婷婷五月情,国产精品久久久久久亚洲小说,runaway韩国电影免费完整版,国产乱在线观看视频,日韩精品首页,欧美在线视频二区

歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
智能運(yùn)維:從0搭建大規(guī)模分布式AIOPS系統(tǒng)

包郵 智能運(yùn)維:從0搭建大規(guī)模分布式AIOPS系統(tǒng)

作者：彭冬
出版社：電子工業(yè)出版社出版時(shí)間：2017-05-01
開本： 其他 頁數(shù)： 332
中 圖 價(jià):¥44.4(5.6折) 定價(jià)  ¥79.0 登錄后可看到會(huì)員價(jià)
加入購物車 收藏
開年大促， 全場(chǎng)包郵
?新疆、西藏除外
本類五星書更多>
買過本商品的人還買了

智能運(yùn)維:從0搭建大規(guī)模分布式AIOPS系統(tǒng) 版權(quán)信息

智能運(yùn)維:從0搭建大規(guī)模分布式AIOPS系統(tǒng) 本書特色

本書將全面完整地介紹智能運(yùn)維的技術(shù)體系，以及大企業(yè)的智能運(yùn)維實(shí)踐經(jīng)驗(yàn)，讓讀者更加了解運(yùn)維技術(shù)的現(xiàn)狀和發(fā)展方向，在實(shí)踐中能夠有所借鑒。同時(shí)，也能幫助運(yùn)維工程師在一定程度上了解到機(jī)器學(xué)習(xí)的常見算法模型，以及如何將它們應(yīng)用到運(yùn)維工作中。全書共分4篇。第1篇運(yùn)維發(fā)展史，將重點(diǎn)闡述當(dāng)前運(yùn)維的發(fā)展現(xiàn)狀及面臨的技術(shù)挑戰(zhàn)；第2篇智能運(yùn)維基礎(chǔ)設(shè)施，將重點(diǎn)講述大數(shù)據(jù)場(chǎng)景下的數(shù)據(jù)存儲(chǔ)、大數(shù)據(jù)處理和分析的方法與經(jīng)驗(yàn)，以及海量數(shù)據(jù)多維度多指標(biāo)的處理分析技術(shù)；第3篇智能運(yùn)維技術(shù)詳解，將重點(diǎn)關(guān)注在新時(shí)期大數(shù)據(jù)時(shí)代下，如何進(jìn)行智能化的運(yùn)維體系建設(shè)；第4篇技術(shù)案例詳解，為大家梳理了通過開源框架ELK快速構(gòu)建智能監(jiān)控系統(tǒng)的整體方案，還將分享微博平臺(tái)和微博廣告兩個(gè)不同業(yè)務(wù)場(chǎng)景下智能監(jiān)控系統(tǒng)的技術(shù)實(shí)踐。

智能運(yùn)維:從0搭建大規(guī)模分布式AIOPS系統(tǒng) 內(nèi)容簡(jiǎn)介

本書將全面完整地介紹智能運(yùn)維的技術(shù)體系，以及大企業(yè)的智能運(yùn)維實(shí)踐經(jīng)驗(yàn)，讓讀者更加了解運(yùn)維技術(shù)的現(xiàn)狀和發(fā)展方向，在實(shí)踐中能夠有所借鑒。同時(shí)，也能幫助運(yùn)維工程師在一定程度上了解到機(jī)器學(xué)習(xí)的常見算法模型，以及如何將它們應(yīng)用到運(yùn)維工作中。全書共分4篇。靠前篇運(yùn)維發(fā)展史，將重點(diǎn)闡述當(dāng)前運(yùn)維的發(fā)展現(xiàn)狀及面臨的技術(shù)挑戰(zhàn)；第2篇智能運(yùn)維基礎(chǔ)設(shè)施，將重點(diǎn)講述大數(shù)據(jù)場(chǎng)景下的數(shù)據(jù)存儲(chǔ)、大數(shù)據(jù)處理和分析的方法與經(jīng)驗(yàn)，以及海量數(shù)據(jù)多維度多指標(biāo)的處理分析技術(shù)；第3篇智能運(yùn)維技術(shù)詳解，將重點(diǎn)關(guān)注在新時(shí)期大數(shù)據(jù)時(shí)代下，如何進(jìn)行智能化的運(yùn)維體系建設(shè)；第4篇技術(shù)案例詳解，為大家梳理了通過開源框架ELK快速構(gòu)建智能監(jiān)控系統(tǒng)的整體方案，還將分享微博平臺(tái)和微博廣告兩個(gè)不同業(yè)務(wù)場(chǎng)景下智能監(jiān)控系統(tǒng)的技術(shù)實(shí)踐。

智能運(yùn)維:從0搭建大規(guī)模分布式AIOPS系統(tǒng) 目錄

目錄 第1篇　開門見山：運(yùn)維發(fā)展史 第1章　運(yùn)維現(xiàn)狀 2
1.1　運(yùn)維工程 2
1.1.1　認(rèn)識(shí)運(yùn)維 2
1.1.2　主要職責(zé) 4
1.1.3　運(yùn)維技術(shù) 5
1.2　運(yùn)維發(fā)展歷程 6
1.2.1　人工階段 6
1.2.2　工具和自動(dòng)化階段 7
1.2.3　平臺(tái)化階段 7
1.2.4　智能運(yùn)維階段 8
1.3　運(yùn)維現(xiàn)狀 9
1.3.1　故障頻發(fā) 9
1.3.2　系統(tǒng)復(fù)雜性 10
1.3.3　大數(shù)據(jù)環(huán)境 12
1.4　本章小結(jié) 14
1.5　參考文獻(xiàn) 14 第2章　智能運(yùn)維 15
2.1　海量數(shù)據(jù)的存儲(chǔ)、分析和處理 16
2.2　多維度、多數(shù)據(jù)源 18
2.3　信息過載 19
2.4　復(fù)雜業(yè)務(wù)模型下的故障定位 21
2.5　本章小結(jié) 22
2.6　參考文獻(xiàn) 22 第2篇　站在巨人肩上：智能運(yùn)維基礎(chǔ)設(shè)施 第3章　開源數(shù)據(jù)采集技術(shù) 25
3.1　數(shù)據(jù)采集工具對(duì)比 25
3.2　輕量級(jí)采集工具Filebeat 26
3.2.1　Filebeat工作原理 26
3.2.2　Filebeat的安裝與配置 28
3.2.3　啟動(dòng)和運(yùn)行Filebeat 38
3.3　日志采集解析工具 38
3.3.1　Logstash工作原理 39
3.3.2　安裝Logstash 40
3.3.3　配置Logstash 41
3.3.4　啟動(dòng)Logstash 49
3.4　本章小結(jié) 49
3.5　參考文獻(xiàn) 50 第4章　分布式消息隊(duì)列 51
4.1　開源消息隊(duì)列對(duì)比與分析 51 4.1.1　概述 51
4.1.2　ZeroMQ 51
4.1.3　ActiveMQ 52
4.1.4　RocketMQ 52
4.1.5　Kafka 53
4.2　Kafka安裝與使用 53
4.2.1　組件概念 53
4.2.2　基本特性 53
4.2.3　安裝與使用 54
4.2.4　Java API使用 55
4.3　案例分析 57
4.3.1　日志采集 58
4.3.2　實(shí)時(shí)結(jié)算 58
4.3.3　實(shí)時(shí)計(jì)算 58
4.4　本章小結(jié) 58
4.5　參考文獻(xiàn) 59 第5章　大數(shù)據(jù)存儲(chǔ)技術(shù) 60
5.1　傳統(tǒng)數(shù)據(jù)存儲(chǔ) 60
5.1.1　傳統(tǒng)應(yīng)用的架構(gòu) 60
5.1.2　傳統(tǒng)存儲(chǔ)的運(yùn)行機(jī)制 61
5.1.3　傳統(tǒng)存儲(chǔ)帶來的問題 62
5.2　基于HDFS的分布式存儲(chǔ) 63
5.2.1　分布式存儲(chǔ)的定義 63
5.2.2　HDFS的基本原理 64
5.2.3　HDFS架構(gòu)解析 65
5.2.4　HDFS優(yōu)勢(shì) 66
5.2.5　HDFS不適合的場(chǎng)景 67
5.3　分層存儲(chǔ) 68
5.3.1　數(shù)據(jù)倉庫 68
5.3.2　數(shù)據(jù)倉庫分層架構(gòu) 70
5.3.3　分層存儲(chǔ)的好處 73
5.4　案例分析 73
5.4.1　數(shù)據(jù)存儲(chǔ)架構(gòu) 73
5.4.2　數(shù)據(jù)倉庫建模 74
5.4.3　常見的存儲(chǔ)問題及解決方案 80
5.5　本章小結(jié) 80
5.6　參考文獻(xiàn) 80 第6章　大規(guī)模數(shù)據(jù)離線計(jì)算分析 82
6.1　經(jīng)典的離線計(jì)算 82
6.1.1　Linux神級(jí)工具sed和awk 82
6.1.2　Python數(shù)據(jù)處理Pandas基礎(chǔ) 84
6.1.3　Python的優(yōu)勢(shì)和不足 88
6.2　分布式離線計(jì)算 89
6.2.1　MapReduce離線計(jì)算 89
6.2.2　離線計(jì)算的數(shù)據(jù)傾斜問題 97
6.2.3　分布式離線計(jì)算的技術(shù)棧 100
6.3　案例分析 101
6.3.1　離線計(jì)算管理 102
6.3.2　離線計(jì)算原子控制 103
6.3.3　離線計(jì)算的數(shù)據(jù)質(zhì)量 103
6.4　本章小結(jié) 104
6.5　參考文獻(xiàn) 105 第7章　實(shí)時(shí)計(jì)算框架 106
7.1　關(guān)于實(shí)時(shí)流計(jì)算 106
7.1.1　如何提高實(shí)時(shí)流計(jì)算的實(shí)時(shí)性 106
7.1.2　如何提高實(shí)時(shí)流計(jì)算結(jié)果的準(zhǔn)確性 107
7.1.3　如何提高實(shí)時(shí)流計(jì)算結(jié)果的響應(yīng)速度 107
7.2　Spark Streaming計(jì)算框架介紹 107
7.2.1　概述 107
7.2.2　基本概念 108
7.2.3　運(yùn)行原理 108
7.2.4　編程模型 109
7.2.5　Spark Streaming的使用 110
7.2.6　優(yōu)化運(yùn)行時(shí)間 114
7.3　Flink計(jì)算框架 115
7.3.1　基本概念 116
7.3.2　Flink特點(diǎn) 116
7.3.3　運(yùn)行原理 118
7.3.4　Java API的使用 121
7.4　案例分析 124
7.4.1　背景介紹 125
7.4.2　架構(gòu)設(shè)計(jì) 126
7.4.3　效果分析 126
7.5　本章小結(jié) 126
7.6　參考文獻(xiàn) 126 第8章　時(shí)序數(shù)據(jù)分析框架 127
8.1　時(shí)序數(shù)據(jù)庫簡(jiǎn)介 127
8.1.1　什么是時(shí)序數(shù)據(jù)庫 127
8.1.2　時(shí)序數(shù)據(jù)庫的特點(diǎn) 128
8.1.3　時(shí)序數(shù)據(jù)庫對(duì)比 130
8.2　時(shí)序數(shù)據(jù)庫Graphite 131
8.2.1　Graphite簡(jiǎn)介 131
8.2.2　Graphite在微博廣告監(jiān)控系統(tǒng)中的應(yīng)用 137
8.3　多維分析利器Druid 139
8.3.1　什么是Druid 139
8.3.2　Druid架構(gòu) 140
8.3.3　Druid在微博廣告監(jiān)控平臺(tái)中的應(yīng)用 144
8.4　性能神器ClickHouse 147
8.4.1　什么是ClickHouse 147
8.4.2　ClickHouse的特性 148
8.4.3　ClickHouse的不足 149
8.4.4　安裝配置ClickHouse 149
8.4.5　表引擎 153
8.4.6　函數(shù)支持 157
8.5　本章小結(jié) 160
8.6　參考文獻(xiàn) 160 第9章　機(jī)器學(xué)習(xí)框架 161
9.1　簡(jiǎn)介 161
9.2　TensorFlow介紹 162
9.2.1　什么是TensorFlow 162
9.2.2　下載安裝 162
9.2.3　“Hello TensorFlow”示例 166
9.3　TensorFlow進(jìn)階 166
9.3.1　基礎(chǔ)理論 167
9.3.2　模型準(zhǔn)備 169
9.3.3　訓(xùn)練數(shù)據(jù) 169
9.3.4　模型訓(xùn)練 171
9.3.5　生成seq2seq句子 174
9.3.6　運(yùn)行演示 175
9.4　本章小結(jié) 178
9.5　參考文獻(xiàn) 179 第3篇　運(yùn)維新時(shí)代：智能運(yùn)維技術(shù)詳解 第10章　數(shù)據(jù)聚合與關(guān)聯(lián)技術(shù) 182
10.1　數(shù)據(jù)聚合 182
10.1.1　聚合運(yùn)算 183
10.1.2　多維度聚合 186
10.2　降低維度 188
10.2.1　將告警聚合成關(guān)聯(lián)“事件” 189
10.2.2　減少誤報(bào)：告警分類 190
10.3　數(shù)據(jù)關(guān)聯(lián) 192
10.4　實(shí)時(shí)數(shù)據(jù)關(guān)聯(lián)案例 193
10.4.1　設(shè)計(jì)方案 193
10.4.2　效果 195
10.5　本章小結(jié) 195
10.6　參考文獻(xiàn) 195 第11章　數(shù)據(jù)異常點(diǎn)檢測(cè)技術(shù) 196
11.1　概述 196
11.2　異常檢測(cè)方法 198
11.2.1　基于統(tǒng)計(jì)模型的異常點(diǎn)檢測(cè) 199
11.2.2　基于鄰近度的異常點(diǎn)檢測(cè) 202
11.2.3　基于密度的異常點(diǎn)檢測(cè) 203
11.3　獨(dú)立森林 204
11.4　本章小結(jié) 207
11.5　參考文獻(xiàn) 207 第12章　故障診斷和分析策略 208
12.1　日志標(biāo)準(zhǔn)化 209
12.2　全鏈路追蹤 210
12.3　SLA的統(tǒng)一 210
12.4　傳統(tǒng)的故障定位方法 211
12.4.1　監(jiān)控告警型 211
12.4.2　日志分析型 212
12.5　人工智能在故障定位領(lǐng)域的應(yīng)用 213
12.5.1　基于關(guān)聯(lián)規(guī)則的相關(guān)性分析 213
12.5.2　基于決策樹的故障診斷 217
12.6　本章小結(jié) 222
12.7　參考文獻(xiàn) 222 第13章　趨勢(shì)預(yù)測(cè)算法 223
13.1　移動(dòng)平均法 223
13.2　指數(shù)平滑法 224
13.3　ARIMA模型 226
13.3.1　簡(jiǎn)介 226
13.3.2　重要概念 226
13.3.3　參數(shù)解釋 228
13.3.4　建模步驟 230
13.3.5　ARIMA模型案例 232
13.4　神經(jīng)網(wǎng)絡(luò)模型 236
13.4.1　卷積神經(jīng)網(wǎng)絡(luò) 236
13.4.2　循環(huán)神經(jīng)網(wǎng)絡(luò) 238
13.4.3　長短期記憶網(wǎng)絡(luò) 239
13.4.4　應(yīng)用說明 241
13.5　本章小結(jié) 241
13.6　參考文獻(xiàn) 242 第4篇　智能運(yùn)維架構(gòu)實(shí)踐：技術(shù)案例詳解 第14章　快速構(gòu)建日志監(jiān)控系統(tǒng) 244
14.1　Elasticsearch分布式搜索引擎 244
14.1.1　基本概念 244
14.1.2　分布式文檔存儲(chǔ)與讀取 248
14.1.3　分布式文檔檢索 250
14.1.4　分片管理 252
14.1.5　路由策略 254
14.1.6　映射 255
14.2　可視化工具Kibana 258
14.2.1　Management 260
14.2.2　Discover 260
14.2.3　Visualize 262
14.2.4　Dashboard 263
14.2.5　Timelion 263
14.2.6　Dev Tools 264
14.3　ELK搭建實(shí)踐 264
14.3.1　Logstash安裝配置 264
14.3.2　Elasticsearch集群安裝配置 266
14.3.3　Kibana安裝配置 272
14.4　本章小結(jié) 274
14.5　參考文獻(xiàn) 274 第15章　微博廣告智能監(jiān)控系統(tǒng) 275
15.1　背景介紹 275
15.1.1　監(jiān)控指標(biāo)體系 275
15.1.2　功能設(shè)計(jì)原則 276
15.2　整體架構(gòu) 277
15.3　核心功能分析 278
15.3.1　全景監(jiān)控 278
15.3.2　趨勢(shì)預(yù)測(cè) 281
15.3.3　動(dòng)態(tài)閾值 285
15.3.4　服務(wù)治理 285
15.4　本章小結(jié) 288 第16章　微博平臺(tái)通用監(jiān)控系統(tǒng) 289
16.1　背景 290
16.2　整體架構(gòu) 291
16.3　核心模塊 292
16.3.1　數(shù)據(jù)采集（Logtailer） 292
16.3.2　數(shù)據(jù)路由（Statsd-proxy） 295
16.3.3　聚合運(yùn)算（Statsd） 295
16.3.4　數(shù)據(jù)分發(fā)（C-Relay）和數(shù)據(jù)存儲(chǔ) 295
16.3.5　告警模塊 297
16.3.6　API設(shè)計(jì) 300
16.3.7　數(shù)據(jù)可視化 301
16.4　第三方應(yīng)用 302
16.4.1　決策支持系統(tǒng) 302
16.4.2　運(yùn)維自動(dòng)化 303
16.4.3　成本分析和容量日?qǐng)?bào) 303
16.4.4　機(jī)器學(xué)習(xí) 303
16.5　本章小節(jié) 303
附錄A　中國大數(shù)據(jù)技術(shù)大會(huì)2017（BDTC 2017）CSDN專訪實(shí)錄 305
展開全部

智能運(yùn)維:從0搭建大規(guī)模分布式AIOPS系統(tǒng) 相關(guān)資料

本書是對(duì)AIOps的深度細(xì)化和技術(shù)補(bǔ)充，相關(guān)實(shí)踐可落地，很有說服力。 —— 蕭田國 高效運(yùn)維社區(qū)發(fā)起人 AIOps標(biāo)準(zhǔn)及白皮書發(fā)起人 AIOps是運(yùn)維領(lǐng)域的極大熱點(diǎn)，本書對(duì)底層技術(shù)進(jìn)行詳細(xì)分析，并結(jié)合微博場(chǎng)景提供大量實(shí)戰(zhàn)案例，非常有參考價(jià)值。 —— 裴丹 清華大學(xué)計(jì)算機(jī)系長聘副教授 青年千人 美國AT&T研究院前主任研究員 智能運(yùn)維算法專家 本書作者對(duì)智能運(yùn)維技術(shù)體系進(jìn)行全面梳理，完整呈現(xiàn)從思路到工具再到實(shí)踐的全過程。 —— 王鵬云 多盟聯(lián)合創(chuàng)始人 藍(lán)色光標(biāo)技術(shù)創(chuàng)新孵化中心總經(jīng)理 本書從大數(shù)據(jù)技術(shù)講到AI運(yùn)維，詳細(xì)介紹實(shí)施智能運(yùn)維依賴的基礎(chǔ)設(shè)施和架構(gòu)技術(shù)，兼具參考性與實(shí)操性。 —— 梁定安 騰訊運(yùn)維技術(shù)總監(jiān) 專家工程師 本書可作為運(yùn)維工程師提升運(yùn)維水平的重要參考，也可作為通過運(yùn)維 AI向自動(dòng)化智能運(yùn)維發(fā)展的依據(jù)。 —— 鐘華 美團(tuán)打車技術(shù)研發(fā)部負(fù)責(zé)人 本書介紹異常檢測(cè)、根因分析、時(shí)序預(yù)測(cè)等智能運(yùn)維實(shí)踐經(jīng)驗(yàn)，并梳理了其兩大基石：大數(shù)據(jù)和機(jī)器學(xué)習(xí)。 —— 饒琛琳 日志易產(chǎn)品總監(jiān) 前新浪微博系統(tǒng)架構(gòu)師 從運(yùn)維平臺(tái)大數(shù)據(jù)處理到架構(gòu)設(shè)計(jì)原理，再到AIOps相關(guān)模型和算法，將智能運(yùn)維工程架構(gòu)與算法實(shí)踐完美結(jié)合。 —— 陳曉峰 火幣集團(tuán)副總裁 本書系統(tǒng)介紹大數(shù)據(jù)采集、存儲(chǔ)、處理、計(jì)算及策略應(yīng)用各環(huán)節(jié)，并以微博監(jiān)控為案例展示了監(jiān)控平臺(tái)建設(shè)實(shí)踐。 —— 陸沛 滴滴打車SRE團(tuán)隊(duì)負(fù)責(zé)人 技術(shù)專家

智能運(yùn)維:從0搭建大規(guī)模分布式AIOPS系統(tǒng) 作者簡(jiǎn)介

彭冬：微博廣告基礎(chǔ)架構(gòu)團(tuán)隊(duì)負(fù)責(zé)人、技術(shù)專家，商業(yè)大數(shù)據(jù)平臺(tái)及智能監(jiān)控平臺(tái)發(fā)起人，目前負(fù)責(zé)廣告核心引擎基礎(chǔ)架構(gòu)、Hubble智能監(jiān)控系統(tǒng)、商業(yè)基礎(chǔ)數(shù)據(jù)平臺(tái)（D ）等基礎(chǔ)設(shè)施建設(shè)。關(guān)注計(jì)算廣告、大數(shù)據(jù)、人工智能、高可用系統(tǒng)架構(gòu)設(shè)計(jì)、區(qū)塊鏈等方向。在加入微博之前，曾就職于百度負(fù)責(zé)大數(shù)據(jù)平臺(tái)建設(shè)，曾擔(dān)任趣點(diǎn)科技聯(lián)合創(chuàng)始人兼CTO等職位。畢業(yè)于西北工業(yè)大學(xué)，曾在國內(nèi)外知名期刊發(fā)表多篇學(xué)術(shù)論文，擁有9項(xiàng)發(fā)明專利。朱偉@kimi：微博廣告SRE團(tuán)隊(duì)技術(shù)負(fù)責(zé)人，高級(jí)運(yùn)維工程師，2016年4月加入微博，目前主要負(fù)責(zé)微博廣告智能監(jiān)控報(bào)警平臺(tái)和服務(wù)治理等項(xiàng)目的建設(shè)與研究。
劉俊：微博平臺(tái)部監(jiān)控技術(shù)負(fù)責(zé)人，負(fù)責(zé)微博平臺(tái)、PC微博大規(guī)模監(jiān)控系統(tǒng)的建設(shè)，主要關(guān)注實(shí)時(shí)大數(shù)據(jù)、運(yùn)維自動(dòng)化、智能化方向。2014年加入微博，之前曾在新浪、搜狐等公司從事運(yùn)維監(jiān)控方面的工作。
王莉：University of Georgia碩士研究生，主要研究用機(jī)器學(xué)習(xí)方法，識(shí)別植物被水淹沒的季節(jié)性規(guī)律，研究成果已發(fā)表在SCI高影響因子期刊。2017年加入微博廣告團(tuán)隊(duì)，致力于用數(shù)據(jù)分析和機(jī)器學(xué)習(xí)模型，優(yōu)化廣告業(yè)務(wù)策略，洞悉商業(yè)價(jià)值。
陸松林：微博廣告數(shù)據(jù)倉庫負(fù)責(zé)人，高級(jí)研發(fā)工程師，先后就職于搜狐、愛奇藝，主要研究數(shù)據(jù)倉庫、數(shù)據(jù)治理相關(guān)技術(shù)。彭冬：微博廣告基礎(chǔ)架構(gòu)團(tuán)隊(duì)負(fù)責(zé)人、技術(shù)專家，商業(yè)大數(shù)據(jù)平臺(tái)及智能監(jiān)控平臺(tái)發(fā)起人，目前負(fù)責(zé)廣告核心引擎基礎(chǔ)架構(gòu)、Hubble智能監(jiān)控系統(tǒng)、商業(yè)基礎(chǔ)數(shù)據(jù)平臺(tái)（D ）等基礎(chǔ)設(shè)施建設(shè)。關(guān)注計(jì)算廣告、大數(shù)據(jù)、人工智能、高可用系統(tǒng)架構(gòu)設(shè)計(jì)、區(qū)塊鏈等方向。在加入微博之前，曾就職于百度負(fù)責(zé)大數(shù)據(jù)平臺(tái)建設(shè)，曾擔(dān)任趣點(diǎn)科技聯(lián)合創(chuàng)始人兼CTO等職位。畢業(yè)于西北工業(yè)大學(xué)，曾在國內(nèi)外知名期刊發(fā)表多篇學(xué)術(shù)論文，擁有9項(xiàng)發(fā)明專利。 朱偉@kimi：微博廣告SRE團(tuán)隊(duì)技術(shù)負(fù)責(zé)人，高級(jí)運(yùn)維工程師，2016年4月加入微博，目前主要負(fù)責(zé)微博廣告智能監(jiān)控報(bào)警平臺(tái)和服務(wù)治理等項(xiàng)目的建設(shè)與研究。 劉俊：微博平臺(tái)部監(jiān)控技術(shù)負(fù)責(zé)人，負(fù)責(zé)微博平臺(tái)、PC微博大規(guī)模監(jiān)控系統(tǒng)的建設(shè)，主要關(guān)注實(shí)時(shí)大數(shù)據(jù)、運(yùn)維自動(dòng)化、智能化方向。2014年加入微博，之前曾在新浪、搜狐等公司從事運(yùn)維監(jiān)控方面的工作。 王莉：University of Georgia碩士研究生，主要研究用機(jī)器學(xué)習(xí)方法，識(shí)別植物被水淹沒的季節(jié)性規(guī)律，研究成果已發(fā)表在SCI高影響因子期刊。2017年加入微博廣告團(tuán)隊(duì)，致力于用數(shù)據(jù)分析和機(jī)器學(xué)習(xí)模型，優(yōu)化廣告業(yè)務(wù)策略，洞悉商業(yè)價(jià)值。 陸松林：微博廣告數(shù)據(jù)倉庫負(fù)責(zé)人，高級(jí)研發(fā)工程師，先后就職于搜狐、愛奇藝，主要研究數(shù)據(jù)倉庫、數(shù)據(jù)治理相關(guān)技術(shù)。 車亞強(qiáng)：微博廣告大數(shù)據(jù)開發(fā)工程師，曾在百度外賣負(fù)責(zé)實(shí)時(shí)流、微服務(wù)相關(guān)研發(fā)工作，目前主要研究方向?yàn)閷?shí)時(shí)流、微服務(wù)架構(gòu)設(shè)計(jì)。

商品評(píng)論(0條)
暫無評(píng)論……
書友推薦
本類暢銷
返回頂部
中圖網(wǎng)
在線客服
主站蜘蛛池模板： 图片区精品综合自拍 | 色综合网站在线 | 欧美草逼视频 | 2021国产精品成人免费视频 | 伊人五月在线 | 国产网站在线播放 | 久久这里只有精品9 | 亚洲综合在线观看视频 | 国产美女精品视频 | 夜夜激情网 | 国产日本高清动作片www网站 | 免费观看黄色影片 | 五月花综合网 | 欧美日韩 在线播放 | 国产免费自拍视频 | 四虎影视色费永久在线观看 | 六月丁香色婷婷 | 久久亚洲精品成人 | 片在线观看免费观看视频 | 九九久久久 | 欧美日韩精品乱国产 | 欧美人成人亚洲专区中文字幕 | 婷婷综合视频 | 精品一区二区三区四区乱码 | 视色影院 | 不是男人是女人电视剧免费观看 | 日本a中文字幕 | 免费一级毛片不卡不收费 | 久久久久久久久久久大尺度免费视频 | 四虎精品影院永久在线播放 | 在线精品小视频 | 亚洲天堂成人网 | 五月婷婷综合激情网 | 国产精品精品视频 | 热久久免费视频 | 魔镜号亚洲一区二区三区在线 | 亚洲狠狠婷婷综合久久久图片 | 激情综合六月 | 欧美成人看片一区二区三区尤物 | 欧美日韩不卡码一区二区三区 | 日本一区二区三区高清福利视频 |