目录 第1章综述 1.1本书的框架思路： 云计算和大数据服务实现的四要素 1.2本书的框架结构 1.2.1技术构建(第1、第2部分)： 云计算和大数据 1.2.2服务运营(第3、第4、第5部分)： 技术、管理、AIOps和安全 1.2.3服务质量管理(第6部分) 1.2.4组织能力(第7部分) 1.3本书的章节结构 1.4云计算技术与服务 1.4.1云计算的发展史 1.4.2云计算的定义 1.4.3云计算的服务模式 1.4.4云计算的部署方式 1.5大数据和数据智能的技术与服务 1.5.1大数据的定义 1.5.2云计算与大数据的关系 1.5.3数据智能 1.6技术运营： 从技术升级到服务的实现关键 1.7智能实践 第1部分云计算技术 第2章云计算技术综述 2.1云计算的技术发展回顾 2.1.1云计算技术概念的发展 2.1.2云计算相关技术的发展 2.2云服务的技术结构 2.2.1云服务的技术层次 2.2.2云服务的技术结构适用场景 2.3云服务对技术团队带来的挑战 2.3.1对研发团队的挑战 2.3.2对技术运营团队的挑战 2.3.3对服务质量控制团队的挑战 第3章云计算的技术框架： 面向服务的架构 3.17×24小时云服务的挑战 3.1.1传统企业服务软件与云服务软件对比 3.1.2特性化与统一服务 3.1.3面向运营及服务系统功能 3.1.4IT管理与服务监控 3.2云服务架构 3.2.1设计的基础模式 3.2.2设计的结构模式 3.3构建高可靠性 3.3.1可靠性理论与云计算平台的需求实现 3.3.2可靠性设计 3.3.3负载均衡与集群 3.3.4双机热备 3.3.5异地灾备 3.4构建高性能 3.4.1系统容量与性能瓶颈 3.4.2接入与Web层容量与性能设计与优化 3.4.3服务层容量与性能设计与优化 3.4.4数据层容量与性能设计与优化 3.4.5应对高并发容量 3.5构建高伸缩性 3.5.1设计规则扩展与性能 3.5.2并发访问量 3.5.3并发数据访问与I/O 3.6构建高可配置性 3.6.1系统配置 3.6.2站点配置 3.6.3用户配置 3.6.4服务配置与技术运营关系 3.7构建高可管理性云计算平台 3.7.1系统维护周期 3.7.2系统维护与服务中断 3.7.3系统可配置性 3.7.4系统监控能力 3.7.5日志记录与错误处理 3.7.6用于服务的配置、监控与日志系统 3.8案例分析 3.8.1背景介绍 3.8.2解决方案 3.8.3讨论 3.9本章小结 第4章云服务的技术基础： 虚拟化 4.1虚拟化技术的发展历史 4.2虚拟化技术分类 4.3系统虚拟化 4.3.1系统虚拟化的优势 4.3.2系统虚拟化存在的问题 4.3.3系统虚拟化的不足 4.4网络虚拟化 4.4.1网络虚拟化的分类 4.4.2网络虚拟化的优势 4.4.3网络虚拟化的不足 4.5容器的虚拟化 4.6其他虚拟化技术 4.7市场主流虚拟化技术对比 4.8虚拟化对云计算的推动 4.9虚拟化与数据中心 4.9.1虚拟化数据中心的优点 4.9.2虚拟化数据中心的风险 4.9.3虚拟化数据中心风险应对 4.10研究分析： 虚拟化技术的发展趋势 4.11本章小结 第5章云服务的平台技术： IaaS、PaaS和SaaS 5.1平台技术的发展 5.1.1平台技术演进阶段 5.1.2云管理平台贯穿云平台技术发展始终 5.1.3云平台技术发展的展望 5.1.4关于FaaS平台的思考 5.2IaaS 5.2.1IaaS平台架构 5.2.2IaaS的适用场景 5.2.3IaaS的优缺点 5.2.4IaaS的市场价值 5.2.5IaaS的局限性 5.3PaaS 5.3.1PaaS平台架构 5.3.2PaaS的适用场景 5.3.3PaaS的优缺点 5.3.4PaaS的市场价值 5.3.5PaaS的局限性 5.4SaaS 5.4.1SaaS平台架构 5.4.2SaaS的适用场景 5.4.3SaaS的优缺点 5.4.4SaaS的市场价值 5.4.5SaaS的局限性 5.5CaaS 5.5.1CaaS平台架构 5.5.2CaaS的适用场景 5.5.3CaaS的优缺点 5.5.4CaaS的市场价值 5.6云管理平台 5.6.1云管理平台的规范架构 5.6.2云管理平台的职能 5.6.3云管理平台的应用场景举例 5.7平台的实施要点和挑战 5.7.1技术选型 5.7.2实施要点 5.7.3风险和挑战 5.8案例研究： SaaS的构建、演进、成果与教训 5.8.1背景介绍 5.8.2自建IDC阶段 5.8.3采用IaaS公有云阶段 5.8.4混合云阶段 5.8.5容器化及微服务阶段 5.8.6数据安全 第6章云服务的应用层技术： 微服务 6.1微服务与云计算 6.2微服务的定义 6.3微服务的发展简史 6.4微服务和SOA的关系 6.5微服务的构成要素 6.6微服务的优缺点 6.6.1微服务的优点 6.6.2微服务的缺点 6.7微服务的实施要点 6.8案例分析： SMS推送平台的微服务化 6.8.1背景简介 6.8.2系统特点 6.8.3早期设计 6.8.4解决方案 6.8.5决策过程 6.8.6实施过程 6.8.7实施效果 6.8.8未来改进 6.8.9项目回顾 第2部分大数据与数据智能 第7章大数据理论及相关模型 7.1大数据概念的提出和演进 7.24V+1O特征模型： 大数据特征 7.3第四范式： 问题解决的新模式 7.4蜜蜂效应： 数据的选择价值 7.5大数据业务成熟度模型 7.5.1业务监测 7.5.2业务洞察 7.5.3业务优化 7.5.4数据变现 7.5.5商业重塑 7.6数据智能 第8章数据智能平台构建策略 8.1数据业务的构建过程 8.1.1数据系统建设 8.1.2数据业务建模 8.1.3数据业务开展 8.2数据智能体系要求 8.2.1建设思路、原则和目标 8.2.2基础平台 8.2.3融合平台 8.2.4治理系统 8.2.5质量保证 8.2.6安全计算 8.2.7分析挖掘 8.2.8数据可视化 8.3数据中台策略 8.3.1数据仓库和数据湖 8.3.2数据中台 8.3.3数据中台和数据仓库、数据湖的差别 第9章大数据技术和平台 9.1大数据基础技术系统组成 9.2大数据开源体系各部分介绍 9.2.1Hadoop介绍 9.2.2开源生态系统 9.3大数据生态的发展态势 9.3.1数据治理与安全 9.3.2基础设施 9.3.3数据协作工作台 9.3.4数据分析流程自动化 9.3.5AI驱动的应用发展趋势 9.4实践讨论： 大数据存储的建模 9.4.1分布式存储的架构 9.4.2数据存储设计 9.4.3NoSQL的问题 9.4.4存储设计实例 第10章大数据分析系统技术 10.1分析系统架构设计 10.1.1CAP理论 10.1.2分析系统考量三要素 10.1.3实时查询过程 10.2架构选择 10.2.1大规模并行处理架构 10.2.2基于搜索引擎的架构 10.2.3预计算系统架构 10.2.4三种架构的对比 第11章企业大数据实施策略 11.1企业实施大数据战略面临的挑战 11.2实施规划 11.2.1切入点规划 11.2.2组织配置和调整 11.2.3数据获取和挖掘 11.2.4效果评估 11.3案例研究： 大数据运营场景及系统实施 11.3.1背景介绍 11.3.2演化路径 11.3.3个推V1.0——基础SaaS产品 11.3.4个推V2.0——大数据基础下的智能推送 11.3.5个推V3.0——数据智能下的个推 11.4实践中的经验教训 11.4.1技术陷阱 11.4.2简洁及成本意识 11.4.3新技术的进一步应用 11.4.4总结 第3部分服务的技术运营 第12章服务的技术运营综述 12.1技术运营的基本概念 12.2云服务的技术运营 12.2.1云服务的技术运营也是关于生产系统的运营 12.2.2技术运营的功能 12.2.3是技术运营，而不仅仅是维护 12.3云服务技术运营的目标 12.3.1从航空服务公司的要求来看 12.3.2云服务的运营管理目标 12.3.3技术运营永恒的四大指标 12.4技术运营的双维模型 12.4.1技术运营的双维概念 12.4.2双维的目的 12.4.3技术运营的双维模型 12.4.4双维平台的实施 12.5DevOps方法论 12.5.1DevOps简史 12.5.2DevOps定义 12.5.3DevOps的关键过程 12.6服务可靠性工程 12.6.1服务可靠性工程的定义与要点 12.6.2SRE与DevOps 12.7双维模型、DevOps与SRE的指导意义和应用 12.7.1双维模型： 给CXO的运营指导 12.7.2DevOps与SRE： 给技术架构师的指导 12.7.3实践讨论(1)： Dev与Ops的和与分 12.7.4实践讨论(2)： 技术运营不同阶段各种方法论的应用 12.7.5实践讨论(3)： 在研发团队中引进DevOps思维 第13章服务的生产设计 13.1生产设计的目的 13.1.1建立生产型的云服务 13.1.2云服务的生产设计 13.2生产设计方法 13.2.1生产设计目标 13.2.2生产设计流程 13.3生产设计(1)： 工程开发期间的任务 13.3.1服务平台的重要部分： 基础建设工程 13.3.2服务可用度 13.3.3服务的可管理性 13.3.4安全性 13.3.5可扩展性 13.4生产设计（2）： 上线期间的任务 13.4.1生产线验收 13.4.2生产线部署 13.4.3日常维护计划 13.5服务支持结构： 团队和知识 13.5.1团队结构 13.5.2知识传递： 文档的需求 13.6实践和讨论 13.6.1从工程到实施的关键： 系统层的逻辑设计 13.6.2进入生产线： 生产线的部署设计 第14章服务的业务连续性 14.1云服务业务连续性及其挑战 14.1.1业务连续性的定义 14.1.2云服务提供商面临的挑战 14.2云计算的业务连续性方案概述 14.2.1业务连续性的管理 14.2.2业务连续性的技术方案——灾备系统概述 14.3灾备系统架构 14.3.1网络系统 14.3.2云计算应用系统 14.3.3数据同步系统 14.3.4管理工具： 手动服务转移 14.4灾备方案的成本效率 14.4.1灾备资源的合理使用 14.4.2公有云和私有云之间的结合 14.5案例研究： 云服务提供商思科WebEx的灾备系统 14.5.1背景介绍 14.5.2WebEx GSB架构 14.5.3WebEx GSB的设计挑战和要点 14.5.4项目回顾 14.6本章小结 第15章服务运营的监控体系 15.1服务监控概述 15.2监控体系架构 15.2.1监控体系的层级结构 15.2.2监控体系的“4+2”要素 15.2.3Google SRE的监控方法论 15.2.4监控体系常涉及的数据库 15.3基础设施层的监控 15.3.1基础设施层监控对象 15.3.2基础设施的监控方法 15.3.3虚拟化监控 15.3.4容器化监控 15.4应用层监控 15.5服务层监控 15.5.1互联网性能监控 15.5.2用户体验监控 15.6案例研究——基础设施层监控 15.6.1背景介绍 15.6.2监控软件选择 15.6.3OpenFalcon简介 15.6.4分布式监控系统的指标体系 15.6.5监控平台的架构 15.6.6痛点与难点 第16章服务运营的自动化 16.1自动化理论 16.1.1自动化简介 16.1.2IT自动化的一般模型 16.1.3自动化的优点 16.1.4自动化的风险和局限性 16.2自动化运维的一般过程 16.2.1一个新手运维工程师的升级之路 16.2.2运维自动化发展阶段总结 16.3自动化等级 16.3.1驾驶自动化的等级 16.3.2Google SRE对自动化的分级 16.4自动化工具 16.4.1平台自动化工具： Kubernetes 16.4.2实践讨论： 用Kubernetes建立持续交付流程 16.4.3任务自动化工具： SaltStack 16.4.4实践讨论： 用SaltStack管理操作系统内核参数 16.4.5系统自动化工具： PXE 16.4.6实践讨论： 用PXE实施批量装机 16.5自动化的风险及控制 16.5.1自动化带来的技术风险 16.5.2自动化导致的故障 16.5.3自动化风险控制的一些方法 16.6运维自动化的深入： 引入控制理论 16.6.1控制原理介绍 16.6.2数据库自动化中控制理论的应用——自治数据库 16.6.3实践研究： HBase的压缩和分区状态迁移 16.7人工智能在自动化中的应用 16.7.1人工智能和机器学习 16.7.2人工智能与自动化： 实施策略 16.7.3人工智能与自动化： 实施切入点 16.8本章小结 第17章7×24小时服务的运营管理综述 17.17×24小时服务运营的管理目标 17.2经典的运营管理框架 17.2.1ITIL 12.2.2CMM和CMMI 17.2.3敏捷 17.2.4eTom 17.2.56Sigma 17.2.6COBIT 17.2.7经典框架的局限性 17.3以服务为核心的运营管理流程 17.4日常的运营管理 17.4.1沟通效率 17.4.2知识管理 17.4.3运营会议 17.5管理流程面对的挑战 17.5.1建立流程过程中的挑战 17.5.2成熟的运营——持续改进 17.6运营管理的成熟度： 五重境界 17.7案例研究： 运营管理流程的推广与改进 17.7.1背景 17.7.2推广计划 17.7.3结果分析 17.7.4下一步计划 17.8案例的延伸讨论： 主动式和被动式的运营管理 17.9本章小结 第18章事件、事故和问题管理三流程 18.17×24小时生产线运营的挑战 18.2服务运营的整体思路 18.3事件管理和生产线监控 18.3.1目的 18.3.2事件管理的流程 18.3.3生产线的监控系统 18.3.4实践中的要点 18.3.5实践中的要点与难点 18.4事故管理 18.4.1目的 18.4.2流程 18.4.3实践中的要点 18.4.4实践中的难点 18.5问题管理 18.5.1目的 18.5.2流程 18.5.3实践中的要点 18.5.4实践中的难点： 主动型问题管理 18.6实践(1)： 事故管理流程的设计 18.6.1背景 18.6.2事故管理流程的总体设计 18.6.3设计中的特别关注点 18.7实践(2)： 对管理者的建议 18.7.1生产服务管理体系建立的切入点： 事故管理 18.7.2立足于“技术+管理”的双维模型： 生产线事故一半出自 管理问题 18.7.3整体生产线管理框架： 各流程之间的交互 18.8案例分析： 从技术和管理的双维角度剖析事故 18.8.1背景 18.8.2事故复盘 18.8.3事故分析 18.8.4改进措施及成果 第19章变更管理 19.1变更管理介绍 19.1.1变更管理的目的 19.1.2变更管理的范畴 19.2变更管理的原理 19.2.1变更管理的任务 19.2.2变更的执行策略 19.2.3变更管理的流程 19.2.4变更流程的效果衡量 19.3云服务运营中的挑战 19.3.1云服务生产运营所面临的挑战 19.3.2变更管理对服务运营和商务的益处 19.3.3了解服务生产运营状况： 好还是差 19.4实践中的要点 19.4.1实践的核心： 控制 19.4.2实施的关键步骤 19.4.3变更流程1： 变更申请 19.4.4变更流程2： 变更审批 19.4.5变更流程3： 变更实施 19.4.6变更流程4： 变更反思 19.4.7团队和职责 19.5实践中的难点 19.5.1运营管理文化的建立 19.5.2高层管理者的支持 19.5.3支持变更管理的政策 19.6案例研究(1)： 变更管理实施中所发现的运营问题和改进 19.6.1背景介绍 19.6.2研发与运营的冲突 19.6.3解决方案： 变更管理与用户管理、发布管理的结合 19.6.4蓝绿部署、灰度发布 19.6.5环境一致性管理 18.6.6进一步的讨论 19.7案例研究(2)： 复杂环境下变更管理流程的设计 19.7.1背景介绍 19.7.2团队结构 19.7.3流程及其说明 19.7.4实施要素 19.7.5进一步的讨论 第20章容量管理 20.1容量管理的目的 20.2ITIL的容量管理方法介绍 20.2.1容量管理的基本流程 20.2.2容量管理的三个层次 20.2.3容量管理相关的基本要素 20.3云服务容量管理的挑战和要点 20.3.1来自云服务的挑战 20.3.2容量管理的要点 20.4容量规划 20.4.1容量需求分析 20.4.2容量建模与容量方案 20.4.3成本审核与调整 20.4.4实施计划 20.5性能管理 20.6容量规划的关键： 建模 20.6.1使用量的模拟： 使用量与时间的关系 20.6.2成本的模拟： 成本与使用量的关系 20.7建模的数学方法 20.7.1回归分析法 20.7.2趋势外推预测方法 20.7.3时间序列平滑预测法 20.7.4机器学习算法 20.8容量管理的衡量指标 20.9成功因素和风险 20.10案例研究： 苏宁金融容量管理的技术解决方案 20.10.1背景介绍 20.10.2技术解决方案 20.10.3成本管理的实施 20.10.4容量模型的建立 20.10.5智能算法的应用 第4部分智能运营（AIOps） 第21章数据能力——智能运营（AIOps）介绍 21.1数据能力的新阶段： AIOps 21.2AIOps发展历史： 从ITOA到AIOps 21.2.1ITOA 21.2.2AIOps 21.3AIOps的技术栈 21.4机器学习介绍 21.4.1机器学习的定义 21.4.2监督学习和无监督学习 21.4.3神经网络及深度学习 21.4.4机器学习中的分类与聚类 21.5AIOps为工厂运营管理赋能 21.6场景讨论： 运维报警风暴的处理 21.6.1报警风暴 21.6.2基于时间序列数据定义异常值 21.6.3使用机器学习的非监督算法报警 21.6.4用机器学习方法进一步提取更丰富的数据 21.7本章小结 第22章AIOps中的算法基础 22.1AIOps适用场景和算法策略 22.1.1AIOps适用场景 22.1.2AIOps策略： 场景分解和算法组合 22.2KPI聚类 22.2.1k中心聚类算法 22.2.2密度聚类算法 22.2.3随机聚类算法 22.3瓶颈分析 22.3.1皮尔逊(Pearson)相关系数 22.3.2逻辑回归 22.3.3决策树 22.4异常检测与容量预测 22.4.1异常检测 22.4.2容量预测 22.4.3ARIMA模型 22.4.4HoltWinters指数平滑算法 22.4.5长短期记忆算法 22.5异常定位 22.5.1异常定位的定义与难点 22.5.2iDice 22.5.3Adtributor算法 22.6故障预测 22.6.1故障预测的定义 22.6.2隐式马尔可夫模型 22.6.3支持向量机与核函数 22.6.4多示例学习 22.7实践讨论： 异常检测场景中的算法选择思路 22.8数据重视和增量学习 第23章AIOps的落地： 企业实施 23.1AIOps企业实施战略 23.1.1实施路线图 23.1.2实施策略 23.2建立基础： 数据先行 23.2.1数据整合 23.2.2数据处理 23.3实践讨论 23.3.1阶段性实施策略 23.3.2落地点之一 ： 降低MTTR 23.3.3策略实施中容易犯的错误 23.4案例研究： 苏宁金融的智能运维实践 23.4.1背景介绍 23.4.2苏宁金融智能运维生态体系 23.4.3AIOps切入点选择： 问题根因分析 23.4.4技术挑战 23.4.5智能问题诊断流程 23.4.6智能问题诊断算法模型 23.4.7模型效果表现 23.4.8总结： 挑战、思路与计划 第5部分安全技术与管理 第24章云计算安全概述 24.1概述 24.1.1云计算安全的定义 24.1.2广义的云计算安全 24.2云计算安全的挑战和研究现状 24.2.1云计算安全研究焦点域 24.2.2国内外云计算安全技术研究现状 24.2.3云计算模式下信息安全技术演进趋势 24.3国内外云计算安全相关的标准化组织及其研究成果 24.3.1云安全联盟（CSA） 24.3.2第一联合技术委员会 24.3.3国际电信联盟电信标准化部门 24.3.4分布式管理任务组 24.3.5全国信息安全标准化技术委员会 24.3.6中国通信标准化协会 24.4本章小结 第25章云计算安全架构 25.1云计算安全体系架构 25.2云计算模型与安全架构模型间的映射关系 25.3云计算安全职责划分 25.4本章小结 第26章云计算基础设施安全 26.1云计算基础设施面临的安全风险 26.2云计算基础设施的安全保护机制 26.2.1物理安全 26.2.2网络安全 26.2.3主机安全 26.2.4虚拟化安全 26.2.5中间件安全 26.3本章小结 第27章云计算数据安全 27.1云计算环境下数据安全综述 27.1.1数据安全保护的意义 27.1.2数据生命周期 27.2服务提供商面临的数据安全风险及挑战 27.2.1数据加密 27.2.2钓鱼行为 27.2.3数据审计与监控 27.3数据安全保护机制 27.3.1数据加密介绍 27.3.2数据脱敏 27.3.3数据残余销毁 27.3.4数据沿袭(Data Lineage) 27.3.5数据备份与恢复 27.3.6访问控制 27.3.7新一代云计算安全技术 27.4案例分析： 政务云的数据安全设施 27.4.1项目背景 27.4.2技术方案 27.4.3实施要点 27.5本章小结 第28章IaaS和PaaS服务安全 28.1IaaS服务用户需重点关注的安全问题 28.1.1系统基础服务安全风险及应对措施 28.1.2远程管理风险及应对措施 28.1.3DNS威胁及应对措施 28.2IaaS服务用户安全检查清单 28.3PaaS服务用户需重点关注的安全问题 28.3.1安全相关的API 28.3.2应用安全部署 28.3.3远程安全访问 28.3.4服务锁定风险 28.4PaaS服务用户安全检查清单 28.5本章小结 第29章SaaS服务安全 29.1SaaS服务安全风险 29.1.1互联网服务安全现状 29.1.2SaaS服务安全需求 29.2SaaS应用安全保护机制 29.2.1安全开发生命周期 29.2.2Web应用防火墙 29.2.3身份识别与访问管理 29.2.4终端用户安全 29.3案例研究： 桌面云服务安全部署方案 29.3.1桌面云服务概述 29.3.2设计挑战 29.3.3设计要点 29.4本章小结 第30章云计算安全治理 30.1组织架构与过程模型 30.1.1组织架构 30.1.2风险管理 30.1.3过程模型 30.2云计算安全治理操作 30.2.1云计算安全指南制定 30.2.2安全监控与事件响应 30.2.3威胁管理和渗透测试 30.2.4变更管理 30.2.5安全审计与日志 30.3隐私保护 30.3.1云计算环境下隐私保护的概念 30.3.2云计算环境下的隐私数据 30.3.3云计算环境下隐私数据保护对策 30.4案例： 金融业的电子支付运营安全 30.4.1需求分析 30.4.2设计考虑 30.4.3安全运营治理实施 30.4.4成效评估 30.5本章小结 第31章云计算的合规性 31.1IT合规概述 31.1.1什么是IT合规 31.1.2IT合规对云计算提供商的必要性 31.1.3云服务提供商在合规中面临的挑战 31.2信息化合规规划 31.2.1信息科技合规整体框架 31.2.2IT合规解决方案 31.3IT合规实践 31.3.1IT合规的工作内容 31.3.2IT合规的实践建议 31.4合规工作中的难点和解决思路 31.4.1公司的战略与支持 31.4.2IT管理 31.4.3技术运营团队的工作 31.5案例研究： 在线金融服务商的合规实践 31.5.1背景介绍 31.5.2安全整改内容 31.5.3实施阶段 31.5.4合规整改结果 31.5.5项目挑战点 31.5.6后期项目的风险和困难点 31.6本章小结 31.6.1合规实施的要点 31.6.2合规实施的难点 31.6.3进一步的建议 第6部分服务质量管理 第32章云服务的质量工程 32.1服务质量保证的基本原理 32.1.1软件服务质量 32.1.2软件过程质量 32.1.3质量管理体系的构成 32.1.4软件质量控制 32.1.5软件质量保证 32.1.6软件质量改进 32.2质量保证过程 32.2.1验证与确认 32.2.2评审 32.2.3正式评审会议 32.2.4单元测试与集成测试 32.2.5功能测试 32.2.6回归测试 32.2.7系统的非功能性测试 32.2.8验收测试 32.2.9技术运营阶段的质量保证活动 32.3云服务平台的特有质量诉求 32.3.1可用性 32.3.2安全性 32.3.3可扩充性 32.4需求评审和设计评审 32.4.1需求评审 32.4.2系统架构设计评审 32.4.3系统部署物理设计评审 32.5云服务的验证 32.5.1可用性验证 32.5.2安全性验证 32.5.3可伸缩性验证 32.5.4通过SLA来保证质量水平 第33章服务运营的质量管理 33.1服务质量管理的目的 33.2经典的服务质量管理方法 33.2.1ITIL/CSI框架 33.2.26Sigma框架 33.2.3戴明循环理论 33.3云服务运营中质量管理所面临的挑战 33.3.1源自运营目标的挑战 33.3.2来自执行中的难度 33.4对服务质量管理的探索： GMAI方法及其要点 33.5GMAI服务质量管理： 服务改进的框架 33.5.1质量管理目标(Goal) 33.5.2衡量(Measure) 33.5.3分析(Analysis) 33.5.4改进(Improve) 33.6GMAI服务质量管理： 服务改进的持续 33.6.1持续性的实现方法： 来自目标和项目的驱动 33.6.2持续性的基础： 证明自己的业务价值 33.7实践讨论(1)： 如何保证服务质量改进的持续性 33.8实践讨论(2)： 服务质量管理如何获得管理层的支持 33.8.1高质量的报告 33.8.2高级管理人员仪表板 33.9服务质量管理方案的选择 第7部分组织能力 第34章组织能力的构建与发展 34.1组织能力概述 34.1.1企业成功的关键 34.1.2组织能力的定义和建设 34.1.3云服务的组织能力框架 34.2云计算服务公司面临的挑战 34.3员工能力 34.3.1建立学习型组织 34.3.2有效的培训体系 34.4员工的思维模式 34.4.1公司价值观的建立： 如何确定价值观的内容 34.4.2价值观落地： 团队的接受 34.5员工治理 34.5.1组织架构： 合理的团队结构 34.5.2组织架构中的边界管理： 边界弱化、增强及平衡 34.5.3业务流程： 明确的制度 34.5.4有效的信息管理 34.6技术体系的组织架构 34.6.1一元初始： 研发 34.6.2二元架构： 研发、运营 34.6.3三元架构： 研发、运营、数据 34.6.4四元架构： 研发、运营、数据、管理 34.7客服体系的组织架构 34.8实践研究(1)： 构建高效的技术运营团队 34.8.1背景 34.8.2思维方式： 技术运营的管理思想 34.8.3团队治理： 团队的结构与责任 34.8.4团队能力： 团队的培养 34.9实践研究(2)： 构建大数据的组织能力 34.9.1企业的新型竞争力： 分析能力 34.9.2大数据组织能力模型 34.9.3员工思维 34.9.4员工治理 34.10实践研究(3)： 构建服务导向的客户服务部门 34.10.1客服的三种核心服务方式 34.10.2被动式服务： 问题的快速响应 34.10.3主动式服务： 有效的客户管理 34.10.4服务体系的改进 34.10.5本章小结 参考文献 后记——行自云起时，更上一层楼