舉報 
會員
云計算和大數據服務：技術架構、運營管理與智能實踐
最新章節：
后記——行自云起時，更上一層樓
《云計算和大數據服務——技術架構、運營管理與智能實踐》采用理論與實踐相結合的形式，系統闡述云計算和大數據服務的具體實現。云計算和大數據服務戰略的落地，包括技術構建和運營管理、新興的人工智能技術的應用，以及組織能力的建設。針對這一目標，全書分為七部分：云計算技術、大數據及數據智能、服務的技術運營、智能運營、安全技術與管理、服務質量管理和組織能力?！对朴嬎愫痛髷祿铡夹g架構、運營管理與智能實踐》的目的是幫助讀者對這些云計算和大數據的重要專題從基本概念、發展思路到解決方案有一個系統認識。本書具有非常強的可讀性和實踐指導意義，可作為云計算和大數據企業的高層管理人員和技術架構師的參考讀物，也可以作為高校相關專業師生的教學參考用書。
最新章節
- 后記——行自云起時，更上一層樓
- 參考文獻
- 34.10 實踐研究（3）：構建服務導向的客戶服務部門
- 34.9 實踐研究（2）：構建大數據的組織能力
- 34.8 實踐研究（1）：構建高效的技術運營團隊
- 34.7 客服體系的組織架構
品牌：清華大學
上架時間：2023-09-26 15:27:39
出版社：清華大學出版社
本書數字版權由清華大學提供，并由其授權上海閱文信息技術有限公司制作發行
- 后記——行自云起時，更上一層樓 更新時間：2023-09-26 15:58:45
- 參考文獻
- 34.10 實踐研究（3）：構建服務導向的客戶服務部門
- 34.9 實踐研究（2）：構建大數據的組織能力
- 34.8 實踐研究（1）：構建高效的技術運營團隊
- 34.7 客服體系的組織架構
- 34.6 技術體系的組織架構
- 34.5 員工治理
- 34.4 員工的思維模式
- 34.3 員工能力
- 34.2 云計算服務公司面臨的挑戰
- 34.1 組織能力概述
- 第34章 組織能力的構建與發
- 開篇
- 第7部分 組織能力
- 33.9 服務質量管理方案的選擇
- 33.8 實踐討論（2）：服務質量管理如何獲得管理層的支持
- 33.7 實踐討論（1）：如何保證服務質量改進的持續性
- 33.6 GMAI服務質量管理：服務改進的持續
- 33.5 GMAI服務質量管理：服務改進的框架
- 33.4 對服務質量管理的探索：GMAI方法及其要點
- 33.3 云服務運營中質量管理所面臨的挑戰
- 33.2 經典的服務質量管理方法
- 33.1 服務質量管理的目的
- 第33章 服務運營的質量管理
- 32.5 云服務的驗證
- 32.4 需求評審和設計評審
- 32.3 云服務平臺的特有質量訴求
- 32.2 質量保證過程
- 32.1 服務質量保證的基本原理
- 第32章 云服務的質量工程
- 第6部分 服務質量管理
- 31.6 本章小結
- 31.5 案例研究：在線金融服務商的合規實踐
- 31.4 合規工作中的難點和解決思路
- 31.3 IT合規實踐
- 31.2 信息化合規規劃
- 31.1 IT合規概述
- 第31章 云計算的合規性
- 30.5 本章小結
- 30.4 案例：金融業的電子支付運營安全
- 30.3 隱私保護
- 30.2 云計算安全治理操作
- 30.1 組織架構與過程模型
- 第30章 云計算安全治理
- 29.4 本章小結
- 29.3 案例研究：桌面云服務安全部署方案
- 29.2 SaaS應用安全保護機制
- 29.1 SaaS服務安全風險
- 第29章 SaaS服務安全
- 28.5 本章小結
- 28.4 PaaS服務用戶安全檢查清單
- 28.3 PaaS服務用戶需重點關注的安全問題
- 28.2 IaaS服務用戶安全檢查清單
- 28.1 IaaS服務用戶需重點關注的安全問題
- 第28章 IaaS和PaaS服務安全
- 27.5 本章小結
- 27.4 案例分析：政務云的數據安全設施
- 27.3 數據安全保護機制
- 27.2 服務提供商面臨的數據安全風險及挑戰
- 27.1 云計算環境下數據安全綜述
- 第27章 云計算數據安全
- 26.3 本章小結
- 26.2 云計算基礎設施的安全保護機制
- 26.1 云計算基礎設施面臨的安全風險
- 第26章 云計算基礎設施安全
- 25.4 本章小結
- 25.3 云計算安全職責劃分
- 25.2 云計算模型與安全架構模型間的映射關系
- 25.1 云計算安全體系架構
- 第25章 云計算安全架構
- 24.4 本章小結
- 24.3 國內外云計算安全相關的標準化組織及其研究成果
- 24.2 云計算安全的挑戰和研究現狀
- 24.1 概述
- 第24章 云計算安全概述
- 第5部分 安全技術與管理
- 23.4 案例研究：蘇寧金融的智能運維實踐
- 23.3 實踐討論
- 23.2 建立基礎：數據先行
- 23.1 AIOps企業實施戰略
- 第23章 AIOps的落地：企業實施
- 22.8 數據重視和增量學習
- 22.7 實踐討論：異常檢測場景中的算法選擇思路
- 22.6 故障預測
- 22.5 異常定位
- 22.4 異常檢測與容量預測
- 22.3 瓶頸分析
- 22.2 KPI聚類
- 22.1 AIOps適用場景和算法策略
- 第22章 AIOps中的算法基礎
- 21.7 本章小結
- 21.6 場景討論：運維報警風暴的處理
- 21.5 AIOps為工廠運營管理賦能
- 21.4 機器學習介紹
- 21.3 AIOps的技術棧
- 21.2 AIOps發展歷史：從ITOA到AIOps
- 21.1 數據能力的新階段：AIOps
- 第21章 數據能力———智能運營（AIOps）介紹
- 開篇
- 第4部分 智能運營（AIOps）
- 20.10 案例研究：蘇寧金融容量管理的技術解決方案
- 20.9 成功因素和風險
- 20.8 容量管理的衡量指標
- 20.7 建模的數學方法
- 20.6 容量規劃的關鍵：建模
- 20.5 性能管理
- 20.4 容量規劃
- 20.3 云服務容量管理的挑戰和要點
- 20.2 ITIL的容量管理方法介紹
- 20.1 容量管理的目的
- 第20章 容量管理
- 19.7 案例研究（2）：復雜環境下變更管理流程的設計
- 19.6 案例研究（1）：變更管理實施中所發現的運營問題和改進
- 19.5 實踐中的難點
- 19.4 實踐中的要點
- 19.3 云服務運營中的挑戰
- 19.2 變更管理的原理
- 19.1 變更管理介紹
- 第19章 變更管理
- 18.8 案例分析：從技術和管理的雙維角度剖析事故
- 18.7 實踐（2）：對管理者的建議
- 18.6 實踐（1）：事故管理流程的設計
- 18.5 問題管理
- 18.4 事故管理
- 18.3 事件管理和生產線監控
- 18.2 服務運營的整體思路
- 18.1 7×24小時生產線運營的挑戰
- 第18章 事件、事故和問題管理三流程
- 17.9 本章小結
- 17.8 案例的延伸討論：主動式和被動式的運營管理
- 17.7 案例研究：運營管理流程的推廣與改進
- 17.6 運營管理的成熟度：五重境界
- 17.5 管理流程面對的挑戰
- 17.4 日常的運營管理
- 17.3 以服務為核心的運營管理流程
- 17.2 經典的運營管理框架
- 17.1 7×24小時服務運營的管理目標
- 第17章 7×24小時服務的運營管理綜述
- 16.8 本章小結
- 16.7 人工智能在自動化中的應用
- 16.6 運維自動化的深入：引入控制理論
- 16.5 自動化的風險及控制
- 16.4 自動化工具
- 16.3 自動化等級
- 16.2 自動化運維的一般過程
- 16.1 自動化理論
- 第16章 服務運營的自動化
- 15.6 案例研究——基礎設施層監控
- 15.5 服務層監控
- 15.4 應用層監控
- 15.3 基礎設施層的監控
- 15.2 監控體系架構
- 15.1 服務監控概述
- 第15章 服務運營的監控體系
- 14.6 本章小結
- 14.5 案例研究：云服務提供商思科WebEx的災備系統
- 14.4 災備方案的成本效率
- 14.3 災備系統架構
- 14.2 云計算的業務連續性方案概述
- 14.1 云服務業務連續性及其挑戰
- 第14章 服務的業務連續性
- 13.6 實踐和討論
- 13.5 服務支持結構：團隊和知識
- 13.4 生產設計（2）：上線期間的任務
- 13.3 生產設計（1）：工程開發期間的任務
- 13.2 生產設計方法
- 13.1 生產設計的目的
- 第13章 服務的生產設計
- 12.7 雙維模型、DevOps與SRE的指導意義和應用
- 12.6 服務可靠性工程
- 12.5 DevOps方法論
- 12.4 技術運營的雙維模型
- 12.3 云服務技術運營的目標
- 12.2 云服務的技術運營
- 12.1 技術運營的基本概念
- 第12章 服務的技術運營綜述
- 第3部分 服務的技術運營
- 11.4 實踐中的經驗教訓
- 11.3 案例研究：大數據運營場景及系統實施
- 11.2 實施規劃
- 11.1 企業實施大數據戰略面臨的挑戰
- 第11章 企業大數據實施策略
- 10.2 架構選擇
- 10.1 分析系統架構設計
- 第10章 大數據分析系統技術
- 9.4 實踐討論：大數據存儲的建模
- 9.3 大數據生態的發展態勢
- 9.2 大數據開源體系各部分介紹
- 9.1 大數據基礎技術系統組成
- 第9章 大數據技術和平臺
- 8.3 數據中臺策略
- 8.2 數據智能體系要求
- 8.1 數據業務的構建過程
- 第8章 數據智能平臺構建策略
- 7.6 數據智能
- 7.5 大數據業務成熟度模型
- 7.4 蜜蜂效應：數據的選擇價值
- 7.3 第四范式：問題解決的新模式
- 7.2 4V＋1O特征模型：大數據特征
- 7.1 大數據概念的提出和演進
- 第7章 大數據理論及相關模型
- 開篇
- 第2部分 大數據與數據智能
- 6.8 案例分析：SMS推送平臺的微服務化
- 6.7 微服務的實施要點
- 6.6 微服務的優缺點
- 6.5 微服務的構成要素
- 6.4 微服務和SOA的關系
- 6.3 微服務的發展簡史
- 6.2 微服務的定義
- 6.1 微服務與云計算
- 第6章 云服務的應用層技術：微服務
- 5.8 案例研究：SaaS的構建、演進、成果與教訓
- 5.7 平臺的實施要點和挑戰
- 5.6 云管理平臺
- 5.5 CaaS
- 5.4 SaaS
- 5.3 PaaS
- 5.2 IaaS
- 5.1 平臺技術的發展
- 第5章 云服務的平臺技術：IaaS、PaaS和SaaS
- 4.11 本章小結
- 4.10 研究分析：虛擬化技術的發展趨勢
- 4.9 虛擬化與數據中心
- 4.8 虛擬化對云計算的推動
- 4.7 市場主流虛擬化技術對比
- 4.6 其他虛擬化技術
- 4.5 容器的虛擬化
- 4.4 網絡虛擬化
- 4.3 系統虛擬化
- 4.2 虛擬化技術分類
- 4.1 虛擬化技術的發展歷史
- 第4章 云服務的技術基礎：虛擬化
- 3.9 本章小結
- 3.8 案例分析
- 3.7 構建高可管理性云計算平臺
- 3.6 構建高可配置性
- 3.5 構建高伸縮性
- 3.4 構建高性能
- 3.3 構建高可靠性
- 3.2 云服務架構
- 3.1 7×24小時云服務的挑戰
- 第3章 云計算的技術框架：面向服務的架
- 2.3 云服務對技術團隊帶來的挑戰
- 2.2 云服務的技術結構
- 2.1 云計算的技術發展回顧
- 第2章 云計算計算綜合
- 開篇
- 第1部分 云計算技術
- 1.7 智能實踐
- 1.6 技術運營：從技術升級到服務的實現關鍵
- 1.5 大數據和數據智能的技術與服務
- 1.4 云計算技術與服務
- 1.3 本書的章節結構
- 1.2 本書的框架結構
- 1.1 本書的框架思路：云計算和大數據服務實現的四要素
- 第1章 綜述
- 前言 PREFACE
- 推薦序3
- 推薦序2
- 推薦序1——乘云以致遠，馭數以明智
- 本書各章作者
- 作者簡介
- 內容簡介
- 版權信息
- 封面
- 封面
- 版權信息
- 內容簡介
- 作者簡介
- 本書各章作者
- 推薦序1——乘云以致遠，馭數以明智
- 推薦序2
- 推薦序3
- 前言 PREFACE
- 第1章 綜述
- 1.1 本書的框架思路：云計算和大數據服務實現的四要素
- 1.2 本書的框架結構
- 1.3 本書的章節結構
- 1.4 云計算技術與服務
- 1.5 大數據和數據智能的技術與服務
- 1.6 技術運營：從技術升級到服務的實現關鍵
- 1.7 智能實踐
- 第1部分 云計算技術
- 開篇
- 第2章 云計算計算綜合
- 2.1 云計算的技術發展回顧
- 2.2 云服務的技術結構
- 2.3 云服務對技術團隊帶來的挑戰
- 第3章 云計算的技術框架：面向服務的架
- 3.1 7×24小時云服務的挑戰
- 3.2 云服務架構
- 3.3 構建高可靠性
- 3.4 構建高性能
- 3.5 構建高伸縮性
- 3.6 構建高可配置性
- 3.7 構建高可管理性云計算平臺
- 3.8 案例分析
- 3.9 本章小結
- 第4章 云服務的技術基礎：虛擬化
- 4.1 虛擬化技術的發展歷史
- 4.2 虛擬化技術分類
- 4.3 系統虛擬化
- 4.4 網絡虛擬化
- 4.5 容器的虛擬化
- 4.6 其他虛擬化技術
- 4.7 市場主流虛擬化技術對比
- 4.8 虛擬化對云計算的推動
- 4.9 虛擬化與數據中心
- 4.10 研究分析：虛擬化技術的發展趨勢
- 4.11 本章小結
- 第5章 云服務的平臺技術：IaaS、PaaS和SaaS
- 5.1 平臺技術的發展
- 5.2 IaaS
- 5.3 PaaS
- 5.4 SaaS
- 5.5 CaaS
- 5.6 云管理平臺
- 5.7 平臺的實施要點和挑戰
- 5.8 案例研究：SaaS的構建、演進、成果與教訓
- 第6章 云服務的應用層技術：微服務
- 6.1 微服務與云計算
- 6.2 微服務的定義
- 6.3 微服務的發展簡史
- 6.4 微服務和SOA的關系
- 6.5 微服務的構成要素
- 6.6 微服務的優缺點
- 6.7 微服務的實施要點
- 6.8 案例分析：SMS推送平臺的微服務化
- 第2部分 大數據與數據智能
- 開篇
- 第7章 大數據理論及相關模型
- 7.1 大數據概念的提出和演進
- 7.2 4V＋1O特征模型：大數據特征
- 7.3 第四范式：問題解決的新模式
- 7.4 蜜蜂效應：數據的選擇價值
- 7.5 大數據業務成熟度模型
- 7.6 數據智能
- 第8章 數據智能平臺構建策略
- 8.1 數據業務的構建過程
- 8.2 數據智能體系要求
- 8.3 數據中臺策略
- 第9章 大數據技術和平臺
- 9.1 大數據基礎技術系統組成
- 9.2 大數據開源體系各部分介紹
- 9.3 大數據生態的發展態勢
- 9.4 實踐討論：大數據存儲的建模
- 第10章 大數據分析系統技術
- 10.1 分析系統架構設計
- 10.2 架構選擇
- 第11章 企業大數據實施策略
- 11.1 企業實施大數據戰略面臨的挑戰
- 11.2 實施規劃
- 11.3 案例研究：大數據運營場景及系統實施
- 11.4 實踐中的經驗教訓
- 第3部分 服務的技術運營
- 第12章 服務的技術運營綜述
- 12.1 技術運營的基本概念
- 12.2 云服務的技術運營
- 12.3 云服務技術運營的目標
- 12.4 技術運營的雙維模型
- 12.5 DevOps方法論
- 12.6 服務可靠性工程
- 12.7 雙維模型、DevOps與SRE的指導意義和應用
- 第13章 服務的生產設計
- 13.1 生產設計的目的
- 13.2 生產設計方法
- 13.3 生產設計（1）：工程開發期間的任務
- 13.4 生產設計（2）：上線期間的任務
- 13.5 服務支持結構：團隊和知識
- 13.6 實踐和討論
- 第14章 服務的業務連續性
- 14.1 云服務業務連續性及其挑戰
- 14.2 云計算的業務連續性方案概述
- 14.3 災備系統架構
- 14.4 災備方案的成本效率
- 14.5 案例研究：云服務提供商思科WebEx的災備系統
- 14.6 本章小結
- 第15章 服務運營的監控體系
- 15.1 服務監控概述
- 15.2 監控體系架構
- 15.3 基礎設施層的監控
- 15.4 應用層監控
- 15.5 服務層監控
- 15.6 案例研究——基礎設施層監控
- 第16章 服務運營的自動化
- 16.1 自動化理論
- 16.2 自動化運維的一般過程
- 16.3 自動化等級
- 16.4 自動化工具
- 16.5 自動化的風險及控制
- 16.6 運維自動化的深入：引入控制理論
- 16.7 人工智能在自動化中的應用
- 16.8 本章小結
- 第17章 7×24小時服務的運營管理綜述
- 17.1 7×24小時服務運營的管理目標
- 17.2 經典的運營管理框架
- 17.3 以服務為核心的運營管理流程
- 17.4 日常的運營管理
- 17.5 管理流程面對的挑戰
- 17.6 運營管理的成熟度：五重境界
- 17.7 案例研究：運營管理流程的推廣與改進
- 17.8 案例的延伸討論：主動式和被動式的運營管理
- 17.9 本章小結
- 第18章 事件、事故和問題管理三流程
- 18.1 7×24小時生產線運營的挑戰
- 18.2 服務運營的整體思路
- 18.3 事件管理和生產線監控
- 18.4 事故管理
- 18.5 問題管理
- 18.6 實踐（1）：事故管理流程的設計
- 18.7 實踐（2）：對管理者的建議
- 18.8 案例分析：從技術和管理的雙維角度剖析事故
- 第19章 變更管理
- 19.1 變更管理介紹
- 19.2 變更管理的原理
- 19.3 云服務運營中的挑戰
- 19.4 實踐中的要點
- 19.5 實踐中的難點
- 19.6 案例研究（1）：變更管理實施中所發現的運營問題和改進
- 19.7 案例研究（2）：復雜環境下變更管理流程的設計
- 第20章 容量管理
- 20.1 容量管理的目的
- 20.2 ITIL的容量管理方法介紹
- 20.3 云服務容量管理的挑戰和要點
- 20.4 容量規劃
- 20.5 性能管理
- 20.6 容量規劃的關鍵：建模
- 20.7 建模的數學方法
- 20.8 容量管理的衡量指標
- 20.9 成功因素和風險
- 20.10 案例研究：蘇寧金融容量管理的技術解決方案
- 第4部分 智能運營（AIOps）
- 開篇
- 第21章 數據能力———智能運營（AIOps）介紹
- 21.1 數據能力的新階段：AIOps
- 21.2 AIOps發展歷史：從ITOA到AIOps
- 21.3 AIOps的技術棧
- 21.4 機器學習介紹
- 21.5 AIOps為工廠運營管理賦能
- 21.6 場景討論：運維報警風暴的處理
- 21.7 本章小結
- 第22章 AIOps中的算法基礎
- 22.1 AIOps適用場景和算法策略
- 22.2 KPI聚類
- 22.3 瓶頸分析
- 22.4 異常檢測與容量預測
- 22.5 異常定位
- 22.6 故障預測
- 22.7 實踐討論：異常檢測場景中的算法選擇思路
- 22.8 數據重視和增量學習
- 第23章 AIOps的落地：企業實施
- 23.1 AIOps企業實施戰略
- 23.2 建立基礎：數據先行
- 23.3 實踐討論
- 23.4 案例研究：蘇寧金融的智能運維實踐
- 第5部分 安全技術與管理
- 第24章 云計算安全概述
- 24.1 概述
- 24.2 云計算安全的挑戰和研究現狀
- 24.3 國內外云計算安全相關的標準化組織及其研究成果
- 24.4 本章小結
- 第25章 云計算安全架構
- 25.1 云計算安全體系架構
- 25.2 云計算模型與安全架構模型間的映射關系
- 25.3 云計算安全職責劃分
- 25.4 本章小結
- 第26章 云計算基礎設施安全
- 26.1 云計算基礎設施面臨的安全風險
- 26.2 云計算基礎設施的安全保護機制
- 26.3 本章小結
- 第27章 云計算數據安全
- 27.1 云計算環境下數據安全綜述
- 27.2 服務提供商面臨的數據安全風險及挑戰
- 27.3 數據安全保護機制
- 27.4 案例分析：政務云的數據安全設施
- 27.5 本章小結
- 第28章 IaaS和PaaS服務安全
- 28.1 IaaS服務用戶需重點關注的安全問題
- 28.2 IaaS服務用戶安全檢查清單
- 28.3 PaaS服務用戶需重點關注的安全問題
- 28.4 PaaS服務用戶安全檢查清單
- 28.5 本章小結
- 第29章 SaaS服務安全
- 29.1 SaaS服務安全風險
- 29.2 SaaS應用安全保護機制
- 29.3 案例研究：桌面云服務安全部署方案
- 29.4 本章小結
- 第30章 云計算安全治理
- 30.1 組織架構與過程模型
- 30.2 云計算安全治理操作
- 30.3 隱私保護
- 30.4 案例：金融業的電子支付運營安全
- 30.5 本章小結
- 第31章 云計算的合規性
- 31.1 IT合規概述
- 31.2 信息化合規規劃
- 31.3 IT合規實踐
- 31.4 合規工作中的難點和解決思路
- 31.5 案例研究：在線金融服務商的合規實踐
- 31.6 本章小結
- 第6部分 服務質量管理
- 第32章 云服務的質量工程
- 32.1 服務質量保證的基本原理
- 32.2 質量保證過程
- 32.3 云服務平臺的特有質量訴求
- 32.4 需求評審和設計評審
- 32.5 云服務的驗證
- 第33章 服務運營的質量管理
- 33.1 服務質量管理的目的
- 33.2 經典的服務質量管理方法
- 33.3 云服務運營中質量管理所面臨的挑戰
- 33.4 對服務質量管理的探索：GMAI方法及其要點
- 33.5 GMAI服務質量管理：服務改進的框架
- 33.6 GMAI服務質量管理：服務改進的持續
- 33.7 實踐討論（1）：如何保證服務質量改進的持續性
- 33.8 實踐討論（2）：服務質量管理如何獲得管理層的支持
- 33.9 服務質量管理方案的選擇
- 第7部分 組織能力
- 開篇
- 第34章 組織能力的構建與發
- 34.1 組織能力概述
- 34.2 云計算服務公司面臨的挑戰
- 34.3 員工能力
- 34.4 員工的思維模式
- 34.5 員工治理
- 34.6 技術體系的組織架構
- 34.7 客服體系的組織架構
- 34.8 實踐研究（1）：構建高效的技術運營團隊
- 34.9 實踐研究（2）：構建大數據的組織能力
- 34.10 實踐研究（3）：構建服務導向的客戶服務部門
- 參考文獻
- 后記——行自云起時，更上一層樓 更新時間：2023-09-26 15:58:45
