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:
本店所有商品

  • [正版新书]大数据系统运维(第2版) 刘 鹏 姜才康 李四明 清华大学出版社 大数据 系统运维 配置管理 运
  • 新商品上架
    • 作者: 无著
    • 出版社: 清华大学出版社
    • 出版时间:2024-09
    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:
    句字图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 无著
    • 出版社:清华大学出版社
    • 出版时间:2024-09
    • 开本:16开
    • ISBN:9788059558480
    • 版权提供:清华大学出版社

     书名:  大数据系统运维(第2版)
     出版社:  清华大学出版社
     出版日期  2024-08
     ISBN号:  9787302669814
    本书是大数据应用人才培养系列教材中的一册,讲解了大数据系统运行维护过程中的各个主要阶
    段及其任务,包括配置管理、基础运维管理、故障管理、性能管理、安全管理、高可用性管理、变更
    及升级管理、运维场景应用及服务资源管理,内容全面且翔实,兼具基础理论知识与运维实践经验,
    特别是重点介绍了大数据系统的运维特点及运维技能,从而可以保障大数据系统的稳定可靠运行,更
    好地支撑大数据的商业应用价值。
    本书在继承第1版基础的同时,巧妙融合了最新的运维方式和经验,构建出更加全面、深入的知
    识体系。第2版的特色体现在对日志排查的精妙思路,系统变更升级的成功经验以及云原生环境下的
    运维应用等领域的深度拓展,为运维工程师提供了丰富而实用的指导。通过这本书,读者将深入洞察
    当今大数据系统运维的精髓,从而提升自身实践技能,驾驭运维工作的新高度。
    本书具有很强的系统性和实践指导性,可以作为培养应用型人才的课程教材,也可以作为从事T
    系统运维工作的广大从业者和爱好者的参考用书。
    本书封面贴有清华大学出版社防伪标签,无标签者不得销售。
    版权所有,侵权必究。举报:010-62782989,beiqinquan@tup.tsinghua.edu.cn。

     

    刘鹏,教授,清华大学博士毕业,现任南京云创大数据科技股份有限公司总经理,兼任中国大数据应用联盟人工智能专家委员会主任、中国信息协会教育分会人工智能教育专家委员会主任、教育部全国普通高校毕业生就业创业指导委员会委员、第45届世界技能大赛中国区云计算选拔赛裁判长/专家指导组组长、2019年全国大学生数学建模比赛命题人、工信部云计算研究中心专家。
    姜才康,华东计算所硕士毕业,现任中国外汇交易中心工程运行部总经理。长期从事银行间市场(含外汇市场、货币市场、债券市场、衍生品市场)的系统设计开发、系统运维、标准制定等工作。主持或技术担纲完成了数十项全国性大型关键系统建设及重点研究项目,探索中国金融领域的系统建设技术路径及方法;构建全方位的银行间市场风险治理和运维安全体系;制定多项银行间市场技术规划及技术标准,建成并不断完善银行间市场技术生态圈。数十次获得人民银行科技发展奖和上海市科技进步奖。
    李四明,软件工程硕士,副教授,系统分析师,获得国家科技进步奖三等奖,拥有多项软件着作专利;主持开发了医院HIS系统、移动临床系统、移动输液系统、移动药品实时监管系统、农民健康体检协同系统,承担过智慧城市、智慧社区的整体架构工作。

     

    时至今日,大数据技术的生态圈已经越来越庞大,目前比较流行的应用主要是
    Hadoop、Spark和Elastic Search,绝大多数的大数据系统是基于这3个技术进行
    开发的。大数据运维工作具有很大的挑战性,既要满足业务快速上线,又要保
    证系统的安全可用。尤其是对于大数据系统,因其服务器数量多、数据存储量大、开源
    技术多和新技术稳定性有待提高等特点,诸如服务器管理、备份管理、升级管理和性能
    调优等运维工作,都需要针对大数据技术的特点进行相应的改变与调整。
    本书作者有着多年开发和运维的工作经验,结合大数据系统的特点,从运维视角进
    行阐述,编写了大数据运维的教材,以填补这一方面的空白。本书自 2020 年出版后,
    社会反应良好,被多所高校选作课程教材。这次我们根据大数据技术的最新发展,
    结合师生们提出的宝贵建议,对本书进行了全新改版,主要增加了云技术发展趋势下涉
    及的系统运维工作,包括云原生运维、微服务及容器虚拟化、持续集成/持续交付等,
    并对系统升级涉及的数据准备、业务验证、测试、发布以及性能和日志管理进行大幅补
    充与完善。
    本书从运维工作的分类出发,对每种运维工作都进行了由浅入深的介绍。配置管理
    是整个运维工作的基础和核心,没有配置管理,就如同没有地图在复杂的城市道路中行
    走一样,随时可能迷失方向;同时,在配置管理章节介绍大数据技术的运维管理工具,
    掌握这些工具能有效地提高工作效率。系统管理、故障管理、变更管理和升级管理是基
    础性的,也是日常性的运维工作;安全管理、性能管理、服务资源管理和高可用管理则
    在运维工作中相对比较高阶,也是比较复杂的内容;而且系统运维注重强调标准、流程
    和制度。本书侧重理论和实践的结合。考虑到以青年学生为主的读者对相关概念接触不
    多,本书在概念阐述上会占有一定篇幅,从而帮助读者更好地理解和融会

     

    目 录
    第 1 章 配置管理
    1.1 配置管理内容 ················································································ 2
    1.1.1 配置管理术语定义 ······································································· 2
    1.1.2 应用软件配置 ············································································· 3
    1.1.3 硬件配置 ··················································································· 3
    1.2 配置管理方法 ················································································ 7
    1.2.1 配置流程 ··················································································· 7
    1.2.2 配置自动发现 ··········································································· 11
    1.3 配置管理工具 ·············································································· 11
    1.3.1 CMDB 数据库介绍与实践 ···························································· 11
    1.3.2 自动配置工具 ··········································································· 14
    1.3.3 云时代下的 CMDB ····································································· 24
    1.4 其他运维工具 ·············································································· 24
    1.4.1 Ambari ···················································································· 24
    1.4.2 CLI 工具 ·················································································· 26
    1.4.3 Ganglia ···················································································· 27
    1.4.4 Cloudera Manager ··················
    ………

     

    总 序
    短短几年间,大数据的发展速度一日千里,快速走过了从概念到落地的进程,直接带动了相关产业的井喷式发展。全球研究机构统计数据显示,大数据产业将迎来发展黄金期:根据 IDC 数据,2020—2024 年全球大数据市场规模在 5 年内约实现 10.4%的复合增长率,预计 2024 年全球大数据市场规模约为 2983 亿美元。
    数据采集、数据存储、数据挖掘、数据分析等大数据技术在越来越多的行业中得到了应用,随之而来的就是大数据人才问题。麦肯锡预测,每年数据科学专业的应届毕业生将增加 7%,然而仅高质量项目对专业数据科学家的需求每年就会增加 12%,供不应求。根据相关报道,未来 3~5 年,中国需要 180 万数据人才,但目前只有约 30 万人, 人才缺口近 150 万人。
    以贵州大学为例,其首届大数据专业研究生就业率达到 100%,可以说被“一抢而空”。急切的人才需求直接催热了大数据专业,教育部正式设立“数据科学与大数据技术”本科专业。
    不过,就目前而言,在大数据人才培养和大数据课程建设方面,大部分高校仍然处于起步阶段,需要探索的问题还很多。首先,大数据是个新生事物,懂大数据的老师少之又少,院校缺“人”;其次,尚未形成完善的大数据人才培养和课程体系,院校缺“机制”;再次,大数据实验需要为每个学生提供集群计算机,院校缺“机器”;最后,院校没有海量数据,开展大数据教学科研工作缺少“原材料”。
    其实,早在网格计算和云计算兴起时,我国科技工作者就遇到过类似的挑战,我有幸参与了这些问题的解决过程。为了解决网格计算问题,我在清华大学读博期间,于 2001年创办了中国网格信息中转站网站,每天花几个小时收集有价值的资料并分享给学术界,此后我也多次筹办和主持全国性的网格计算学术会议,进行信息传递与知识分享。2002 年


     

    1
    • 商品详情
    • 内容简介

    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