韩老师CKA认证精品班上线啦：

内容体系更完善，专属班级群，稳定题库，还可进行一对一答疑和远程技术指导

微服务是用于构建应用程序的架构风格，一个大的系统可由一个或者多个微服务组成，微服务架构可将应用拆分成多个核心功能，每个功能都被称为一项服务，可以单独构建和部署，这意味着各项服务在工作和出现故障的时候不会相互影响。

单体架构下的所有代码模块都耦合在一起，代码量大，维护困难，想要更新一个模块的代码，也可能会影响其他模块，不能很好的定制化代码。微服务中可以有java编写、有Python编写的，他们都是靠restful架构风格统一成一个系统的，所以微服务本身与具体技术无关、扩展性强。

大型电商平台微服务功能图

SpringCloud只能用在SpringBoot的java环境中，而kubernetes可以适用于任何开发语言，只要能被放进docker的应用，都可以在kubernetes上运行，而且更轻量，更简单。SpringCloud很多功能都跟kubernetes重合，比如服务发现，负载均衡，配置管理，所以如果把SpringCloud部署到k8s，那么很多功能可以直接使用k8s原生的，减少复杂度。

Kubernetes作为成熟的容器编排工具，在国内外很多公司、世界500强等企业已经落地使用，很多中小型公司也开始把业务迁移到kubernetes中。kubernetes已经成为互联网行业急需的人才，很多企业都开始引进kubernetes技术人员，实现其内部的自动化容器云平台的建设。对于开发、测试、运维、架构师等技术人员来说k8s已经成为的一项重要的技能，下面列举了国内外在生产环境使用kubernetes的公司：

国内在用k8s的公司：

阿里巴巴、百度、腾讯、京东、360、新浪、头条、知乎、华为、小米、富士康、移动、银行、电网、阿里云、青云、时速云、腾讯、优酷、抖音、快手、美团等

国外在用k8s的公司：

 高级运维、资深DevOps工程师、首席技术架构师，51CTO年度十大杰出讲师；具备RHCE、RHCA、CKA、CKS等认证证书；参加过新一代云计算大会，作为主讲嘉宾分享k8s如何助力企业转型、被北京日报发文专题报道；k8s课程被选入工业和信息化部人才交流中心官方认证课程。同时也对对中国移动、咪咕视讯等企业做过线上k8s技术培训。

1、k8s入门与企业实战、二进制和kubeadm安装高可用k8s集群、k8s常见故障解决方案、DevOps简历、k8s常见面试题总结、k8s网络插件对比分析及优化指南；

2、K8s认证、授权、准入机制及多集群管理、RBAC基于角色的访问控制；

8、微服务及流量治理：SpringCloud、Istio、Springcloud+k8s、Istio+k8s、流量治理方案：熔断、超时、重试、故障注入、按百分比流量分发、按权重实现流量切分、灰度发布、滚动升级、金丝雀发布、蓝绿部署等多种升级方案讲解

K8S体系涉及到的技术众多，包括存储、网络、安全、监控、日志、DevOps、微服务、故障排查等，很多刚接触K8S的初学者，都会感到无从下手，为了能让大家系统地学习，克服这些技术难点，推出了这套K8S架构师实战课程，帮你快速掌握这项升职加薪技能。

K8s课程版本会随着官方版本随时更新，针对不同版本k8s新增功能也会同步更新。

课程提供学习资料，大家可以在我提供的资料基础上做一些标注修改。

在讲师课程首页可以看到粉丝群二维码，扫码即可进群，进粉丝群可以随时解决大家问题，也可以把课程更新的内容在群里通知大家，粉丝群也会定期发布一些技术类文章等

2、构建企业级容器云平台、 Docker基本用法、 Dockerfile语法详解；

4、Docker网络模式、Docker资源配额：限制Cpu、内存、磁盘IO等、Docker私有仓库；

5、Harbor、registry、阿里云镜像仓库、Harbor镜像复制以及服务高可用、Docker优化策略等。

1、二进制和kubeadm搭建k8s高可用集群；

2、k8s版本升级、备份还原、生产环境高可用安装、多集群管理、多租户管理、多种后端持久化存储、K8s架构、组件、核心资源解读；

3、Pod基础入门与资源清单编写；

4、Pod高级调度：污点、容忍度、亲和性、反亲和性、节点选择器、livenessProbe存活性探测、readinessProbe就绪性探测、startupProbe启动探测、临时容器等；

5、ReplicaSet和Deployment管理Pod：扩容、缩容、多种更新策略：蓝绿发布、金丝雀发布、滚动更新；

1、K8s自动扩缩容：基于HPA、VPA、KPA和CA的扩缩容；

4、Ingress网关代理超时、数据包丢失排查思路；

9、k8s安全记住：认证、授权、准入控制；

10、k8s+DevOps面试题和简历汇总；k8s版本升级等。

1、Prometheus架构、原理、安装、高可用方案深度解读；

4、Grafana可视化展示监控数据；

6、如何选择适合企业的监控系统？

11、选择多维度监控指标：报警阀值、自动修复、采集维度。

1、链路级别监控如何做到对代码无侵入？

2、借助Pinpoint实现微服务的链路追踪和分析；

构建完善的日志收集平台：

1、常见的日志收集方案以及如何选择；

3、采集k8s组件、容器、物理节点、业务组件日志；

4、借助缓存解决大量日志堆积问题；

5、借助监控、日志、分布式追踪系统快速定位线上问题并及时解决。

3、常见的微服务架构对比分析。

1、Istio安装和配置；

3、Istio实现灰度发布和按流量百分比发布；

4、Istio助力k8s实现流量管控：熔断降级、超时、重试、故障注入等；

5、Istio架构解析、代理异常、常见故障、生产实践。

4、k8s对接Ceph和nfs实现数据持久化；

下图列举了课程部分章节截图-课程内容会实时免费更新

课程涉及到的部分项目截图

导语：今天我们带来一篇来自Adobe工程师Rohit Boggarapu的文章。他在文章中介绍了一些适合网页开发者的数据可视化和绘图工具，让你不必再花大力气与枯燥的数据抗争。部分工具不要求写代码也可以使用！

我们诠释数据的方式和数据本身之间存在着巨大的鸿沟。尤其是当我们唯一的选择是盯着表格中一列列不知所云的数字时。这可能是最无聊的一种格式了。

没有哪个网页开发者会喜欢电子表格。好消息是，现在我们有了许多更加优雅的方式来呈现数据，再也没有必要使用静态的Excel图表了。

在为你的项目选择合适的绘图工具时，要考虑到许多事情。本文将为你分析适合网页开发者的12个最好的工具，让你不再花费大把时间跟数据做斗争，而是开始轻松地绘制漂亮的图表。虽然本文推荐的工具是面向网页开发者的，但其中一些并不需要会写代码就能使用。许多工具都有着丰富的交互式例子，即使是新手也能轻松地通过改动代码来创建自定义图表。

文档和帮助信息丰富的Google Charts对于刚刚入门JavaScript绘图的人来说是极佳的选择。它的文档里到处都是带注释的代码和逐步的讲解，可以直接用来把HTML5/SVG图标嵌入到你的网页中。

如果你需要更进阶的自定义功能或是Google原始提供的18类以外的图表，下面会介绍一些有着更多类别和特性的选择。

适合人群：追求灵活性和良好文档的严肃开发者。

MetricsGraphics是一个在D3.js的基础上专为可视化时间序列数据而开发的绘图库。虽然它只支持线图、散点图、柱状图、直方图和数据表格，但它在这几类图表上的表现非常强。

跟Google Charts一样（MetricsGraphics是Mozilla的产品），丰富的文档和例子使得它很容易上手。比如这个非常有趣的关于UFO目击事件的交互式例子。

同时它也是一个非常简易和轻量级的选择。

适合人群：追求快速美观同时又不需要写一堆杂乱代码的开发者。

考虑到应用或是网站的拓展性，如果你选择了一个功能不完整的绘图库，这就有可能在将来发展成一个问题。而像Microsoft、Google和IBM这样的公司都在使用FusionCharts，这说明它是一个能满足企业级拓展性需求的工具。

适合人群：需要各种不同种类的易自定义图表的开发者。

Epoch是一个基于d3.js开发的工具，它使得开发者可以方便地在他们的应用或是网站上部署实时图表。它的文档整洁，完全免费并且开源，这使得它对于不想花钱购买重量级解决方案的人来说是一个很好的选择。

对普通数据和实时数据，Epoch都支持5种图表类型。这个数量并不能与FusionCharts或是Highcharts这种特性完整的产品对抗，但它所专长的是以简单和友好的方式呈现实时数据。

适合人群：需要简单灵活的实时数据呈现方案的开发者。

百度的ECharts是一个很棒的工具，它支持在绘制完数据后再对其进行操作。这个被称为Drag-Recalculate的特性使得用户可以在图表之间拖动一部分的数据并得到实时的反馈。同时，ECharts是专为绘制大量数据设计的。它可以瞬间在二维平面上绘制出20万个点，并用专为ECharts开发的轻量级Canvas库ZRender使数据动起来。

你可以在这里对上图进行操作，来体验ECharts所提供的特性。

适合人群：想尽量避免写代码并有实时数据操作需求的开发者。

虽然并不是对用户最友好的工具，但d3.js在JavaScript绘图界的重要性是不可小觑的。许多其他的库都是基于它所开发，因为它提供了你所能想到的所有功能。它支持HTML、SVG和CSS，并且有着海量的用户贡献内容来弥补它缺乏自定义内容的劣势。

适合人群：不怕写代码的硬核绘图专家。

跟上面已经提到过的工具相比，Sigma有着自己独特的定位，那就是图模型的绘制。它基于Canvas和WebGL开发并提供了公开的API。所以你可以在GitHub上找到社区贡献的许多插件。举例来说，你可以用Sigma.js画出这样的图：

Sigma同时也是响应式的，并支持触屏。开发者很容易添加新的功能以及精细地控制边和顶点的规格。

适合人群：需要专为绘制图模型设计的强大工具的开发者。

人气极高的Highcharts可以在不依赖插件的情况下绘制交互式的图表。它高灵活性的绘图API也被Nokia、Twitter、Visa和Facebook这样的公司所青睐。

Highcharts对于非商业使用是免费的，而商业许可的价格是一份590美元（附带技术支持）。

这是一个用它绘制的例子：

适合人群：需要在技术支持的帮助下绘制各种复杂的图表的开发者。

dc.js是一个开源的JavaScript绘图库。它非常适合用来创建交互式的仪表盘（Dashboard）。图表之间是有联系的，所以当你与其中一个部分进行交互时，其他部分都会做出实时的反馈。这是一个例子：

除了一些在线课程以外，你可以通过各种例子来学习使用这个库。等你照着文档动手一遍以后就有能力创建自己的图表了。

虽然dc.js并没有像ECharts或是Google Charts那样丰富的功能，但它在自己的卖点——易于呈现和探索巨量的维度数据集上做的非常好。

适合人群：需要为关系型图表创建一个仪表盘的开发者。

由Google开发的dygraphs绝对是绘图工具中的明星。到现在Google Correlate还在使用它（当然，在设计上经过了一些调整）。它可以被用于绘图密集的项目，因为它能在不影响性能的情况下轻松地绘制几百万个数据点，这在很大程度上弥补了它那过于朴素的审美设计。

从一开始作为Google的一个内部项目到最后公开发布，dygraphs一直有着活跃的社区支持。同时它也在GitHub上开源。

适合人群：需要有着活跃支持的专为绘制海量数据集设计的工具的开发者。

Vega是一个基于d3.js的用于创建、分享和保存可视化图标的库。它由许多部件组成，其中一些能够在不需要写代码的前提下达到与d3竞争的水平。Vega能够把JSON数据转换成SVG或HTML5图表。虽然这没什么了不起的，但它把这一步做的很踏实。

因为使用Vega不需要写任何代码（只要会编辑JSON文件即可），它是一个很好的d3替代品，能在降低使用复杂度的同时保留d3的特性。

适合人群：需要d3强大的特性又不希望从头学起的开发者。

最后介绍的工具也是基于d3.js的。作为绘图界的佼佼者，NVD3是由一系列部件组成的，允许开发者创建可重用的图标。你可以在它的网站上找到许多demo和对应的代码。这也是上手NVD3的最佳方式。

你可以看到，NVD3的审美风格要比d3.js更为精致一点。

它支持11种图表类型，包括区域图、线图、柱状图、气泡图、饼状图和散点图。同时也支持所有现代浏览器以及IE 10以后的版本。

适合人群：熟悉d3并想要可重用图表的开发者。

数据可视化，我习惯于用这些工具

导读：可视化之于数据分析流程中的重要意义不言而喻，它往往是体现数据分析报告的决定性一环，图表做的好、涨薪少不了。本文针对在完成数据分析过程中，介绍个人习惯运用的那些数据可视化工具。

下文主要涵盖数据可视化工具主要包括4类：Excel图表、Python绘图库、Tableau以及网页在线工具等。

网传数据分析师必备基础套餐是ESP，即Excel+SQL+Python，这种说法不见得完全正确，但也确有一定道理，其中Excel更是几乎每名数据分析师乃至每名职场人士必备的办公工具。

个人也习惯于应用Excel，更具体说主要是应用Excel的三类功能：图表制作、内置函数以及数据透视表。一般而言，当数据量较小（100以内）时，个人非常倾向于用Excel完成图表插入，不仅简洁方便，而且内置的多种样式、丰富的设置选项以及所见即所得的制图体验，都无疑是小数据量作图的首选。

Excel支持的图表类型也极为丰富，除了常规的条形图、折线图、饼图和散点图之外，像雷达图、旭日图、箱线图等视觉效果更好的图表也是支持的。同时更是支持了丰富的设置效果，而且都是极为简便易懂的，几乎不需要教程即可摸索掌握。

作为一名数据分析师，Python几乎是必须掌握的；而在Python数据分析相关的众多第三方包中，可视化库又非常强大。在这其中，个人尤为常用的有5个相关库：

该库与Numpy和pandas号称Python数分三剑客，也是当初配合Numpy和scipy替代Matlab的重要一环，几乎是Python数据分析过程中必须熟练掌握的绘图库。

不过需要承认的是，Matplotlib功能强大，但其实相对更加偏向底层，提供了大量的参数和接口来设置图表各种细节，对于初学者来说并不那么友好。但实话说，在彻底掌握其核心思想之后，其实还是比较符合正常思维的。

既然Matplotlib过于偏向底层，绘图也较为繁琐，那有没有简单易上手的绘图库呢？seaborn其实算得上一个，不过也并不算是Matplotlib的升级或替代品，而只能算是有力补充。

相较而言，seaborn基于Matplotlib，提供了更为丰富的样式，具有更加简洁的API接口，一两句代码就能完成非常强大的图表绘制。

更重要的是，Pyecharts支持动态图表绘制，支持交互式图表，除了Web展示，还可通过一定操作移植到PPT中，这也为数据分析师做汇报添彩不少。

Pyecharts目前经历了两个大的版本，尤其是在0.5升级到1.x以后，几乎完全变了绘图接口，但整体来说是变得更加简洁易懂。

与Matplotlib同享数分三剑客的美誉，而且更有瑞士军刀名号的pandas，实际上也是一个非常便捷的绘图库。更准确地说，这是一个面向dataframe对象的绘图接口，通过调用plot()接口或者plot属性，从而可以完成主流Matplotlib中图表的绘制，且几乎继承了Matplotlib中相应图表的所有参数设置，包括设置多子图绘制等，简直不能更丝滑。

近期，随着版本的升级，pandas绘图后端更是可以指定其他绘图底层接口，使用起来极为方便。想象一下：你在操作着dataframe的各种处理和转换，突然想看看当前处理的数据什么样，那么就一言不合就来个图表。简单的pandas绘图方法可查看pandas教程中的最后一部分。

除了继承了pandas的各种数据处理接口外，geopandas还增强了画图功能，在一个具有geometry列信息的geodataframe中，直接调用.plot()接口，即可快速查看当前地理信息情况。

下图是混用Matplotlib和geopandas.plot()的直接绘图结果，仅需额外设置用于标识数值大小的一列，即可绘制五颜六色的炫丽。（当前选用颜色风格为rainbow，可明显看出颜色从深到浅依次为红橙黄绿青蓝紫）

曾经，为了丰富个人可视化技能、拓宽数据分析工具，也专门花了一段时间学习tableau的运用，这可能也是商业数据分析师的必备技能之一，不过个人目前也仅仅是偶尔用它画个图而已。

tableau本身功能还是极其强大的，支持多种数据源读取、内置了类SQL的字段处理功能、提供了丰富的图表库，工作表->仪表板->故事，三者层层递进，对于大屏展示和快速完成数据分析可视化报表异常高效，尤为擅长周期性动态监管的数据指标类仪表板。

灵活的数据加载、强大的数据转换、简单的字段拖拽即可出图，这些都保证了快速生成报表的可能性。

随着信息技术的不断成熟，其实很多数据可视化工作也逐渐搬移到线上轻量级完成，一些网页在线工具专门用于执行数据可视化，通过简单的灌入数据，一张张样式丰富的图表便很快呈现，而且大多都是零门槛易实现。这里仅列举两个：

这真算的上是百度的一个良心工具了，内置了大量的图表模板，仅需选定样式->更改数据即可轻松实现，而且支持交互。前面介绍的Pyecharts其实就是百度Echarts的Python语言版。

数据可视化对于一名数据分析师而言确实很重要，好的可视化效果甚至称得上是安身立命装X加薪之本。然而，虽然可视化图表选择众多，但其实也不能过于追求标新立异，例如桑基图、瀑布图、南丁格尔图等，特定场景下用用可能效果感人。

但绝大多数情况下，Simple is better than complex，折线图、条形图、饼图、散点图这四大基本图表类型仍然是朴实无华的首选。

注：文章内的所有配图皆为网络转载图片，侵权即删！