基于python的devo 编程语言 (美)诺亚·吉夫特 等
新华书店全新正版书籍 支持7天无理由
¥
64.7
5.1折
¥
128
全新
库存8件
作者(美)诺亚·吉夫特 等
出版社中国电力出版社
ISBN9787519864415
出版时间2022-03
版次1
装帧平装
开本16
页数532页
字数694千字
定价128元
货号xhwx_1202611353
上书时间2024-06-29
商品详情
- 品相描述:全新
-
正版特价新书
- 商品描述
-
目录:
前言1
章pythondevo基础知识11
1.1安装和运行python12
1.1.1pythonshell12
1.1.2jupyternotebooks13
1.2过程式程序设计13
1.2.1变量14
1.2.2基本的数学运算15
1.2.3注释15
1.2.4内置函数16
1.3执行控制17
1.3.1if/elif/else17
1.3.2for循环18
1.3.3while循环20
1.4处理异常20
1.5内置对象21
1.5.1对象是什么21
1.5.2对象的方法和属22
1.5.3序列23
1.6函数35
1.6.1函数剖析36
1.6.2函数是对象37
1.6.3匿名函数38
1.7使用正则表达式39
1.7.1搜索39
1.7.2字符集合40
1.7.3字符类41
1.7.4分组41
1.7.5具名分组42
1.7.6查找所有42
1.7.7查找迭代器42
1.7.8替换43
1.7.9编译43
1.8惰求值44
1.8.1生成器44
1.8.2生成器推导45
1.9更多ipython功能46
1.9.1在ipython中运行unixshell命令46
1.9.2使用ipython的魔法命令47
1.10练题47
第2章文件和文件系统自动化处理49
2.1读写文件49
2.2使用正则表达式搜索文本59
2.3处理大型文件61
2.4加密文本62
2.4.1哈希和hashlib63
2.4.2使用cryptography库加密63
2.5os模块65
2.6使用os.path管理文件和目录67
2.7使用os.walk遍历目录树70
2.8使用pathlib处理路径对象71
第3章使用命令行73
3.1使用shell73
3.1.1使用sys模块探知系统信息73
3.1.2使用os模块处理作系统74
3.1.3使用subprocess模块派生进程75
3.2编写命令行工具77
3.2.1使用sys.argv79
3.2.2使用argparse81
3.2.3使用click85
3.2.4使用fire90
3.2.5实现插件系统95
3.3案例分析:使用命令行工具提速python96
3.3.1使用numbajit编译器97
3.3.2通过pythoncuda使用gpu99
3.3.3使用numba真正多核多线程运行python代码100
3.3.4k均值聚类算法101
3.4练题103
第4章linux实用程序105
4.1磁盘实用程序106
4.1.1衡量能106
4.1.2分区108
4.1.3获取特定的设备信息109
4.2网络实用程序111
4.2.1ssh隧道111
4.2.2使用apachebenchmark(ab)评测112
4.2.3使用molotov做负载测试113
4.3cpu实用程序116
4.3.1cpu实用程序简介116
4.3.2使用htop查看进程116
4.4使用bash和zsh118
4.4.1自定义pythonshell119
4.4.2递归路径模式匹配120
4.4.3搜索和替换确认提示120
4.4.4删除python临时文件122
4.4.5列出和筛选进程122
4.4.6unix时间戳123
4.5python与bash和zsh混合使用124
4.5.1密码生成器124
4.5.2这个模块是否存在125
4.5.3进入模块所在的目录125
4.5.4把csv文件转换成json文件126
4.6python单行程序127
4.6.1调试器127
4.6.2这段代码的运行速度有多快128
4.7strace129
4.8练题131
4.9实题132
第5章包管理133
5.1打包简介134
5.1.1打包的重要134
5.1.2何时不需要打包134
5.2打包准则135
5.2.1恰当的版本号135
5.2.2更改志136
5.3选择一种策略137
5.4打包方案138
5.4.1python原生包138
5.4.2debian包145
5.4.3rpm包153
5.5使用systemd管理服务160
5.5.1长时间运行的进程161
5.5.2创建项目161
5.5.3systemd单元文件163
5.5.4安装单元164
5.5.5处理志166
5.6练题167
5.7实题168
第6章持续集成和持续部署169
6.1真实案例分析:把维护不善的wordpress转换成hugo169
6.1.1设置hugo171
6.1.2把wordpress文章转换成hugo文章172
6.1.3创建并更新algolia索引174
6.1.4使用makefile编排流程176
6.1.5使用awscodepipeline部署176
6.2真实案例分析:使用googlecloudbuild把python应用部署到
googleappengine中178
6.3真实案例分析:nfso185
第7章监控和志187
7.1构建可靠系统的关键概念187
7.2不可变的devo原则188
7.2.1集中处理志188
7.2.2案例分析:生产数据库塞满硬盘189
7.2.3自建还是购买?190
7.2.4容错190
7.3监控192
7.3.1graphite192
7.3.2statsd192
7.3.3prometheus193
7.4监测程序197
7.4.1监测程序概述197
7.4.2命名约定200
7.5志201
7.5.1为什么很难202
7.5.2basicconfi2
7.5.3深度配置203
7.5.4常用模式208
7.6elk栈209
7.6.1logstash210
7.6.2elasticsearch和kibana212
7.7练题215
7.8实题216
第8章pytest在devo中的应用217
8.1测试小钢炮pytest217
8.2pytest入门218
8.2.1使用pytest测试218
8.2.2与unittest的区别220
8.3pytest特222
8.3.1conftest.py223
8.3.2出的assert223
8.3.3参数化225
8.4固件226
8.4.1入门227
8.4.2内置固件229
8.5基础设施测试231
8.5.1什么是系统验证232
8.5.2testinfra简介233
8.5.3连接远程节点233
8.5.4特和特殊固件237
8.5.5案例238
8.6使用pytest测试jupyternotebooks241
8.7练题242
8.8实题242
第9章云计算243
9.1云计算基础知识244
9.2云计算的类型246
9.3云服务的类型246
9.3.1iaas247
9.3.2maas251
9.3.3paas251
9.3.4serverless252
9.3.5saas255
9.4iac256
9.5持续交付256
9.6虚拟化和容器256
9.6.1硬件虚拟化256
9.6.2sdn257
9.6.3sds257
9.6.4容器257
9.7分布式计算面临的挑战和机遇258
9.8云时代python的并发、能和进程管理260
9.9进程管理261
9.9.1使用subprocess管理进程261
9.9.2使用multiprocessing库解决问题263
9.9.3使用pool()派生进程264
9.9.4faas和serverless267
9.9.5使用numba提升python的能267
9.9.6使用numbajit编译器267
9.9.7使用高能服务器268
9.10小结269
9.11练题269
9.12实题270
0章iac271
10.1基础设施自动化工具分类272
10.2手动配置274
10.3使用terraform自动配置基础设施275
10.3.1配置s3bucket276
10.3.2使用acm配置ssl279
10.3.3配置cloudfront分配280
10.3.4配置route53dns记录283
10.3.5把静态文件复制到s3中284
10.3.6删除使用terraform配置的所有aws资源285
10.4使用pulumi自动配置基础设施285
10.4.1为aws新建一个pulumipython项目286
10.4.2为过渡堆栈创建配置值291
10.4.3配置一个acmssl291
10.4.4配置route53区域和dns记录292
10.4.5配置一个cloudfront分配295
10.4.6为的url配置一个route53dns记录296
10.4.7创建并部署一个新堆栈297
10.5练题300
1章容器技术:docker和dockere301
11.1docker容器是什么302
11.2创建、构建、运行及删除docker映像和容器302
11.3把docker映像发布到docker注册处中306
11.4使用相同的映像在不同的宿主机中运行docker容器308
11.5使用dockere运行多个docker容器310
11.6把dockere运行的服务移植到新主机和作系统中323
11.7练题327
2章容器编排:kuberes329
12.1kuberes相关概念简述330
12.2使用koe根据docker-e.yaml创建kuberes清单331
12.3使用minikube把kuberes清单部署到本地kuberes集群333
12.4在gcp中使用pulumi创建gkekuberes集群349
12.5把flask示例应用部署到gke中352
12.6安装helmchartprometheus和grafana359
12.7销毁gke集群364
12.8练题365
3章serverless技术367
13.1把同一个python函数部署到三大云服务商中370
13.1.1安装serverless框架370
13.1.2把python函数部署到awslambda中370
13.1.3把python函数部署到googlecloudfunctions中373
13.1.4把python函数部署到azure中380
13.2把python函数部署到自托管的faas台中384
13.2.1把python函数部署到自托管的paas台的优势384
13.2.2把python函数部署到openfaas中385
13.3使用awscdk配置dynamodb数据表、lambda函数和
api网关方法393
13.4练题415
4章mlo和机器学工程417
14.1机器学是什么417
14.1.1监督型机器学417
14.1.2建模420
14.2python机器态环境423
14.2.1python机器学框架和生态系统423
14.2.2pytorch深度学424
14.3机器学云台428
14.4机器学成熟模型429
14.4.1机器学重点术语429
14.4.2层:问题构建、范围界定和问题定义430
14.4.3第2层:持续交付数据431
14.4.4第3层:持续交付净化数据432
14.4.5第4层:持续交付探索数据分析434
14.4.6第5层:持续交付传统机器学和automl434
14.4.7第6层:机器学运作反馈环435
14.5使用docker和kuberes部署sklearnflask应用435
14.5.1eda440
14.5.2建模441
14.5.3调整gbm缩放442
14.5.4拟合模型443
14.5.5评估444
14.5.6adhoc_predict445
14.5.7json工作流446
14.5.8缩放输入446
14.5.9adhoc_predict447
14.5.10缩放输入448
14.6练题448
14.7实题449
14.8学评价449
5章数据工程451
15.1小数据452
15.1.1小数据与大数据452
15.1.2处理小数据文件452
15.2写文件453
15.3读文件453
15.4使用生成器流水线逐行读取和处理453
15.5使用yaml454
15.6大数据455
15.7大数据工具、组件和台457
15.7.1数据源458
15.7.2文件系统458
15.7.3数据存储459
15.7.4实时流式采集460
15.8案例分析:自制数据流水线461
15.9serverless数据工程462
15.9.1使用awslambda处理cloudwatch事件463
15.9.2使用cloudwatch志分析awslambda463
15.9.3使用awslambda填充simplequeueservice464
15.9.4连接cloudwatch事件触发器468
15.9.5创建事件驱动型lambda469
15.9.6从awslambda中读取sqs事件470
15.10小结474
15.11练题475
15.12实题475
6章devo惨痛经验和人物访谈477
16.1产不出电影的电影厂478
16.2推不出游戏的游戏坊480
16.3耗时60秒才启动的python脚本482
16.4用缓存和智能监测程序浇灭火情483
16.5自动化会让你失业484
16.6devo反模式485
16.6.1反模式:没有自动化构建服务器485
16.6.2盲目行事486
16.6.3协调难题不可避486
16.6.4没有团队合作487
16.7人物访谈492
16.7.1glennsolomon492
16.7.2andrewnguyen493
16.7.3gabriellaroman495
16.7.4rigobertoroche496
16.7.5jonathanlacour498
16.7.6villetuulos500
16.7.7josephreis502
16.7.8teijoholzer503
16.7.9mattharrison505
16.7.10michaelfoord507
16.8一些建议510
16.9练题511
16.10挑战题511
16.11项目511
内容简介:
在过去的十年里,技术发生了很大的变化。数据是热门话题,云无处不在,许多组织都需要某种形式的自动化。在这场变革中,python发展成为流行的语言之一。这本实用的资料将向你展示如何使用python来完成linux系统的常管理任务,如何使用当下热门热的devo工具,包括docker、kubere和terraform。
对数百万专业人士来说,学如何与linux交互及实现自动化是必不可少的技能。通过这本书,你将学会如何使用容器开发软件、解决问题,以及如何监控、测试、负载测试和作你的软件。想寻找借助python解决问题的有效方法?看这本书没错。
— 没有更多了 —
以下为对购买帮助不大的评价