本书分12章重点阐述了数据管理的重要性，数据管理面临的挑战，DAMA的数据管理原则，数据伦理，数据治理，数据生命周期管理的规划及设计，数据赋能和数据维护，使用和增强数据，数据保护、隐私、安全和风险管理，元数据管理，数据质量管理，以及现在应该怎么办，能够帮助企业管理层在了解和执行数据管理的过程中不致迷失在技术术语的迷宫之中。本书可供非数据专业人士、企业管理者、数据行业研究者等读者学习和参考。

主要内容 ·大数据技术和Spark概述。 ·通过实例学习DataFrame、SQL、Dataset等Spark的核心API。 ·了解Spark的低级API实现，包括RDD以及SQL和DataFrame的执行过程。 ·了解Spark如何在集群上运行。 ·Spark集群和应用程序的调试、监控、和调优。 ·学习Spark强大的流处理引擎——结构化流处理。 ·学习MLlib并了解如何应用它解决包括分类、推荐，以及其他多种实际问题。

全书共8章，每一章的内容都干货十足： 第1章介首先绍了云原生PaaS平台如何重塑云计算以及它在数字化转型中的作用，然后对OpenShift做了宏观的介绍。 第2章从源代码的角度对OpenShift的设计哲学、架构设计和核心功能模块的实现原理进行了深入剖析。 第3章从工程实践的角度详细讲解了OpenShift集群的部署、运维和管理。 第4章重点讲解了基于OpenShift平台的云原生应用自动构建与部署。 第5章介绍如何在OpenShift上实现云原生DevOps工具链。 第6章主要讲解了Service Mesh技术，以及基于Istio的微服务在OpenShift上的云原生实践。 第7章重点阐述了Serverless技术，以及基于Knative的无服务器应用在OpenShift上的云原生实践。 第8章主要讲解了以Spark为核心的数据科学应用及其在OpenShift上的云原生实践。

全书共18章，分为四个部分：云端选型篇（第1~5章）主要从云平台-云产品-软件技术-系统技术-服务器配置五个方面系统性讲解在云端如何进行运维技术选型和运维架构规划；云端实践篇（第6~13章）是基于云端选型篇，在云端运维架构涉及相关常见技术的重要实践，也是本书中的重点篇幅；云端安全篇（第14~16章）通过黑客常见攻击案例，及结合云端安全防御方案，带您一起走进云端黑客攻防的世界；云端架构篇（第17~18章）结合前面云端选型篇-云端实践篇-云端安全篇相应实践经验，通过一个小型网站逐步演变到千万级架构的案例，讲解如何在云端构建千万级架构。

《云安全实用指南》是一本关于云环境安全防护的实用指南，书中给出了目前在主流云平台上的一些安全实践和设计建议。《云安全实用指南》的特色如下。首先，作者用一个具体的例子串联起了整本的内容，从“一张白纸”开始，带领读者设计了一个部署在公有云上的企业环境，用来对外提供Web服务；然后逐步向其添加安全控制，直至它变成一个安全的企业级环境。接着，在讨论每个安全主题之前，作者都会与传统环境的安全做对比，这不仅让读者对云安全的特点有了深入理解，而且可以为那些正在从传统环境迁移到云环境的从业人员带来更直接的帮助。《云安全实用指南》每章的内容都可作为相应安全主题的非常好的查漏补缺清单。

本书在第1版的基础上，介绍大数据的时代背景及应用方案、常用的离线大数据和流式大数据组件，以及基于云平台的容器级数据平台搭建。书中以离线大数据和流式大数据两个具体示例，贯穿本书的第二、三部分内容，对组件之间的协同工作关系进行剖析。书中的代码部分基本上使用Python编写，用户可以下载参考。如果你是一位在校学生、Python编程爱好者或是想转行从事大数据工作的在职IT人员，阅读本书必有所收获！

《Docker+Kubernetes应用开发与快速上云》第1-7章主要介绍Docker相关内容，从发展简史到基础概念，从市场趋势、应用场景到各环境的安装，从基础操作命令到Docker应用持续开发的工作流程，从主流的编程语言实践到数据库容器化。《Docker+Kubernetes应用开发与快速上云》第8-10章主要讲解Kubernetes的相关内容，从主体架构、核心概念到开发、生产环境搭建以及集群故障处理，从应用部署、伸缩、回滚到应用访问，从云端理念到将应用部署到容器云服务。《Docker+Kubernetes应用开发与快速上云》第11章主要讲解容器化之后的DevOps实践，从DevOps的理念到CI/CD的流程和实践，最后讲述如何使用AzureDevOps、TencentHub以及自建的TeamCity来完成CI/CD，并附有相关参考流程。

-了解对你的应用程序代码进行测控的位置以及对应的测控量级。 -使用标签来区分指标：唯W一的键值对。 -对Grafana这个流行的仪表盘工具进行介绍。 -学习如何使用节点导出器对你的基础设施进行监控。 -使用服务发现为你的机器和服务提供不同的监控视角。 -在Kubernetes中使用Prometheus，并测试你可以在容器中使用的导出器。 -将其他监控系统的数据转换为Prometheus能够识别的格式。

这是一本从原理与实践角度全面讲解InfluxDB的著作，由腾讯监控大数据平台负责人撰写，融入了作者构建千亿级大数据监控平台的工程实践经验。从生态、应用场景、功能使用、源码分析等角度对InfluxDB进行了深入的讲解，包含9个企业级实战案例，100余示例，300余条命令和语法详解，能帮助读者从零开始，彻底吃透InfluxDB的功能和原理，快速晋级为InfluxDB实战专家。 全书一共9章，从结构上分为四个部分： 第一部分 准备篇（第1~2章） 首先，从宏观角度介绍了InfluxDB的发展历程、适应场景、特点、优势以及社区和生态；然后，手把手教读者如何快速在各种环境中搭建InfluxDB生产环境。 第二部分 基础篇（第3~8章） 着重、全面地讲解InfluxDB的核心功能，包括基础操作、连续查询、保留策略、认证授权、集群和可用性、备份管理、节点管理、第三方协议等，并以多个DevOps实战为例，透彻讲解了InfluxDB的原理和实战技巧。 第三部分 实战篇（第9~10章） 分别以基于TICK的DevOps实战和基于InfluxDB、Grafana、Prometheus的DevOps实战为例，讲解了以InfluxDB为核心的企业级监控系统的构建方法。 第四部分 扩展篇（第11章） 着重讲解了InfluxDB的源码编译方法，并采用抛砖引玉的方式，对启动流程、配置模块、HTTP写入和查询流程等进行了源码分析，帮助读者打开探索和研究InfluxDB源码的精彩之门。

· 确定公司可视化流数据的目标。 · 确定关键数据源并了解如何对其进行流式处理。 · 了解处理流数据的实用方法。 · 构建与事件、日志和记录进行交互的客户端应用程序。 · 探索可视化流数据的通用组件。 · 考虑用于开发可视化的分析概念。 · 定义仪表板的布局、流向和组件移动。 · 通过协作提高可视化质量和生产力。 · 探索包括安全性、物联网设备，以及应用程序数据在内的用例。