云计算

现在，我们已经讲完了 TypeScript 中“大部分为什么”的问题，也该开始进入“怎么做”的部分了。本章将介绍一些关键概念，例如类型注解（type annotations） 、类型推断（type i

你已经了解了 JavaScript 与 TypeScript 之间的关系，也看到了 TypeScript 如何改善开发者的工作体验。但现在，让我们再深入一点。在本章中，你将把 TypeScript C

TypeScript 的工作方式并不会因为你使用的是哪一款 IDE 而改变，但在本书中，我们默认你使用的是 VS Code。当你打开 VS Code 时，TypeScript 服务器就会在后台启动。只

本章将带你快速浏览一遍 TypeScript 的核心基础，帮助你尽快上手。我们会先简要讨论 TypeScript 与 JavaScript 的不同之处；接着，从宏观层面对这门语言的工作方式做一个概览；

前面的章节分别铺陈了 Wardley Mapping（第 1 章）、领域驱动设计（第 2–4 章）以及 Team Topologies（第 5 章）的概念。本章将把这些概念结合起来并加以说明，所使用的

在构建能够适应快速变化流的系统时，理解这样一个事实非常重要：系统不仅仅由技术构成（包括软件架构），还包括人、团队以及他们之间的相互作用。我们通常是在社会—技术系统中工作，在这种系统里，组织设计与团队结

随着进入战术设计，组织的工作重心会转向领域模型的设计与实现。战术设计提供了一组构建块，用于把某个限界上下文（bounded context）的领域模型实现为代码。这类设计有助于建模者处理复杂业务逻辑场

发现子域属于战略设计的问题空间的一部分。本章将转入战略设计的解决方案空间。正是在这里，会做出软件设计决策，将软件系统分解并设计为模块化组件——也就是限界上下文（bounded contexts）。正如

“做对的事”（building the right thing）与“把事做对”（building the thing right）都要求我们去设计、构建并持续演进那种能够适应变化的社会—技术系统（ad

本章内容包括： 使用模板在运行时渲染变量 使用 PythonOperator 掌握变量模板化 为调试目的渲染模板变量 对外部系统执行操作 如果静态数据管道在每次执行时都只做同样的事情，无法根据不同执行

本章涵盖 将 DAG 拆分为生产者 DAG 与消费者 DAG 使用资产定义 DAG 之间的依赖关系 在生产者 DAG 中更新资产并触发消费者 DAG 在生产者与消费者之间传递信息 为多个资产定义复杂依

本章将介绍 如何在规则或不规则的时间点运行 DAG 如何利用数据区间（data intervals）进行增量数据处理 如何借助回填（backfilling）加载并重新处理已处理过的数据 如何应用最佳实

本章将介绍 如何将数据流水线中的工作流表示为任务图 Airflow 在工作流管理器生态中的定位 如何判断 Airflow 是否适合你的场景 企业越来越依赖高质量数据来做数据驱动决策，并优化业务流程。多

数据共享，是指让内部与外部利益相关方能够访问他们在自身数据系统中无法获取的信息。它让相关方可以直接访问生成方（producer）域内产生或采集并存储的数据，从而围绕共同的业务目标与优先级开展协作。数据

多年来，很多组织一直运行着本地数据仓库，这些系统在过去的工作负载下表现良好。但当今数据的体量、多样性与速度要求客户对数据仓库进行现代化改造，以确保最佳性能。传统数据仓库的主要局限或缺点包括： 获取缓慢

在本书前文中，我们已经讨论过数据的重要性，以及如何借助 Amazon Redshift 访问不同类型的结构化或半结构化数据——无论这些数据是本地装载的，还是外部源查询得到的。不过，与“以成本可控、性能

机器学习与人工智能早已从科幻概念走入日常：无论是在你的手机上，还是在企业里，它们都在赋能业务、颠覆并增强各类决策流程。 据 GlobalNewsWire 调研，AI/ML 市场预计在 2029 年增长

如果我告诉你“唯一不变的就是变化”，你多半会觉得这是老生常谈。 当下的挑战在于：你的数据仓库能以多快的速度适应这种变化。传统数仓系统往往因为资源申请与交付的前置周期而难以及时应对变化；而在 Amazo

一份《福布斯》的最新报告指出，一些证券经纪商和交易公司能够比竞争对手更快地获取并分析数据，从而“在大众之前的微秒级时间里以最佳价格成交。就时间而言优势微乎其微，但在洞察速度带来的竞争优势上却极其巨大。

现在你已经搭建好 Amazon Redshift 数据仓库了，接下来就该考虑数据管理策略。 本章我们将讨论几种数据管理策略的选择，以及你是否应该采用“数据湖优先还是数据仓库优先”的路线。接着，我们会进