掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
云原生測試實戰 版權信息
- ISBN：9787115618733
- 條形碼：9787115618733 ; 978-7-115-61873-3
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
云原生測試實戰 本書特色
伴隨全行業上云的逐步深化，企業云原生化轉型進程將進一步加速。在云原生背景下，更快的開發節奏，對測試要求會更高，國內各大廠針對云原生測試開始設置專項崗位。本書作者在人工智能與云原生測試領域深耕多年，具有豐富的云原生測試經驗以及測試工具開發經驗，他在TesterHome社區寫作的技術文章廣受業內人士好評。作者希望有更多的測試同行進入云原生領域，云原生領域擁有較高的復雜度和深度，可以為測試人員帶來更多的機會。
本書是一本詳細介紹云原生測試的專業圖書。
通過閱讀本書，讀者可以：
***掌握云原生的基礎內容，包括云原生的概念和相關測試挑戰，Docker的核心能力和測試場景，Kubernetes的集群搭建、常用對象和定制化開發等。
***深入云原生測試的場景，包括混沌工程、性能測試、穩定性測試，以及使用Prometheus搭建監控系統等。
***了解云原生與其他領域（包括邊緣計算、CI/CD、大數據技術等）結合的測試場景和對應的測試方案。
云原生測試實戰 內容簡介
本書用通俗易懂的語言介紹云原生理論基礎，用豐富的實際案例還原云原生測試場景，是一本專注于講述云原生測試的實戰圖書。本書共 9 章，第 1 章至第 3 章主要介紹云原生基礎，包括云原生的概念和相關測試挑戰，Docker 的核心能力和測試場景，Kubernetes 的集群搭建、常用對象和定制化開發等內容；第 4 章至第 6 章主要介紹云原生測試場景，包括在 Kubernetes 中實施混沌工程、性能測試、穩定性測試，使用 Prometheus搭建監控系統等內容；第 7 章至第 9 章主要介紹云原生與其他領域的結合，包括邊緣計算、CI/CD 和大數據技術與 Kubernetes 結合的測試場景及對應的測試方案。
云原生測試實戰 目錄
第 1 章 認識云原生 1
1.1 什么是云原生 1
1.2 云原生的測試挑戰 3
1.3 本章總結 4
第 2 章 容器技術基礎 5
2.1 構建瀏覽器集群 5
2.1.1 Selenium Grid 5
2.1.2 Docker 部署 Selenium Grid 6
2.1.3 小結 8
2.2 容器隔離的原理 9
2.2.1 隔離 9
2.2.2 Linux 名字空間 10
2.2.3 小結 13
2.3 網絡模式 13
2.3.1 bridge 網絡模式 13
2.3.2 host 網絡模式 16
2.3.3 container 網絡模式 17
2.3.4 小結 18
2.4 容器鏡像 19
2.4.1 鏡像構建 19
2.4.2 聯合文件系統 23
2.4.3 鏡像分層的優勢 25
2.4.4 鏡像掃描工具的開發 26
2.4.5 小結 28
2.5 本章總結 28
第 3 章 Kubernetes 基礎 29
3.1 深入解析 Pod 29
3.1.1 Pod 的架構 29
3.1.2 Pod 的調度 31
3.1.3 Pod 的資源管理 34
3.1.4 小結 37
3.2 服務高可用設計 37
3.2.1 高可用的常見設計 38
3.2.2 服務副本與水平擴展 38
3.2.3 基于 Service 的負載均衡網絡 41
3.2.4 基于探針的健康檢查 43
3.2.5 小結 46
3.3 再談鏡像掃描工具 50
3.3.1 DaemonSet 定義 50
3.3.2 DaemonSet 與 Headless Service 51
3.3.3 在容器中調用 Docker 52
3.3.4 小結 52
3.4 離線業務 52
3.4.1 Job 52
3.4.2 CronJob 54
3.4.3 小結 54
3.5 K8s 開發基礎 55
3.5.1 客戶端的初始化 55
3.5.2 基本 API 的使用 56
3.5.3 資源回收工具的開發 58
3.5.4 讓工具在集群中運行-InCluster 模式和 RBAC 61
3.5.5 解決容器時區問題 64
3.5.6 小結 65
3.6 本章總結 66
第 4 章 混沌工程 67
4.1 什么是混沌工程 67
4.2 高可用測試的理論 67
4.2.1 冪等與重試 68
4.2.2 狀態管理 69
4.2.3 CAP 70
4.2.4 BASE 73
4.2.5 監控告警 75
4.2.6 小結 75
4.3 高可用掃描工具 75
4.3.1 掃描規則 76
4.3.2 代碼實現 76
4.3.3 小結 80
4.4 故障注入工具 81
4.4.1 故障注入工具的底層原理 81
4.4.2 開源工具的選擇 82
4.4.3 Chaos Mesh 的架構 83
4.4.4 K8s 的 Operator 84
4.4.5 Chaos Dashboard 87
4.4.6 chaosd-server 88
4.4.7 sidecar 模式的故障注入 89
4.4.8 jvm-sandbox 97
4.4.9 故障注入的注意點 100
4.4.10 小結 100
4.5 K8s 中的特殊故障 101
4.5.1 Pod 無法被刪除 101
4.5.2 驅逐策略與搶占優先級 103
4.5.3 K8s 核心組件故障 105
4.5.4 小結 107
4.6 高可用的評估手段 107
4.6.1 以模擬 SLA 為角度評估 107
4.6.2 以故障場景為角度評估 109
4.6.3 RPO 與 RTO 109
4.6.4 小結 110
4.7 本章總結 110
第 5 章 性能測試與監控 111
5.1 Prometheus 快速入門 112
5.1.1 快速部署 112
5.1.2 架構介紹 113
5.1.3 可視化 114
5.1.4 小結 116
5.2 PromQL 詳解 116
5.2.1 理解時間序列 117
5.2.2 理解指標類型 117
5.2.3 語法詳解 119
5.2.4 HTTP API 123
5.2.5 小結 126
5.3 容量測試 126
5.3.1 超賣的風險 127
5.3.2 資源的初步評估 128
5.3.3 統計具體的資源 130
5.3.4 小結 134
5.4 分布式壓力測試工具 JMeter 134
5.4.1 部署 JMeter 集群 135
5.4.2 小結 136
5.5 測試 K8s 的性能 136
5.5.1 測試方法 136
5.5.2 Kubemark 簡介 137
5.5.3 Kubemark 部署 138
5.5.4 小結 143
5.6 本章總結 143
第 6 章 穩定性測試與監控 144
6.1 什么是穩定性測試 144
6.2 List-Watch 145
6.2.1 K8s 的控制器模型 145
6.2.2 List-Watch 簡介 146
6.2.3 小結 148
6.3 構建事件監控組件 149
6.3.1 Pod 與容器的狀態 149
6.3.2 Pod 的 Condition 和 Phase 150
6.3.3 獲取異常容器 152
6.3.4 獲取異常信息 153
6.3.5 NPD 154
6.3.6 小結 157
6.4 持續性觀測 157
6.4.1 自定義 Exporter 157
6.4.2 服務可用時間 164
6.4.3 業務巡檢與Pushgateway 167
6.4.4 小結 168
6.5 Operator 168
6.5.1 什么是 Operator 169
6.5.2 Prometheus Operator 170
6.5.3 小結 171
6.6 本章總結 171
第 7 章 邊緣計算 172
7.1 什么是邊緣計算 172
7.1.1 云計算的不足 172
7.1.2 就近計算的設計 173
7.1.3 小結 174
7.2 K8s 與邊緣計算 174
7.2.1 邊緣自治 175
7.2.2 分布式健康檢查 176
7.2.3 邊緣調度 177
7.2.4 就近計算 180
7.2.5 邊緣灰度 182
7.2.6 邊緣存儲 184
7.2.7 小結 185
7.3 核心測試場景 185
7.3.1 邊緣計算的容量測試 186
7.3.2 邊緣計算的高可用測試 186
7.3.3 數據通信測試 188
7.3.4 調度測試 189
7.3.5 小結 190
7.4 本章總結 190
第 8 章 持續集成和持續部署 191
8.1 構建 CI/CD 系統的關鍵 191
8.1.1 CI/CD 與流水線 191
8.1.2 規模擴大帶來的挑戰 194
8.1.3 高度自動化的工程能力 195
8.1.4 小結 196
8.2 Jenkins 流水線 196
8.2.1 流水線基礎 197
8.2.2 多分支流水線 200
8.2.3 Jenkins 共享庫 202
8.2.4 小結 207
8.3 K8s 中的 CI/CD 207
8.3.1 Jenkins 與 Docker 207
8.3.2 Jenkins 與 K8s 208
8.3.3 小結 215
8.4 環境治理 215
8.4.1 環境的隔離級別 215
8.4.2 K8s 中的資源隔離 216
8.4.3 在 K8s 中實現邏輯隔離 218
8.4.4 Helm 221
8.4.5 小結 223
8.5 本章總結 223
第 9 章 云原生與大數據 224
9.1 什么是大數據 224
9.1.1 大數據的 4 個特征 224
9.1.2 分布式存儲 225
9.1.3 分布式計算 226
9.1.4 批處理和流計算 226
9.1.5 大數據生態 227
9.1.6 小結 228
9.2 K8s 中的分布式計算 228
9.2.1 K8s 中的存儲 229
9.2.2 Spark Operator 233
9.2.3 小結 235
9.3 Spark 基礎 235
9.3.1 搭建本地環境 236
9.3.2 Spark 的運行機制 236
9.3.3 RDD 基礎 237
9.3.4 小結 239
9.4 典型測試場景介紹 239
9.4.1 shuffle 與數據傾斜 239
9.4.2 分區對性能的影響 240
9.4.3 多種數據源的對接 241
9.4.4 功能測試與數據質量監控242
9.4.5 流計算與數據一致性 243
9.4.6 小結 245
9.5 造數工具 245
9.5.1 造數的難點與解決方案 246
9.5.2 代碼實現 247
9.5.3 非結構化數據的構建 250
9.5.4 小結 252
9.6 本章總結 252
1.1 什么是云原生 1
1.2 云原生的測試挑戰 3
1.3 本章總結 4
第 2 章 容器技術基礎 5
2.1 構建瀏覽器集群 5
2.1.1 Selenium Grid 5
2.1.2 Docker 部署 Selenium Grid 6
2.1.3 小結 8
2.2 容器隔離的原理 9
2.2.1 隔離 9
2.2.2 Linux 名字空間 10
2.2.3 小結 13
2.3 網絡模式 13
2.3.1 bridge 網絡模式 13
2.3.2 host 網絡模式 16
2.3.3 container 網絡模式 17
2.3.4 小結 18
2.4 容器鏡像 19
2.4.1 鏡像構建 19
2.4.2 聯合文件系統 23
2.4.3 鏡像分層的優勢 25
2.4.4 鏡像掃描工具的開發 26
2.4.5 小結 28
2.5 本章總結 28
第 3 章 Kubernetes 基礎 29
3.1 深入解析 Pod 29
3.1.1 Pod 的架構 29
3.1.2 Pod 的調度 31
3.1.3 Pod 的資源管理 34
3.1.4 小結 37
3.2 服務高可用設計 37
3.2.1 高可用的常見設計 38
3.2.2 服務副本與水平擴展 38
3.2.3 基于 Service 的負載均衡網絡 41
3.2.4 基于探針的健康檢查 43
3.2.5 小結 46
3.3 再談鏡像掃描工具 50
3.3.1 DaemonSet 定義 50
3.3.2 DaemonSet 與 Headless Service 51
3.3.3 在容器中調用 Docker 52
3.3.4 小結 52
3.4 離線業務 52
3.4.1 Job 52
3.4.2 CronJob 54
3.4.3 小結 54
3.5 K8s 開發基礎 55
3.5.1 客戶端的初始化 55
3.5.2 基本 API 的使用 56
3.5.3 資源回收工具的開發 58
3.5.4 讓工具在集群中運行-InCluster 模式和 RBAC 61
3.5.5 解決容器時區問題 64
3.5.6 小結 65
3.6 本章總結 66
第 4 章 混沌工程 67
4.1 什么是混沌工程 67
4.2 高可用測試的理論 67
4.2.1 冪等與重試 68
4.2.2 狀態管理 69
4.2.3 CAP 70
4.2.4 BASE 73
4.2.5 監控告警 75
4.2.6 小結 75
4.3 高可用掃描工具 75
4.3.1 掃描規則 76
4.3.2 代碼實現 76
4.3.3 小結 80
4.4 故障注入工具 81
4.4.1 故障注入工具的底層原理 81
4.4.2 開源工具的選擇 82
4.4.3 Chaos Mesh 的架構 83
4.4.4 K8s 的 Operator 84
4.4.5 Chaos Dashboard 87
4.4.6 chaosd-server 88
4.4.7 sidecar 模式的故障注入 89
4.4.8 jvm-sandbox 97
4.4.9 故障注入的注意點 100
4.4.10 小結 100
4.5 K8s 中的特殊故障 101
4.5.1 Pod 無法被刪除 101
4.5.2 驅逐策略與搶占優先級 103
4.5.3 K8s 核心組件故障 105
4.5.4 小結 107
4.6 高可用的評估手段 107
4.6.1 以模擬 SLA 為角度評估 107
4.6.2 以故障場景為角度評估 109
4.6.3 RPO 與 RTO 109
4.6.4 小結 110
4.7 本章總結 110
第 5 章 性能測試與監控 111
5.1 Prometheus 快速入門 112
5.1.1 快速部署 112
5.1.2 架構介紹 113
5.1.3 可視化 114
5.1.4 小結 116
5.2 PromQL 詳解 116
5.2.1 理解時間序列 117
5.2.2 理解指標類型 117
5.2.3 語法詳解 119
5.2.4 HTTP API 123
5.2.5 小結 126
5.3 容量測試 126
5.3.1 超賣的風險 127
5.3.2 資源的初步評估 128
5.3.3 統計具體的資源 130
5.3.4 小結 134
5.4 分布式壓力測試工具 JMeter 134
5.4.1 部署 JMeter 集群 135
5.4.2 小結 136
5.5 測試 K8s 的性能 136
5.5.1 測試方法 136
5.5.2 Kubemark 簡介 137
5.5.3 Kubemark 部署 138
5.5.4 小結 143
5.6 本章總結 143
第 6 章 穩定性測試與監控 144
6.1 什么是穩定性測試 144
6.2 List-Watch 145
6.2.1 K8s 的控制器模型 145
6.2.2 List-Watch 簡介 146
6.2.3 小結 148
6.3 構建事件監控組件 149
6.3.1 Pod 與容器的狀態 149
6.3.2 Pod 的 Condition 和 Phase 150
6.3.3 獲取異常容器 152
6.3.4 獲取異常信息 153
6.3.5 NPD 154
6.3.6 小結 157
6.4 持續性觀測 157
6.4.1 自定義 Exporter 157
6.4.2 服務可用時間 164
6.4.3 業務巡檢與Pushgateway 167
6.4.4 小結 168
6.5 Operator 168
6.5.1 什么是 Operator 169
6.5.2 Prometheus Operator 170
6.5.3 小結 171
6.6 本章總結 171
第 7 章 邊緣計算 172
7.1 什么是邊緣計算 172
7.1.1 云計算的不足 172
7.1.2 就近計算的設計 173
7.1.3 小結 174
7.2 K8s 與邊緣計算 174
7.2.1 邊緣自治 175
7.2.2 分布式健康檢查 176
7.2.3 邊緣調度 177
7.2.4 就近計算 180
7.2.5 邊緣灰度 182
7.2.6 邊緣存儲 184
7.2.7 小結 185
7.3 核心測試場景 185
7.3.1 邊緣計算的容量測試 186
7.3.2 邊緣計算的高可用測試 186
7.3.3 數據通信測試 188
7.3.4 調度測試 189
7.3.5 小結 190
7.4 本章總結 190
第 8 章 持續集成和持續部署 191
8.1 構建 CI/CD 系統的關鍵 191
8.1.1 CI/CD 與流水線 191
8.1.2 規模擴大帶來的挑戰 194
8.1.3 高度自動化的工程能力 195
8.1.4 小結 196
8.2 Jenkins 流水線 196
8.2.1 流水線基礎 197
8.2.2 多分支流水線 200
8.2.3 Jenkins 共享庫 202
8.2.4 小結 207
8.3 K8s 中的 CI/CD 207
8.3.1 Jenkins 與 Docker 207
8.3.2 Jenkins 與 K8s 208
8.3.3 小結 215
8.4 環境治理 215
8.4.1 環境的隔離級別 215
8.4.2 K8s 中的資源隔離 216
8.4.3 在 K8s 中實現邏輯隔離 218
8.4.4 Helm 221
8.4.5 小結 223
8.5 本章總結 223
第 9 章 云原生與大數據 224
9.1 什么是大數據 224
9.1.1 大數據的 4 個特征 224
9.1.2 分布式存儲 225
9.1.3 分布式計算 226
9.1.4 批處理和流計算 226
9.1.5 大數據生態 227
9.1.6 小結 228
9.2 K8s 中的分布式計算 228
9.2.1 K8s 中的存儲 229
9.2.2 Spark Operator 233
9.2.3 小結 235
9.3 Spark 基礎 235
9.3.1 搭建本地環境 236
9.3.2 Spark 的運行機制 236
9.3.3 RDD 基礎 237
9.3.4 小結 239
9.4 典型測試場景介紹 239
9.4.1 shuffle 與數據傾斜 239
9.4.2 分區對性能的影響 240
9.4.3 多種數據源的對接 241
9.4.4 功能測試與數據質量監控242
9.4.5 流計算與數據一致性 243
9.4.6 小結 245
9.5 造數工具 245
9.5.1 造數的難點與解決方案 246
9.5.2 代碼實現 247
9.5.3 非結構化數據的構建 250
9.5.4 小結 252
9.6 本章總結 252
展開全部
云原生測試實戰 作者簡介
孫高飛 騰訊優圖實驗室資深測試開發工程師，專注人工智能與云原生領域的測試實踐，曾就職于第四范式。TesterHome社區專欄作者，并作為社區管理員參與組織過多場中國互聯網測試開發大會（MTSC），是MTSC2023技術委員會成員。
書友推薦
- >
龍榆生：詞曲概論/大家小書
- >
羅曼·羅蘭讀書隨筆-精裝
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
我從未如此眷戀人間
- >
李白與唐代文化
- >
【精裝繪本】畫給孩子的中國神話
- >
月亮與六便士
- >
自卑與超越
本類暢銷
