雲計算和大數據服務 — 技術架構、運營管理與智能實踐

陳赤榕：
30年雲服務技術運營架構與管理經驗，矽谷早期的雲計算技術運營人員之一。北京聆通科技有限公司聯合創始人，CEO。

葉新江：
20年大數據技術架構與管理經驗，每日互動股份有限公司（個推）創始團隊成員，CTO。

李彥濤：
30年通信和雲計算行業經驗， 國內著名通信及雲計算系統架構師之一。北京聆通科技有限公司聯合創始人，CTO。

劉國萍：
20年雲計算、物聯網、人工智能行業經驗，網絡安全技術領域專家。中國電信研究院教授級高級工程師，博士。

目錄
第1章綜述
1.1本書的框架思路： 雲計算和大數據服務實現的四要素
1.2本書的框架結構
1.2.1技術構建(第1、第2部分)： 雲計算和大數據
1.2.2服務運營(第3、第4、第5部分)： 技術、管理、AIOps和安全
1.2.3服務質量管理(第6部分)
1.2.4組織能力(第7部分)
1.3本書的章節結構
1.4雲計算技術與服務
1.4.1雲計算的發展史
1.4.2雲計算的定義
1.4.3雲計算的服務模式
1.4.4雲計算的部署方式
1.5大數據和數據智能的技術與服務
1.5.1大數據的定義
1.5.2雲計算與大數據的關系
1.5.3數據智能
1.6技術運營： 從技術升級到服務的實現關鍵
1.7智能實踐

第1部分雲計算技術
第2章雲計算技術綜述
2.1雲計算的技術發展回顧
2.1.1雲計算技術概念的發展
2.1.2雲計算相關技術的發展
2.2雲服務的技術結構
2.2.1雲服務的技術層次
2.2.2雲服務的技術結構適用場景
2.3雲服務對技術團隊帶來的挑戰
2.3.1對研發團隊的挑戰
2.3.2對技術運營團隊的挑戰
2.3.3對服務質量控制團隊的挑戰

第3章雲計算的技術框架： 面向服務的架構
3.17×24小時雲服務的挑戰
3.1.1傳統企業服務軟件與雲服務軟件對比
3.1.2特性化與統一服務
3.1.3面向運營及服務系統功能
3.1.4IT管理與服務監控
3.2雲服務架構
3.2.1設計的基礎模式
3.2.2設計的結構模式
3.3構建高可靠性
3.3.1可靠性理論與雲計算平臺的需求實現
3.3.2可靠性設計
3.3.3負載均衡與集群
3.3.4雙機熱備
3.3.5異地災備
3.4構建高性能
3.4.1系統容量與性能瓶頸
3.4.2接入與Web層容量與性能設計與優化
3.4.3服務層容量與性能設計與優化
3.4.4數據層容量與性能設計與優化
3.4.5應對高並發容量
3.5構建高伸縮性
3.5.1設計規則擴展與性能
3.5.2並發訪問量
3.5.3並發數據訪問與I/O
3.6構建高可配置性
3.6.1系統配置
3.6.2站點配置
3.6.3用戶配置
3.6.4服務配置與技術運營關系
3.7構建高可管理性雲計算平臺
3.7.1系統維護週期
3.7.2系統維護與服務中斷
3.7.3系統可配置性
3.7.4系統監控能力
3.7.5日誌記錄與錯誤處理
3.7.6用於服務的配置、監控與日誌系統
3.8案例分析
3.8.1背景介紹
3.8.2解決方案
3.8.3討論
3.9本章小結

第4章雲服務的技術基礎：  虛擬化
4.1虛擬化技術的發展歷史
4.2虛擬化技術分類
4.3系統虛擬化
4.3.1系統虛擬化的優勢
4.3.2系統虛擬化存在的問題
4.3.3系統虛擬化的不足
4.4網絡虛擬化
4.4.1網絡虛擬化的分類
4.4.2網絡虛擬化的優勢
4.4.3網絡虛擬化的不足
4.5容器的虛擬化
4.6其他虛擬化技術
4.7市場主流虛擬化技術對比
4.8虛擬化對雲計算的推動
4.9虛擬化與數據中心
4.9.1虛擬化數據中心的優點
4.9.2虛擬化數據中心的風險
4.9.3虛擬化數據中心風險應對
4.10研究分析： 虛擬化技術的發展趨勢
4.11本章小結

第5章雲服務的平臺技術：  IaaS、PaaS和SaaS
5.1平臺技術的發展
5.1.1平臺技術演進階段
5.1.2雲管理平臺貫穿雲平臺技術發展始終
5.1.3雲平臺技術發展的展望
5.1.4關於FaaS平臺的思考
5.2IaaS
5.2.1IaaS平臺架構
5.2.2IaaS的適用場景
5.2.3IaaS的優缺點
5.2.4IaaS的市場價值
5.2.5IaaS的局限性
5.3PaaS
5.3.1PaaS平臺架構
5.3.2PaaS的適用場景
5.3.3PaaS的優缺點
5.3.4PaaS的市場價值
5.3.5PaaS的局限性
5.4SaaS
5.4.1SaaS平臺架構
5.4.2SaaS的適用場景
5.4.3SaaS的優缺點
5.4.4SaaS的市場價值
5.4.5SaaS的局限性
5.5CaaS
5.5.1CaaS平臺架構
5.5.2CaaS的適用場景
5.5.3CaaS的優缺點
5.5.4CaaS的市場價值
5.6雲管理平臺
5.6.1雲管理平臺的規範架構
5.6.2雲管理平臺的職能
5.6.3雲管理平臺的應用場景舉例
5.7平臺的實施要點和挑戰
5.7.1技術選型
5.7.2實施要點
5.7.3風險和挑戰
5.8案例研究： SaaS的構建、演進、成果與教訓
5.8.1背景介紹
5.8.2自建IDC階段
5.8.3採用IaaS公有雲階段
5.8.4混合雲階段
5.8.5容器化及微服務階段
5.8.6數據安全

第6章雲服務的應用層技術：  微服務
6.1微服務與雲計算
6.2微服務的定義
6.3微服務的發展簡史
6.4微服務和SOA的關系
6.5微服務的構成要素
6.6微服務的優缺點
6.6.1微服務的優點
6.6.2微服務的缺點
6.7微服務的實施要點
6.8案例分析： SMS推送平臺的微服務化
6.8.1背景簡介
6.8.2系統特點
6.8.3早期設計
6.8.4解決方案
6.8.5決策過程
6.8.6實施過程
6.8.7實施效果
6.8.8未來改進
6.8.9項目回顧

第2部分大數據與數據智能
第7章大數據理論及相關模型
7.1大數據概念的提出和演進
7.24V+1O特徵模型： 大數據特徵
7.3第四範式： 問題解決的新模式
7.4蜜蜂效應： 數據的選擇價值
7.5大數據業務成熟度模型
7.5.1業務監測
7.5.2業務洞察
7.5.3業務優化
7.5.4數據變現
7.5.5商業重塑
7.6數據智能

第8章數據智能平臺構建策略
8.1數據業務的構建過程
8.1.1數據系統建設
8.1.2數據業務建模
8.1.3數據業務開展
8.2數據智能體係要求
8.2.1建設思路、原則和目標
8.2.2基礎平臺
8.2.3融合平臺
8.2.4治理系統
8.2.5質量保證
8.2.6安全計算
8.2.7分析挖掘
8.2.8數據可視化
8.3數據中台策略
8.3.1數據倉庫和數據湖
8.3.2數據中台
8.3.3數據中台和數據倉庫、數據湖的差別

第9章大數據技術和平臺
9.1大數據基礎技術系統組成
9.2大數據開源體系各部分介紹
9.2.1Hadoop介紹
9.2.2開源生態系統
9.3大數據生態的發展態勢
9.3.1數據治理與安全
9.3.2基礎設施
9.3.3數據協作工作台
9.3.4數據分析流程自動化
9.3.5AI驅動的應用發展趨勢
9.4實踐討論： 大數據存儲的建模
9.4.1分佈式存儲的架構
9.4.2數據存儲設計
9.4.3NoSQL的問題
9.4.4存儲設計實例

第10章大數據分析系統技術
10.1分析系統架構設計
10.1.1CAP理論
10.1.2分析系統考量三要素
10.1.3實時查詢過程
10.2架構選擇
10.2.1大規模並行處理架構
10.2.2基於搜索引擎的架構
10.2.3預計算系統架構
10.2.4三種架構的對比

第11章企業大數據實施策略
11.1企業實施大數據戰略面臨的挑戰
11.2實施規劃
11.2.1切入點規劃
11.2.2組織配置和調整
11.2.3數據獲取和挖掘
11.2.4效果評估
11.3案例研究： 大數據運營場景及系統實施
11.3.1背景介紹
11.3.2演化路徑
11.3.3個推V1.0——基礎SaaS產品
11.3.4個推V2.0——大數據基礎下的智能推送
11.3.5個推V3.0——數據智能下的個推
11.4實踐中的經驗教訓
11.4.1技術陷阱
11.4.2簡潔及成本意識
11.4.3新技術的進一步應用
11.4.4總結

第3部分服務的技術運營
第12章服務的技術運營綜述
12.1技術運營的基本概念
12.2雲服務的技術運營
12.2.1雲服務的技術運營也是關於生產系統的運營
12.2.2技術運營的功能
12.2.3是技術運營，而不僅僅是維護
12.3雲服務技術運營的目標
12.3.1從航空服務公司的要求來看
12.3.2雲服務的運營管理目標
12.3.3技術運營永恆的四大指標
12.4技術運營的雙維模型
12.4.1技術運營的雙維概念
12.4.2雙維的目的
12.4.3技術運營的雙維模型
12.4.4雙維平臺的實施
12.5DevOps方法論
12.5.1DevOps簡史
12.5.2DevOps定義
12.5.3DevOps的關鍵過程
12.6服務可靠性工程
12.6.1服務可靠性工程的定義與要點
12.6.2SRE與DevOps
12.7雙維模型、DevOps與SRE的指導意義和應用
12.7.1雙維模型： 給CXO的運營指導
12.7.2DevOps與SRE： 給技術架構師的指導
12.7.3實踐討論(1)： Dev與Ops的和與分
12.7.4實踐討論(2)： 技術運營不同階段各種方法論的應用
12.7.5實踐討論(3)： 在研發團隊中引進DevOps思維

第13章服務的生產設計
13.1生產設計的目的
13.1.1建立生產型的雲服務
13.1.2雲服務的生產設計
13.2生產設計方法
13.2.1生產設計目標
13.2.2生產設計流程
13.3生產設計(1)：  工程開發期間的任務
13.3.1服務平臺的重要部分： 基礎建設工程
13.3.2服務可用度
13.3.3服務的可管理性
13.3.4安全性
13.3.5可擴展性
13.4生產設計（2）： 上線期間的任務
13.4.1生產線驗收
13.4.2生產線部署
13.4.3日常維護計劃
13.5服務支持結構： 團隊和知識
13.5.1團隊結構
13.5.2知識傳遞：  文檔的需求
13.6實踐和討論
13.6.1從工程到實施的關鍵： 系統層的邏輯設計
13.6.2進入生產線： 生產線的部署設計

第14章服務的業務連續性
14.

1雲服務業務連續性及其挑戰
14.1.1業務連續性的定義
14.1.2雲服務提供商面臨的挑戰
14.2雲計算的業務連續性方案概述
14.2.1業務連續性的管理
14.2.2業務連續性的技術方案——災備系統概述
14.3災備系統架構
14.3.1網絡系統
14.3.2雲計算應用系統
14.3.3數據同步系統
14.3.4管理工具： 手動服務轉移
14.4災備方案的成本效率
14.4.1災備資源的合理使用
14.4.2公有雲和私有雲之間的結合
14.5案例研究： 雲服務提供商思科WebEx的災備系統
14.5.1背景介紹
14.5.2WebEx GSB架構
14.5.3WebEx GSB的設計挑戰和要點
14.5.4項目回顧
14.6本章小結

第15章服務運營的監控體系
15.1服務監控概述
15.2監控體系架構
15.2.1監控體系的層級結構
15.2.2監控體系的“4+2”要素
15.2.3Google SRE的監控方法論
15.2.4監控體系常涉及的數據庫
15.3基礎設施層的監控
15.3.1基礎設施層監控對象
15.3.2基礎設施的監控方法
15.3.3虛擬化監控
15.3.4容器化監控
15.4應用層監控
15.5服務層監控
15.5.1互聯網性能監控
15.5.2用戶體驗監控
15.6案例研究——基礎設施層監控
15.6.1背景介紹
15.6.2監控軟件選擇
15.6.3OpenFalcon簡介
15.6.4分佈式監控系統的指標體系
15.6.5監控平臺的架構
15.6.6痛點與難點

第16章服務運營的自動化
16.1自動化理論
16.1.1自動化簡介
16.1.2IT自動化的一般模型
16.1.3自動化的優點
16.1.4自動化的風險和局限性
16.2自動化運維的一般過程
16.2.1一個新手運維工程師的升級之路
16.2.2運維自動化發展階段總結
16.3自動化等級
16.3.1駕駛自動化的等級
16.3.2Google SRE對自動化的分級
16.4自動化工具
16.4.1平臺自動化工具： Kubernetes
16.4.2實踐討論： 用Kubernetes建立持續交付流程
16.4.3任務自動化工具： SaltStack
16.4.4實踐討論： 用SaltStack管理操作系統內核參數
16.4.5系統自動化工具： PXE
16.4.6實踐討論： 用PXE實施批量裝機
16.5自動化的風險及控制
16.5.1自動化帶來的技術風險
16.5.2自動化導致的故障
16.5.3自動化風險控制的一些方法
16.6運維自動化的深入： 引入控制理論
16.6.1控制原理介紹
16.6.2數據庫自動化中控制理論的應用——自治數據庫
16.6.3實踐研究： HBase的壓縮和分區狀態遷移
16.7人工智能在自動化中的應用
16.7.1人工智能和機器學習
16.7.2人工智能與自動化：  實施策略
16.7.3人工智能與自動化：  實施切入點
16.8本章小結

第17章7×24小時服務的運營管理綜述
17.17×24小時服務運營的管理目標
17.2經典的運營管理框架
17.2.1ITIL
12.2.2CMM和CMMI
17.2.3敏捷
17.2.4eTom
17.2.56Sigma
17.2.6COBIT
17.2.7經典框架的局限性
17.3以服務為核心的運營管理流程
17.4日常的運營管理
17.4.1溝通效率
17.4.2知識管理
17.4.3運營會議
17.5管理流程面對的挑戰
17.5.1建立流程過程中的挑戰
17.5.2成熟的運營——持續改進
17.6運營管理的成熟度： 五重境界
17.7案例研究： 運營管理流程的推廣與改進
17.7.1背景
17.7.2推廣計劃
17.7.3結果分析
17.7.4下一步計劃
17.8案例的延伸討論： 主動式和被動式的運營管理
17.9本章小結

第18章事件、事故和問題管理三流程
18.17×24小時生產線運營的挑戰
18.2服務運營的整體思路
18.3事件管理和生產線監控
18.3.1目的
18.3.2事件管理的流程
18.3.3生產線的監控系統
18.3.4實踐中的要點
18.3.5實踐中的要點與難點
18.4事故管理
18.4.1目的
18.4.2流程
18.4.3實踐中的要點
18.4.4實踐中的難點
18.5問題管理
18.5.1目的
18.5.2流程
18.5.3實踐中的要點
18.5.4實踐中的難點： 主動型問題管理
18.6實踐(1)： 事故管理流程的設計
18.6.1背景
18.6.2事故管理流程的總體設計
18.6.3設計中的特別關註點
18.7實踐(2)： 對管理者的建議
18.7.1生產服務管理體系建立的切入點： 事故管理
18.7.2立足於“技術+管理”的雙維模型： 生產線事故一半出自管理問題
18.7.3整體生產線管理框架： 各流程之間的交互
18.8案例分析： 從技術和管理的雙維角度剖析事故
18.8.1背景
18.8.2事故復盤
18.8.3事故分析
18.8.4改進措施及成果

第19章變更管理
19.1變更管理介紹
19.1.1變更管理的目的
19.1.2變更管理的範疇
19.2變更管理的原理
19.2.1變更管理的任務
19.2.2變更的執行策略
19.2.3變更管理的流程
19.2.4變更流程的效果衡量
19.3雲服務運營中的挑戰
19.3.1雲服務生產運營所面臨的挑戰
19.3.2變更管理對服務運營和商務的益處
19.3.3瞭解服務生產運營狀況： 好還是差
19.4實踐中的要點
19.4.1實踐的核心：  控制
19.4.2實施的關鍵步驟
19.4.3變更流程1： 變更申請
19.4.4變更流程2： 變更審批
19.4.5變更流程3： 變更實施 
19.4.6變更流程4： 變更反思
19.4.7團隊和職責
19.5實踐中的難點
19.5.1運營管理文化的建立
19.5.2高層管理者的支持
19.5.3支持變更管理的政策
19.6案例研究(1)： 變更管理實施中所發現的運營問題和改進
19.6.1背景介紹
19.6.2研發與運營的沖突
19.6.3解決方案： 變更管理與用戶管理、發布管理的結合
19.6.4藍綠部署、灰度發布
19.6.5環境一致性管理
18.6.6進一步的討論
19.7案例研究(2)：  復雜環境下變更管理流程的設計
19.7.1背景介紹
19.7.2團隊結構
19.7.3流程及其說明
19.7.4實施要素
19.7.5進一步的討論

第20章容量管理
20.1容量管理的目的
20.2ITIL的容量管理方法介紹
20.2.1容量管理的基本流程
20.2.2容量管理的三個層次
20.2.3容量管理相關的基本要素
20.3雲服務容量管理的挑戰和要點
20.3.1來自雲服務的挑戰
20.3.2容量管理的要點
20.4容量規劃
20.4.1容量需求分析
20.4.2容量建模與容量方案
20.4.3成本審核與調整
20.4.4實施計劃
20.5性能管理
20.6容量規劃的關鍵： 建模
20.6.1使用量的模擬： 使用量與時間的關系
20.6.2成本的模擬： 成本與使用量的關系
20.7建模的數學方法
20.7.1回歸分析法
20.7.2趨勢外推預測方法
20.7.3時間序列平滑預測法
20.7.4機器學習算法
20.8容量管理的衡量指標
20.9成功因素和風險
20.10案例研究：  蘇寧金融容量管理的技術解決方案
20.10.1背景介紹
20.10.2技術解決方案
20.10.3成本管理的實施
20.10.4容量模型的建立
20.10.5智能算法的應用

第4部分智能運營（AIOps）
第21章數據能力——智能運營（AIOps）介紹
21.1數據能力的新階段： AIOps
21.2AIOps發展歷史： 從ITOA到AIOps
21.2.1ITOA
21.2.2AIOps
21.3AIOps的技術棧
21.4機器學習介紹
21.4.1機器學習的定義
21.4.2監督學習和無監督學習
21.4.3神經網絡及深度學習
21.4.4機器學習中的分類與聚類
21.5AIOps為工廠運營管理賦能
21.6場景討論： 運維報警風暴的處理
21.6.1報警風暴
21.6.2基於時間序列數據定義異常值
21.6.3使用機器學習的非監督算法報警
21.6.4用機器學習方法進一步提取更豐富的數據
21.7本章小結

第22章AIOps中的算法基礎
22.1AIOps適用場景和算法策略
22.1.1AIOps適用場景
22.1.2AIOps策略： 場景分解和算法組合
22.2KPI聚類
22.2.1k中心聚類算法
22.2.2密度聚類算法
22.2.3隨機聚類算法
22.3瓶頸分析
22.3.1皮爾遜(Pearson)相關系數
22.3.2邏輯回歸
22.3.3決策樹
22.4異常檢測與容量預測
22.4.1異常檢測
22.4.2容量預測
22.4.3ARIMA模型
22.4.4HoltWinters指數平滑算法
22.4.5長短期記憶算法
22.5異常定位
22.5.1異常定位的定義與難點
22.5.2iDice
22.5.3Adtributor算法
22.6故障預測
22.6.1故障預測的定義
22.6.2隱式馬爾可夫模型
22.6.3支持向量機與核函數
22.6.4多示例學習
22.7實踐討論： 異常檢測場景中的算法選擇思路
22.8數據重視和增量學習

第23章AIOps的落地：  企業實施
23.1AIOps企業實施戰略
23.1.1實施路線圖
23.1.2實施策略
23.2建立基礎： 數據先行
23.2.1數據整合
23.2.2數據處理
23.3實踐討論
23.3.1階段性實施策略
23.3.2落地點之一 ： 降低MTTR
23.3.3策略實施中容易犯的錯誤
23.4案例研究： 蘇寧金融的智能運維實踐
23.4.1背景介紹
23.4.2蘇寧金融智能運維生態體系
23.4.3AIOps切入點選擇： 問題根因分析
23.4.4技術挑戰
23.4.5智能問題診

斷流程
23.4.6智能問題診斷算法模型
23.4.7模型效果表現
23.4.8總結： 挑戰、思路與計劃

第5部分安全技術與管理
第24章雲計算安全概述
24.1概述
24.1.1雲計算安全的定義
24.1.2廣義的雲計算安全
24.2雲計算安全的挑戰和研究現狀
24.2.1雲計算安全研究焦點域
24.2.2國內外雲計算安全技術研究現狀
24.2.3雲計算模式下信息安全技術演進趨勢
24.3國內外雲計算安全相關的標準化組織及其研究成果
24.3.1雲安全聯盟（CSA）
24.3.2第一聯合技術委員會
24.3.3國際電信聯盟電信標準化部門
24.3.4分佈式管理任務組
24.3.5全國信息安全標準化技術委員會
24.3.6中國通信標準化協會
24.4本章小結

第25章雲計算安全架構
25.1雲計算安全體系架構
25.2雲計算模型與安全架構模型間的映射關系
25.3雲計算安全職責劃分
25.4本章小結

第26章雲計算基礎設施安全
26.1雲計算基礎設施面臨的安全風險
26.2雲計算基礎設施的安全保護機制
26.2.1物理安全
26.2.2網絡安全
26.2.3主機安全
26.2.4虛擬化安全
26.2.5中間件安全
26.3本章小結

第27章雲計算數據安全
27.1雲計算環境下數據安全綜述
27.1.1數據安全保護的意義
27.1.2數據生命週期
27.2服務提供商面臨的數據安全風險及挑戰
27.2.1數據加密
27.2.2釣魚行為
27.2.3數據審計與監控
27.3數據安全保護機制
27.3.1數據加密介紹
27.3.2數據脫敏
27.3.3數據殘餘銷毀
27.3.4數據沿襲(Data Lineage)
27.3.5數據備份與恢復
27.3.6訪問控制
27.3.7新一代雲計算安全技術
27.4案例分析： 政務雲的數據安全設施
27.4.1項目背景
27.4.2技術方案
27.4.3實施要點
27.5本章小結

第28章IaaS和PaaS服務安全
28.1IaaS服務用戶需重點關註的安全問題
28.1.1系統基礎服務安全風險及應對措施
28.1.2遠程管理風險及應對措施
28.1.3DNS威脅及應對措施
28.2IaaS服務用戶安全檢查清單
28.3PaaS服務用戶需重點關註的安全問題
28.3.1安全相關的API
28.3.2應用安全部署
28.3.3遠程安全訪問
28.3.4服務鎖定風險
28.4PaaS服務用戶安全檢查清單
28.5本章小結

第29章SaaS服務安全
29.1SaaS服務安全風險
29.1.1互聯網服務安全現狀
29.1.2SaaS服務安全需求
29.2SaaS應用安全保護機制
29.2.1安全開發生命週期
29.2.2Web應用防火牆
29.2.3身份識別與訪問管理
29.2.4終端用戶安全
29.3案例研究： 桌面雲服務安全部署方案
29.3.1桌面雲服務概述
29.3.2設計挑戰
29.3.3設計要點
29.4本章小結

第30章雲計算安全治理
30.1組織架構與過程模型
30.1.1組織架構
30.1.2風險管理
30.1.3過程模型
30.2雲計算安全治理操作
30.2.1雲計算安全指南制定
30.2.2安全監控與事件響應
30.2.3威脅管理和滲透測試
30.2.4變更管理
30.2.5安全審計與日誌
30.3隱私保護
30.3.1雲計算環境下隱私保護的概念
30.3.2雲計算環境下的隱私數據
30.3.3雲計算環境下隱私數據保護對策
30.4案例： 金融業的電子支付運營安全
30.4.1需求分析
30.4.2設計考慮
30.4.3安全運營治理實施
30.4.4成效評估
30.5本章小結

第31章雲計算的合規性
31.1IT合規概述
31.1.1什麽是IT合規
31.1.2IT合規對雲計算提供商的必要性
31.1.3雲服務提供商在合規中面臨的挑戰
31.2信息化合規規劃
31.2.1信息科技合規整體框架
31.2.2IT合規解決方案
31.3IT合規實踐
31.3.1IT合規的工作內容
31.3.2IT合規的實踐建議
31.4合規工作中的難點和解決思路
31.4.1公司的戰略與支持
31.4.2IT管理
31.4.3技術運營團隊的工作
31.5案例研究： 在線金融服務商的合規實踐
31.5.1背景介紹
31.5.2安全整改內容
31.5.3實施階段
31.5.4合規整改結果
31.5.5項目挑戰點
31.5.6後期項目的風險和困難點
31.6本章小結
31.6.1合規實施的要點
31.6.2合規實施的難點
31.6.3進一步的建議

第6部分服務質量管理
第32章雲服務的質量工程
32.1服務質量保證的基本原理
32.1.1軟件服務質量
32.1.2軟件過程質量
32.1.3質量管理體系的構成
32.1.4軟件質量控制
32.1.5軟件質量保證
32.1.6軟件質量改進
32.2質量保證過程
32.2.1驗證與確認
32.2.2評審
32.2.3正式評審會議
32.2.4單元測試與集成測試
32.2.5功能測試
32.2.6回歸測試
32.2.7系統的非功能性測試
32.2.8驗收測試
32.2.9技術運營階段的質量保證活動
32.3雲服務平臺的特有質量訴求
32.3.1可用性
32.3.2安全性
32.3.3可擴充性
32.4需求評審和設計評審
32.4.1需求評審
32.4.2系統架構設計評審
32.4.3系統部署物理設計評審
32.5雲服務的驗證
32.5.1可用性驗證
32.5.2安全性驗證
32.5.3可伸縮性驗證
32.5.4通過SLA來保證質量水平

第33章服務運營的質量管理
33.1服務質量管理的目的
33.2經典的服務質量管理方法
33.2.1ITIL/CSI框架
33.2.26Sigma框架
33.2.3戴明循環理論
33.3雲服務運營中質量管理所面臨的挑戰
33.3.1源自運營目標的挑戰
33.3.2來自執行中的難度
33.4對服務質量管理的探索： GMAI方法及其要點
33.5GMAI服務質量管理： 服務改進的框架
33.5.1質量管理目標(Goal)
33.5.2衡量(Measure)
33.5.3分析(Analysis)
33.5.4改進(Improve)
33.6GMAI服務質量管理： 服務改進的持續
33.6.1持續性的實現方法： 來自目標和項目的驅動
33.6.2持續性的基礎： 證明自己的業務價值
33.7實踐討論(1)： 如何保證服務質量改進的持續性
33.8實踐討論(2)： 服務質量管理如何獲得管理層的支持
33.8.1高質量的報告
33.8.2高級管理人員儀表板
33.9服務質量管理方案的選擇

第7部分組織能力
第34章組織能力的構建與發展
34.1組織能力概述
34.1.1企業成功的關鍵
34.1.2組織能力的定義和建設
34.1.3雲服務的組織能力框架
34.2雲計算服務公司面臨的挑戰
34.3員工能力
34.3.1建立學習型組織
34.3.2有效的培訓體系
34.4員工的思維模式
34.4.1公司價值觀的建立： 如何確定價值觀的內容
34.4.2價值觀落地：  團隊的接受
34.5員工治理
34.5.1組織架構： 合理的團隊結構
34.5.2組織架構中的邊界管理： 邊界弱化、增強及平衡
34.5.3業務流程： 明確的製度
34.5.4有效的信息管理
34.6技術體系的組織架構
34.6.1一元初始： 研發
34.6.2二元架構： 研發、運營
34.6.3三元架構： 研發、運營、數據
34.6.4四元架構： 研發、運營、數據、管理
34.7客服體系的組織架構
34.8實踐研究(1)： 構建高效的技術運營團隊
34.8.1背景
34.8.2思維方式： 技術運營的管理思想
34.8.3團隊治理： 團隊的結構與責任
34.8.4團隊能力： 團隊的培養
34.9實踐研究(2)： 構建大數據的組織能力
34.9.1企業的新型競爭力：  分析能力
34.9.2大數據組織能力模型
34.9.3員工思維
34.9.4員工治理
34.10實踐研究(3)： 構建服務導向的客戶服務部門
34.10.1客服的三種核心服務方式
34.10.2被動式服務： 問題的快速響應
34.10.3主動式服務： 有效的客戶管理
34.10.4服務體系的改進
34.10.5本章小結

參考文獻
後記——行自雲起時，更上一層樓