AIDevOps：智能微服务开发、运维原理与实践 pdf下载

本书主要围绕微服务架构实现智能服务适配、开发复杂服务软件系统的技术路线，系统阐述智能微服务软件架构、开发与运维技术、主要支撑工具、典型应用案例等。

序
前言
第 1 章 智能微服务软件框架　1
1.1 微服务基本概念 1
1.1.1 什么是微服务2
1.1.2 微服务架构常见设计模式 2
1.2 人工智能与微服务适配 10
1.2.1 什么是智能微服务 11
1.2.2 智能微服务适配回路模型　12
1.2.3 智能微服务适配计算框架　13
1.3 本书组织结构　20
第 2 章 智能微服务支撑环境 22
2.1 Kubernetes 微服务平台　22
2.1.1 Kubernetes 平台架构 23
2.1.2 Kubernetes Pod 生命周期和访问管理 24
2.1.3 Pod 与 Service　25
2.2 Service Mesh 简介.26
2.2.1 Service Mesh 基本概念 26
2.2.2 主流 Service Mesh 框架27
2.2.3 Istio 架构组成与核心功能 31
2.3 基于 Service Mesh 的自适应微服务架构　32
2.3.1 Istio 中的流量引导 33
2.3.2 平台的入口网关 35
2.3.3 多粒度负载均衡 39
2.3.4 Service Mesh 的安全管理 41
2.3.5 平台的弹性和可靠性 42
2.4 Service Mesh 的应用场景与案例 43
2.4.1 Bookinfo 架构和功能 43
2.4.2 sidecar 容器注入 44
2.4.3 Bookinfo 应用的流量引导 46
2.4.4 注入故障至 Bookinfo 应用 47
2.5 本章小结 48
第 3 章 智能微服务的分析与设计 49
3.1 服务分析与设计框架 49
3.2 服务需求建模　50
3.2.1 业务流程建模语言 51
3.2.2 基于自然语言处理的业务流程建模 54
3.2.3 BPMN 业务流程一致性检测 56
3.3 服务语义建模　58
3.3.1 服务接口规范与接口语义提取 59
3.3.2 服务语义标注 62
3.3.3 服务语义数据集 65
3.3.4 服务智能分类方法 66
3.3.5 服务图谱构建 68
3.4 服务适配组合　71
3.4.1 服务适配组合设计 71
3.4.2 服务适配组合执行 78
3.5 本章小结 87
第 4 章 智能微服务持续集成 88
4.1 持续集成的基本概念 88
4.2 主流的持续集成开源工具 89
4.2.1 微服务持续集成流程介绍　89
4.2.2 相关工具分析 90
4.3 智能化的持续集成方法 94
4.3.1 持续集成代码质量管理 .94
4.3.2 API 误用检测与纠错　100
4.3.3 微服务架构检测和重构105
4.3.4 持续集成智能分析　112
4.4 本章小结. 114
第 5 章 智能微服务持续交付/部署　115
5.1 持续交付的基本概念　115
5.1.1 持续交付　115
5.1.2 面向微服务体系结构持续交付　117
5.2 开源主流持续交付/部署工具实践　119
5.2.1 Kubernetes 管理配置工具　119
5.2.2 流程管理框架 Argo CD　127
5.2.3 金丝雀升级部署工具 Flagger 129
5.3 智能化持续交付 131
5.3.1 概述　131
5.3.2 智能化持续交付的原理与框架　131
5.4 智能化持续部署的实现方法 134
5.4.1 持续交付版本同步　135
5.4.2 持续交付智能部署决策方法　136
5.4.3 智能化持续部署的应用例子　138
5.5 本章小结 141
第 6 章 智能微服务质量保障和资源调度　143
6.1 微服务资源调度技术概述　143
6.1.1 资源调度技术的演进　144
6.1.2 微服务资源调度适配技术　152
6.2 智能微服务资源调度过程　153
6.2.1 数据结构及调度问题抽象　153
6.2.2 调度优化约束条件　161
6.2.3 服务质量保障目标　166
6.3 微服务调度性能检测优化　171
6.3.1 微服务应用形态的资源特征　171
6.3.2 微服务性能调优的典型手段　173
6.4 典型微服务智能资源调度方案　176
6.4.1 集中式方案　176
6.4.2 分布式方案　181
6.4.3 混合式方案　187
6.5 本章小结 193
第 7 章 智能微服务监控与可靠性维护　194
7.1 智能运维概述 194
7.1.1 运维技术的发展历史　195
7.1.2 传统运维技术面临的挑战　197
7.1.3 智能运维系统框架　198
7.2 智能微服务监控和分布式追踪　200
7.2.1 日志和指标监控　202
7.2.2 分布式追踪监测　207
7.2.3 监控数据可视化　210
7.3 智能微服务故障检测和报警 211
7.3.1 异常检测和告警　211
7.3.2 指标关联性建模　215
7.3.3 度量值分析与预测　217
7.4 智能微服务的故障定位　222
7.4.1 故障定位算法　223
7.4.2 基于服务调用链的根因定位　225
7.5 智能微服务故障恢复　232
7.5.1 服务故障处理　232
7.5.2 服务故障调试　234
7.5.3 服务失效恢复　236
7.6 本章小结　238
参考文献 239

随着 RESTful 和微服务等新服务技术不断涌现，服务软件已经从简单同构系统发展为环境开放、场景跨域、业务复杂的服务生态。例如 Netflix 的在线服务系统每天涉及 50 亿次服务调用，其中 90% 以上都是涉及微服务的内部调用；而 Amazon.com 每次页面构建要进行 100～150 次微服务调用来实现。微服务的动态特性使情况进一步复杂化。一个微服务可以有几个到数千个物理实例，并运行在不同容器上由服务发现组件进行管理。针对新的服务适配要求，传统服务理论和技术已经难以实现海量异构服务之间的精准匹配、动态组合和耦合集成，需要研究智能服务适配理论和方法。
AIDevOps 利用人工智能技术实现复杂服务软件的智能适配，解决了异构服务的智能匹配问题，以及服务演化和运行时的质量保障问题。在服务分析和设计方面，由于异构服务描述不精确、不一致，需要实现服务供需的精准匹配、按需组合、适应优化，从而保障服务适配的正确性。在服务版本演化和动态运行方面，由于服务版本众多、更新频繁、适配态势不断变化，需要及时感知态势、准确评估效能、自主可靠管理、保障服务适配质量。
我们希望通过本书系统地总结对智能服务适配理论和技术研究的思考与探索，为本领域的研究进展指出后续努力的方向。同时，我们也希望通过本书能够与有兴趣从事人工智能和服务计算领域交叉研究的科研工作者和企业技术人员分享相关的研发思路和经验，为正在学习本领域相关知识和工具的高校学生提供有价值的参考资料。