SysML精粹

定　價：￥59.00

作　者：	Lenny Delligatti 著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：	軟件工程技術(shù)叢書
標(biāo)　簽：	計算機(jī)/網(wǎng)絡(luò) 軟件工程/開發(fā)項(xiàng)目管理

購買這本書可以去

ISBN：	9787111484585	出版時間：	2014-12-08	包裝：	平裝
開本：	16開	頁數(shù)：	189	字?jǐn)?shù)：

內(nèi)容簡介

　　《SysML精粹》全書延續(xù)了Martin Fowler經(jīng)典的《UML精粹》的風(fēng)格，能夠快速告訴你在開始的時候需要知道哪些知識，隨著需求的出現(xiàn)，會幫助你不斷深化你的知識。像SysML本身一樣，這本書和方法無關(guān)，旨在支持你已經(jīng)使用的所有流程、過程和工具?！禨ysML精粹》作者以清晰、簡潔的術(shù)語介紹SysML圖的基礎(chǔ)知識，通過實(shí)例闡明如何創(chuàng)建有效的SysML模型，涵蓋SysML的核心組件，并以幽默詼諧的方式給出許多切實(shí)可行的建議，以幫助讀者創(chuàng)建好的模型和好的設(shè)計。

作者簡介

　　Lenny Delligatti持有OMG認(rèn)證系統(tǒng)建模專家（OCSMP）：模型構(gòu)建高級證書。作為Lockheed Martin公司的高級系統(tǒng)工程師，他在約翰遜空間中心為NASA的任務(wù)控制中心：21世紀(jì)（MCC-21）項(xiàng)目創(chuàng)建了SysML模型。Lenny是對象管理組織（OMG）SysML修訂任務(wù)小組（RTF）的成員。他培訓(xùn)了幾百位系統(tǒng)和軟件工程師，讓其中很多人獲得了認(rèn)證，并帶領(lǐng)MBSE的項(xiàng)目。侯伯薇，中荷人壽保險有限公司高級系統(tǒng)分析師，InfoQ中文站翻譯團(tuán)隊(duì)主編，具有十多年的開發(fā)經(jīng)驗(yàn)，目前致力于技術(shù)與業(yè)務(wù)的融合，讓開發(fā)出來的程序能夠真正提高業(yè)務(wù)人員的工作效率。熱衷于通過翻譯和演講的方式與廣大程序員分享和交流，曾翻譯過多本技術(shù)書籍和幾百篇技術(shù)短文，并在Scrumgathering、QClub、敏捷之旅等活動上做過技術(shù)演講。朱艷蘭，教育技術(shù)學(xué)碩士研究生，現(xiàn)就職于大連大學(xué)師范學(xué)院，講師。擔(dān)任本科生“現(xiàn)代教育技術(shù)”、“Flash動畫設(shè)計與制作”、“多媒體與網(wǎng)絡(luò)教育技術(shù)應(yīng)用”等課程的教學(xué)工作。長期從事計算機(jī)網(wǎng)絡(luò)在教育教學(xué)中的應(yīng)用、數(shù)字化學(xué)習(xí)以及基礎(chǔ)教育信息化等方面的研究工作。主持或參與多項(xiàng)省市級研究課題，發(fā)表相關(guān)論文10余篇。副主編《現(xiàn)代教育技術(shù)的理論與應(yīng)用》、《教育學(xué)》等教材，參與多門課程的網(wǎng)絡(luò)資源建設(shè)，并曾在計算機(jī)教育軟件大賽獲獎。

圖書目錄

前言
作者簡介
第1章分布式單詞計數(shù)
1.1 Storm topology的組成部分--stream、spout和bolt
1.1.1 stream
1.1.2 spout
1.1.3 bolt
1.2 單詞計數(shù)topology的數(shù)據(jù)流
1.2.1 語句生成spout
1.2.2 語句分割bolt
1.2.3 單詞計數(shù)bolt
1.2.4 上報bolt
1.3 實(shí)現(xiàn)單詞計數(shù)topology
1.3.1 配置開發(fā)環(huán)境
1.3.2 實(shí)現(xiàn)SentenceSpout
1.3.3 實(shí)現(xiàn)語句分割bolt
1.3.4 實(shí)現(xiàn)單詞計數(shù)bolt
1.3.5 實(shí)現(xiàn)上報bolt
1.3.6 實(shí)現(xiàn)單詞計數(shù)topology
1.4 Storm的并發(fā)機(jī)制
1.4.1 WordCountTopology的并發(fā)機(jī)制
1.4.2 給topology增加worker
1.4.3 配置executor和task
1.5 理解數(shù)據(jù)流分組
1.6 有保障機(jī)制的數(shù)據(jù)處理
1.6.1 spout的可靠性
1.6.2 bolt的可靠性
1.6.3 可靠的單詞計數(shù)
總結(jié)
第2章配置Storm集群
2.1 Storm集群的框架
2.1.1 理解nimbus守護(hù)進(jìn)程
2.1.2 supervisor守護(hù)進(jìn)程的工作方式
2.1.3 Apache ZooKeeper簡介
2.1.4 Storm的DRPC服務(wù)工作機(jī)制
2.1.5 Storm UI
2.2 Storm技術(shù)棧簡介
2.2.1 Java和Clojure
2.2.2 Python
2.3 在Linux上安裝Storm
2.3.1 安裝基礎(chǔ)操作系統(tǒng)
2.3.2 安裝Java
2.3.3 安裝ZooKeeper
2.3.4 安裝Storm
2.3.5 運(yùn)行Storm守護(hù)進(jìn)程
2.3.6 配置Storm
2.3.7 必需的配置項(xiàng)
2.3.8 可選配置項(xiàng)
2.3.9 Storm可執(zhí)行程序
2.3.10 在工作站上安裝Storm可執(zhí)行程序
2.3.11 守護(hù)進(jìn)程命令
2.3.12 管理命令
2.3.13 本地調(diào)試/開發(fā)命令
2.4 把toplogy提交到集群中
2.5 自動化集群配置
2.6 Puppet的快速入門
2.6.1 Puppet manifest文件
2.6.2 Puppet類和模塊
2.6.3 Puppet模板
2.6.4 使用Puppet Hiera來管理環(huán)境
2.6.5 介紹Hiera
總結(jié)
第3章 Trident和傳感器數(shù)據(jù)
3.1 使用場景
3.2 Trident topology
3.3 Trident spout
3.4 Trident運(yùn)算
3.4.1 Trident filter
3.4.2 Trident function
3.5 Trident聚合器
3.5.1 CombinerAggregator
3.5.2 ReducerAggregator
3.5.3 Aggregator
3.6 Trident狀態(tài)
3.6.1 重復(fù)事務(wù)型狀態(tài)
3.6.2 不透明型狀態(tài)
3.7 執(zhí)行topology
總結(jié)
第4章實(shí)時趨勢分析
4.1 應(yīng)用場景
4.2 體系結(jié)構(gòu)
4.2.1 數(shù)據(jù)源應(yīng)用程序
4.2.2 logback Kafka appender
4.2.3 Apache Kafka
4.2.4 Kafka spout
4.2.5 XMPP服務(wù)器
4.3 安裝需要的軟件
4.3.1 安裝Kafka
4.3.2 安裝OpenFire
4.4 示例程序
4.5 日志分析topology
4.5.1 Kafka spout
4.5.2 JSON project function
4.5.3 計算移動平均值
4.5.4 添加一個滑動窗口
4.5.5 實(shí)現(xiàn)滑動平均function
4.5.6 按照閾值進(jìn)行過濾
4.5.7 通過XMPP發(fā)送通知
4.6 最終的topology
4.7 運(yùn)行日志分析topology
總結(jié)
第5章實(shí)時圖形分析
5.1 使用場景
5.2 體系結(jié)構(gòu)
5.2.1 Twitter客戶端
5.2.2 Kafka spout
5.2.3 Titan分布式圖形數(shù)據(jù)庫
5.3 圖形數(shù)據(jù)庫簡介
5.3.1 訪問圖--TinkerPop棧
5.3.2 使用Blueprints API操作圖形
5.3.3 通過Gremlin shell操作圖形
5.4 軟件安裝
5.5 使用Cassandra存儲后端設(shè)置Titan
5.5.1 安裝Cassandra
5.5.2 使用Cassandra后端啟動Titan
5.6 圖數(shù)據(jù)模型
5.7 連接Twitter數(shù)據(jù)流
5.7.1 安裝Twitter4J客戶端
5.7.2 OAuth配置
5.7.3 TwitterStreamConsumer類
5.7.4 TwitterStatusListener類
5.8 Twitter graph topology
5.9 實(shí)現(xiàn)GraphState
5.9.1 GraphFactory
5.9.2 GraphTupleProcessor
5.9.3 GraphStateFactory
5.9.4 GraphState
5.9.5 GraphUpdater
5.10 實(shí)現(xiàn)GraphFactory
5.11 實(shí)現(xiàn)GraphTupleProcessor
5.12 組合成TwitterGraphTopology類
5.13 使用Gremlin查詢圖
總結(jié)
第6章人工智能
6.1 為應(yīng)用場景進(jìn)行設(shè)計
6.2 確立體系結(jié)構(gòu)
6.2.1 審視設(shè)計中的挑戰(zhàn)
6.2.2 實(shí)現(xiàn)遞歸
6.2.3 解決這些挑戰(zhàn)
6.3 實(shí)現(xiàn)體系結(jié)構(gòu)
6.3.1 數(shù)據(jù)模型
6.3.2 檢視Recursive Topology
6.3.3 隊(duì)列交互
6.3.4 function和filter
6.3.5 研究Scoring Topology
6.3.6 分布式遠(yuǎn)程命令調(diào)用（DRPC）
總結(jié)
第7章整合Druid進(jìn)行金融分析
7.1 使用場景
7.2 集成一個非事務(wù)系統(tǒng)
7.3 topology
7.3.1 spout
7.3.2 filter
7.3.3 狀態(tài)設(shè)計
7.4 實(shí)現(xiàn)體系結(jié)構(gòu)
7.4.1 DruidState
7.4.2 實(shí)現(xiàn)StormFirehose對象
7.4.3 在ZooKeeper中實(shí)現(xiàn)分片狀態(tài)
7.5 執(zhí)行實(shí)現(xiàn)的程序
7.6 檢視分析過程
總結(jié)
第8章自然語言處理
8.1 Motivating Lambda結(jié)構(gòu)
8.2 研究使用場景
8.3 實(shí)現(xiàn)Lambda architecture
8.4 為應(yīng)用場景設(shè)計topology
8.5 設(shè)計的實(shí)現(xiàn)
8.5.1 TwitterSpout/TweetEmitter
8.5.2 function
8.6 檢視分析邏輯
8.7 Hadoop
8.7.1 MapReduce概覽
8.7.2 Druid安裝
總結(jié)
第9章在Hadoop上部署Storm進(jìn)行廣告分析
9.1 應(yīng)用場景
9.2 確定體系結(jié)構(gòu)
9.2.1 HDFS簡介
9.2.2 YARN簡介
9.3 配置基礎(chǔ)設(shè)施
9.3.1 Hadoop基礎(chǔ)設(shè)施
9.3.2 配置HDFS
9.4 部署分析程序
9.4.1 以Pig為基礎(chǔ)執(zhí)行批處理分析
9.4.2 在Storm-YARN基礎(chǔ)上執(zhí)行實(shí)時分析
9.5 執(zhí)行分析
9.5.1 執(zhí)行批處理分析
9.5.2 執(zhí)行實(shí)時分析
9.6 部署topology
9.7 執(zhí)行toplogy
總結(jié)
第10章云環(huán)境下的Storm
10.1 Amazon Elastic Compute Cloud簡介
10.1.1 建立AWS帳號
10.1.2 AWS管理終端
10.1.3 手工啟動一個EC2實(shí)例
10.2 Apache Whirr簡介
10.3 使用Whirr配置Storm集群
10.4 Whirr Storm簡介
10.5 Vagrant簡介
10.5.1 安裝Vagrant
10.5.2 創(chuàng)建第一個虛擬機(jī)
10.6 生成Storm安裝準(zhǔn)備腳本
10.6.1 ZooKeeper
10.6.2 Storm
10.6.3 Supervisord
總結(jié)