滿額折
中台落地手記：業務服務化與數據資產化（簡體書）
商品資訊
相關商品
商品簡介
名人/編輯推薦
目次
商品簡介
當前，中台落地手記 業務服務化與數據資產化建設如火如荼，相關技術也在快速發展。本書試圖幫助讀者撥開迷霧，旨在向讀者提供一個“step by step”的中台建設實操指導。本書從中台的規劃、設計、實現、運維等多個方面入手，從組織架構、業務流程、技術選型角度，以一個典型的民航生產系統落地場景為例，對基於微服務的“業務中台”、基於大數據的“數據中台”以及基於企業戰略的“組織中台”分別進行了闡述。
中台落地手記 業務服務化與數據資產化分10章，內容主要涉及總體規劃、業務服務化建設、微服務解決方案、收集各類數據、數據預處理、數據湖和數據倉庫數據處理、數據計算開發、深入挖掘業務數據、安全措施和中台運營及周邊。
中台落地手記 業務服務化與數據資產化的主要讀者對象為企業信息化人員（包括管理人員及產品設計、開發人員等）、數字化轉型研究方向和專業的高校師生等。
中台落地手記 業務服務化與數據資產化分10章，內容主要涉及總體規劃、業務服務化建設、微服務解決方案、收集各類數據、數據預處理、數據湖和數據倉庫數據處理、數據計算開發、深入挖掘業務數據、安全措施和中台運營及周邊。
中台落地手記 業務服務化與數據資產化的主要讀者對象為企業信息化人員（包括管理人員及產品設計、開發人員等）、數字化轉型研究方向和專業的高校師生等。
名人/編輯推薦
有方法 “step by step”地指導中台建設 有實踐 結合中台項目闡述中台建設的流程與方法 有觀點 傾心分享作者多年中台建設的心得體會
目次
前言
第1章 總體規劃1
1.1 統一內部認識1
1.2 把握外部環境2
1.3 中台具體建設思路3
1.3.1 阿裡巴巴中台建設思路拆解3
1.3.2 企業組織變革5
1.3.3 業務與數據邏輯架構設計7
1.4 運營中台規劃與設計8
1.4.1 運營中台面臨的幾個典型痛點8
1.4.2 行業規範與趨勢8
1.4.3 運營中台前期準備情況9
第2章 業務服務化建設11
2.1 多種方法梳理業務11
2.2 領域驅動（DDD）業務建模13
2.2.1 領域驅動建模介紹13
2.2.2 業務架構設計16
2.3 業務服務化帶來的效益19
2.4 服務提供者20
2.5 服務消費者21
2.6 服務管理者22
2.7 運營中台業務服務化設計26
2.7.1 梳理各業務線流程26
2.7.2 定義業務領域28
2.7.3 確定聚合與聚合根28
2.7.4 確定限界上下文29
第3章 微服務解決方案31
3.1 RPC框架：Apache Dubbo32
3.1.1 架構分層剖析32
3.1.2 核心流程介紹33
3.1.3 關鍵生態組件介紹34
3.1.4 Dubbo使用舉例35
3.2 Spring框架：Spring Cloud40
3.2.1 網關平臺40
3.2.2 服務註冊與發現41
3.2.3 配置管理41
3.2.4 負載均衡42
3.2.5 服務保護43
3.2.6 鏈路追蹤44
3.2.7 安全控制44
3.3 微服務難點剖析45
3.3.1 網絡延遲45
3.3.2 分布式事務46
3.3.3 分布式計算48
3.4 服務網格Service Mesh50
3.5 無服務架構Serviceless51
3.6 運營中台基於微服務技術搭建業務中台52
3.6.1 微服務劃分52
3.6.2 整體微服務架構53
3.6.3 緩存方案54
3.6.4 搜索方案57
3.6.5 通信方案58
3.6.6 SPI與插件化方案59
第4章 收集各類數據62
4.1 多渠道收集數據64
4.2 多數據結構收集數據65
4.3 收集工具介紹66
4.3.1 Apache Flume66
4.3.2 Apache Sqoop67
4.3.3 Alibaba DataX71
4.3.4 爬蟲系統工具74
4.3.5 Apache Kafka76
4.3.6 Alibaba Canal83
4.4 運營中台數據收集過程92
第5章 數據預處理94
5.1 數據標準建立95
5.2 數據建模子系統95
5.2.1 關系型數據建模95
5.2.2 數據倉庫建模96
5.2.3 非關系型數據建模99
5.2.4 通用建模步驟99
5.3 元數據管理子系統101
5.3.1 元數據的內涵101
5.3.2 元數據管理的意義102
5.3.3 元數據管理開源方案：Apache Atlas102
5.4 數據質量控制子系統104
5.4.1 數據質量維度度量104
5.4.2 數據質量控制方案105
5.4.3 數據質量管理開源方案：Apache Griffin106
5.5 運營中台數據預處理107
5.5.1 建立內部數據標準107
5.5.2 與業務模型對應的數據模型子系統108
5.5.3 自研元數據管理子系統110
5.5.4 自研數據質量控制子系統112
第6章 數據湖和數據倉庫數據處理113
6.1 數據倉庫113
6.1.1 數據倉庫分層113
6.1.2 數據倉庫分類114
6.2 數據湖與大數據116
6.2.1 Lambda架構116
6.2.2 Kappa架構117
6.2.3 大數據平臺118
6.3 開源數據湖方案：Apache Hudi119
6.3.1 Hudi存儲120
6.3.2 Hudi讀取122
6.4 運營中台數據倉庫和數據湖的建設情況123
6.4.1 基於Hive的離線數據倉庫123
6.4.2 基於Kylin的准實時數據倉庫125
6.4.3 基於Flink+TiDB的實時數據倉庫126
6.4.4 基於Hudi的數據湖建設127
第7章 數據計算開發130
7.1 離線計算130
7.1.1 MapReduce經典計算引擎130
7.1.2 Apache Spark內存計算引擎132
7.2 在線計算137
7.2.1 事務優先類引擎137
7.2.2 非事務優先類引擎143
7.2.3 預計算類引擎151
7.3 流式計算154
7.3.1 無狀態計算引擎：Apache Storm154
7.3.2 有狀態計算引擎：Apache Flink156
7.4 運營中台數據資產化過程163
7.4.1 典型問題解決方案165
7.4.2 性能調優168
第8章 深入挖掘業務數據174
8.1 利用機器學習進行數據挖掘174
8.1.1 監督學習175
8.1.2 非監督學習176
8.1.3 強化學習177
8.2 機器學習通用步驟177
8.2.1 數據清洗處理178
8.2.2 特徵工程179
8.2.3 對模型進行訓練182
8.2.4 評估模型的泛化程度184
8.2.5 模型保存及導入185
8.3 運營中台業務數據挖掘188
8.3.1 客戶數據挖掘：分類營銷188
8.3.2 安全數據挖掘：運行事件預測190
第9章 安全措施192
9.1 安全體系範疇192
9.1.1 平臺安全192
9.1.2 數據安全193
9.1.3 隱私安全194
9.2 大數據平臺安全開源方案：Apache Ranger195
9.3 運營中台安全措施197
9.3.1 運營中台安全告警系統199
9.3.2 運營中台兩地三中心數據容災方案199
第10章 中台運營及周邊203
10.1 運營中的運維：維護優勢203
10.2 運營中的營收：提升價值204
10.3 各類中台形態204
10.3.1 數據中台204
10.3.2 業務中台205
10.3.3 AI中台206
10.4 運營中台的運營規劃207
後記208
第1章 總體規劃1
1.1 統一內部認識1
1.2 把握外部環境2
1.3 中台具體建設思路3
1.3.1 阿裡巴巴中台建設思路拆解3
1.3.2 企業組織變革5
1.3.3 業務與數據邏輯架構設計7
1.4 運營中台規劃與設計8
1.4.1 運營中台面臨的幾個典型痛點8
1.4.2 行業規範與趨勢8
1.4.3 運營中台前期準備情況9
第2章 業務服務化建設11
2.1 多種方法梳理業務11
2.2 領域驅動（DDD）業務建模13
2.2.1 領域驅動建模介紹13
2.2.2 業務架構設計16
2.3 業務服務化帶來的效益19
2.4 服務提供者20
2.5 服務消費者21
2.6 服務管理者22
2.7 運營中台業務服務化設計26
2.7.1 梳理各業務線流程26
2.7.2 定義業務領域28
2.7.3 確定聚合與聚合根28
2.7.4 確定限界上下文29
第3章 微服務解決方案31
3.1 RPC框架：Apache Dubbo32
3.1.1 架構分層剖析32
3.1.2 核心流程介紹33
3.1.3 關鍵生態組件介紹34
3.1.4 Dubbo使用舉例35
3.2 Spring框架：Spring Cloud40
3.2.1 網關平臺40
3.2.2 服務註冊與發現41
3.2.3 配置管理41
3.2.4 負載均衡42
3.2.5 服務保護43
3.2.6 鏈路追蹤44
3.2.7 安全控制44
3.3 微服務難點剖析45
3.3.1 網絡延遲45
3.3.2 分布式事務46
3.3.3 分布式計算48
3.4 服務網格Service Mesh50
3.5 無服務架構Serviceless51
3.6 運營中台基於微服務技術搭建業務中台52
3.6.1 微服務劃分52
3.6.2 整體微服務架構53
3.6.3 緩存方案54
3.6.4 搜索方案57
3.6.5 通信方案58
3.6.6 SPI與插件化方案59
第4章 收集各類數據62
4.1 多渠道收集數據64
4.2 多數據結構收集數據65
4.3 收集工具介紹66
4.3.1 Apache Flume66
4.3.2 Apache Sqoop67
4.3.3 Alibaba DataX71
4.3.4 爬蟲系統工具74
4.3.5 Apache Kafka76
4.3.6 Alibaba Canal83
4.4 運營中台數據收集過程92
第5章 數據預處理94
5.1 數據標準建立95
5.2 數據建模子系統95
5.2.1 關系型數據建模95
5.2.2 數據倉庫建模96
5.2.3 非關系型數據建模99
5.2.4 通用建模步驟99
5.3 元數據管理子系統101
5.3.1 元數據的內涵101
5.3.2 元數據管理的意義102
5.3.3 元數據管理開源方案：Apache Atlas102
5.4 數據質量控制子系統104
5.4.1 數據質量維度度量104
5.4.2 數據質量控制方案105
5.4.3 數據質量管理開源方案：Apache Griffin106
5.5 運營中台數據預處理107
5.5.1 建立內部數據標準107
5.5.2 與業務模型對應的數據模型子系統108
5.5.3 自研元數據管理子系統110
5.5.4 自研數據質量控制子系統112
第6章 數據湖和數據倉庫數據處理113
6.1 數據倉庫113
6.1.1 數據倉庫分層113
6.1.2 數據倉庫分類114
6.2 數據湖與大數據116
6.2.1 Lambda架構116
6.2.2 Kappa架構117
6.2.3 大數據平臺118
6.3 開源數據湖方案：Apache Hudi119
6.3.1 Hudi存儲120
6.3.2 Hudi讀取122
6.4 運營中台數據倉庫和數據湖的建設情況123
6.4.1 基於Hive的離線數據倉庫123
6.4.2 基於Kylin的准實時數據倉庫125
6.4.3 基於Flink+TiDB的實時數據倉庫126
6.4.4 基於Hudi的數據湖建設127
第7章 數據計算開發130
7.1 離線計算130
7.1.1 MapReduce經典計算引擎130
7.1.2 Apache Spark內存計算引擎132
7.2 在線計算137
7.2.1 事務優先類引擎137
7.2.2 非事務優先類引擎143
7.2.3 預計算類引擎151
7.3 流式計算154
7.3.1 無狀態計算引擎：Apache Storm154
7.3.2 有狀態計算引擎：Apache Flink156
7.4 運營中台數據資產化過程163
7.4.1 典型問題解決方案165
7.4.2 性能調優168
第8章 深入挖掘業務數據174
8.1 利用機器學習進行數據挖掘174
8.1.1 監督學習175
8.1.2 非監督學習176
8.1.3 強化學習177
8.2 機器學習通用步驟177
8.2.1 數據清洗處理178
8.2.2 特徵工程179
8.2.3 對模型進行訓練182
8.2.4 評估模型的泛化程度184
8.2.5 模型保存及導入185
8.3 運營中台業務數據挖掘188
8.3.1 客戶數據挖掘：分類營銷188
8.3.2 安全數據挖掘：運行事件預測190
第9章 安全措施192
9.1 安全體系範疇192
9.1.1 平臺安全192
9.1.2 數據安全193
9.1.3 隱私安全194
9.2 大數據平臺安全開源方案：Apache Ranger195
9.3 運營中台安全措施197
9.3.1 運營中台安全告警系統199
9.3.2 運營中台兩地三中心數據容災方案199
第10章 中台運營及周邊203
10.1 運營中的運維：維護優勢203
10.2 運營中的營收：提升價值204
10.3 各類中台形態204
10.3.1 數據中台204
10.3.2 業務中台205
10.3.3 AI中台206
10.4 運營中台的運營規劃207
後記208
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。