|
|
51CTO旗下网站
|
|
移动端

目录(1)

《智能运维:从0搭建大规模分布式AIOps系统》本书结合大企业的智能运维实践,全面完整地介绍智能运维的技术体系,让读者更加了解运维技术的现状和发展。同时,帮助运维工程师在一定程度上了解机器学习的常见算法模型,以及如何将它们应用到运维工作中。本节为目录。

作者:彭冬/朱伟/刘俊来源:电子工业出版社|2018-11-27 11:56

目录(1)

第1篇 开门见山:运维发展史
第1章 运维现状  2
1.1 运维工程  2
1.1.1 认识运维  2
1.1.2 主要职责  4
1.1.3 运维技术  5
1.2 运维发展历程  6
1.2.1 人工阶段  6
1.2.2 工具和自动化阶段  7
1.2.3 平台化阶段  7
1.2.4 智能运维阶段  8
1.3 运维现状  9
1.3.1 故障频发  9
1.3.2 系统复杂性  10
1.3.3 大数据环境  12
1.4 本章小结  14
1.5 参考文献  14
第2章 智能运维  15
2.1 海量数据的存储、分析和处理  16
2.2 多维度、多数据源  18
2.3 信息过载  19
2.4 复杂业务模型下的故障定位  21
2.5 本章小结  22
2.6 参考文献  22
第2篇 站在巨人肩上:智能运维基础设施
第3章 开源数据采集技术  25
3.1 数据采集工具对比  25
3.2 轻量级采集工具Filebeat  26
3.2.1 Filebeat工作原理  26
3.2.2 Filebeat的安装与配置  28
3.2.3 启动和运行Filebeat  38
3.3 日志采集解析工具  38
3.3.1 Logstash工作原理  39
3.3.2 安装Logstash  40
3.3.3 配置Logstash  41
3.3.4 启动Logstash  49
3.4 本章小结  49
3.5 参考文献  50
第4章 分布式消息队列  51
4.1 开源消息队列对比与分析  51
4.1.1 概述  51
4.1.2 ZeroMQ  51
4.1.3 ActiveMQ  52
4.1.4 RocketMQ  52
4.1.5 Kafka  53
4.2 Kafka的安装与使用  53
4.2.1 组件概念  53
4.2.2 基本特性  53
4.2.3 安装与使用  54
4.2.4 Java API的使用  55
4.3 案例分析  57
4.3.1 日志采集  58
4.3.2 实时结算  58
4.3.3 实时计算  58
4.4 本章小结  58
4.5 参考文献  59
第5章 大数据存储技术  60
5.1 传统数据存储  60
5.1.1 传统应用的架构  60
5.1.2 传统存储的运行机制  61
5.1.3 传统存储带来的问题  62
5.2 基于HDFS的分布式存储  63
5.2.1 分布式存储的定义  63
5.2.2 HDFS的基本原理  64
5.2.3 HDFS架构解析  65
5.2.4 HDFS的优势  66
5.2.5 HDFS不适合的场景  67
5.3 分层存储  68
5.3.1 数据仓库  68
5.3.2 数据仓库分层架构  70
5.3.3 分层存储的好处  73
5.4 案例分析  73
5.4.1 数据存储架构  73
5.4.2 数据仓库建模  74
5.4.3 常见的存储问题及解决方案  80
5.5 本章小结  80
5.6 参考文献  80
第6章 大规模数据离线计算分析  82
6.1 经典的离线计算  82
6.1.1 Linux神级工具sed和awk  82
6.1.2 Python数据处理Pandas基础  84
6.1.3 Python的优势和不足  88
6.2 分布式离线计算  89
6.2.1 MapReduce离线计算  89
6.2.2 离线计算的数据倾斜问题  97
6.2.3 分布式离线计算的技术栈  100
6.3 案例分析  101
6.3.1 离线计算管理  102
6.3.2 离线计算原子控制  103
6.3.3 离线计算的数据质量  103
6.4 本章小结  104
6.5 参考文献  105
第7章 实时计算框架  106
7.1 关于实时流计算  106
7.1.1 如何提高实时流计算的实时性  106
7.1.2 如何提高实时流计算结果的准确性  107
7.1.3 如何提高实时流计算结果的响应速度  107
7.2 Spark Streaming计算框架介绍  107
7.2.1 概述  107
7.2.2 基本概念  108
7.2.3 运行原理  108
7.2.4 编程模型  109
7.2.5 Spark Streaming的使用  110
7.2.6 优化运行时间  114
7.3 Flink计算框架  115
7.3.1 基本概念  116
7.3.2 Flink特点  116
7.3.3 运行原理  118
7.3.4 Java API的使用  121
7.4 案例分析  124
7.4.1 背景介绍  125
7.4.2 架构设计  126
7.4.3 效果分析  126
7.5 本章小结  126
7.6 参考文献  126
第8章 时序数据分析框架  127
8.1 时序数据库简介  127
8.1.1 什么是时序数据库  127
8.1.2 时序数据库的特点  128
8.1.3 时序数据库的对比  130
8.2 时序数据库Graphite  131
8.2.1 Graphite简介  131
8.2.2 Graphite在微博广告监控系统中的应用  137
8.3 多维分析利器Druid  139
8.3.1 什么是Druid  139
8.3.2 Druid架构  140


喜欢的朋友可以添加我们的微信账号:

51CTO读书频道二维码


51CTO读书会第9群:808517103

【责任编辑:book TEL:(010)68476606】

回书目   上一节   下一节
点赞 0
分享:
大家都在看
猜你喜欢

读 书 +更多

黑客入侵的主动防御

本书是一本非常全面地讲述黑客入侵主动防御技术的网络安全工具书。本书的重点是介绍黑客的攻击手段和提供相应的主动防御保护措施,在组织结...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊