"云计算与虚拟化技术丛书"丛书包含的书籍

KVM实战:原理、进阶与性能调优

这是一部兼具实战性、系统性又不乏深度的KVM虚拟化技术指南,既能让新人快速掌握KVM的基础知识,又能满足有经验的读者进阶学习的需求。

本书两位作者来自于阿里云和Intel,在云计算和KVM方面有深入的研究,他们将自己的经验倾囊相授,带你全面了解KVM的各种技术细节。

本书在逻辑上分为三大部分:

第一部分 基础篇(第1~5章)

以云计算、虚拟化的概念开篇,首先,详细介绍了KVM的原理和基础架构,以及KVM生产环境的构建;然后,详细讲解了libvirt、virsh、virt-manager等KVM主流管理工具,以及包括CPU、内存、存储、网络、图形界面等在内的各种核心基础功能。这部分内容将帮助读者打下扎实的KVM虚拟化技术基础。

第二部分 进阶篇(第6~9章)

从设备管理、内存管理、动态迁移、嵌套虚拟化、安全、CPU指令性能优化等几个特定的相对高阶的知识点详细展开。相信通过这部分内容的系统学习,读者可以对半虚拟化驱动、设备直接分配、设备热插拔、大页内存、NUMA、嵌套虚拟化、安全特性、CPU新指令集等一系列热门及高阶的名词和技术都会有比较深入的理解,并能培养起可以真正动手实践的能力。

第三部分 性能测试与调优篇(第10章)

从CPU、内存、网络、磁盘等各个方面来介绍性能评估工具与测试参考结果,同时介绍了CPU新指令(如AVX2等)、THP、KSM、NUMA等对性能的影响。读者可以根据本篇介绍的方法来对云服务器做性能评估,也可以对自己搭建的虚拟化环境做性能调优。

深入理解Elasticsearch(原书第2版)

资深软件开发专家、架构师撰写,系统且深入阐释ElasticSearch涉及的工具、方法、原则和实践,深入剖析ElasticSearch应用过程中遇到的各个层面的问题,涉及分布式索引机制、系统监控及性能优化、用户体验改善、Java API应用,以及自定义插件开发等,能为工程师与架构师快速提高ElasticSearch水平提供有效指导。

本书共9章,第1章介绍Apache Lucene的工作方式、ElasticSearch的基本概念以及ElasticSearch的工作机制;第2章描述Lucene评分机制、如何进行查询重写,以及ElasticSearch的批处理API和如何使用过滤器来优化查询;第3章描述如何修改Lucene评分,如何使用不同的倒排索引格式来改变索引字段的结构;第4章阐述如何选择恰当的索引分片、路由工作机制、索引分片机制;第5章介绍如何为具体应用选择正确的目录实现,同时阐述发现、网关、恢复模块及其配置方式,以及调优ElasticSearch的缓存机制;第6章介绍JVM垃圾收集的工作原理、重要性以及如何调优;第7章介绍帮助修正查询中的拼写错误以及构建高效的自动完成机制——查询建议,还展示如何通过使用不同查询类型和ElasticSearch的其他功能来提高查询相关性;第8章重点阐释ElasticSearch的JAVA API;第9章通过演示如何开发你自己的河流和语言处理插件来介绍ElasticSearch的插件开发。

OpenShift云原生架构:原理与实践 (云计算与虚拟化技术丛书)

这是一本匠心之作,它将带领你深入了解OpenShift和如何基于OpenShift构建云原生应用,以及如何通过以OpenShift为代表的PaaS平台实现数字化转型。

本书的三位作者都是云计算和OpenShift领域的一线资深专家和布道者,本书以他们多年来在云计算和企业数字化转型领域的实战经验为背景,深入剖析了OpenShift的架构设计、实现原理,以及集群的部署和运维;深度讲解基于OpenShift的云原生架构,以及如何以微服务、DevOps、Service Mesh、Serverless和Spark为核心构建企业云原生技术平台。

全书共8章,每一章的内容都干货十足:

第1章介首先绍了云原生PaaS平台如何重塑云计算以及它在数字化转型中的作用,然后对OpenShift做了宏观的介绍。

第2章从源代码的角度对OpenShift的设计哲学、架构设计和核心功能模块的实现原理进行了深入剖析。

第3章从工程实践的角度详细讲解了OpenShift集群的部署、运维和管理。

第4章重点讲解了基于OpenShift平台的云原生应用自动构建与部署。

第5章介绍如何在OpenShift上实现云原生DevOps工具链。

第6章主要讲解了Service Mesh技术,以及基于Istio的微服务在OpenShift上的云原生实践。

第7章重点阐述了Serverless技术,以及基于Knative的无服务器应用在OpenShift上的云原生实践。

第8章主要讲解了以Spark为核心的数据科学应用及其在OpenShift上的云原生实践。

Github | Docker | Project