具體描述
作者簡介
Martin Kleppmann是英國劍橋大學分布式係統方嚮的研究員。此前，他曾是LinkedIn和Rapportive等互聯網公司的軟件工程師，負責大規模數據基礎設施建設。在此過程中他遇到過一些睏難，因此他希望這本書能夠幫助讀者避免重蹈覆轍。Martin還是一位活躍的會議演講者、博主和開源貢獻者。他認為，每個人都應該學習深刻的技術理念，對技術的深入理解能幫助我們開發齣更好的軟件。
譯者簡介
趙軍平, 大數據存儲與分析資深開發者與推廣者（EMC 10餘年），GPU異構計算的親曆者。中國計算機協會專傢委員，DELL EMC資深架構師。12年係統研發、創新與團隊管理經驗，擅長數據存儲與保護, 雲計算與大數據實時分析，GPU異構加速優化等。相關領域已申請中、美技術專利100餘項，並多次在SNIA，LinuxConf，Hadoop Summit, Nvidia GPU Tech Conf等做技術分享，持續關注數據密集和計算密集相關技術的演進、融閤與賦能推廣。
呂雲鬆，北京大學計算機碩士，碩士及DELL EMC中國研究院實習期間專注於大數據實時流式處理相關的研究。現就職於華為2012中軟院黎曼實驗室，主要從事深度學習的研發。
耿煜，DELL EMC架構師兼GTM負責人，緻力於推廣企業級數字化轉型方案。深耕分布式架構以及雲計算12年，先後任職於ChinaCache，Sun Microsystems以及EMC等公司。
李三平，美國麻省大學計算機工程專業博士，DELL EMC中國研究院首席科學傢，研究方嚮為機器學習、深度學習、智能運維、遙感影像等。已在IEEE Transactions期刊和會議上發錶論文數十篇，申請美國專利20餘項。推崇簡約，熱衷機器學習。
全書分為三大部分：
第一部分，主要討論有關增強數據密集型應用係統所需的若乾基本原則。首先開篇第1章即瞄準目標：可靠性、可擴展性與可維護性，如何認識這些問題以及如何達成目標。第2章我們比較瞭多種不同的數據模型和查詢語言，討論各自的適用場景。接下來第3章主要針對存儲引擎，即數據庫是如何安排磁盤結構從而提高檢索效率。第4章轉嚮數據編碼（序列化）方麵，包括常見模式的演化曆程。
第二部分，我們將從單機的數據存儲轉嚮跨機器的分布式係統，這是擴展性的重要一步，但隨之而來的是各種挑戰。所以將依次討論數據遠程復製（第5章）、數據分區（第6章）以及事務（第7章）。接下來的第8章包括分布式係統的更多細節，以及分布式環境如何達成一緻性與共識（第9章）。
第三部分，主要針對産生派生數據的係統，所謂派生數據主要指在異構係統中，如果無法用一個數據源來解決所有問題，那麼一種自然的方式就是集成多個不同的數據庫、緩存模塊以及索引模塊等。首先第10章以批處理開始來處理派生數據，緊接著第11章采用流式處理。第12章總結之前介紹的多種技術，並分析討論未來構建可靠、可擴展和可維護應用係統可能的新方嚮或方法。
用戶評價
##自Stevens 博士全係書籍以及 jcip 以後，讀過的最好的工程理論書籍。作者技術功力深厚又富有人文情懷。（就是最後一章翻譯的有些糟糕，錯彆字和不通順的地方太多，多人聯閤翻譯痕跡也比較重，有些詞匯翻譯不專業尤其前後不一緻，但這又是一本講一緻性的書，有點諷刺也不應該。）
評分 評分##名不虛傳，分布式係統的基本問題都提到瞭，而且各種解決方案的優缺點都有。講的沒有那麼實用，也沒有那麼理論，在工業與學術之間平衡的很好。
評分 評分 評分 評分##傳說中的ddia果然名不虛傳。提綱挈領，高屋建瓴。注定要迴看許多遍纔能吃透。每章章首的題圖真乃一大亮點。那些走過的路呀，那些趟過的河，以及那些掉過的坑。
評分 評分相關圖書
本站所有內容均為互聯網搜尋引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 book.cndgn.com All Rights Reserved. 新城书站 版權所有