps的能力与特性/239 10.2.1  数据工程/239 10.2.2  数据集成/240 10.2.3  数据安全和数据隐私保护/241 10.2.4  数据质量/242 10.2.5  DataOps的4个特性/243 10.3  DataOps技术实践/244 10.3.1  DataOps技术工具/245 10.3.2  数据管道技术示例/246 10.4  本章小结/253 第 11章 大数据测试的学习路线和发展趋势/254 11.1  为什么学习大数据测试/254 11.2  如何学习大数据测试/255 11.2.1  大数据测试的学习路线/255 11.2.2  大数据测试的技能图谱/259 11.3  大数据测试的发展趋势/269 11.4  本章小结/270 附录  大数据技术经典面试题/271 参考文献/276

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购