内容简介这是一本关于云原生网关Traefik的标准参考和实战指南，它从功能特性、工作原理、架构设计、性能优化、项目实战、源码分析等多个维度对Traefik进行了全面的讲解，几乎覆盖从入门到进阶过程中的所有问题，通俗易懂、图文并茂、案例丰富。本书内容源于作者在大量云原生项目改造中的经验总结，得到了Google、华为等国内外头部科技公司技术专家的推荐和Traefik Labs 社区的多位PMC好评。读完本书，你将了解或掌握以下知识：？云原生的发展历程、架构模式、技术栈以及发展方向；？云原生网关的技术生态和技术选型？Traefik的安装、配置、基本特性？Traefik的架构设计、工作原理，以及升级、迁移和高可用性？Traefik中间件、Traefik Mesh、Traefik Hub、Traefik Operator编排等高级特性？Traefik的插件开发、可观测性实践和性能优化等高阶实践？Traefik在实际项目中的使用和最佳实践？Traefik核心功能组件的源码分析

随着社交网络等新型应用的兴起和云计算等新技术的快速发展，人类获取数据的规模正以前所未有的速度增长，数据中包含了大量有价值的信息，能够有效助力社会、经济、科技的发展，因此数据管理与分析方面的研究工作倍受关注。本书针对该领域的研究热点和前沿技术进行了深入浅出的介绍，包括图数据、云数据库系统、时空数据、数据质量、数据库智能化等，帮助读者构建宏观视野，把握领域前沿。本书适合数据管理与分析等相关领域的科研人员、年轻教师、研究生，以及从事相关工作的人员阅读。

本书介绍了数据工程生命周期，并展示如何组合运用各种云技术来满足下游数据消费者的需求。本书分为三部分：第一部分介绍了数据工程的定义、数据工程的生命周期、合理的架构设计和帮助技术选型的框架；第二部分深入介绍了数据工程生命周期的每个阶段——数据生成、存储、获取、转换和服务；第三部分讨论了数据工程的重要部分——安全和隐私。附录还介绍了与处理数据文件和评估数据系统的性能有关的序列化和压缩，以及云网络。本书适合软件工程师、数据科学家、数据工程师和数据分析师等相关技术人员阅读。

本书是数据治理领域公认的标准性著作，能为各种类型企业和机构的数据治理提供全面指导。用友集团官方出品，得到了用友集团董事长王文京、DAMA中国区主席汪广盛等9位企业界和学术界数字化专家的一致好评，同时也被中国数据要素高层次人才发展大会（DGBOK）作为指定教材。它基于国际主流的数据治理框架和用友多年的数据治理经验，从道、法、术、器4个维度全面、深入展开，不仅有数据治理在战略层面的顶层设计，还有数据治理在执行层面的实施方法，既可以作为数据治理的纲领性指南，又可作为数据治理的实操手册。从数据治理的战略规划到落地实施，本书将各环节的核心内容凝练为“3 个战略机制、8 项关键举措、7 种技术能力、7 个治理工具”：数据治理之道：3个战略机制高屋建瓴地介绍了数据治理的数据战略、组织机制和数据文化。这3个机制能够帮助企业形成数据治理的自我驱动、自我进化、可持续发展和长效运营机制。数据治理之法：8项关键举措重点讲解了数据治理的8项举措：理现状与定目标、能力成熟度评估、路线图规划、保障体系建设、技术体系建设、策略执行与监控、绩效考核、长效运营。这8项举措构成了企业数据治理的完整实施方法论。数据治理之术：7种技术能力重点讲解了数据治理的7种能力：数据梳理与建模、元数据管理、数据标准管理、主数据管理、数据质量管理、数据安全治理、数据集成与共享。数据治理之器：7个治理工具从功能角度讲解了数据治理所用到的7个工具：数据模型管理工具、元数据管理工具、数据标准管理工具、主数据管理工具、数据质量管理工具、数据安全治理工具、数据集成与共享工具。除此之外，本书还包括两个综合的数据治理案例，以及数据治理的6项准备工作和6个误区。

这是一本能指导企业在数字化转型和数据要素时代通过数据架构用好数据、管好数据、充分发挥数据价值的著作。从0到1讲解了数据架构的技术栈、方法论与落地实践，揭示了数据架构的底层逻辑，总结了数据架构的核心要素和架构模型，阐述了数据治理、数据资产管理以及数据平台的搭建等全方位的内容，是作者10余年数据工作经验的总结。本书主要分为五部分：第一部分：架构基础，对企业架构的组成要素以及流行的企业架构框架进行了总览性质的介绍，数据架构是重点；第二部分：数据架构基础，详细讲解了数据架构的组成、数据存储、数据调度与消息传输、Lambda架构和Kappa架构以及数据架构的辅助资源组件；第三部分：数据架构模型，首先介绍了企业内部数据区的划分与内部数据的流向，然后讲解了数据模型的建模策略、步骤和方法，以及维度建模的详细内容；第四部分：数据管理，讲解了数据架构的核心内容，包括元数据管理、数据质量管理、数据标准管理、数据治理和数据资产管理等的方法和实践；第五部分：数据架构实践，通过离线计算和实时计算两大场景中的综合案例，对前面的内容进行了融合，手把手教读者进行数据架构实践。本书内容通俗易懂，注重实践，不仅浓缩了作者在日常工作中的思考、解决问题的思路，还融入了该领域优秀同行的经验和实践，相信对读者会有一些帮助。

内容提要：随着数据采集技术以及存储技术的不断进步，现代科学研究和实践中需要处理和分析的数据已经从单一来源向多个来源转变。在医学研究、生物信息、市场研究、金融风险管理、气象环境科学等诸多重要领域，多源数据的现象普遍存在，在带来巨大机遇的同时也给统计分析建模带来了全新的挑战。针对这一国际前沿问题，本书主要介绍作者最近几年在两大方面的主要工作：一是多源碎片化数据的建模和预测，二是有效利用多源外部数据的统计推断。读者对象：统计及其相关专业的本科生、研究生，相关领域的科研工作人员。

在《“十四五”智能制造发展规划》中，我国明确将智能制造作为建设制造强国的主攻方向，并认识到其发展水平对我国制造业的质量和竞争力具有直接影响。在这一背景下，本书依托国家重点研发计划项目“制造企业数据空间设计理论与方法”，致力于研究制造企业的数据空间设计理论和方法。项目取得了在数据空间管理引擎、基于数据空间的归因推断、知识发掘、学习决策技术和数据空间原型系统构建等方面的科研成果。目标是构建一套完整的数据空间管理体系，包括因果推断、知识发掘、学习决策和智能服务等软件构件，为制造企业实现全流程的可控性和信息共享提供支持。本书的专业性和实用性较强，可为企业的信息技术专业人员和技术架构师、数据管理人员或是从事于数据管理和数据分析领域的专业人士提供参考。也适用于学术界的研究人员和学生参考学习。

数据库技术自从上世纪60年代诞生以来，经历了网状数据库、层次数据库等发展阶段，zui终在80年代确立了关系数据库技术的主导地位。关系数据库技术经过几十年的发展，在各行各业都取得了巨大的成功。但是，进入21世纪后，随着互联网、物联网、云计算等技术的快速发展，传统的关系数据库技术由于在可扩展性、灵活性等方面存在的不足，难以支持层出不穷的新型应用。在此背景下，键值数据库、文档数据库、列存储数据库、图数据库等新型数据库技术因运而生。本书与现有的介绍关系数据库技术为主的书籍不同，重点介绍当前数据库领域中出现的各类新型数据库系统的概念、基础理论、关键技术以及典型应用。在理论方面，本书除了介绍各类新型数据库系统中基本的理论和原理之外，还将侧重于对这些理论的研究背景和动机进行讨论，使读者能够了解新型数据库系统在设计上的先进性，并通过与成熟的关系数据库技术的对比，明了新型数据库技术的应用方向以及存在的局限性。在应用方面，本书将侧重与实际软件工程相结合，通过实际的应用示例介绍各类新型数据库系统在实际应用中的使用方法和流程，使读者能够真正做到学以致用。

很多企业尤其是制造企业越来越重视预测与决策方面的智能化和精准度，这使得企业对数据个性化、多样化的需求日趋强烈。本书正是基于这样的需求，提出随需而变的数据空间引擎设计方法，探讨智能数据服务、安全及应用优化等方面的问题、技术与方法。全书共分5章，分别介绍数据空间引擎设计与管理系统架构、海量异构数据集成方法与技术、智能数据服务方法、智能制造领域数字孪生技术，以及多维度安全与隐私保障体系构建。 本书内容结合理论与实践场景，适合异构数据集成服务、数据空间技术及数字孪生技术的研发人员及对此感兴趣的读者阅读，也适合作为各类院校相关专业师生的参考书

数据治理是一门实践中的学问。本书轻理论、重实践，是一份实用的数据治理指南，涉及数据治理组织、管理制度、流程规范、数据标准管理、数据质量管理、元数据管理、主数据管理、数据安全与隐私等主题。全书共分为3篇，第一篇包含第1章和第2章，介绍数据治理的理论与方法；第二篇包含第3章至第6章，介绍数据治理的平台建设与工具；第三篇包含第7章至第9章，介绍不同场景下的数据治理案例，通过案例场景细节解读和工作步骤阐述，帮助读者将数据治理理论转化为切实可行的解决方案和行动策略。本书适合数据管理专家、企业决策者、数据治理从业者，以及对数据治理感兴趣的人士阅读。