新書推薦：
《
大思维：哥伦比亚商学院六步创新思维模型
》
售價：NT$
332.0
《
宏观经济学（第三版）【2024诺贝尔经济学奖获奖者作品】
》
售價：NT$
709.0
《
UE5虚幻引擎必修课（视频教学版）
》
售價：NT$
505.0
《
真需求
》
售價：NT$
505.0
《
阿勒泰的春天
》
售價：NT$
230.0
《
如见你
》
售價：NT$
234.0
《
人格阴影 全新修订版，更正旧版多处问题。国际分析心理学协会（IAAP）主席力作
》
售價：NT$
305.0
《
560种野菜野果鉴别与食用手册
》
售價：NT$
305.0
|
| 編輯推薦： |
1.20多位业界大咖和高校学者联袂推荐的包含了大量关于DevOps落地实践内容的图书
2.国家《企业IT运维发展白皮书》核心作者、中国信通院可信云标准特聘专家、中国信通院低代码/无代码推进中心特聘专家新力作。
3.全局的知识体系和技能矩阵覆盖主流90%的工具，以独特的视角和深刻的见解将 DevOps 的开发、测试、部署与运营等关键流程进行梳理，分析透彻，指导从业者落地实践。
4.3 个核心DevOps实践案例涵盖阿里、腾讯、苏宁，包含DevOps 一系列价值观、原则、方法、实践和工具，用以帮助提高企业 DevOps 的实施效果和交付业务的速度和质量。
5.大量DevOps工具速查内容安装、排错和常见集成手段。讲解的度量体系、反馈体系提供了 DevOps 团队管理需要的重要信息和方法，可以帮助管理者提升项目和团队的效能。
|
| 內容簡介： |
DevOps已在互联网、金融和制造等领域落地实践。本书主要内容包括DevOps的基本概念，DevOps的工具集，支撑管理，敏捷开发，持续集成和测试，持续部署和持续交付，代码质量和安全，DevOps的度量体系，持续改进和反馈，DevOps实践，以及DevOps的后续发展。
本书适合企业级DevOps项目中不同角色、不同参与模式下的用户阅读，也适合作为大专院校和相关培训机构的教学用书。
|
| 關於作者： |
|
顾黄亮，持牌金融机构部门总经理，中国商联专家智库入库专家、江苏银行业和保险业金融科技专家委员会候选专家、企业数字化转型IOMM委员会特聘专家、中国信通院可信云标准特聘专家、中国信通院低代码/无代码推进中心特聘专家，腾讯云价值专家TVP，阿里云有价值专家MVP，《研发运营一体化（DEVOPS）能力成熟度模型》和《企业IT运维发展白皮书》核心作者，出版物《企业级DevOps实战案例-持续交付篇》合著作者，出版物《企业级DevOps权威指南》个人作者，容器云技能大赛课程出品人，多个技术峰会演讲嘉宾，拥有丰富的企业级DevOps实战经验，专注企业IT数字化的转型和落地，致力于企业智慧运维体系的打造。
|
| 目錄：
|
目 录
第 1章 认识DevOps 1
1.1 DevOps基础 1
1.1.1 DevOps的概念 1
1.1.2 DevOps与企业和IT组织的关系 2
1.1.3 DevOps究竟是什么 3
1.2 DevOps的发展轨迹和特点 3
1.2.1 DevOps的起源 3
1.2.2 DevOps的发展路径 6
1.2.3 DevOps的发展特点 8
1.3 DevOps的总体架构和流程 10
1.3.1 DevOps的总体架构 10
1.3.2 DevOps的流程 14
1.4 DevOps文化 15
1.4.1 为什么需要DevOps文化 15
1.4.2 传统IT组织文化存在的弊端 15
1.4.3 DevOps文化具备的特点 16
1.4.4 DevOps文化的目标 17
1.5 DevOps的工具链框架 18
1.5.1 DevOps工具的发展特性 18
1.5.2 DevOps工具的选择 20
1.5.3 DevOps工具的种类 21
1.5.4 DevOps工具的发展现状 22
1.5.5 工具链简介 23
1.6 DevOps的实践和落地 24
1.6.1 DevOps实践和落地的模型 25
1.6.2 DevOps实践和落地的基本原则 25
1.6.3 DevOps落地过程中的问题 27
1.7 DevOps的价值 28
1.7.1 提升IT组织中研发管理的价值 28
1.7.2 提升IT组织中服务输出的价值 30
1.7.3 助力企业进行产品转型和科技输出 31
第 2章 DevOps的工具集 32
2.1 工具的种类和选择 32
2.1.1 工具在DevOps中的定位 32
2.1.2 DevOps工具周期表 33
2.1.3 DevOps工具选择问题 34
2.1.4 DevOps工具选择的建议 35
2.1.5 DevOps工具的基本功能和技术要素 36
2.2 容器云的安装 54
2.2.1 容器云和DevOps的关系 54
2.2.2 Docker的安装 54
2.2.3 Kubernetes的部署 58
2.3 容器云的API及其使用方式 73
2.3.1 Docker的API 73
2.3.2 Kubernetes API 81
2.4 容器云与DevOps集成的方法 87
2.4.1 容器云的DevOps和传统的DevOps的区别 87
2.4.2 容器云的DevOps规划标准 87
2.4.3 容器云的DevOps规划设计和集成方法 88
2.4.4 以Docker为代表的DevOps平台体系的运行流程 91
2.5 项目管理工具 92
2.5.1 市场占有率 92
2.5.2 禅道 92
2.5.3 Jira 99
2.6 持续集成和持续交付工具 102
2.6.1 市场占有率 102
2.6.2 GitLab 103
2.6.3 SVN 117
2.6.4 Maven 124
2.6.5 Nexus 129
2.6.6 Jenkins 132
2.6.7 GitLab CI 139
2.7 测试管理和测试自动化工具 142
2.7.1 市场占有率 142
2.7.2 SonarQube 142
2.7.3 JMeter 151
2.8 运维管理工具 154
2.8.1 市场占有率 154
2.8.2 Zabbix 155
2.8.3 Ansible 163
第3章 支撑管理 177
3.1 项目管理 177
3.1.1 传统项目管理、IT项目管理和DevOps项目管理的区别 177
3.1.2 DevOps在项目管理中的定位 179
3.1.3 DevOps在IT项目管理中的特点和作用 181
3.2 需求管理 184
3.2.1 需求管理的概念和内容 184
3.2.2 需求管理的难点 185
3.2.3 需求管理的工程方法 186
3.2.4 需求管理和DevOps的关系 188
3.3 CMDB集成 189
3.3.1 CMDB概述 189
3.3.2 CMDB的作用 190
3.3.3 CMDB的价值 191
3.3.4 CMDB和DevOps的集成方法 192
3.3.5 CMDB和DevOps的集成场景 194
3.4 运维服务流程的集成 194
3.4.1 创建运维服务流程的原因 195
3.4.2 创建运维服务流程时的目标 196
3.4.3 建立运维服务流程体系 197
3.4.4 运维服务流程和DevOps的集成 198
3.5 云管理平台集成 198
3.5.1 云管理平台的定义 198
3.5.2 云管理平台的种类 199
3.5.3 云管理平台的定位和边界 200
3.5.4 云管理平台和DevOps的集成 202
3.6 面向终态的监控 203
3.6.1 什么是面向终态 203
3.6.2 监控平台产生的意义 204
3.6.3 现有监控方案的一些问题 205
3.6.4 面向终态的监控设计 205
第4章 敏捷开发 208
4.1 敏捷开发介绍 208
4.1.1 Scrum概述 208
4.1.2 Scrum框架属性 210
4.2 敏捷开发和DevOps的关系 217
4.2.1 敏捷开发的特点 217
4.2.2 敏捷开发和DevOps的差异 218
4.2.3 敏捷开发和DevOps的交叉关系 219
4.2.4 敏捷开发和DevOps的共性 220
4.2.5 敏捷开发和DevOps的集成方式 221
4.3 敏捷开发看板 222
4.3.1 看板的用途 222
4.3.2 泳道 224
4.3.3 物理看板和电子看板 225
4.3.4 看板和Scrum的关系 226
4.4 用户故事 227
4.4.1 用户故事简介 227
4.4.2 用户故事的内容 229
4.4.3 用户故事的价值 230
4.4.4 用户故事的实践 231
4.5 敏捷开发的驱动方式 232
4.5.1 敏捷开发和其他能力子域的协同 232
4.5.2 领域驱动敏捷开发 233
4.5.3 特征驱动敏捷开发 234
4.5.4 测试驱动敏捷开发 234
第5章 持续集成和测试 236
5.1 持续集成简介 236
5.1.1 持续集成的概念 236
5.1.2 持续集成的对象 236
5.1.3 持续集成的流程、要素和原则 238
5.2 持续集成的优点和难点 239
5.2.1 持续集成在敏捷开发中的作用 239
5.2.2 持续集成在DevOps中的作用 240
5.2.3 持续集成的优点 240
5.2.4 持续集成的难点 241
5.3 版本管理 242
5.3.1 版本控制 242
5.3.2 版本控制和DevOps的关系 243
5.3.3 版本控制和开发模式的关系 244
5.4 自动化测试简介 246
5.4.1 自动化测试和测试自动化的区别 247
5.4.2 自动化测试能够解决什么问题 247
5.4.3 自动化测试的目的 249
5.4.4 自动化测试的前置条件 249
5.4.5 自动化测试的通用流程 250
5.5 自动化测试框架 251
5.5.1 自动化测试框架的优点 251
5.5.2 自动化测试框架的类型 252
5.5.3 使用自动化测试框架时需要注意的事项 253
5.5.4 常见的自动化测试框架 254
5.5.5 Selenium实践示范 257
5.6 驱动测试的方式 258
5.6.1 常见的驱动测试方式 259
5.6.2 数据驱动测试 260
5.6.3 DevOps驱动测试 262
5.7 持续集成的实践 263
5.7.1 基于程序的持续集成 263
5.7.2 基于容器的持续集成 270
5.7.3 基于数据库的持续集成 272
第6章 持续部署和持续交付 276
6.1 持续部署简介 276
6.1.1 持续部署的概念 276
6.1.2 持续部署和持续集成、持续交付的区别 277
6.1.3 持续部署的演进 278
6.2 发布策略 280
6.2.1 常见的发布策略 280
6.2.2 特性开关发布 284
6.3 微服务部署 286
6.3.1 微服务架构的概念 286
6.3.2 传统开发模式和微服务开发模式的区别 287
6.3.3 微服务和DevOps的关系 288
6.3.4 微服务部署策略 289
6.4 制品和制品库 291
6.4.1 制品库的作用 291
6.4.2 制品的类型 292
6.4.3 制品库的建设 293
6.4.4 常见的制品库 294
6.5 Pipeline的种类和用法 296
6.5.1 Pipeline对DevOps的作用 296
6.5.2 Pipeline的种类 297
6.6 Pipeline的实践 303
6.6.1 创建流水线的3种方式 303
6.6.2 Jenkinsfile文件的用法 306
6.6.3 Jenkinsfile文件的高阶使用场景 308
6.6.4 Pipeline中Docker的使用 312
第7章 代码质量和安全 314
7.1 技术债务 314
7.1.1 技术债务的来源 314
7.1.2 技术债务的分类 314
7.1.3 技术债务的处理方式 316
7.1.4 通过DevOps管理技术债务 317
7.2 质量内建 318
7.2.1 质量内建的含义 319
7.2.2 没有质量内建的后果 320
7.2.3 如何进行质量内建 321
7.3 代码规范和指标 323
7.3.1 代码规范的重要性 323
7.3.2 代码规范案例 324
7.3.3 约束代码规范的手段 329
7.3.4 SonarQube指标 330
7.4 代码评审 333
7.4.1 代码评审的重要性 333
7.4.2 代码评审的误区 334
7.4.3 代码评审的实践 335
7.5 DevOps和安全的集成 337
7.5.1 DevSecOps的概念 338
7.5.2 DevOps和SDL的矛盾 338
7.5.3 DevOps和SDL的初步融合 340
7.5.4 DevSecOps的起源 340
7.5.5 DevSecOps的原则 341
7.6 DevSecOps实践 342
7.6.1 实践过程 343
7.6.2 实践案例 347
第8章 DevOps的度量体系 350
8.1 数据思维 350
8.1.1 DevOps数据的发展历程 350
8.1.2 数据思维的含义 351
8.1.3 数据思维的落地方式 352
8.2 DevOps数据体系的建设和管理 354
8.2.1 DevOps数据体系的建设思路 354
8.2.2 DevOps数据体系的建设过程 355
8.3 DevOps数据在运维领域的使用场景 359
8.3.1 DevOps数据在运维领域使用时的难点 359
8.3.2 适合使用的高阶场景 360
8.4 构建DevOps度量体系 363
8.4.1 度量体系的重要性 363
8.4.2 DevOps度量体系的建设过程 364
8.5 构建DevOps指标体系 368
8.5.1 指标体系的作用 368
8.5.2 数据指标体系的5个关键要素 369
8.5.3 数据指标体系的准则 371
8.5.4 常见的数据指标体系 371
第9章 持续改进和反馈 376
9.1 DevOps持续反馈原则 376
9.1.1 流水线反馈 376
9.1.2 持续改进反馈 377
9.2 DevOps的持续改进 379
9.2.1 研发组织的持续改进 379
9.2.2 测试组织的持续改进 380
9.2.3 度量的持续改进 381
9.3 DevOps常见误区和改进目标 381
9.3.1 实践过程中常见的误区 381
9.3.2 DevOps的改进指标 383
第 10章 DevOps实践 386
10.1 阿里云云效的DevOps实践 386
10.1.1 云效平台简介 386
10.1.2 DevOps实践背景和推进策略 387
10.1.3 阿里云云效一站式DevOps解决方案 388
10.2 腾讯云DevOps实践 393
10.2.1 CODING平台简介 393
10.2.2 敏捷开发实践 394
10.2.3 持续集成实践 397
10.2.4 测试管理实践 400
10.2.5 持续部署实践 401
10.2.6 质量与安全实践 402
10.2.7 过程度量实践 404
10.3 苏宁金融DevOps实践 404
10.3.1 实践总体思路 404
10.3.2 研发迭代活动实践 406
第 11章 DevOps的后续发展 409
11.1 DevOps是衡量CMDB是否成功的重要方式 409
11.2 DevOps逐渐回归本质 410
11.3 DevOps的发展趋势是成为服务目录门户 410
11.4 AI对DevOps的赋能，是“蜜糖”还是“毒药”？ 411
11.5 DevOps也需要依靠数据中台 411
11.6 DevOps是否爆发式成长取决于企业领导者是否赋予研发人员更多的话语权 412
11.7 自动化已经逐渐脱离DevOps的范畴 412
11.8 没有度量的DevOps会逐渐沦为“鸡肋” 413
11.9 CI/CD流水线已不再是潮流 413
11.10 成本复盘将成为DevOps发展的新方向 413
11.11 SEC成为DevOps爆发式发展的一个阻碍 413
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
