日韩精品 中文字幕 动漫,91亚洲午夜一区,在线不卡日本v一区v二区丶,久久九九国产精品自在现拍

注冊(cè) | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當(dāng)前位置: 首頁出版圖書科學(xué)技術(shù)計(jì)算機(jī)/網(wǎng)絡(luò)軟件工程及軟件方法學(xué)大數(shù)據(jù)測(cè)試技術(shù)與實(shí)踐(全彩印刷)

大數(shù)據(jù)測(cè)試技術(shù)與實(shí)踐(全彩印刷)

大數(shù)據(jù)測(cè)試技術(shù)與實(shí)踐(全彩印刷)

定 價(jià):¥118.00

作 者: 艾輝 著,融360 AI測(cè)試團(tuán)隊(duì) 編
出版社: 人民郵電出版社
叢編項(xiàng):
標(biāo) 簽: 暫缺

ISBN: 9787115571861 出版時(shí)間: 2021-10-01 包裝: 平裝
開本: 16開 頁數(shù): 276 字?jǐn)?shù):  

內(nèi)容簡(jiǎn)介

  本書全面系統(tǒng)地介紹了大數(shù)據(jù)的測(cè)試技術(shù)與質(zhì)量體系建設(shè)。本書共11章,第1~4章涵蓋認(rèn)識(shí)大數(shù)據(jù),大數(shù)據(jù)技術(shù)生態(tài),數(shù)據(jù)倉庫的設(shè)計(jì)與構(gòu)建,以及大數(shù)據(jù)項(xiàng)目開發(fā)流程;第5~7章講解大數(shù)據(jù)測(cè)試方法、大數(shù)據(jù)測(cè)試實(shí)踐和數(shù)據(jù)質(zhì)量管理;第8~10章介紹大數(shù)據(jù)測(cè)試平臺(tái)實(shí)踐、數(shù)據(jù)治理平臺(tái)建設(shè),以及DataOps的理念與實(shí)踐;第11章提供大數(shù)據(jù)測(cè)試學(xué)習(xí)路線。附錄列出了大數(shù)據(jù)技術(shù)經(jīng)典面試題。本書適合想要了解大數(shù)據(jù)技術(shù)的讀者,以及想要學(xué)習(xí)和掌握大數(shù)據(jù)測(cè)試與大數(shù)據(jù)開發(fā)的從業(yè)者。通過閱讀本書,測(cè)試工程師可以系統(tǒng)地學(xué)習(xí)大數(shù)據(jù)技術(shù)基礎(chǔ)、大數(shù)據(jù)開發(fā)和大數(shù)據(jù)測(cè)試等知識(shí);大數(shù)據(jù)開發(fā)工程師可以借鑒大數(shù)據(jù)質(zhì)量保障的方法,拓寬數(shù)據(jù)工程實(shí)踐的思路;技術(shù)專家和技術(shù)管理者可以了解大數(shù)據(jù)質(zhì)量保障體系、數(shù)據(jù)治理建設(shè)和DataOps實(shí)踐等內(nèi)容。

作者簡(jiǎn)介

  艾輝,中國(guó)人民大學(xué)概率論與數(shù)理統(tǒng)計(jì)專業(yè)碩士,《機(jī)器學(xué)習(xí)測(cè)試入門與實(shí)踐》作者之一。目前,擔(dān)任融360技術(shù)總監(jiān),主要負(fù)責(zé)AI風(fēng)控產(chǎn)品、用戶產(chǎn)品和基礎(chǔ)架構(gòu)的質(zhì)量保障工作。曾在阿里本地生活擔(dān)任高級(jí)技術(shù)經(jīng)理,負(fù)責(zé)用戶產(chǎn)品、新零售產(chǎn)品的質(zhì)量保障工作。擁有9年多的測(cè)試開發(fā)工作經(jīng)驗(yàn),曾多次受邀在行業(yè)技術(shù)大會(huì)(如MTSC、GITC、Top100、TiD、A2M和TICA等)上做主題分享。對(duì)大數(shù)據(jù)、機(jī)器學(xué)習(xí)測(cè)試技術(shù)有深刻理解,并長(zhǎng)期專注于質(zhì)量保障與工程效能領(lǐng)域。陳高飛,東北大學(xué)計(jì)算機(jī)技術(shù)專業(yè)碩士,《機(jī)器學(xué)習(xí)測(cè)試入門與實(shí)踐》作者之一。目前,擔(dān)任融360測(cè)試開發(fā)工程師,主要從事機(jī)器學(xué)習(xí)方向的測(cè)試開發(fā)工作。擅長(zhǎng)白盒測(cè)試、大數(shù)據(jù)測(cè)試和模型測(cè)試,在工具平臺(tái)開發(fā)方面有豐富的實(shí)踐經(jīng)驗(yàn)。郝嶸,北京信息科技大學(xué)自動(dòng)化專業(yè)碩士,《機(jī)器學(xué)習(xí)測(cè)試入門與實(shí)踐》作者之一。目前,擔(dān)任融360高級(jí)測(cè)試開發(fā)工程師,主要負(fù)責(zé)大數(shù)據(jù)方向的測(cè)試開發(fā)工作。擅長(zhǎng)Python開發(fā)、大數(shù)據(jù)測(cè)試和機(jī)器學(xué)習(xí)測(cè)試,主導(dǎo)了多個(gè)工具平臺(tái)的開發(fā),在大數(shù)據(jù)質(zhì)量保障方面有豐富的實(shí)踐經(jīng)驗(yàn)。雷天鳴,哈爾濱理工大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)碩士,《機(jī)器學(xué)習(xí)測(cè)試入門與實(shí)踐》作者之一。目前,擔(dān)任融360測(cè)試開發(fā)工程師,主要從事機(jī)器學(xué)習(xí)方向的測(cè)試開發(fā)工作。擅長(zhǎng)大數(shù)據(jù)測(cè)試、特征測(cè)試和模型算法評(píng)測(cè)等,對(duì)金融風(fēng)控業(yè)務(wù)有深刻理解。李曼曼,融360高級(jí)測(cè)試開發(fā)工程師,《機(jī)器學(xué)習(xí)測(cè)試入門與實(shí)踐》作者之一。擁有近11年的測(cè)試開發(fā)工作經(jīng)驗(yàn),主導(dǎo)了多個(gè)工具平臺(tái)的開發(fā)和大型項(xiàng)目的測(cè)試工作。擅長(zhǎng)白盒測(cè)試、性能測(cè)試、自動(dòng)化測(cè)試、持續(xù)集成和工程效能,在大數(shù)據(jù)和特征模型測(cè)試方面有豐富的實(shí)踐經(jīng)驗(yàn)。馬綿,陜西科技大學(xué)網(wǎng)絡(luò)工程專業(yè)學(xué)士,融360測(cè)試開發(fā)工程師。目前主要從事服務(wù)端測(cè)試開發(fā)工作,擅長(zhǎng)自動(dòng)化測(cè)試、安全測(cè)試,在服務(wù)穩(wěn)定性保障方面有豐富的實(shí)踐經(jīng)驗(yàn)。孫冰妍,東北大學(xué)通信與信息系統(tǒng)專業(yè)碩士,融360測(cè)試開發(fā)工程師。目前主要從事服務(wù)端測(cè)試開發(fā)工作,擅長(zhǎng)白盒測(cè)試、自動(dòng)化測(cè)試、性能測(cè)試、安全測(cè)試和持續(xù)集成。參與了多個(gè)工具平臺(tái)的開發(fā),并主導(dǎo)了多個(gè)大型項(xiàng)目的測(cè)試工作。對(duì)大數(shù)據(jù)測(cè)試技術(shù)有深刻理解。孫金娟,山西財(cái)經(jīng)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)學(xué)士,《機(jī)器學(xué)習(xí)測(cè)試入門與實(shí)踐》作者之一。目前,擔(dān)任融360測(cè)試開發(fā)工程師,有近9年的Java開發(fā)、測(cè)試開發(fā)工作經(jīng)驗(yàn)。擅長(zhǎng)大數(shù)據(jù)測(cè)試和工具平臺(tái)開發(fā),對(duì)機(jī)器學(xué)習(xí)、特征模型測(cè)試有深刻理解。張咪,北京交通大學(xué)通信與信息系統(tǒng)專業(yè)碩士,《機(jī)器學(xué)習(xí)測(cè)試入門與實(shí)踐》作者之一。目前,擔(dān)任融360測(cè)試經(jīng)理,主要負(fù)責(zé)用戶產(chǎn)品的質(zhì)量保障工作,曾負(fù)責(zé)基礎(chǔ)架構(gòu)、SRE(Site Reliability Engineering,網(wǎng)站可靠性工程)等方面的測(cè)試開發(fā)工作。在自動(dòng)化測(cè)試、服務(wù)穩(wěn)定性、專項(xiàng)測(cè)試和工程效能等方面有豐富的實(shí)踐經(jīng)驗(yàn),曾受邀在行業(yè)技術(shù)大會(huì)(如MTSC、A2M等)做主題分享。對(duì)大數(shù)據(jù)、機(jī)器學(xué)習(xí)測(cè)試有深刻的理解,并在這些領(lǐng)域擁有豐富的實(shí)踐經(jīng)驗(yàn)。張朋周,中國(guó)地質(zhì)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)碩士,《機(jī)器學(xué)習(xí)測(cè)試入門與實(shí)踐》作者之一。目前,擔(dān)任融360高級(jí)測(cè)試開發(fā)工程師,曾在百度從事搜索業(yè)務(wù)測(cè)試開發(fā),有近9年的開發(fā)測(cè)試工作經(jīng)驗(yàn)。目前,主要負(fù)責(zé)機(jī)器學(xué)習(xí)方向的測(cè)試開發(fā)工作,主導(dǎo)了多個(gè)工具平臺(tái)的開發(fā),在數(shù)據(jù)質(zhì)量保障、模型評(píng)估平臺(tái)方面有豐富的實(shí)踐經(jīng)驗(yàn)。

圖書目錄

第1章 認(rèn)識(shí)大數(shù)據(jù)/1
1.1 大數(shù)據(jù)概述/1
1.2 大數(shù)據(jù)的發(fā)展/2
1.3 大數(shù)據(jù)的應(yīng)用/4
1.3.1 互聯(lián)網(wǎng)領(lǐng)域/4
1.3.2 物流領(lǐng)域/5
1.3.3 教育領(lǐng)域/6
1.3.4 金融領(lǐng)域/7
1.3.5 電信領(lǐng)域/7
1.4 本章小結(jié)/8
第2章 大數(shù)據(jù)技術(shù)生態(tài)/9
2.1 大數(shù)據(jù)技術(shù)生態(tài)總覽/9
2.2 大數(shù)據(jù)采集技術(shù)/10
2.3 大數(shù)據(jù)存儲(chǔ)技術(shù)/10
2.3.1 分布式文件系統(tǒng):HDFS/10
2.3.2 海量數(shù)據(jù)列式存儲(chǔ): HBase/13
2.3.3 其他數(shù)據(jù)存儲(chǔ)技術(shù)/18
2.4 大數(shù)據(jù)計(jì)算分析技術(shù)/19
2.4.1 批處理計(jì)算的基石:MapReduce/19
2.4.2 流計(jì)算的代表:Storm、Spark Streaming和Flink/21
2.4.3 OLAP引擎:Hive、Impala和Presto/24
2.5 大數(shù)據(jù)管理調(diào)度技術(shù)/30
2.5.1 分布式集群資源調(diào)度框架:YARN/30
2.5.2 容器集群管理系統(tǒng):Kubernetes/32
2.5.3 大數(shù)據(jù)的“動(dòng)物園管理員”:ZooKeeper/33
2.5.4 常用的工作流調(diào)度平臺(tái):Azkaban、Oozie和Airflow/34
2.6 大數(shù)據(jù)商業(yè)產(chǎn)品/36
2.7 本章小結(jié)/38
第3章 數(shù)據(jù)倉庫的設(shè)計(jì)與構(gòu)建/39
3.1 數(shù)據(jù)倉庫概述/39
3.1.1 什么是數(shù)據(jù)倉庫/39
3.1.2 數(shù)據(jù)倉庫的發(fā)展過程/41
3.1.3 數(shù)據(jù)倉庫與數(shù)據(jù)集市、數(shù)據(jù)湖、數(shù)據(jù)中臺(tái)的區(qū)別/43
3.2 數(shù)據(jù)倉庫設(shè)計(jì)/44
3.2.1 架構(gòu)分層設(shè)計(jì)/44
3.2.2 數(shù)據(jù)模型設(shè)計(jì)/46
3.3 數(shù)據(jù)倉庫構(gòu)建/50
3.3.1 數(shù)據(jù)倉庫的構(gòu)建方法與評(píng)價(jià)標(biāo)準(zhǔn)/50
3.3.2 數(shù)據(jù)倉庫實(shí)例/51
3.4 本章小結(jié)/58
第4章 大數(shù)據(jù)項(xiàng)目開發(fā)流程/59
4.1 大數(shù)據(jù)項(xiàng)目開發(fā)概覽/59
4.2 數(shù)據(jù)的采集與存儲(chǔ)/60
4.2.1 服務(wù)端日志采集/61
4.2.2 客戶端日志采集/62
4.2.3 數(shù)據(jù)同步/64
4.2.4 大數(shù)據(jù)存儲(chǔ)/66
4.3 大數(shù)據(jù)計(jì)算/67
4.4 大數(shù)據(jù)監(jiān)控/71
4.4.1 數(shù)據(jù)監(jiān)控/71
4.4.2 運(yùn)維監(jiān)控/72
4.5 大數(shù)據(jù)項(xiàng)目開發(fā)案例/73
4.5.1 項(xiàng)目背景介紹/74
4.5.2 項(xiàng)目需求分析/74
4.5.3 項(xiàng)目開發(fā)流程/76
4.6 本章小結(jié)/83
第5章 大數(shù)據(jù)測(cè)試方法/84
5.1 大數(shù)據(jù)測(cè)試概述/84
5.1.1 什么是大數(shù)據(jù)測(cè)試/84
5.1.2 大數(shù)據(jù)測(cè)試與傳統(tǒng)數(shù)據(jù)測(cè)試/84
5.2 大數(shù)據(jù)測(cè)試類型/85
5.2.1 功能測(cè)試/85
5.2.2 性能測(cè)試/89
5.2.3 其他非功能性測(cè)試/93
5.3 大數(shù)據(jù)測(cè)試流程/94
5.4 大數(shù)據(jù)基準(zhǔn)測(cè)試/96
5.4.1 大數(shù)據(jù)基準(zhǔn)測(cè)試簡(jiǎn)介/97
5.4.2 大數(shù)據(jù)基準(zhǔn)測(cè)試的步驟/97
5.4.3 大數(shù)據(jù)基準(zhǔn)測(cè)試工具/98
5.5 大數(shù)據(jù)ETL測(cè)試/100
5.5.1 大數(shù)據(jù)ETL測(cè)試類型/100
5.5.2 大數(shù)據(jù)ETL測(cè)試場(chǎng)景/103
5.5.3 大數(shù)據(jù)ETL測(cè)試工具/107
5.6 大數(shù)據(jù)測(cè)試總結(jié)/108
5.6.1 大數(shù)據(jù)測(cè)試中的典型問題/108
5.6.2 大數(shù)據(jù)測(cè)試經(jīng)驗(yàn)總結(jié)/112
5.6.3 大數(shù)據(jù)測(cè)試面臨的挑戰(zhàn)/113
5.7 本章小結(jié)/113
第6章 大數(shù)據(jù)測(cè)試實(shí)踐/114
6.1 BI報(bào)表測(cè)試/114
6.1.1 BI工具簡(jiǎn)介/114
6.1.2 Tableau簡(jiǎn)介/115
6.1.3 BI報(bào)表測(cè)試實(shí)踐/120
6.2 數(shù)據(jù)挖掘產(chǎn)品測(cè)試/128
6.2.1 數(shù)據(jù)挖掘的定義和流程/128
6.2.2 數(shù)據(jù)挖掘產(chǎn)品簡(jiǎn)介/129
6.2.3 數(shù)據(jù)挖掘產(chǎn)品測(cè)試實(shí)踐/130
6.3 用戶行為分析平臺(tái)測(cè)試/139
6.3.1 用戶行為分析平臺(tái)測(cè)試概覽/139
6.3.2 數(shù)據(jù)采集階段測(cè)試/140
6.3.3 實(shí)時(shí)數(shù)據(jù)處理階段測(cè)試/140
6.3.4 離線數(shù)據(jù)處理階段測(cè)試/153
6.3.5 數(shù)據(jù)查詢展示階段測(cè)試/153
6.4 本章小結(jié)/156
第7章 數(shù)據(jù)質(zhì)量管理/157
7.1 數(shù)據(jù)質(zhì)量管理概述/157
7.2 數(shù)據(jù)質(zhì)量管理流程/158
7.2.1 建立數(shù)據(jù)質(zhì)量管理辦法/159
7.2.2 制定數(shù)據(jù)標(biāo)準(zhǔn)/161
7.2.3 數(shù)據(jù)質(zhì)量自查評(píng)估/162
7.2.4 數(shù)據(jù)質(zhì)量問題修復(fù)/170
7.3 本章小結(jié)/173
第8章 大數(shù)據(jù)測(cè)試平臺(tái)實(shí)踐/174
8.1 大數(shù)據(jù)測(cè)試平臺(tái)背景/174
8.2 大數(shù)據(jù)測(cè)試的開源技術(shù)調(diào)研/175
8.2.1 great_expectations/176
8.2.2 WeBankFinTech Qualitis/178
8.3 大數(shù)據(jù)測(cè)試的商業(yè)方案分析/181
8.3.1 QuerySurge/182
8.3.2 RightData/184
8.4 從零開始搭建大數(shù)據(jù)測(cè)試平臺(tái)/186
8.4.1 需求分析/187
8.4.2 架構(gòu)設(shè)計(jì)/187
8.4.3 功能實(shí)現(xiàn)/189
8.4.4 頁面演示/196
8.4.5 總結(jié)和展望/201
8.5 本章小結(jié)/203
第9章 數(shù)據(jù)治理平臺(tái)建設(shè)/204
9.1 數(shù)據(jù)治理概述/204
9.1.1 數(shù)據(jù)治理的基本概念/204
9.1.2 數(shù)據(jù)治理的重要意義/205
9.1.3 數(shù)據(jù)治理面臨的主要挑戰(zhàn)/206
9.1.4 如何開展數(shù)據(jù)治理/206
9.2 數(shù)據(jù)治理平臺(tái)體系/207
9.3 元數(shù)據(jù)管理平臺(tái)/208
9.3.1 平臺(tái)產(chǎn)生背景/208
9.3.2 平臺(tái)架構(gòu)/208
9.3.3 模塊設(shè)計(jì):數(shù)據(jù)采集/209
9.3.4 模塊設(shè)計(jì):數(shù)據(jù)查詢/212
9.3.5 模塊設(shè)計(jì):數(shù)據(jù)分析/214
9.4 數(shù)據(jù)質(zhì)量監(jiān)控平臺(tái)/219
9.4.1 平臺(tái)產(chǎn)生背景/219
9.4.2 平臺(tái)架構(gòu)/220
9.4.3 模塊設(shè)計(jì):規(guī)則引擎/221
9.4.4 模塊設(shè)計(jì):任務(wù)中心/230
9.4.5 模塊設(shè)計(jì):報(bào)警系統(tǒng) /230
9.5 本章小結(jié)/232
第10章 DataOps的理念與實(shí)踐/233
10.1 DataOps概述/233
10.1.1 什么是DataOps/233
10.1.2 為什么需要DataOps/235
10.1.3 DataOps與DevOps、MLOps的聯(lián)系和區(qū)別/237
10.2 DataOps的能力與特性/239
10.2.1 數(shù)據(jù)工程/239
10.2.2 數(shù)據(jù)集成/240
10.2.3 數(shù)據(jù)安全和數(shù)據(jù)隱私保護(hù)/241
10.2.4 數(shù)據(jù)質(zhì)量/242
10.2.5 DataOps的4個(gè)特性/243
10.3 DataOps技術(shù)實(shí)踐/244
10.3.1 DataOps技術(shù)工具/245
10.3.2 數(shù)據(jù)管道技術(shù)示例/246
10.4 本章小結(jié)/253
第11章 大數(shù)據(jù)測(cè)試的學(xué)習(xí)路線和發(fā)展趨勢(shì)/254
11.1 為什么學(xué)習(xí)大數(shù)據(jù)測(cè)試/254
11.2 如何學(xué)習(xí)大數(shù)據(jù)測(cè)試/255
11.2.1 大數(shù)據(jù)測(cè)試的學(xué)習(xí)路線/255
11.2.2 大數(shù)據(jù)測(cè)試的技能圖譜/259
11.3 大數(shù)據(jù)測(cè)試的發(fā)展趨勢(shì)/269
11.4 本章小結(jié)/270
附錄 大數(shù)據(jù)技術(shù)經(jīng)典面試題/271
參考文獻(xiàn)/276

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) rgspecialties.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號(hào) 鄂公網(wǎng)安備 42010302001612號(hào)