高屋建瓴,系统地介绍了当前主流技术及其背后的原理,点到为止。阅读后,能获得对技术全景的宏观了解,而对具体某项技术也能知其大概。类似的书籍还有<<凤凰架构>>。
图文并茂, 浅显易懂, 当初就是靠这本书入门了 K8S, 但是里面有很多内容都过时了. 第一版本是 2017 年写的, 我一直在期待更新版本, 作者跳票了好多次了, 从 2020 年开始就在更新, 但出版日期一再延后, 希望这次不会跳票.
1
hxzhouh1 1 天前
期待
|
2
craftsmanship 1 天前 via Android
🐮
|
3
YanSeven 1 天前
期待
|
4
R18 1 天前 via Android
DDIA 第一版读过一遍,最近正想着重读一遍
|
5
zzhirong OP @R18 作者还有一个视频课程, 关于 Distributed System, 和书中的内容有些重叠, 也讲得挺好的, 链接: ?si=621qwuFX1JIs34dV
|
6
FlashEcho 1 天前
DDIA 虽然第二版好像一直没公开发售,所以没有原版可以看,但是有中文翻译版可以看: https://ddia.vonng.com/
|
7
midsolo 1 天前
MIT 6.824 跟 DDIA 真的经典,值得反复去看
|
8
zzhirong OP @FlashEcho Amazon 上显示纸质版 3 月底正式发售, 目前流传的应该是早期版本. 看了下你提供的链接, 第二版更新到了第 10 章(后续章节直接使用了第一版内容). O'Reilly 上显示电子正式版应该会在 2 月发布.
|
9
xzysaber 17 小时 24 分钟前
Kubernetes in Action 2nd 一直都是 MEAP 状态,终于要出了。
非常好的一本书,期待。 DDIA 久仰大名,前一阵也知道要出 2 了,1 买了还没看过。今年一定要看下 2 。 |
10
zzhirong OP @xzysaber 关于 Kubernetes in Action 2nd, 这几年 K8S 发展太快了, 对作者很不友好. 关于跳票, 问过 AI, 它们的判断是这次应该不会跳票, 因为总页数已经确定, 以及具体发布日期已经精确到了 3 月 10 号, 而且已经在各大平台公布了.
|
12
cumt21g 15 小时 16 分钟前
Kubernetes in Action,我入门就是看的这本书,第二版终于出了
|
15
zzhirong OP @xzysaber 看了下目录, 有 Gateway API 和 native sidecar 相关内容, 最起码应该讲到了 v1.28(2023 年发布)吧.
|
16
coefu 11 小时 22 分钟前
@xzysaber #13 k8s 巅峰延迟了移动互联网巅峰几年,作为 devops/sre 领域最核心的终极(最后一代,不会再出现更复杂和先进的)技术,随着 pc+移动互联网的冷淡,它也快速的衰落了。最近的版本迭代几乎没有什么新的大功能特性,几乎都是缝缝补补。
|
18
coefu 10 小时 47 分钟前
2015 年那时候最好的容器和容器编排的中文书是 《 Docker——容器与容器云》,几个作者后面硕士毕业之后都去 bat 了。那时候看这本书学会了 docker ,但是没有深入看懂里面后半部分的 Kubernetes ,着实遗憾,错过了一波。到 2017 年的时候,业界渐渐的有了些实际的需求,那时候介绍 k8s 最好的书是《 Kubernetes 权威指南》,惠普的一帮人写的。我入门也是这本。一遍自己操作,一边在群里帮人解答疑问,进步着实很快的。后面 2020 年左右给 team 做介绍,才发现《 Kubernetes in Action 》,有一讲一,确实算是写的做好最全的,有一定的深度,但是对于 crd&operator 都是粗浅带过。后面有一本讲 crd&operator 的《 Programming Kubernetes 》,很好,讲的也深入透彻。然后就是《 Core Kubernetes 》,我在 2023 年粗翻译了这本书,这本书兼具广度与深度,比《 Kubernetes in Action 》有深度,但广度不如;比《 Programming Kubernetes 》基础性好,但是深度不如。
参与过 2 个 operator ,一个是 2021 年区块链联盟链 hyperledger fabric 很少的部分功能,一个是 2022 年 apache doris ,单独完全从 0 设计开发;很遗憾两件事都是在商业公司做的,无法开源。 目前有几个值得搞的,一个是 hyperledger 在 fabric 之后增加了严谨性的 fabricX , 社区还没有 operator ,一个是 ray-rllib 的 分布式训练,这部分被 ray 的商业公司搞了一个闭源分布式训练平台,所以大概率社区是没有动力做这个事情的,因为主力靠这个平台收 license 过活。但是实际上社区是有这个需求的。最后还有一个 llama.cpp 的多机多卡分布式并行推理,这个实际上很有潜力同时也很鸡肋。sglang&vllm 都适配的最新的设备。大部分旧设备和异构设备很难聚合发挥威力,同时分布式并行推理,对于网络带宽要求太高了,在基础架构没有优化到只需要传输部分数据的时候,大量异构 gpu+10G 级别的网络是很难有结果的。 看到这个话题,突然间就回忆了很多,实在是感慨。 |