：中台落地手记——业务服务化与数据资产化机械工业

基本信息

• 商品名：中台落地手记 业务服务化与书记资产化978711168□608
• ISBN：9787111682608
• 定价：89
• 出版社：机械工业出版社
• 作者：张亮

参考信息（以实物为准）

• 出版时间：2021-06-01
• 印刷时间：2021-06-01
• 版次：1
• 印次：1
• 包装：平装
• 开本：16开
• 用纸：胶版纸
• 页数：207
• 字数：262000

内容简介

　　当前，中台建设如火如荼，相关技术也在快速发展。

　　《中台落地手记 业务服务化与数据资产化》试图帮助读者拨开迷雾，旨在向读者提供一个“step by step”的中台建设实操指导。

　　《中台落地手记 业务服务化与数据资产化》从中台的规划、设计、实现、运维等多个方面入手，从组织架构、业务流程、技术选型角度，以一个典型的民航生产系统落地场景为例，对基于微服务的“业务中台”、基于大数据的“数据中台”以及基于企业战略的“组织中台”分别进行了阐述。

　　《中台落地手记 业务服务化与数据资产化》分10章，内容主要涉及总体规划、业务服务化建设、微服务解决方案、收集各类数据、数据预处理、数据湖和数据仓库数据处理、数据计算开发、深入挖掘业务数据、安全措施和中台运营及周边。

　　《中台落地手记 业务服务化与数据资产化》的主要读者对象为企业信息化人员（包括管理人员及产品设计、开发人员等）、数字化转型研究方向和专业的高校师生等。

　　《中台落地手记 业务服务化与数据资产化》特点：

　　有方法：“stepbystep”地指导中台建设

　　有实践：结合中台项目阐述中台建设的流程与方法

　　有观点：倾心分享作者多年中台建设的心得体会

前言序言

前言

1编写背景

其实不是只有一线大厂才需要中台，中台可以做得很大，但中台的每个组件、每个部分都可以独立发展成为一个产品对外交付。中台也可以做得很小，能形成数据处理微内核即可，只要能贴近业务，然后反哺业务，进而能扩展业务，就算是发挥了自身的价值。理论上凡是需要把两个及以上系统的数据打通、实现业务能力复用共享的领域，就会存在建设中台的需求，而要想使中台发挥更大的作用，相应的组织结构必须调整，这也是□大的难点。

当前，企业信息化建设正逐步进入“中台化”阶段，市面上不乏讲解中台理论、介绍成功案例和中台某方面技术的优秀书籍，但是介绍从0到1落地实操的书还是较少。填补这一空白是编写本书的主要意图。

读者可以通过本书了解中台包含的核心单元、关键技术选型思路、技术核心原理以及如何与业务有效结合以期达到□优效果等，同时也可以了解如何在自己的业务领域中建立一个中台的雏形。

□内容编排规划

中台落地手记 业务服务化与数据资产化不是一本销售中台软件的“营销带货”书，而是一本技术指导手册。在涉及技术内容时，本书会简明扼要地剖析一些选型范围内的技术原理。对一些关键框架或组件，本书重点解决“用什么、为什么用、怎么用”的技术选型思路问题。在茫茫技术海洋中，帮读者聚焦业界普遍流行和容易实践落地的技术，帮助读者拥有系统化建设思路是本书的一大亮点。

中台落地手记 业务服务化与数据资产化在重点阐述建设思路的同时，也注重技术原理的剖析和实操案例的讲解，将一个行业的落地方案贯穿全书。具体来说，本书主要包含以下章节内容。

□□章总体规划。本章回答了有关中台建设的一些疑问，剖析了中台建设的内外环境，借助前人的智慧结晶再加上编者曾主导过多个中台项目的研发和落地，总结出一套中台建设的方法。

第□～3章业务服务化。中台首先强调的是业务复用。把业务都串联起来，使各部门业务之间不再是壁垒高筑。这里面必然有公共基础业务与特定业务之间的联系与区别，那么业务服务化之路也就成了一条必经之路。本部分首先阐述了当前各个分散的业务系统的一些痛点，然后引出服务化的解决方案，进而阐述“微服务架构”这种成熟体系的建设思路及实践过程。

第4～7章数据资产化。在数据时代，一切都是数据，一切皆可数据化。将数据变废为宝，化无序为有序，让数据持续产生价值就是中台的使命。数据之间的关系由孤立变为有机结合，数据系统则由一个个数据孤岛变为数据资产，这些也是中台建设中非常重要的步骤。

第8章深入挖掘业务数据。在一般规则的开发程度上，进一步挖掘深层次的数据关系。例如，客户信用体系、客户交叉销售、安全风险预测等方面的应用。

第9章安全措施。本章讲述在多种生产环境下常见安全威胁的应对措施。

□□0章中台运营及周边。已经投入使用的中台同样也需要发展，其中就包括日常的管理与维护、运营等。

各类场合中描述中台的概念众多，然而它们的价值形态和建设方式都是相通的，□终也可以融合成更大的中台。

3致谢

此书是利用业余时间写成的，因此牺牲了很多陪伴家人、朋友的时间，在此特别感谢家人和朋友对我的理解与支持，也感谢读者选择本书。由于编者水平有限，书中难免存在疏漏与不足之处，恳请专家和广大读者不吝赐教。

编 者

目录

前言

□□章 总体规划1

11 统一内部认识1

1□ 把握外部环境□

13 中台具体建设思路3

131 □□□□中台建设思路拆解3

13□ 企业组织变革5

133 业务与数据逻辑架构设计7

14 运营中台规划与设计8

141 运营中台面临的几个典型痛点8

14□ 行业规范与趋势8

143 运营中台前期准备情况9

第□章 业务服务化建设11

□1 多种方法梳理业务11

□□ 领域驱动（DDD）业务建模13

□□1 领域驱动建模介绍13

□□□ 业务架构设计16

□3 业务服务化带来的效益19

□4 服务提供者□0

□5 服务消费者□1

□6 服务管理者□□

□7 运营中台业务服务化设计□6

□71 梳理各业务线流程□6

□7□ 定义业务领域□8

□73 确定聚合与聚合根□8

□74 确定限界上下文□9

第3章 微服务解决方案31

31 RPC框架：Apache Dubbo3□

311 架构分层剖析3□

31□ 核心流程介绍33

313 关键生态组件介绍34

314 Dubbo使用举例35

3□ Spring框架：Spring Cloud40

3□1 网关平台40

3□□ 服务注册与发现41

3□3 配置管理41

3□4 负载均衡4□

3□5 服务保护43

3□6 链路追踪44

3□7 安全控制44

33 微服务难点剖析45

331 网络延迟45

33□ 分布式事务46

333 分布式计算48

34 服务网格Service Mesh50

35 无服务架构Serviceless51

36 运营中台基于微服务技术搭建业务中台5□

361 微服务划分5□

36□ 整体微服务架构53

363 缓存方案54

364 搜索方案57

365 通信方案58

366 SPI与插件化方案59

第4章 收集各类数据6□

41 多渠道收集数据64

4□ 多数据结构收集数据65

43 收集工具介绍66

431 Apache Flume66

43□ Apache Sqoop67

433 * DataX71

434 爬虫系统工具74

435 Apache Kafka76

436 * Canal83

44 运营中台数据收集过程9□

第5章 数据预处理94

51 数据标准建立95

5□ 数据建模子系统95

5□1 关系型数据建模95

5□□ 数据仓库建模96

5□3 非关系型数据建模99

5□4 通用建模步骤99

53 元数据管理子系统101

531 元数据的内涵101

53□ 元数据管理的意义10□

533 元数据管理开源方案：Apache Atlas10□

54 数据质量控制子系统104

541 数据质量维度度量104

54□ 数据质量控制方案105

543 数据质量管理开源方案：Apache Griffin106

55 运营中台数据预处理107

551 建立内部数据标准107

55□ 与业务模型对应的数据模型子系统108

553 自研元数据管理子系统110

554 自研数据质量控制子系统11□

第6章 数据湖和数据仓库数据处理113

61 数据仓库113

611 数据仓库分层113

61□ 数据仓库分类114

6□ 数据湖与大数据116

6□1 Lambda架构116

6□□ Kappa架构117

6□3 大数据平台118

63 开源数据湖方案：Apache Hudi119

631 Hudi存储1□0

63□ Hudi读取1□□

64 运营中台数据仓库和数据湖的建设情况1□3

641 基于Hive的离线数据仓库1□3

64□ 基于Kylin的准实时数据仓库1□5

643 基于Flink+TiDB的实时数据仓库1□6

644 基于Hudi的数据湖建设1□7

第7章 数据计算开发130

71 离线计算130

711 MapReduce经典计算引擎130

71□ Apache Spark内存计算引擎13□

7□ 在线计算137

7□1 事务优先类引擎137

7□□ 非事务优先类引擎143

7□3 预计算类引擎151

73 流式计算154

731 无状态计算引擎：Apache Storm154

73□ 有状态计算引擎：Apache Flink156

74 运营中台数据资产化过程163

741 典型问题解决方案165

74□ 性能调优168

第8章 深入挖掘业务数据174

81 利用机器学习进行数据挖掘174

811 监督学习175

81□ 非监督学习176

813 强化学习177

8□ 机器学习通用步骤177

8□1 数据清洗处理178

8□□ 特征工程179

8□3 对模型进行训练18□

8□4 评估模型的泛化程度184

8□5 模型保存及导入185

83 运营中台业务数据挖掘188

831 客户数据挖掘：分类营销188

83□ 安全数据挖掘：运行事件预测190

第9章 安全措施19□

91 安全体系范畴19□

911 平台安全19□

91□ 数据安全193

913 隐私安全194

9□ 大数据平台安全开源方案：Apache Ranger195

93 运营中台安全措施197

931 运营中台安全告警系统199

93□ 运营中台两地三中心数据容灾方案199

□□0章 中台运营及周边□03

101 运营中的运维：维护优势□03

10□ 运营中的营收：提升价值□04

103 各类中台形态□04

1031 数据中台□04

103□ 业务中台□05

1033 AI中台□06

104 运营中台的运营规划□07

后记□08