4.7
用户推荐指数
科技 类型
6.3 豆瓣评分
可以朗读 语音朗读
415千字 字数
2017-11-01 发行日期
展开全部

主编推荐语

数十位一线架构师的实践与经验，全是干货。

内容简介

本书由数十位一线架构师的实践与经验凝结而成，选材兼顾技术性、前瞻性与专业深度。各技术焦点，均由极具代表性的领域专家或实践先行者撰文深度剖析，共同组成“高可用”的全局视野与领先高度，内容包括精华案例、分布式原理、电商架构等热门专题，及云计算、容器、运维、大数据、安全等重点方向。不仅架构师可以从中受益，其他IT、互联网技术从业者同样可以得到提升。

目录

  • 版权信息
  • 内容简介
  • 推荐序1 技术没有高低
  • 推荐序2
  • 推荐序3
  • 推荐序4
  • 前言
  • 第1章 高可用架构案例精选
  • 1.1 Twitter高性能分布式日志系统架构解析
  • 1.1.1 为什么需要分布式日志
  • 1.1.2 Twitter如何考虑这个问题
  • 1.1.3 基于Apache BookKeeper构建DistributeLog
  • 1.1.4 DistributeLog案例分享
  • 1.1.5 疑问与解惑
  • 1.2 腾讯基于用户画像大数据的电商防刷架构
  • 1.2.1 背景介绍
  • 1.2.2 黑产现状介绍
  • 1.2.3 腾讯内部防刷架构
  • 1.2.4 腾讯大数据收集维度
  • 1.2.5 腾讯大数据处理平台——魔方
  • 1.2.6 疑问与解惑
  • 1.3 如何设计类似微信的多终端数据同步协议：Grouk实践分享
  • 1.3.1 移动互联网时代多终端数据同步面临的挑战
  • 1.3.2 多终端数据同步与传统消息投递协议的差异
  • 1.3.3 Grouk在多终端数据同步协议上的探索实践
  • 1.3.4 疑问与解惑
  • 1.4 如何实现支持数亿用户的长连消息系统：Golang高并发案例
  • 1.4.1 关于push系统对比与性能指标的讨论
  • 1.4.2 消息系统架构介绍
  • 1.4.3 哪些因素能影响推送系统
  • 1.4.4 GO语言开发问题与解决方案
  • 1.4.5 消息系统的运维及测试
  • 1.4.6 疑问与解惑
  • 1.5 雪球在股市风暴下的高可用架构改造分享
  • 1.5.1 雪球公司的介绍
  • 1.5.2 雪球当前总体架构
  • 1.5.3 雪球架构优化历程
  • 1.5.4 关于架构优化的总结和感想
  • 1.5.5 疑问与解惑
  • 1.6 亿级短视频社交美拍架构实战
  • 1.6.1 短视频市场的发展
  • 1.6.2 美拍的发展
  • 1.6.3 短视频所面临的架构问题
  • 1.6.4 为支持亿级用户，美拍架构所做的一些改进
  • 1.6.5 后续发展
  • 1.7 微博“异地多活”部署经验谈
  • 1.7.1 微博异地多活建设历程
  • 1.7.2 微博异地多活面临的挑战
  • 1.7.3 异地多活的最佳实践
  • 1.7.4 异地多活的新方向
  • 1.8 来自Google的高可用架构理念与实践
  • 1.8.1 决定可用性的两大因素
  • 1.8.2 高可用性方案
  • 1.8.3 可用性7级图表
  • 1.8.4 疑问与解惑
  • 1.9 深入理解同步／异步与阻塞／非阻塞区别
  • 1.9.1 同步与异步
  • 1.9.2 阻塞与非阻塞
  • 1.9.3 与多路复用I/O的联系
  • 第2章 高可用架构原理与分布式实践
  • 2.1 Codis作者细说分布式Redis架构设计
  • 2.1.1 Redis、Redis Cluster和Codis
  • 2.1.2 我们更爱一致性
  • 2.1.3 Codis在生产环境中的使用经验和坑
  • 2.1.4 分布式数据库和分布式架构
  • 2.1.5 疑问与解惑
  • 2.2 给你介绍一个不一样的硅谷
  • 2.2.1 Uber
  • 2.2.2 Coursera
  • 2.2.3 Airbnb
  • 2.2.4 硅谷行带给我的一些影响
  • 2.2.5 疑问与解惑
  • 2.3 解耦的艺术——大型互联网业务系统的插件化改造
  • 2.3.1 插件化
  • 2.3.2 如何处理用户交互
  • 2.3.3 如何处理数据
  • 2.3.4 总结
  • 2.4 从零开始搭建高可用IM系统
  • 2.4.1 什么是IM
  • 2.4.2 协议设计
  • 2.4.3 Web聊天室
  • 2.4.4 IM典型业务场景
  • 2.4.5 疑问与解惑
  • 2.5 360分布式存储系统Bada的架构设计和应用
  • 2.5.1 主要应用场景
  • 2.5.2 整体架构
  • 2.5.3 主要模块
  • 2.5.4 数据分布策略
  • 2.5.5 请求流程
  • 2.5.6 多机房架构
  • 2.5.7 FAQ
  • 2.5.8 疑问与解惑
  • 2.6 新一代分布式任务调度框架：当当Elastic-Job开源项目的10项特性
  • 2.6.1 为什么需要作业（定时任务）
  • 2.6.2 当当之前使用的作业系统
  • 2.6.3 Elastic-Job的来历
  • 2.6.4 Elastic-Job包含的功能
  • 2.6.5 Elastic-Job的部署和使用
  • 2.6.6 对开源产品的开发理念
  • 2.6.7 未来展望
  • 2.6.8 疑问与解惑
  • 2.7 互联网DSP广告系统架构及关键技术解析
  • 2.7.1 优秀DSP系统的特点
  • 2.7.2 程序化购买的特点
  • 2.7.3 在线广告的核心问题
  • 2.7.4 在线广告的挑战
  • 2.7.5 DSP系统架构
  • 2.7.6 RTB投放引擎的架构
  • 2.7.7 DMP
  • 2.7.8 广告系统DMP数据处理的架构
  • 2.7.9 用户画像的方法
  • 2.7.10 广告行业的反作弊
  • 2.7.11 P2P流量互刷
  • 2.7.12 CPS引流作弊
  • 2.7.13 疑问与解惑
  • 2.8 亿级规模的Elasticsearch优化实战
  • 2.8.1 索引性能（Index Performance）
  • 2.8.2 查询性能（Query Performance）
  • 2.8.3 其他
  • 2.8.4 疑问与解惑
  • 2.9 微博分布式存储考试题：案例讲解及作业精选
  • 2.9.1 访问场景
  • 2.9.2 设计
  • 2.9.3 sharding策略
  • 2.9.4 案例精选
  • 2.10 架构师需要了解的Paxos原理、历程及实战
  • 2.10.1 数据库高可用性难题
  • 2.10.2 Paxos协议简单回顾
  • 2.10.3 Basic Paxos同步日志的理论模型
  • 2.10.4 Multi Paxos的实际应用
  • 2.10.5 依赖时钟误差的变种Paxos选主协议简单分析
  • 2.10.6 疑问与解惑
  • 2.11 OpenResty的现在和未来
  • 2.11.1 OpenResty是什么，适合什么场景下使用
  • 2.11.2 某安全公司服务端技术选型的标准
  • 2.11.3 如何在项目中引入新技术
  • 2.11.4 如何入门以及学习的正确方法
  • 2.11.5 OpenResty中的测试和调试
  • 2.11.6 NginScript是否会替代OpenResty
  • 2.11.7 未来重点解决的问题和新增特性
  • 2.11.8 开源社区建设
  • 2.11.9 疑问与解惑
  • 第3章 电商架构热点专题
  • 3.1 亿级商品详情页架构演进技术解密
  • 3.1.1 商品详情页
  • 3.1.2 商品详情页发展史
  • 3.1.3 遇到的一些问题和解决方案
  • 3.1.4 总结
  • 3.1.5 疑问与解惑
  • 3.2 大促系统全流量压测及稳定性保证——京东交易架构
  • 3.2.1 交易系统的三个阶段
  • 3.2.2 交易系统的三层结构
  • 3.2.3 交易系统的访问特征
  • 3.2.4 应对大促的第1步：全链路全流量线上压测
  • 3.2.5 应对大促的第2步：根据压力表现进行调优
  • 3.2.6 异步和异构
  • 3.2.7 应对大促的第3步：分流与限流
  • 3.2.8 应对大促的第4步：容灾降级
  • 3.2.9 应对大促的第5步：完善监控
  • 3.2.10 疑问与解惑
  • 3.3 秒杀系统架构解密与防刷设计
  • 3.3.1 抢购业务介绍
  • 3.3.2 具体抢购项目中的设计
  • 3.3.3 如何解耦前后端压力
  • 3.3.4 如何保证商品库的库存可靠
  • 3.3.5 如何与第三方多方对账
  • 3.3.6 项目总结
  • 3.3.7 疑问与解惑
  • 3.4 Lambda架构与推荐在电商网站实践
  • 3.4.1 Lambda架构
  • 3.4.2 1号店推荐系统实践
  • 3.4.3 Lambda的未来
  • 3.4.4 思考
  • 3.4.5 疑问与解惑
  • 3.5 某公司线上真实流量压测工具构建
  • 3.5.1 为什么要开发一个通用的压测工具
  • 3.5.2 常见的压测工具
  • 3.5.3 构建自己的压测工具
  • 3.5.4 疑问与解惑
  • 第4章 容器与云计算
  • 4.1 微博基于Docker容器的混合云迁移实战
  • 4.1.1 为什么要采用混合云的架构
  • 4.1.2 跨云的资源管理与调度
  • 4.1.3 容器的编排与服务发现
  • 4.1.4 混合云监控体系
  • 4.1.5 前进路上遇到的那些坑
  • 4.1.6 疑问与解惑
  • 4.2 互联网金融创业公司Docker实践
  • 4.2.1 背景介绍
  • 4.2.2 容器选型
  • 4.2.3 应用迁移
  • 4.2.4 弹性扩容
  • 4.2.5 未来规划
  • 4.2.6 疑问与解惑
  • 4.3 使用开源Calico构建Docker多租户网络
  • 4.3.1 PaaS平台的网络需求
  • 4.3.2 使用Calico实现Docker的跨服务器通信
  • 4.3.3 利用Profile实现ACL
  • 4.3.4 性能测试
  • 4.3.5 Calico的发展
  • 4.3.6 疑问与解惑
  • 4.4 解析Docker在芒果TV的实践之路
  • 4.4.1 豆瓣时期
  • 4.4.2 芒果TV的Nebulium Engine
  • 4.4.3 Project Eru
  • 4.4.4 细节
  • 4.4.5 网络
  • 4.4.6 存储
  • 4.4.7 Scale
  • 4.4.8 资源分配和集群调度
  • 4.4.9 服务发现和安全
  • 4.4.10 实例
  • 4.4.11 总结
  • 4.4.12 疑问与解惑
  • 4.5 微博基于Docker的混合云平台设计与实践
  • 4.5.1 微博的业务场景及混合云背景
  • 4.5.2 三大基础设施助力微博混合云
  • 4.5.3 微博混合云DCP系统设计核心：自动化、弹性调度
  • 4.5.4 引入阿里云作为第3机房，实现弹性调度架构
  • 4.5.5 大规模集群操作自动化
  • 4.5.6 不怕峰值事件
  • 第5章 运维保障
  • 5.1 360如何用QConf搞定两万台以上服务器的配置管理
  • 5.1.1 设计初衷
  • 5.1.2 整体认识
  • 5.1.3 架构介绍
  • 5.1.4 QConf服务端
  • 5.1.5 QConf客户端
  • 5.1.6 QConf管理端
  • 5.1.7 其他
  • 5.1.8 疑问与解惑
  • 5.2 深度剖析开源分布式监控CAT
  • 5.2.1 背景介绍
  • 5.2.2 整体设计
  • 5.2.3 客户端设计
  • 5.2.4 服务端设计
  • 5.2.5 总结感悟
  • 5.3 单表60亿记录等大数据场景的MySQL优化和运维之道
  • 5.3.1 前言
  • 5.3.2 数据库开发规范
  • 5.3.3 数据库运维规范
  • 5.3.4 性能优化
  • 5.3.5 疑问与解惑
  • 5.4 微博在大规模、高负载系统问题排查方法
  • 5.4.1 背景
  • 5.4.2 排查方法及线索
  • 5.4.3 总结
  • 5.4.4 疑问与解惑
  • 5.5 系统运维之为什么每个团队存在大量烂代码
  • 5.5.1 写烂代码很容易
  • 5.5.2 烂代码终究是烂代码
  • 5.5.3 重构不是万能药
  • 5.5.4 写好代码很难
  • 5.5.5 悲观的结语
  • 5.6 系统运维之评价代码优劣的方法
  • 5.6.1 什么是好代码
  • 5.6.2 结语
  • 5.6.3 参考阅读
  • 5.7 系统运维之如何应对烂代码
  • 5.7.1 改善可维护性
  • 5.7.2 改善性能与健壮性
  • 5.7.3 改善生存环境
  • 5.7.4 个人感想
  • 第6章 大数据与数据库
  • 6.1 某音乐公司的大数据实践
  • 6.1.1 什么是大数据
  • 6.1.2 某音乐公司大数据技术架构
  • 6.1.3 在大数据平台重构过程中踩过的坑
  • 6.1.4 后续的持续改进
  • 6.2 实时计算在点评
  • 6.2.1 实时计算在点评的使用场景
  • 6.2.2 实时计算在业界的使用场景
  • 6.2.3 点评如何构建实时计算平台
  • 6.2.4 Storm基础知识简单介绍
  • 6.2.5 如何保证业务运行的可靠性
  • 6.2.6 Storm使用经验分享
  • 6.2.7 关于计算框架的后续想法
  • 6.2.8 疑问与解惑
  • 6.3 百姓网Elasticsearch 2.x升级之路
  • 6.3.1 Elasticsearch 2.x变化
  • 6.3.2 升级之路
  • 6.3.3 优化或建议
  • 6.3.4 百姓之道
  • 6.3.5 后话：Elasticsearch 5.0
  • 6.3.6 升级2.x版本成功，5.x版本还会远吗
  • 6.3.7 疑问与解惑
  • 6.4 Hadoop、HBase年度回顾
  • 6.4.1 Hadoop 2015技术发展
  • 6.4.2 HBase 2015年技术发展
  • 6.4.3 疑问与解惑
  • 6.5 解密Apache HAWQ——功能强大的SQL-on-Hadoop引擎
  • 6.5.1 HAWQ基本介绍
  • 6.5.2 Apache HAWQ系统架构
  • 6.5.3 HAWQ中短期规划
  • 6.5.4 贡献到Apache HAWQ社区
  • 6.5.5 疑问与解惑
  • 6.6 PostgresSQL HA高可用架构实战
  • 6.6.1 PostgreSQL背景介绍
  • 6.6.2 在PostgreSQL下如何实现数据复制技术的HA高可用集群
  • 6.6.3 Corosync+Pacemaker MS模式介绍
  • 6.6.4 Corosync+Pacemaker M/S环境配置
  • 6.6.5 Corosync+Pacemaker HA基础配置
  • 6.6.6 PostgreSQL Sync模式当前的问题
  • 6.6.7 疑问与解惑
  • 6.7 从NoSQL历史看未来
  • 6.7.1 前言
  • 6.7.2 1970年：We have no SQL
  • 6.7.3 1980年：Know SQL
  • 6.7.4 2000年：No SQL
  • 6.7.5 2005年：不仅仅是SQL
  • 6.7.6 2013年：No，SQL
  • 6.7.7 阿里的技术选择
  • 6.7.8 疑问与解惑
  • 6.8 MySQL 5.7新特性大全和未来展望
  • 6.8.1 提高运维效率的特性
  • 6.8.2 优化器Server层改进
  • 6.8.3 InnoDB层优化
  • 6.8.4 未来发展
  • 6.8.5 运维经验总结
  • 6.8.6 疑问与解惑
  • 6.9 大数据盘点之Spark篇
  • 6.9.1 Spark的特性以及功能
  • 6.9.2 Spark在Hulu的实践
  • 6.9.3 Spark未来的发展趋势
  • 6.9.4 参考文章
  • 6.9.5 疑问与解惑
  • 6.10 从Postgres 95到PostgreSQL 9.5：新版亮眼特性
  • 6.10.1 Postgres 95介绍
  • 6.10.2 PostgresSQL版本发展历史
  • 6.10.3 PostgresSQL 9.5的亮眼特性
  • 6.10.4 PostgresSQL还可以做什么
  • 6.10.5 疑问与解惑
  • 6.11 MongoDB 2015回顾：全新里程碑式的WiredTiger存储引擎
  • 6.11.1 存储引擎的发展
  • 6.11.2 复制集改进
  • 6.11.3 自动分片机制
  • 6.11.4 其他新特性介绍
  • 6.11.5 疑问与解惑
  • 6.12 基于Xapian的垂直搜索引擎的构建分析
  • 6.12.1 垂直搜索的应用场景
  • 6.12.2 技术选型
  • 6.12.3 垂直搜索的引擎架构
  • 6.12.4 垂直搜索技术和业务细节
  • 6.12.5 疑问与解惑
  • 第7章 安全与网络
  • 7.1 揭秘DDoS防护——腾讯云大禹系统
  • 7.1.1 有关DDoS简介的问答
  • 7.1.2 有关大禹系统简介的问答
  • 7.1.3 有关大禹系统硬件防护能力的问答
  • 7.1.4 有关算法设计的问答
  • 7.1.5 大禹和其他产品、技术的区别
  • 7.2 App域名劫持之DNS高可用——开源版HttpDNS方案详解
  • 7.2.1 HttpDNSLib库组成
  • 7.2.2 HttpDNS交互流程
  • 7.2.3 代码结构
  • 7.2.4 开发过程中的一些问题及应对
  • 7.2.5 疑问与解惑
  • 7.3 CDN对流媒体和应用分发的支持及优化
  • 7.3.1 CDN系统工作原理
  • 7.3.2 网络分发过程中ISP的影响
  • 7.3.3 防盗链
  • 7.3.4 内容分发系统的问题和应对思路
  • 7.3.5 P2P穿墙打洞
  • 7.3.6 疑问与解惑
  • 7.4 HTTPS环境使用第三方CDN的证书难题与最佳实践
  • 7.5 互联网主要安全威胁分析及应对方案
  • 7.5.1 互联网Web应用面临的主要威胁
  • 7.5.2 威胁应对方案
  • 7.5.3 疑问与解惑
  • 7.5.4 进一步阅读
展开全部

评分及书评

4.7
3个评分
  • 用户头像
    给这本书评了
    5.0

    本书由数十位一线架构师的实践与经验凝结而成，选材兼顾技术性、前瞻性与专业深度。各技术焦点，均由极具代表性的领域专家或实践先行者撰文深度剖析，共同组成 “高可用” 的全局视野与领先高度，内容包括精华案例、分布式原理、电商架构等热门专题，及云计算、容器、运维、大数据、安全等重点方向。不仅架构师可以从中受益，其他 IT、互联网技术从业者同样可以得到提升。

      转发
      评论

    出版方

    电子工业出版社

    电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。