91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
分布式追蹤實(shí)踐
分布式追蹤實(shí)踐
Austin Parker, Daniel Spoonhower, Jonathan Mace, Rebecca Isaacs 著
張翔, 劉征, 李捷 譯
出版時(shí)間：2025年02月
頁(yè)數(shù)：309
“對(duì)于那些剛接觸分布式追蹤的人來(lái)說(shuō)，這是一本極好的入門(mén)讀物，對(duì)于那些已經(jīng)在使用分布式追蹤的人來(lái)說(shuō)，也是一本很好的參考書(shū)?！?br /> ——Alex Hidalgo
SRE工程師，Implementing Service Level Objectives作者

當(dāng)前大多數(shù)應(yīng)用程序都是以某種形式存在的分布式應(yīng)用程序，要監(jiān)控它們的健康情況和性能，需要一種新的方法。分布式追蹤是一種分析、監(jiān)控分布式應(yīng)用程序（特別是那些使用微服務(wù)架構(gòu)的應(yīng)用程序）的方法。問(wèn)題在于：要恰當(dāng)?shù)氖褂梅植际阶粉?，可能?huì)充滿各種挑戰(zhàn)。但這種情況可以得到改善。
通過(guò)本書(shū)，你將學(xué)到什么是分布式追蹤，以及如何運(yùn)用分布式追蹤理解軟件的運(yùn)行情況。Lightstep 公司和其他公司的核心成員將指導(dǎo)你如何在代碼中為追蹤、收集數(shù)據(jù)埋點(diǎn)，這些由埋點(diǎn)產(chǎn)生的數(shù)據(jù)將轉(zhuǎn)換為在運(yùn)維中有用的關(guān)鍵信息。如果你要實(shí)現(xiàn)分布式追蹤，這本書(shū)將告訴你，你需要哪些知識(shí)儲(chǔ)備。
你將學(xué)到：
● 部署分布式追蹤：埋點(diǎn)、收集數(shù)據(jù)、分析。
● 埋點(diǎn)的最佳實(shí)踐：從你的服務(wù)中生成追蹤數(shù)據(jù)的方法。
● 在使用采樣或其他技術(shù)時(shí)，如何處理開(kāi)銷(xiāo)（或避免）問(wèn)題。
● 如何使用分布式追蹤改善基線性能以及快速緩解性能回歸。
● 分布式追蹤的未來(lái)。
  1. 序
  2. 前言
  3. 第1章 分布式追蹤的問(wèn)題
  4. 1.1 分布式追蹤部署的組件
  5. 1.2 分布式追蹤，微服務(wù)，Serverless，怎么辦
  6. 1.3 追蹤的收益
  7. 1.4 設(shè)定基調(diào)
  8. 第2章 埋點(diǎn)的本質(zhì)
  9. 2.1 白盒vs黑盒
  10. 2.2 應(yīng)用程序vs系統(tǒng)
  11. 2.3 代理vs庫(kù)
  12. 2.4 傳播上下文
  13. 2.4.1 進(jìn)程間傳播
  14. 2.4.2 進(jìn)程內(nèi)傳播
  15. 2.5 分布式追蹤的輪廓
  16. 2.5.1 親近追蹤的微服務(wù)和Serverless
  17. 2.5.2 在單體應(yīng)用中追蹤
  18. 2.5.3 在Web和移動(dòng)客戶端中追蹤
  19. 第3章 開(kāi)源的埋點(diǎn)處理：接口、庫(kù)和框架
  20. 3.1 抽象埋點(diǎn)的重要性
  21. 3.2 OpenTelemetry
  22. 3.3 OpenTracing和OpenCensus
  23. 3.3.1 OpenTracing
  24. 3.3.2 OpenCensus
  25. 3.4 其他值得注意的格式和項(xiàng)目
  26. 3.4.1 X-Ray
  27. 3.4.2 Zipkin
  28. 3.5 互操作性和遷移策略
  29. 3.6 為什么使用開(kāi)源埋點(diǎn)
  30. 3.6.1 互操作性
  31. 3.6.2 可移植性
  32. 3.6.3 生態(tài)系統(tǒng)與隱式可見(jiàn)性
  33. 第4章 埋點(diǎn)的最佳實(shí)踐
  34. 4.1 追蹤的示例
  35. 4.1.1 安裝示例應(yīng)用程序
  36. 4.1.2 添加基本的分布式追蹤
  37. 4.1.3 自定義埋點(diǎn)
  38. 4.2 從何處著手 —— 節(jié)點(diǎn)和邊緣
  39. 4.2.1 框架埋點(diǎn)
  40. 4.2.2 服務(wù)網(wǎng)格埋點(diǎn)
  41. 4.2.3 創(chuàng)建服務(wù)拓?fù)鋱D
  42. 4.3 span包含哪些內(nèi)容
  43. 4.3.1 有效命名
  44. 4.3.2 有效標(biāo)記
  45. 4.3.3 有效記錄日志
  46. 4.3.4 了解性能的注意事項(xiàng)
  47. 4.4 追蹤驅(qū)動(dòng)開(kāi)發(fā)
  48. 4.4.1 使用追蹤數(shù)據(jù)開(kāi)發(fā)
  49. 4.4.2 使用追蹤數(shù)據(jù)測(cè)試
  50. 4.5 創(chuàng)建埋點(diǎn)計(jì)劃
  51. 4.5.1 識(shí)別埋點(diǎn)的應(yīng)用場(chǎng)景
  52. 4.5.2 埋點(diǎn)的質(zhì)量清單
  53. 4.5.3 了解何時(shí)停止埋點(diǎn)
  54. 4.5.4 理智且持續(xù)的添加埋點(diǎn)
  55. 第5章 部署追蹤
  56. 5.1 在組織架構(gòu)中采用分布式追蹤
  57. 5.1.1 貼近你的用戶
  58. 5.1.2 從中心著手：負(fù)載均衡器以及網(wǎng)關(guān)
  59. 5.1.3 利用基礎(chǔ)設(shè)施：RPC框架和服務(wù)網(wǎng)格
  60. 5.1.4 可復(fù)用的采用
  61. 5.2 追蹤器架構(gòu)
  62. 5.2.1 進(jìn)程內(nèi)的庫(kù)
  63. 5.2.2 邊車(chē)和代理
  64. 5.2.3 收集器
  65. 5.2.4 中心化存儲(chǔ)和分析
  66. 5.2.5 增量部署
  67. 5.3 數(shù)據(jù)來(lái)源、安全性和聯(lián)合
  68. 5.3.1 前端服務(wù)的遙測(cè)數(shù)據(jù)
  69. 5.3.2 服務(wù)器端的遙測(cè)數(shù)據(jù)
  70. 5.4 總結(jié)
  71. 第6章 開(kāi)銷(xiāo)、成本、采樣
  72. 6.1 應(yīng)用程序開(kāi)銷(xiāo)
  73. 6.1.1 延遲
  74. 6.1.2 吞吐量
  75. 6.2 基礎(chǔ)設(shè)施成本
  76. 6.2.1 網(wǎng)絡(luò)
  77. 6.2.2 存儲(chǔ)
  78. 6.3 采樣
  79. 6.3.1 下限
  80. 6.3.2 策略
  81. 6.3.3 選擇追蹤數(shù)據(jù)
  82. 6.4 現(xiàn)成的ETL解決方案
  83. 6.5 總結(jié)
  84. 第7章 新的可觀測(cè)性計(jì)分卡
  85. 7.1 定義三大支柱
  86. 7.1.1 指標(biāo)
  87. 7.1.2 日志
  88. 7.1.3 分布式追蹤
  89. 7.2 三大支柱的致命弱點(diǎn)
  90. 7.2.1 設(shè)計(jì)目標(biāo)
  91. 7.2.2 評(píng)估三大支柱
  92. 7.2.3 三根管道（而非支柱）
  93. 7.3 可觀測(cè)性的目標(biāo)和活動(dòng)
  94. 7.3.1 可觀測(cè)性的兩個(gè)目標(biāo)
  95. 7.3.2 可觀測(cè)性中的兩個(gè)基本活動(dòng)
  96. 7.3.3 新的計(jì)分卡
  97. 7.3.4 前路
  98. 第8章 改善基線性能
  99. 8.1 測(cè)量性能
  100. 8.1.1 百分位數(shù)
  101. 8.1.2 直方圖
  102. 8.2 定義關(guān)鍵路徑
  103. 8.3 改善性能的方法
  104. 8.3.1 單條追蹤數(shù)據(jù)
  105. 8.3.2 偏差采樣和比較追蹤
  106. 8.3.3 搜索追蹤
  107. 8.3.4 多模態(tài)分析
  108. 8.3.5 聚合分析
  109. 8.3.6 相關(guān)性分析
  110. 8.4 總結(jié)
  111. 第9章 恢復(fù)基線性能
  112. 9.1 界定問(wèn)題
  113. 9.2 人為因素
  114. 9.2.1 （避免）相互指責(zé)
  115. 9.2.2 “壓制”信使
  116. 9.2.3 移交事故
  117. 9.2.4 良好的事后總結(jié)
  118. 9.3 恢復(fù)性能的方法
  119. 9.3.1 與告警工作流集成
  120. 9.3.2 單條追蹤數(shù)據(jù)
  121. 9.3.3 偏差采樣
  122. 9.3.4 實(shí)時(shí)響應(yīng)
  123. 9.3.5 怎樣才算正常
  124. 9.3.6 聚合并分析相關(guān)根因
  125. 9.4 總結(jié)
  126. 第10章 我們實(shí)現(xiàn)目標(biāo)了嗎
  127. 10.1 分布式追蹤：一段實(shí)用主義的歷史
  128. 10.1.1 基于請(qǐng)求的系統(tǒng)
  129. 10.1.2 響應(yīng)時(shí)間問(wèn)題
  130. 10.1.3 面向請(qǐng)求的信息
  131. 10.2 著名的作品
  132. 10.2.1 Pinpoint
  133. 10.2.2 Magpie
  134. 10.2.3 X-Trace
  135. 10.2.4 Dapper
  136. 10.3 下一步
  137. 第11章 單個(gè)請(qǐng)求之外
  138. 11.1 聚合追蹤數(shù)據(jù)的價(jià)值
  139. 11.1.1 示例1：網(wǎng)絡(luò)阻塞會(huì)影響應(yīng)用程序嗎
  140. 11.1.2 示例2：API端點(diǎn)依賴哪些服務(wù)
  141. 11.2 組織數(shù)據(jù)
  142. 11.3 權(quán)衡
  143. 11.4 為聚合分析采樣
  144. 11.5 處理管道
  145. 11.6 納入異構(gòu)數(shù)據(jù)
  146. 11.7 自定義函數(shù)
  147. 11.8 要點(diǎn)回顧與案例研究
  148. 11.8.1 聚合追蹤數(shù)據(jù)的價(jià)值
  149. 11.8.2 組織數(shù)據(jù)
  150. 11.8.3 為聚合分析采樣
  151. 11.8.4 處理管道
  152. 11.8.5 納入異構(gòu)數(shù)據(jù)
  153. 第12章 span之外
  154. 12.1 span成為主流的原因
  155. 12.1.1 可見(jiàn)性
  156. 12.1.2 實(shí)用主義
  157. 12.1.3 可移植性
  158. 12.1.4 兼容性
  159. 12.1.5 靈活性
  160. 12.2 為什么只有span還不夠
  161. 12.2.1 是圖而非樹(shù)
  162. 12.2.2 請(qǐng)求間依賴
  163. 12.2.3 解耦依賴
  164. 12.2.4 分布式數(shù)據(jù)流
  165. 12.2.5 機(jī)器學(xué)習(xí)
  166. 12.2.6 底層性能指標(biāo)
  167. 12.3 新的抽象
  168. 12.4 理清因果關(guān)系
  169. 第13章 分布式追蹤之外
  170. 13.1 分布式追蹤的局限性
  171. 13.1.1 挑戰(zhàn) 1：預(yù)測(cè)問(wèn)題
  172. 13.1.2 挑戰(zhàn)2：完整VS成本
  173. 13.1.3 挑戰(zhàn)3：開(kāi)放式用例
  174. 13.2 其他類(lèi)似分布式追蹤的工具
  175. 13.3 Census
  176. 13.3.1 啟發(fā)性示例
  177. 13.3.2 分布式追蹤解決方案
  178. 13.3.3 標(biāo)記傳播和本地指標(biāo)聚合
  179. 13.3.4 與分布式追蹤對(duì)比
  180. 13.4 Pivot Tracing
  181. 13.4.1 動(dòng)態(tài)埋點(diǎn)
  182. 13.4.2 反復(fù)出現(xiàn)的問(wèn)題
  183. 13.4.3 工作原理
  184. 13.4.4 動(dòng)態(tài)上下文
  185. 13.4.5 與分布式追蹤對(duì)比
  186. 13.5 Pythia
  187. 13.5.1 性能回歸
  188. 13.5.2 設(shè)計(jì)
  189. 13.5.3 開(kāi)銷(xiāo)
  190. 13.5.4 與分布式追蹤的比較
  191. 13.6 總結(jié)
  192. 第14章 上下文傳播的未來(lái)
  193. 14.1 橫切工具
  194. 14.2 用例
  195. 14.2.1 分布式追蹤
  196. 14.2.2 跨組件指標(biāo)
  197. 14.2.3 跨組件資源管理
  198. 14.2.4 管理數(shù)據(jù)質(zhì)量的權(quán)衡
  199. 14.2.5 微服務(wù)的故障測(cè)試
  200. 14.2.6 跨系統(tǒng)的強(qiáng)一致性
  201. 14.2.7 復(fù)制請(qǐng)求
  202. 14.2.8 流處理系統(tǒng)中的記錄Lineage
  203. 14.2.9 審計(jì)安全策略
  204. 14.2.10 生產(chǎn)測(cè)試
  205. 14.3 公共主題
  206. 14.4 你需要在意這些內(nèi)容嗎
  207. 14.5 Tracing Plane
  208. 14.5.1 行李夠用嗎
  209. 14.5.2 鍵值對(duì)之外
  210. 14.5.3 編譯BDL
  211. 14.5.4 行李上下文
  212. 14.5.5 合并
  213. 14.5.6 開(kāi)銷(xiāo)
  214. 14.6 總結(jié)
  215. 附錄A 近年來(lái)分布式追蹤的近況
  216. 附錄B 上下文傳播
  217. 參考文獻(xiàn)
書(shū)名：分布式追蹤實(shí)踐
譯者：張翔, 劉征, 李捷 譯
國(guó)內(nèi)出版社：中國(guó)電力出版社
出版時(shí)間：2025年02月
頁(yè)數(shù)：309
書(shū)號(hào)：978-7-5198-9180-0
原版書(shū)書(shū)名：Distributed Tracing in Practice
原版書(shū)出版商：O'Reilly Media
Austin Parker
 
Austin Parker是Lightstep公司的首席開(kāi)發(fā)者布道師。
 
 
Daniel Spoonhower
 
Daniel Spoonhower是Lightstep公司的聯(lián)合創(chuàng)始人和CTO。
 
 
Jonathan Mace
 
Jonathan Mace是馬克斯普朗克軟件系統(tǒng)研究院的一名教員。
 
 
Rebecca Isaacs
 
Rebecca Isaacs是Twitter 公司的一名軟件工程師，之前在谷歌和微軟研究院工作。
 
 
本書(shū)封面上的動(dòng)物是一只長(zhǎng)鼻袋鼠（學(xué)名：Perameles nasuta），一種在澳大利亞?wèn)|部雨林和林地沿岸狹長(zhǎng)范圍內(nèi)發(fā)現(xiàn)的有袋動(dòng)物。
長(zhǎng)鼻袋鼠有棕灰色的皮毛和一條短尾巴，重約兩磅，長(zhǎng)約一英尺。壽命一般為5~6年。這些袋鼠在覓食時(shí)用它們有爪的腳趾和特有的鼻子挖出獨(dú)特的圓錐形洞。它們?cè)谝归g覓食昆蟲(chóng)、真菌和植物，白天在淺淺的土洞中筑巢。長(zhǎng)鼻袋鼠的袋口朝后，保護(hù)其幼崽不被挖出的泥土傷害。
2015年最后一次對(duì)長(zhǎng)鼻袋鼠的保護(hù)情況評(píng)估時(shí)，當(dāng)局將該物種列為最不值得關(guān)注的物種，但澳大利亞農(nóng)業(yè)部、水利部、環(huán)境部發(fā)現(xiàn)它在2019~2020年的叢林大火后有滅絕的風(fēng)險(xiǎn)。
購(gòu)買(mǎi)選項(xiàng)
定價(jià)：98.00元
書(shū)號(hào)：978-7-5198-9180-0
出版社：中國(guó)電力出版社