云计算

在本章中，我们将首先识别系统中最有价值的功能。鉴于产品团队通常有一长串需要实现的需求，我们的首要任务是先交付价值最高的功能。接下来，我们将探索需要处理的领域，这将指导我们需要开发的 API。最后，我们

在本章中，我们将继续探讨如何构建稳健的需求。在上一章中，我们创建了高层次需求。虽然这些需求有助于确定我们将要创建的产品方向，但它们仍然比较模糊。换句话说，它们没有讲完整的故事，缺乏足够的细节来让我们开

在本章中，我们将深入探讨所谓的“业务”或“产品”需求，这些需求可以应用于任何类型的开发工作，而不受技术栈的限制。它们是系统的核心与灵魂，是我们了解应用程序时的第一要素。**需求决定了产品的运行机制。*

引言（Introduction） 在本章中，我们将踏入工业应用的世界，探讨其在各类行业中的重要性。我们会梳理各行业面临的挑战，以及技术如何在应对这些挑战中发挥关键作用。我们将给出工业应用的全面概览，聚

Arm® Holdings 成立于 1990 年，最初以合资企业的形式出现，如今已成为 IT 行业的主导力量之一。Arm 处理器应用广泛，从智能手机和平板电脑到服务器和物联网设备无所不在。在汽车行业，

本章内容涵盖： 为云原生应用定义和管理基础设施 识别管理基础设施组件时面临的挑战 学习如何使用 Crossplane 以 Kubernetes 的方式处理基础设施 在前几章中，我们搭建了一个“行走骨架

本章内容包括： 将生成的制品部署到各个环境中 使用环境流水线和 GitOps 管理环境 使用 Argo CD 与 Helm 高效交付软件 本章介绍了环境流水线的概念。我们将讲解如何将服务流水线生成的制

本章内容包括： 发现交付云原生应用程序所需的各个组件 了解创建和标准化服务流水线的优势 使用 Tekton、Dagger 和 GitHub Actions 构建云原生应用程序 在上一章中，你安装并体验

使用 cuBLAS 进行稠密向量与矩阵操作 cuBLAS 简介 cuBLAS 是 NVIDIA 提供的 GPU 加速线性代数库，涵盖从简单的向量加法到大规模矩阵乘法等高度优化的基础运算。该库由 NVI

GPU 加速的 Bitonic 排序 排序是数据处理、分析和模拟工作流中的基础操作。随着数据集规模不断增长，高效排序变得愈发重要。CPU 提供了多种通用排序算法，但它们并不总是适合映射到诸如 GPU

本章内容 使用运行在 Kubernetes 集群中的云原生应用 在本地与远程 Kubernetes 集群之间进行选择 了解主要组件和 Kubernetes 资源 理解使用云原生应用时所面临的挑战 当我

本章将涵盖的内容： 理解什么是平台，以及我们为什么需要它 在 Kubernetes 之上构建一个平台 介绍一个“可运行骨架”（walking skeleton）应用 平台工程在技术行业中并不是一个新术

加权无向图的最小生成树（Minimum Spanning Tree，MST）是指连接图中所有节点且边权总和最小的一组边。我们可以利用这一概念来建模和优化各种现实问题，从设计电网到假想花栗鼠应该如何构建

在本章中，我们将讨论连通性的另一个方面：在无向图中，对于保持连通分量完整性至关重要的节点和边。这些节点和边分别被称为割点和桥。了解哪些节点或边对于保持连通性是必不可少的，在许多现实问题中都非常重要。每

前几章使用无向图的连通分量来回答诸如“我们能从这里到达某个特定地点吗？”或“移除这条边会破坏图的连通性吗？”之类的问题。一旦引入方向性，这类问题以及相应的算法就变得更复杂。在研究有向图的可达性时，仅仅

到目前为止，本书介绍了多种针对特定目标设计的算法。本章讨论的算法略有不同：它们旨在在图上引入随机行为。通过分析图上的随机运动，我们可以对具有非确定性行为的系统建模和研究，例如随机网络路由或现实世界中的

设计一条最优观光路线的问题，非常适合用图论来建模。根据我们的旅行偏好，可能希望恰好访问一组主要地标各一次、最小化总旅行距离，或者在目的地城市里走遍每一条商铺林立的街道。这些需求都可以归结为一个经典的图

许多商业和物流问题都涉及从两个不同集合中匹配元素。我们可能希望将人分配到工作岗位、将会议安排到地点、将车辆匹配到路线，或者将被收养的宠物匹配到家庭。在每种情况下，我们都必须确定一个集合中的哪一项与另一

前几章展示了如何使用图来建模连通性和运输问题。本章则关注网络的整体容量以及物质如何在网络中流动。想象一下，我们希望模拟水在管道网络中的流动量。我们可以使用边的权重来表示任意两个节点之间的最大流量，从而

在上一章中，我们看到看似简单的颜色分配问题会迅速膨胀为代价高昂的搜索任务。在本章中，我们将探讨类似复杂的节点集合问题：最大团、最大独立集和最小顶点覆盖。 对于这些问题，我们希望找到满足某些基于邻居或相