大型网络、云计算、大数据和虚拟计算机系统的快速部署已经为性能优化带来了新的挑战。本书为此提供了解决方案。国际知名的性能优化专家Brendan Gregg汇集了*的技术和工具来分析调优大型网络或云计算的环境。本书的内容包括现代化的性能分析和容量规划;与云计算相关的新性能和可靠性挑战;方法、概念、术语、工具和指标;负载与结构问题的权衡;调整操作系统、CPU、内存、文件系统、磁盘、网络和总线;调整虚拟系统;性能相关的编程语言问题,对C、 C 、 Java和node.js编写的应用程序分析。
本书概括了系统建模仿真的发展历史,浅显易懂地介绍了Modelica语言的基础知识和高级特性,并对MWorks建模仿真平台的功能做了详尽的讲解。 本书汇聚了MWorks开发团队十多年的研发经验,对Modelica和多领域建模知识有着全面且深刻的解释,内容涵盖了模型、变量、方程、算法、函数等语言基础知识,结合示例讲解了初始条件设置、模型重用和事件等高级特性。在建模仿真方面,本书全面讲解了MWorks基础环境、高级特性、工具箱和接口的使用方法,有些高级特性是开发健壮模型的关键知识点,比如“外部资源的使用”,对工程建模人员掌握建模知识起到很好的帮助作用。 本书力求严谨全面,并强调实践操作,可作为Modelica语言和MWorks系统建模仿真平台的教学参考书,也可供相关高校师生或科研工程人员参考。
如果说21世纪是生物学世纪,生物信息学应该是支撑生物学世纪的核心科技之一。而大数据科学和人工智能技术正在将生物信息学推向生命科学和信息科学的前沿。本书分为生物信息学基础篇和生物信息组学技术篇两大部分。生物信息学基础篇从新兴领域切入,介绍生物信息学的计算科学及进化生物学基础(如网络科学与大数据技术、深度学习、计算智能、高维数据分析、马尔可夫链蒙特卡洛法,隐马尔可夫模型,贝叶斯统计、医学生态学、DNA计算、进化树与溯祖树分析、种群遗传学等)。生物信息组学技术篇除经典内容(基因组、转录组、蛋白质组)外,还包括**的三代基因测序算法和软件(作者团队研发的DBG2OLC和SPARC)、微生物群系(Microbiome)和宏基因组学(Metagenomics)、非编码RNA、新药发现、代谢组学(Metabolomics)等热点内容。
本书主要面向工业4.0的自动化技术的*新内容:工业 4.0的虚拟物理系统的运行、工业 4.0 中的工程问题、纵向和横向集成、数据挖掘和分析和人机交互。
大型软件系统生命周期的绝大部分都处于 使用 阶段,而非 设计 或 实现 阶段。那么为什么我们却总是认为软件工程应该首要关注设计和实现呢?在《SRE:Google运维解密》中,Google SRE的关键成员解释了他们是如何对软件进行生命周期的整体性关注的,以及为什么这样做能够帮助Google成功地构建、部署、监控和运维世界上现存*的软件系统。通过阅读《SRE:Google运维解密》,读者可以学习到Google工程师在提高系统部署规模、改进可靠性和资源利用效率方面的指导思想与具体实践 这些都是可以立即直接应用的宝贵经验。 任何一个想要创建、扩展大规模集成系统的人都应该阅读《SRE:Google运维解密》。《SRE:Google运维解密》针对如何构建一个可长期维护的系统提供了非常宝贵的实践经验。