ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Software Architecture with Python

دانلود کتاب معماری نرم افزار با پایتون

Software Architecture with Python

مشخصات کتاب

Software Architecture with Python

دسته بندی: الگوریتم ها و ساختارهای داده
ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 1786468522, 9781786468529 
ناشر: Packt Publishing 
سال نشر: 2017 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت 

قیمت کتاب (تومان) : 43,000



کلمات کلیدی مربوط به کتاب معماری نرم افزار با پایتون: تجزیه و تحلیل و طراحی سیستم ها، علوم کامپیوتر، کامپیوتر و فناوری، طراحی و معماری، سخت افزار و DIY، کامپیوتر و فناوری، پایتون، زبان های برنامه نویسی، کامپیوتر و فناوری



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 8


در صورت تبدیل فایل کتاب Software Architecture with Python به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب معماری نرم افزار با پایتون نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب معماری نرم افزار با پایتون

ویژگی های کلیدی مشکلات طراحی را شناسایی کنید و تنظیمات لازم را برای دستیابی به عملکرد بهتر انجام دهید درک ویژگی های کاربردی کیفیت معماری از دیدگاه یک مهندس و معمار شاغل با استفاده از پایتون کسب دانش در مورد اصول معماری و نحوه استفاده از آنها برای ارائه پاسخگویی و منطق برای تصمیمات معماری توضیحات کتاب این کتاب با توضیح چگونگی تطبیق پایتون در معماری برنامه شروع می شود. همانطور که پیش می روید، خواسته های مهم معماری و نحوه تعیین آنها را درک خواهید کرد. بعداً، درک کاملی از الزامات مختلف کیفیت معماری خواهید داشت که به یک معمار کمک می کند تا محصولی بسازد که نیازهای تجاری را برآورده کند، مانند قابلیت نگهداری/استفاده مجدد، آزمایش پذیری، مقیاس پذیری، عملکرد، قابلیت استفاده و امنیت. شما از تکنیک های مختلفی مانند ترکیب DevOps، Continuous Integration و موارد دیگر برای قوی کردن برنامه خود استفاده خواهید کرد. متوجه خواهید شد که چه زمانی و چه زمانی از شی گرایی در برنامه های خود استفاده نکنید. شما قادر خواهید بود به آینده فکر کنید و برنامه هایی را طراحی کنید که می توانند متناسب با تجارت در حال رشد مقیاس شوند. تمرکز بر ایجاد منطق تجاری بر اساس مستندات فرآیند کسب و کار و اینکه چه چارچوب هایی باید در چه زمانی مورد استفاده قرار گیرند، است. ما همچنین برخی از الگوهای مهم را که باید در هنگام حل مشکلات طراحی و همچنین مواردی که در حوزه‌های نسبتاً جدید مانند Cloud در نظر گرفته می‌شوند، پوشش می‌دهیم. این کتاب به شما کمک می‌کند تا مفاهیم پایتون را درک کنید تا بتوانید آن تصمیمات حیاتی طراحی را بگیرید که نه تنها مطابق با انتظارات مشتریانتان باشد، بلکه از انتظارات مشتریانتان نیز فراتر می‌رود. آنچه خواهید آموخت برنامه هایی با ویژگی های معماری درست بسازید از الگوهای معماری سازمانی برای حل مشکلات مقیاس پذیر در وب استفاده کنید الگوهای طراحی را از منظر پایتون درک کنید ابزارهای تست عملکرد در پایتون را بهینه کنید کد را در محیط های راه دور یا روی ابر با استفاده از پایتون مستقر کنید برنامه های کاربردی معماری امن در پایتون درباره نویسنده Anand Balachandran Pillai یک متخصص مهندسی و فناوری با بیش از 18 سال تجربه در صنعت نرم افزار در مهندسی محصول، طراحی نرم افزار و معماری و تحقیقات است. او دارای مدرک لیسانس مهندسی مکانیک از موسسه فناوری هند، مدرس است. او در شرکت هایی مانند Yahoo!، McAfee و Infosys در نقش مهندس ارشد و معمار در تیم های توسعه محصول، برای ساخت محصولات جدید کار کرده است. علایق او در مهندسی عملکرد نرم افزار، معماری با مقیاس پذیری بالا، امنیت و جوامع منبع باز است. او اغلب با استارت آپ ها در نقش فنی یا مشاوره ای کار می کند. او بنیانگذار گروه کاربران پایتون بنگلور و یکی از اعضای بنیاد نرم افزار پایتون (PSF) است. آناند در حال حاضر به عنوان معمار ارشد Yegii Inc. فهرست مطالب اصول معماری نرم افزار نوشتن کد قابل اصلاح و خواندنی نوشتن تست پذیری کد قابل تست عملکرد خوب پاداش است! نوشتن برنامه های کاربردی که مقیاس کد امنیتی نوشتن امنیتی الگوهای طراحی در پایتون الگوهای معماری پایتون استقرار برنامه های کاربردی پایتون تکنیک هایی برای اشکال زدایی


توضیحاتی درمورد کتاب به خارجی

Key Features Identify design issues and make the necessary adjustments to achieve improved performance Understand practical architectural quality attributes from the perspective of a practicing engineer and architect using Python Gain knowledge of architectural principles and how they can be used to provide accountability and rationale for architectural decisions Book Description This book starts off by explaining how Python fits into an application architecture. As you move along, you will understand the architecturally significant demands and how to determine them. Later, you'll get a complete understanding of the different architectural quality requirements that help an architect to build a product that satisfies business needs, such as maintainability/reusability, testability, scalability, performance, usability, and security. You will use various techniques such as incorporating DevOps, Continuous Integration, and more to make your application robust. You will understand when and when not to use object orientation in your applications. You will be able to think of the future and design applications that can scale proportionally to the growing business. The focus is on building the business logic based on the business process documentation and which frameworks are to be used when. We also cover some important patterns that are to be taken into account while solving design problems as well as those in relatively new domains such as the Cloud. This book will help you understand the ins and outs of Python so that you can make those critical design decisions that not just live up to but also surpass the expectations of your clients. What you will learn Build programs with the right architectural attributes Use Enterprise Architectural Patterns to solve scalable problems on the Web Understand design patterns from a Python perspective Optimize the performance testing tools in Python Deploy code in remote environments or on the Cloud using Python Secure architecture applications in Python About the Author Anand Balachandran Pillai is an Engineering and Technology professional with over 18 years of experience in the software industry in Product Engineering, Software Design & Architecture and Research. He has a Bachelor's degree in Mechanical Engineering from the Indian Institute of Technology, Madras. He has worked at companies such as Yahoo!, McAfee, and Infosys in the roles of Lead Engineer and Architect in product development teams, to build new products. His interests lie in Software Performance Engineering, High Scalability Architectures, Security and Open source communities. He often works with startups in lead technical or consulting role. He is the founder of the Bangalore Python Users Group and a Fellow of the Python Software Foundation (PSF). Anand is currently working as Senior Architect of Yegii Inc. Table of Contents Principles of Software Architecture Writing Modifi able and Readable Code Testability Writing Testable Code Good Performance is Rewarding! Writing Applications That Scale Security Writing Secure Code Design Patterns in Python Python Architectural Patterns Deploying Python Applications Techniques for Debugging



فهرست مطالب

Cover......Page 1
Copyright......Page 3
Credits......Page 5
About the Author......Page 6
About the Reviewer......Page 7
www.PacktPub.com......Page 8
Customer Feedback......Page 9
Table of Contents......Page 11
Preface......Page 19
Chapter 1: Principles of Software Architecture......Page 25
Defining Software Architecture......Page 26
Software Architecture versus design......Page 27
An architecture defines a structure......Page 28
An architecture captures early design decisions......Page 30
An architecture manages stakeholder requirements......Page 31
An architecture influences the organizational structure......Page 32
An architecture is influenced by its environment......Page 33
An architecture often conforms to a pattern......Page 34
Importance of Software Architecture......Page 35
System versus enterprise architecture......Page 37
Architectural quality attributes......Page 41
Modifiability......Page 42
Testability......Page 45
Scalability......Page 47
Performance......Page 49
Availability......Page 50
Security......Page 51
Deployability......Page 53
Summary......Page 54
What is modifiability?......Page 57
Understanding readability......Page 58
Python and readability......Page 59
Readability - antipatterns......Page 61
Document your code......Page 63
Follow coding and style guidelines......Page 71
Review and refactor code......Page 72
Commenting the code......Page 73
Fundamentals of Modifiability – Cohesion & Coupling......Page 74
Measuring cohesion and coupling......Page 75
Measuring cohesion and coupling – string and text processing......Page 78
Providing explicit interfaces......Page 79
Reducing two-way dependencies......Page 80
Abstract common services......Page 81
Using inheritance techniques......Page 82
Using late binding techniques......Page 86
Metrics – tools for static analysis......Page 87
What are code smells?......Page 88
Cyclomatic complexity – the McCabe metric......Page 89
Testing for metrics......Page 90
Running Static Checkers......Page 93
Refactoring Code......Page 101
Refactoring code – fixing complexity......Page 102
Refactoring code - fixing code smells......Page 104
Refactoring code - fixing styling and coding issues......Page 106
Summary......Page 107
Understanding testability......Page 109
Testability – architectural aspects......Page 110
Reduce system complexity......Page 113
Improving predictability......Page 114
Control and isolate external dependencies......Page 115
White-box testing principles......Page 119
Unit testing......Page 120
Unit testing in action......Page 121
Extending our unit test case......Page 123
Nosing around with nose2......Page 125
Testing with py.test......Page 126
Measuring coverage using coverage.py......Page 129
Measuring coverage using nose2......Page 130
Measuring coverage using py.test......Page 131
Mocking things up......Page 132
Tests inline in documentation – doctests......Page 137
Integration tests......Page 141
Test automation using Selenium Web Driver......Page 144
Test-Driven Development......Page 146
TDD with palindromes......Page 147
Summary......Page 153
Chapter 4: Good Performance is Rewarding!......Page 155
Software performance engineering......Page 157
Performance testing and measurement tools......Page 159
Performance complexity......Page 160
Measuring performance......Page 162
Measuring time using a context manager......Page 163
Timing code using the timeit module......Page 166
Measuring the performance of our code using timeit......Page 167
Finding out time complexity – graphs......Page 169
Measuring CPU time with timeit......Page 175
Profiling with cProfile and profile......Page 176
Prime number iterator class – performance tweaks......Page 180
Profiling – collecting and reporting statistics......Page 182
Line profiler......Page 183
Memory profiler......Page 185
Substring (subsequence) problem......Page 187
Objgraph......Page 192
Pympler......Page 194
Programming for performance – data structures......Page 196
Lists......Page 197
Sets......Page 198
High performance containers – the collections module......Page 199
defaultdict......Page 200
OrderedDict......Page 202
Counter......Page 204
ChainMap......Page 205
namedtuple......Page 206
Probabilistic data structures – bloom filters......Page 208
Summary......Page 212
Chapter 5: Writing Applications That Scale......Page 215
Scalability and performance......Page 217
Concurrency......Page 220
Concurrency versus parallelism......Page 221
Concurrency in Python – multithreading......Page 222
Thumbnail generator......Page 223
Thumbnail generator – producer/consumer architecture......Page 225
Thumbnail generator – resource constraint using locks......Page 230
Thumbnail generator – resource constraint using semaphores......Page 235
Resource constraint – semaphore versus lock......Page 238
Thumbnail generator – URL rate controller using conditions......Page 239
Multithreading – Python and GIL......Page 247
A primality checker......Page 248
Sorting disk files......Page 252
Sorting disk files – using a counter......Page 253
Sorting disk files – using multiprocessing......Page 256
Multithreading versus multiprocessing......Page 259
Pre-emptive versus cooperative multitasking......Page 260
The asyncio module in Python......Page 265
Waiting for a future – async and await......Page 268
Concurrent futures – high-level concurrent processing......Page 271
Disk thumbnail generator......Page 273
Concurrency options – how to choose?......Page 276
Joblib......Page 277
PyMP......Page 278
Fractals – the Mandelbrot set......Page 279
Fractals – Scaling the Mandelbrot set implementation......Page 283
Scaling workflows – message queues and task queues......Page 286
The Mandelbrot set using Celery......Page 288
Serving with Python on the Web—WSGI......Page 293
uWSGI – WSGI middleware on steroids......Page 296
Gunicorn versus uWSGI......Page 298
Horizontal scalability architectures......Page 299
Summary......Page 303
Chapter 6: Security – Writing Secure Code......Page 305
Information Security architecture......Page 306
Secure coding......Page 308
Common security vulnerabilities......Page 309
Is Python secure?......Page 314
Reading input......Page 315
Evaluating arbitrary input......Page 318
Overflow errors......Page 322
Serializing objects......Page 324
Security issues with web applications......Page 328
Server Side Template Injection......Page 329
Server-Side Template Injection – mitigation......Page 332
Denial of Service......Page 334
Mitigation – DoS and XSS......Page 338
Strategies for security – Python......Page 341
Secure coding strategies......Page 349
Summary......Page 350
Chapter 7: Design Patterns in Python......Page 351
Design patterns - Elements......Page 352
Categories of design patterns......Page 353
Pluggable hashing algorithms......Page 355
Summing up pluggable hashing algorithm......Page 358
The Singleton pattern......Page 359
The Singleton – do we need a Singleton?......Page 362
State sharing – Borg versus Singleton......Page 364
The Factory pattern......Page 366
The Prototype pattern......Page 369
Prototype – deep versus shallow copy......Page 370
Prototype using metaclasses......Page 371
Combining patterns using metaclasses......Page 373
The Prototype factory......Page 374
The Builder pattern......Page 377
The Adapter pattern......Page 384
The Facade pattern......Page 394
Facades in Python......Page 395
The Proxy pattern......Page 401
An instance-counting proxy......Page 402
Patterns in Python – Behavioral......Page 405
The Iterator pattern......Page 406
The Observer pattern......Page 409
The State pattern......Page 417
Summary......Page 424
Chapter 8: Python – Architectural Patterns......Page 427
Introducing MVC......Page 428
Model Template View (MTV) – Django......Page 430
Django admin – automated model-centric views......Page 431
Flexible Microframework – Flask......Page 433
Chat server and client using I/O multiplexing with the select module......Page 435
Event-driven programming versus Concurrent programming......Page 442
Twisted......Page 444
Twisted – a simple web client......Page 445
Chat Server using Twisted......Page 446
Eventlet......Page 452
Greenlets and Gevent......Page 454
Microservice architecture......Page 456
Microservice frameworks in Python......Page 457
Microservices example – restaurant reservation......Page 459
Pipe and Filter architectures......Page 462
Pipe and Filter in Python......Page 463
Summary......Page 469
Chapter 9: Deploying Python Applications......Page 471
Deployability......Page 472
Factors affecting Deployability......Page 473
Tiers of software deployment architecture......Page 475
Packaging Python code......Page 476
Pip......Page 477
Virtualenv......Page 479
Virtualenv and pip......Page 481
Relocatable virtual environments......Page 483
PyPI......Page 484
Packaging and submission of an application......Page 486
The setup.py file......Page 487
Installing the package......Page 488
Submitting the package to PyPI......Page 489
Remote deployments using Fabric......Page 492
Remote deployments using Ansible......Page 494
Managing remote daemons using Supervisor......Page 495
Deployment – patterns and best practices......Page 496
Summary......Page 498
Chapter 10: Techniques for Debugging......Page 501
Maximum subarray problem......Page 502
The power of \"print\"......Page 503
Analysis and rewrite......Page 505
Timing and optimizing the code......Page 508
Simple debugging tricks and techniques......Page 510
Word searcher program......Page 511
Word searcher program—debugging step 1......Page 512
Word searcher program—debugging step 2......Page 513
Word searcher program—final code......Page 514
Stopping execution......Page 515
External dependencies—using wrappers......Page 516
Replacing functions with their return value/data (Mocking)......Page 518
Saving to / loading data from files as cache......Page 520
Saving to / loading data from memory as cache......Page 522
Returning random/mock data......Page 524
Simple application logging......Page 529
Advanced logging—logger objects......Page 531
Advanced logging—custom formatting and loggers......Page 532
Advanced logging—writing to syslog......Page 536
Debugging tools—using debuggers......Page 537
A debugging session with pdb......Page 538
iPdb......Page 540
Advanced debugging—tracing......Page 542
The trace module......Page 543
The lptrace program......Page 544
System call tracing using strace......Page 545
Summary......Page 546
Index......Page 549




نظرات کاربران