۴۴٬۰۰۰تومان
نوع فایل دانلود: EPUB
پس از خرید، یک فایل EPUB دریافت می‌کنید.
این فایل با Calibre، Apple Books و سایر کتابخوان‌های دیجیتال مناسب است.
رایانش بدون سرور به توسعه‌دهندگان کمک می‌کند فقط روی برنامه‌هایشان تمرکز کنند و نگران محل استقرارشان نباشند. با پیاده‌سازی همه‌منظوره و بدون سرور Ray در پایتون، برنامه‌نویسان و دانشمندان داده می‌توانند سرورها را از دید پنهان کنند، برنامه‌های دارای وضعیت بسازند، ارتباط مستقیم بین تسک‌ها را پشتیبانی کنند و به شتاب‌دهنده‌های سخت‌افزاری دسترسی داشته باشند.
در این کتاب، هولدن کارائو و بوریس لوبلینسکی که تجربهٔ زیادی در معماری نرم‌افزار دارند، نشان می‌دهند چطور برنامه‌ها و پایپ‌لاین‌های پایتونی موجود را مقیاس‌پذیر کنید. این کار به شما اجازه می‌دهد در اکوسیستم پایتون بمانید و در عین حال نقاط شکست واحد و زمان‌بندی دستی را کمتر کنید. کتاب Scaling Python with Ray برای معماران نرم‌افزار و توسعه‌دهندگانی مناسب است که می‌خواهند مطالعات موردی موفق را ببینند و دربارهٔ اثربخشی تصمیم‌گیری و اندازه‌گیری بیشتر بدانند.
اگر پردازش داده یا برنامهٔ سرور شما از توان یک رایانه فراتر رفته، این کتاب برای شماست. با پردازش توزیع‌شده (پیاده‌سازی خالص پایتونی رایانش بدون سرور) آشنا می‌شوید و یاد می‌گیرید چطور:
برنامه‌های دارای وضعیت را با اکتورهای Ray پیاده‌سازی کنید
مدیریت گردش‌کار را در Ray بسازید
از Ray به‌عنوان سامانه‌ای یکپارچه برای پردازش دسته‌ای و جریانی استفاده کنید
پردازش پیشرفتهٔ داده را با Ray به‌کار بگیرید
میکروسرویس‌ها را با Ray بسازید
برنامه‌های Ray را به‌صورت قابل‌اعتماد پیاده‌سازی کنید
Serverless computing enables developers to concentrate solely on their applications rather than worry about where they've been deployed. With the Ray general-purpose serverless implementation in Python, programmers and data scientists can hide servers, implement stateful applications, support direct communication between tasks, and access hardware accelerators.In this book, experienced software architecture practitioners Holden Karau and Boris Lublinsky show you how to scale existing Python applications and pipelines, allowing you to stay in the Python ecosystem while reducing single points of failure and manual scheduling. Scaling Python with Ray is ideal for software architects and developers eager to explore successful case studies and learn more about decision and measurement effectiveness.If your data processing or server application has grown beyond what a single computer can handle, this book is for you. You'll explore distributed processing (the pure Python implementation of serverless) and learn how to:Implement stateful applications with Ray actors Build workflow management in Ray Use Ray as a unified system for batch and stream processing Apply advanced data processing with Ray Build microservices with Ray Implement reliable Ray applications
هنر
رایانه و برنامه‌نویسی
زبان انگیسی (رایگان)
درسی و کمک درسی (رایگان)