云计算和大数据服务——技术架构、运营管理与智能实践

图书标准信息

• 作者 陈赤榕；叶新江；李彦涛；刘国萍
• 出版社 清华大学出版社
• 出版时间 2022-01
• 版次 1
• ISBN 9787302586586
• 定价 168.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 672页
• 字数 1.09千字

【内容简介】

《云计算和大数据服务——技术架构、运营管理与智能实践》采用理论与实践相结合的形式，系统阐述云计算和大数据服务的具体实现。 云计算和大数据服务战略的落地，包括技术构建和运营管理、新兴的人工智能技术的应用，以及组织能力的建设。针对这一目标，全书分为七部分：云计算技术、大数据及数据智能、服务的技术运营、智能运营、安全技术与管理、服务质量管理和组织能力。《云计算和大数据服务——技术架构、运营管理与智能实践》的目的是帮助读者对这些云计算和大数据的重要专题从基本概念、发展思路到解决方案有一个系统认识。 本书具有非常强的可读性和实践指导意义，可作为云计算和大数据企业的高层管理人员和技术架构师的参考读物，也可以作为高校相关专业师生的教学参考用书。

【作者简介】

陈赤榕：

30年云服务技术运营架构与管理经验，硅谷早期的云计算技术运营人员之一。北京聆通科技有限公司联合创始人，CEO。

叶新江：

20年大数据技术架构与管理经验，每日互动股份有限公司（个推）创始团队成员，CTO。

李彦涛：

30年通信和云计算行业经验， 国内著名通信及云计算系统架构师之一。北京聆通科技有限公司联合创始人，CTO。

刘国萍：

20年云计算、物联网、人工智能行业经验，网络安全技术领域专家。中国电信研究院教授级高级工程师，博士。

【目录】

第1章综述

1.1本书的框架思路： 云计算和大数据服务实现的四要素

1.2本书的框架结构

1.2.1技术构建(第1、第2部分)： 云计算和大数据

1.2.2服务运营(第3、第4、第5部分)： 技术、管理、AIOps和安全

1.2.3服务质量管理(第6部分)

1.2.4组织能力(第7部分)

1.3本书的章节结构

1.4云计算技术与服务

1.4.1云计算的发展史

1.4.2云计算的定义

1.4.3云计算的服务模式

1.4.4云计算的部署方式

1.5大数据和数据智能的技术与服务

1.5.1大数据的定义

1.5.2云计算与大数据的关系

1.5.3数据智能

1.6技术运营： 从技术升级到服务的实现关键

1.7智能实践

第1部分云计算技术

第2章云计算技术综述

2.1云计算的技术发展回顾

2.1.1云计算技术概念的发展

2.1.2云计算相关技术的发展

2.2云服务的技术结构

2.2.1云服务的技术层次

2.2.2云服务的技术结构适用场景

2.3云服务对技术团队带来的挑战

2.3.1对研发团队的挑战

2.3.2对技术运营团队的挑战

2.3.3对服务质量控制团队的挑战

第3章云计算的技术框架： 面向服务的架构

 

 

3.17×24小时云服务的挑战

3.1.1传统企业服务软件与云服务软件对比

3.1.2特性化与统一服务

3.1.3面向运营及服务系统功能

3.1.4IT管理与服务监控

3.2云服务架构

3.2.1设计的基础模式

3.2.2设计的结构模式

3.3构建高可靠性

3.3.1可靠性理论与云计算平台的需求实现

3.3.2可靠性设计

3.3.3负载均衡与集群

3.3.4双机热备

3.3.5异地灾备

3.4构建高性能

3.4.1系统容量与性能瓶颈

3.4.2接入与Web层容量与性能设计与优化

3.4.3服务层容量与性能设计与优化

3.4.4数据层容量与性能设计与优化

3.4.5应对高并发容量

3.5构建高伸缩性

3.5.1设计规则扩展与性能

3.5.2并发访问量

3.5.3并发数据访问与I/O

3.6构建高可配置性

3.6.1系统配置

3.6.2站点配置

3.6.3用户配置

3.6.4服务配置与技术运营关系

3.7构建高可管理性云计算平台

3.7.1系统维护周期

3.7.2系统维护与服务中断

3.7.3系统可配置性

3.7.4系统监控能力

3.7.5日志记录与错误处理

3.7.6用于服务的配置、监控与日志系统

3.8案例分析

3.8.1背景介绍

3.8.2解决方案

3.8.3讨论

3.9本章小结

第4章云服务的技术基础：  虚拟化

4.1虚拟化技术的发展历史

4.2虚拟化技术分类

4.3系统虚拟化

4.3.1系统虚拟化的优势

4.3.2系统虚拟化存在的问题

4.3.3系统虚拟化的不足

4.4网络虚拟化

4.4.1网络虚拟化的分类

4.4.2网络虚拟化的优势

4.4.3网络虚拟化的不足

4.5容器的虚拟化

4.6其他虚拟化技术

4.7市场主流虚拟化技术对比

4.8虚拟化对云计算的推动

4.9虚拟化与数据中心

4.9.1虚拟化数据中心的优点

4.9.2虚拟化数据中心的风险

4.9.3虚拟化数据中心风险应对

4.10研究分析： 虚拟化技术的发展趋势

4.11本章小结

第5章云服务的平台技术：  IaaS、PaaS和SaaS

5.1平台技术的发展

5.1.1平台技术演进阶段

5.1.2云管理平台贯穿云平台技术发展始终

5.1.3云平台技术发展的展望

5.1.4关于FaaS平台的思考

5.2IaaS

5.2.1IaaS平台架构

5.2.2IaaS的适用场景

5.2.3IaaS的优缺点

5.2.4IaaS的市场价值

5.2.5IaaS的局限性

5.3PaaS

5.3.1PaaS平台架构

5.3.2PaaS的适用场景

5.3.3PaaS的优缺点

5.3.4PaaS的市场价值

5.3.5PaaS的局限性

5.4SaaS

5.4.1SaaS平台架构

5.4.2SaaS的适用场景

5.4.3SaaS的优缺点

5.4.4SaaS的市场价值

5.4.5SaaS的局限性

5.5CaaS

5.5.1CaaS平台架构

5.5.2CaaS的适用场景

5.5.3CaaS的优缺点

5.5.4CaaS的市场价值

5.6云管理平台

5.6.1云管理平台的规范架构

5.6.2云管理平台的职能

5.6.3云管理平台的应用场景举例

5.7平台的实施要点和挑战

5.7.1技术选型

5.7.2实施要点

5.7.3风险和挑战

5.8案例研究： SaaS的构建、演进、成果与教训

5.8.1背景介绍

5.8.2自建IDC阶段

5.8.3采用IaaS公有云阶段

5.8.4混合云阶段

5.8.5容器化及微服务阶段

5.8.6数据安全

第6章云服务的应用层技术：  微服务

6.1微服务与云计算

6.2微服务的定义

6.3微服务的发展简史

6.4微服务和SOA的关系

6.5微服务的构成要素

6.6微服务的优缺点

6.6.1微服务的优点

6.6.2微服务的缺点

6.7微服务的实施要点

6.8案例分析： SMS推送平台的微服务化

6.8.1背景简介

6.8.2系统特点

6.8.3早期设计

6.8.4解决方案

6.8.5决策过程

6.8.6实施过程

6.8.7实施效果

6.8.8未来改进

6.8.9项目回顾

第2部分大数据与数据智能

第7章大数据理论及相关模型

7.1大数据概念的提出和演进

7.24V 1O特征模型： 大数据特征

7.3第四范式： 问题解决的新模式

7.4蜜蜂效应： 数据的选择价值

7.5大数据业务成熟度模型

7.5.1业务监测

7.5.2业务洞察

7.5.3业务优化

7.5.4数据变现

7.5.5商业重塑

7.6数据智能

第8章数据智能平台构建策略

8.1数据业务的构建过程

8.1.1数据系统建设

8.1.2数据业务建模

8.1.3数据业务开展

8.2数据智能体系要求

8.2.1建设思路、原则和目标

8.2.2基础平台

8.2.3融合平台

8.2.4治理系统

8.2.5质量保证

8.2.6安全计算

8.2.7分析挖掘

8.2.8数据可视化

8.3数据中台策略

8.3.1数据仓库和数据湖

8.3.2数据中台

8.3.3数据中台和数据仓库、数据湖的差别

第9章大数据技术和平台

9.1大数据基础技术系统组成

9.2大数据开源体系各部分介绍

9.2.1Hadoop介绍

9.2.2开源生态系统

9.3大数据生态的发展态势

9.3.1数据治理与安全

9.3.2基础设施

9.3.3数据协作工作台

9.3.4数据分析流程自动化

9.3.5AI驱动的应用发展趋势

9.4实践讨论： 大数据存储的建模

9.4.1分布式存储的架构

9.4.2数据存储设计

9.4.3NoSQL的问题

9.4.4存储设计实例

第10章大数据分析系统技术

10.1分析系统架构设计

10.1.1CAP理论

10.1.2分析系统考量三要素

10.1.3实时查询过程

10.2架构选择

10.2.1大规模并行处理架构

10.2.2基于搜索引擎的架构

10.2.3预计算系统架构

10.2.4三种架构的对比

第11章企业大数据实施策略

11.1企业实施大数据战略面临的挑战

11.2实施规划

11.2.1切入点规划

11.2.2组织配置和调整

11.2.3数据获取和挖掘

11.2.4效果评估

11.3案例研究： 大数据运营场景及系统实施

11.3.1背景介绍

11.3.2演化路径

11.3.3个推V1.0——基础SaaS产品

11.3.4个推V2.0——大数据基础下的智能推送

11.3.5个推V3.0——数据智能下的个推

11.4实践中的经验教训

11.4.1技术陷阱

11.4.2简洁及成本意识

11.4.3新技术的进一步应用

11.4.4总结

第3部分服务的技术运营

第12章服务的技术运营综述

12.1技术运营的基本概念

12.2云服务的技术运营

12.2.1云服务的技术运营也是关于生产系统的运营

12.2.2技术运营的功能

12.2.3是技术运营，而不仅仅是维护

12.3云服务技术运营的目标

12.3.1从航空服务公司的要求来看

12.3.2云服务的运营管理目标

12.3.3技术运营永恒的四大指标

12.4技术运营的双维模型

12.4.1技术运营的双维概念

12.4.2双维的目的

12.4.3技术运营的双维模型

12.4.4双维平台的实施

12.5DevOps方法论

12.5.1DevOps简史

12.5.2DevOps定义

12.5.3DevOps的关键过程

12.6服务可靠性工程

12.6.1服务可靠性工程的定义与要点

12.6.2SRE与DevOps

12.7双维模型、DevOps与SRE的指导意义和应用

12.7.1双维模型： 给CXO的运营指导

12.7.2DevOps与SRE： 给技术架构师的指导

12.7.3实践讨论(1)： Dev与Ops的和与分

12.7.4实践讨论(2)： 技术运营不同阶段各种方法论的应用

12.7.5实践讨论(3)： 在研发团队中引进DevOps思维

第13章服务的生产设计

13.1生产设计的目的

13.1.1建立生产型的云服务

13.1.2云服务的生产设计

13.2生产设计方法

13.2.1生产设计目标

13.2.2生产设计流程

13.3生产设计(1)：  工程开发期间的任务

13.3.1服务平台的重要部分： 基础建设工程

13.3.2服务可用度

13.3.3服务的可管理性

13.3.4安全性

13.3.5可扩展性

13.4生产设计（2）： 上线期间的任务

13.4.1生产线验收

13.4.2生产线部署

13.4.3日常维护计划

13.5服务支持结构： 团队和知识

13.5.1团队结构

13.5.2知识传递：  文档的需求

13.6实践和讨论

13.6.1从工程到实施的关键： 系统层的逻辑设计

13.6.2进入生产线： 生产线的部署设计

第14章服务的业务连续性

14.1云服务业务连续性及其挑战

14.1.1业务连续性的定义

14.1.2云服务提供商面临的挑战

14.2云计算的业务连续性方案概述

14.2.1业务连续性的管理

14.2.2业务连续性的技术方案——灾备系统概述

14.3灾备系统架构

14.3.1网络系统

14.3.2云计算应用系统

14.3.3数据同步系统

14.3.4管理工具： 手动服务转移

14.4灾备方案的成本效率

14.4.1灾备资源的合理使用

14.4.2公有云和私有云之间的结合

14.5案例研究： 云服务提供商思科WebEx的灾备系统

14.5.1背景介绍

14.5.2WebEx GSB架构

14.5.3WebEx GSB的设计挑战和要点

14.5.4项目回顾

14.6本章小结

第15章服务运营的监控体系

15.1服务监控概述

15.2监控体系架构

15.2.1监控体系的层级结构

15.2.2监控体系的“4 2”要素

15.2.3Google SRE的监控方法论

15.2.4监控体系常涉及的数据库

15.3基础设施层的监控

15.3.1基础设施层监控对象

15.3.2基础设施的监控方法

15.3.3虚拟化监控

15.3.4容器化监控

15.4应用层监控

15.5服务层监控

15.5.1互联网性能监控

15.5.2用户体验监控

15.6案例研究——基础设施层监控

15.6.1背景介绍

15.6.2监控软件选择

15.6.3OpenFalcon简介

15.6.4分布式监控系统的指标体系

15.6.5监控平台的架构

15.6.6痛点与难点

第16章服务运营的自动化

16.1自动化理论

16.1.1自动化简介

16.1.2IT自动化的一般模型

16.1.3自动化的优点

16.1.4自动化的风险和局限性

16.2自动化运维的一般过程

16.2.1一个新手运维工程师的升级之路

16.2.2运维自动化发展阶段总结

16.3自动化等级

16.3.1驾驶自动化的等级

16.3.2Google SRE对自动化的分级

16.4自动化工具

16.4.1平台自动化工具： Kubernetes

16.4.2实践讨论： 用Kubernetes建立持续交付流程

16.4.3任务自动化工具： SaltStack

16.4.4实践讨论： 用SaltStack管理操作系统内核参数

16.4.5系统自动化工具： PXE

16.4.6实践讨论： 用PXE实施批量装机

16.5自动化的风险及控制

16.5.1自动化带来的技术风险

16.5.2自动化导致的故障

16.5.3自动化风险控制的一些方法

16.6运维自动化的深入： 引入控制理论

16.6.1控制原理介绍

16.6.2数据库自动化中控制理论的应用——自治数据库

16.6.3实践研究： HBase的压缩和分区状态迁移

16.7人工智能在自动化中的应用

16.7.1人工智能和机器学习

16.7.2人工智能与自动化：  实施策略

16.7.3人工智能与自动化：  实施切入点

16.8本章小结

第17章7×24小时服务的运营管理综述

17.17×24小时服务运营的管理目标

17.2经典的运营管理框架

17.2.1ITIL

12.2.2CMM和CMMI

17.2.3敏捷

17.2.4eTom

17.2.56Sigma

17.2.6COBIT

17.2.7经典框架的局限性

17.3以服务为核心的运营管理流程

17.4日常的运营管理

17.4.1沟通效率

17.4.2知识管理

17.4.3运营会议

17.5管理流程面对的挑战

17.5.1建立流程过程中的挑战

17.5.2成熟的运营——持续改进

17.6运营管理的成熟度： 五重境界

17.7案例研究： 运营管理流程的推广与改进

17.7.1背景

17.7.2推广计划

17.7.3结果分析

17.7.4下一步计划

17.8案例的延伸讨论： 主动式和被动式的运营管理

17.9本章小结

第18章事件、事故和问题管理三流程

18.17×24小时生产线运营的挑战

18.2服务运营的整体思路

18.3事件管理和生产线监控

18.3.1目的

18.3.2事件管理的流程

18.3.3生产线的监控系统

18.3.4实践中的要点

18.3.5实践中的要点与难点

18.4事故管理

18.4.1目的

18.4.2流程

18.4.3实践中的要点

18.4.4实践中的难点

18.5问题管理

18.5.1目的

18.5.2流程

18.5.3实践中的要点

18.5.4实践中的难点： 主动型问题管理

18.6实践(1)： 事故管理流程的设计

18.6.1背景

18.6.2事故管理流程的总体设计

18.6.3设计中的特别关注点

18.7实践(2)： 对管理者的建议

18.7.1生产服务管理体系建立的切入点： 事故管理

18.7.2立足于“技术 管理”的双维模型： 生产线事故一半出自

管理问题

18.7.3整体生产线管理框架： 各流程之间的交互

18.8案例分析： 从技术和管理的双维角度剖析事故

18.8.1背景

18.8.2事故复盘

18.8.3事故分析

18.8.4改进措施及成果

第19章变更管理

19.1变更管理介绍

19.1.1变更管理的目的

19.1.2变更管理的范畴

19.2变更管理的原理

19.2.1变更管理的任务

19.2.2变更的执行策略

19.2.3变更管理的流程

19.2.4变更流程的效果衡量

19.3云服务运营中的挑战

19.3.1云服务生产运营所面临的挑战

19.3.2变更管理对服务运营和商务的益处

19.3.3了解服务生产运营状况： 好还是差

19.4实践中的要点

19.4.1实践的核心：  控制

19.4.2实施的关键步骤

19.4.3变更流程1： 变更申请

19.4.4变更流程2： 变更审批

19.4.5变更流程3： 变更实施 

19.4.6变更流程4： 变更反思

19.4.7团队和职责

19.5实践中的难点

19.5.1运营管理文化的建立

19.5.2高层管理者的支持

19.5.3支持变更管理的政策

19.6案例研究(1)： 变更管理实施中所发现的运营问题和改进

19.6.1背景介绍

19.6.2研发与运营的冲突

19.6.3解决方案： 变更管理与用户管理、发布管理的结合

19.6.4蓝绿部署、灰度发布

19.6.5环境一致性管理

18.6.6进一步的讨论

19.7案例研究(2)：  复杂环境下变更管理流程的设计

19.7.1背景介绍

19.7.2团队结构

19.7.3流程及其说明

19.7.4实施要素

19.7.5进一步的讨论

第20章容量管理

20.1容量管理的目的

20.2ITIL的容量管理方法介绍

20.2.1容量管理的基本流程

20.2.2容量管理的三个层次

20.2.3容量管理相关的基本要素

20.3云服务容量管理的挑战和要点

20.3.1来自云服务的挑战

20.3.2容量管理的要点

20.4容量规划

20.4.1容量需求分析

20.4.2容量建模与容量方案

20.4.3成本审核与调整

20.4.4实施计划

20.5性能管理

20.6容量规划的关键： 建模

20.6.1使用量的模拟： 使用量与时间的关系

20.6.2成本的模拟： 成本与使用量的关系

20.7建模的数学方法

20.7.1回归分析法

20.7.2趋势外推预测方法

20.7.3时间序列平滑预测法

20.7.4机器学习算法

20.8容量管理的衡量指标

20.9成功因素和风险

20.10案例研究：  苏宁金融容量管理的技术解决方案

20.10.1背景介绍

20.10.2技术解决方案

20.10.3成本管理的实施

20.10.4容量模型的建立

20.10.5智能算法的应用

第4部分智能运营（AIOps）

第21章数据能力——智能运营（AIOps）介绍

21.1数据能力的新阶段： AIOps

21.2AIOps发展历史： 从ITOA到AIOps

21.2.1ITOA

21.2.2AIOps

21.3AIOps的技术栈

21.4机器学习介绍

21.4.1机器学习的定义

21.4.2监督学习和无监督学习

21.4.3神经网络及深度学习

21.4.4机器学习中的分类与聚类

21.5AIOps为工厂运营管理赋能

21.6场景讨论： 运维报警风暴的处理

21.6.1报警风暴

21.6.2基于时间序列数据定义异常值

21.6.3使用机器学习的非监督算法报警

21.6.4用机器学习方法进一步提取更丰富的数据

21.7本章小结

第22章AIOps中的算法基础

22.1AIOps适用场景和算法策略

22.1.1AIOps适用场景

22.1.2AIOps策略： 场景分解和算法组合

22.2KPI聚类

22.2.1k中心聚类算法

22.2.2密度聚类算法

22.2.3随机聚类算法

22.3瓶颈分析

22.3.1皮尔逊(Pearson)相关系数

22.3.2逻辑回归

22.3.3决策树

22.4异常检测与容量预测

22.4.1异常检测

22.4.2容量预测

22.4.3ARIMA模型

22.4.4HoltWinters指数平滑算法

22.4.5长短期记忆算法

22.5异常定位

22.5.1异常定位的定义与难点

22.5.2iDice

22.5.3Adtributor算法

22.6故障预测

22.6.1故障预测的定义

22.6.2隐式马尔可夫模型

22.6.3支持向量机与核函数

22.6.4多示例学习

22.7实践讨论： 异常检测场景中的算法选择思路

22.8数据重视和增量学习

第23章AIOps的落地：  企业实施

23.1AIOps企业实施战略

23.1.1实施路线图

23.1.2实施策略

23.2建立基础： 数据先行

23.2.1数据整合

23.2.2数据处理

23.3实践讨论

23.3.1阶段性实施策略

23.3.2落地点之一 ： 降低MTTR

23.3.3策略实施中容易犯的错误

23.4案例研究： 苏宁金融的智能运维实践

23.4.1背景介绍

23.4.2苏宁金融智能运维生态体系

23.4.3AIOps切入点选择： 问题根因分析

23.4.4技术挑战

23.4.5智能问题诊断流程

23.4.6智能问题诊断算法模型

23.4.7模型效果表现

23.4.8总结： 挑战、思路与计划

第5部分安全技术与管理

第24章云计算安全概述

24.1概述

24.1.1云计算安全的定义

24.1.2广义的云计算安全

24.2云计算安全的挑战和研究现状

24.2.1云计算安全研究焦点域

24.2.2国内外云计算安全技术研究现状

24.2.3云计算模式下信息安全技术演进趋势

24.3国内外云计算安全相关的标准化组织及其研究成果

24.3.1云安全联盟（CSA）

24.3.2联合技术委员会

24.3.3国际电信联盟电信标准化部门

24.3.4分布式管理任务组

24.3.5全国信息安全标准化技术委员会

24.3.6中国通信标准化协会

24.4本章小结

第25章云计算安全架构

25.1云计算安全体系架构

25.2云计算模型与安全架构模型间的映射关系

25.3云计算安全职责划分

25.4本章小结

第26章云计算基础设施安全

26.1云计算基础设施面临的安全风险

26.2云计算基础设施的安全保护机制

26.2.1物理安全

26.2.2网络安全

26.2.3主机安全

26.2.4虚拟化安全

26.2.5中间件安全

26.3本章小结

第27章云计算数据安全

27.1云计算环境下数据安全综述

27.1.1数据安全保护的意义

27.1.2数据生命周期

27.2服务提供商面临的数据安全风险及挑战

27.2.1数据加密

27.2.2钓鱼行为

27.2.3数据审计与监控

27.3数据安全保护机制

27.3.1数据加密介绍

27.3.2数据脱敏

27.3.3数据残余销毁

27.3.4数据沿袭(Data Lineage)

27.3.5数据备份与恢复

27.3.6访问控制

27.3.7新一代云计算安全技术

27.4案例分析： 政务云的数据安全设施

27.4.1项目背景

27.4.2技术方案

27.4.3实施要点

27.5本章小结

第28章IaaS和PaaS服务安全

28.1IaaS服务用户需重点关注的安全问题

28.1.1系统基础服务安全风险及应对措施

28.1.2远程管理风险及应对措施

28.1.3DNS威胁及应对措施

28.2IaaS服务用户安全检查清单

28.3PaaS服务用户需重点关注的安全问题

28.3.1安全相关的API

28.3.2应用安全部署

28.3.3远程安全访问

28.3.4服务锁定风险

28.4PaaS服务用户安全检查清单

28.5本章小结

第29章SaaS服务安全

29.1SaaS服务安全风险

29.1.1互联网服务安全现状

29.1.2SaaS服务安全需求

29.2SaaS应用安全保护机制

29.2.1安全开发生命周期

29.2.2Web应用防火墙

29.2.3身份识别与访问管理

29.2.4终端用户安全

29.3案例研究： 桌面云服务安全部署方案

29.3.1桌面云服务概述

29.3.2设计挑战

29.3.3设计要点

29.4本章小结

第30章云计算安全治理

30.1组织架构与过程模型

30.1.1组织架构

30.1.2风险管理

30.1.3过程模型

30.2云计算安全治理操作

30.2.1云计算安全指南制定

30.2.2安全监控与事件响应

30.2.3威胁管理和渗透测试

30.2.4变更管理

30.2.5安全审计与日志

30.3隐私保护

30.3.1云计算环境下隐私保护的概念

30.3.2云计算环境下的隐私数据

30.3.3云计算环境下隐私数据保护对策

30.4案例： 金融业的电子支付运营安全

30.4.1需求分析

30.4.2设计考虑

30.4.3安全运营治理实施

30.4.4成效评估

30.5本章小结

第31章云计算的合规性

31.1IT合规概述

31.1.1什么是IT合规

31.1.2IT合规对云计算提供商的必要性

31.1.3云服务提供商在合规中面临的挑战

31.2信息化合规规划

31.2.1信息科技合规整体框架

31.2.2IT合规解决方案

31.3IT合规实践

31.3.1IT合规的工作内容

31.3.2IT合规的实践建议

31.4合规工作中的难点和解决思路

31.4.1公司的战略与支持

31.4.2IT管理

31.4.3技术运营团队的工作

31.5案例研究： 在线金融服务商的合规实践

31.5.1背景介绍

31.5.2安全整改内容

31.5.3实施阶段

31.5.4合规整改结果

31.5.5项目挑战点

31.5.6后期项目的风险和困难点

31.6本章小结

31.6.1合规实施的要点

31.6.2合规实施的难点

31.6.3进一步的建议

第6部分服务质量管理

第32章云服务的质量工程

32.1服务质量保证的基本原理

32.1.1软件服务质量

32.1.2软件过程质量

32.1.3质量管理体系的构成

32.1.4软件质量控制

32.1.5软件质量保证

32.1.6软件质量改进

32.2质量保证过程

32.2.1验证与确认

32.2.2评审

32.2.3正式评审会议

32.2.4单元测试与集成测试

32.2.5功能测试

32.2.6回归测试

32.2.7系统的非功能性测试

32.2.8验收测试

32.2.9技术运营阶段的质量保证活动

32.3云服务平台的特有质量诉求

32.3.1可用性

32.3.2安全性

32.3.3可扩充性

32.4需求评审和设计评审

32.4.1需求评审

32.4.2系统架构设计评审

32.4.3系统部署物理设计评审

32.5云服务的验证

32.5.1可用性验证

32.5.2安全性验证

32.5.3可伸缩性验证

32.5.4通过SLA来保证质量水平

第33章服务运营的质量管理

33.1服务质量管理的目的

33.2经典的服务质量管理方法

33.2.1ITIL/CSI框架

33.2.26Sigma框架

33.2.3戴明循环理论

33.3云服务运营中质量管理所面临的挑战

33.3.1源自运营目标的挑战

33.3.2来自执行中的难度

33.4对服务质量管理的探索： GMAI方法及其要点

33.5GMAI服务质量管理： 服务改进的框架

33.5.1质量管理目标(Goal)

33.5.2衡量(Measure)

33.5.3分析(Analysis)

33.5.4改进(Improve)

33.6GMAI服务质量管理： 服务改进的持续

33.6.1持续性的实现方法： 来自目标和项目的驱动

33.6.2持续性的基础： 证明自己的业务价值

33.7实践讨论(1)： 如何保证服务质量改进的持续性

33.8实践讨论(2)： 服务质量管理如何获得管理层的支持

33.8.1高质量的报告

33.8.2高级管理人员仪表板

33.9服务质量管理方案的选择

第7部分组织能力

第34章组织能力的构建与发展

34.1组织能力概述

34.1.1企业成功的关键

34.1.2组织能力的定义和建设

34.1.3云服务的组织能力框架

34.2云计算服务公司面临的挑战

34.3员工能力

34.3.1建立学习型组织

34.3.2有效的培训体系

34.4员工的思维模式

34.4.1公司价值观的建立： 如何确定价值观的内容

34.4.2价值观落地：  团队的接受

34.5员工治理

34.5.1组织架构： 合理的团队结构

34.5.2组织架构中的边界管理： 边界弱化、增强及平衡

34.5.3业务流程： 明确的制度

34.5.4有效的信息管理

34.6技术体系的组织架构

34.6.1一元初始： 研发

34.6.2二元架构： 研发、运营

34.6.3三元架构： 研发、运营、数据

34.6.4四元架构： 研发、运营、数据、管理

34.7客服体系的组织架构

34.8实践研究(1)： 构建高效的技术运营团队

34.8.1背景

34.8.2思维方式： 技术运营的管理思想

34.8.3团队治理： 团队的结构与责任

34.8.4团队能力： 团队的培养

34.9实践研究(2)： 构建大数据的组织能力

34.9.1企业的新型竞争力：  分析能力

34.9.2大数据组织能力模型

34.9.3员工思维

34.9.4员工治理

34.10实践研究(3)： 构建服务导向的客户服务部门

34.10.1客服的三种核心服务方式

34.10.2被动式服务： 问题的快速响应

34.10.3主动式服务： 有效的客户管理

34.10.4服务体系的改进

34.10.5本章小结

参考文献

后记——行自云起时，更上一层楼