 |
-- 會員 / 註冊 --
|
 |
|
|
|
Hadoop核心技術 ( 簡體 字) |
| 作者：翟周偉 著 | 類別：1. -> 程式設計 -> 雲計算 |
| 譯者： |
| 出版社：機械工業出版社 |  3dWoo書號： 41239
詢問書籍請說出此書號！【缺書】
NT售價： 345 元 |
| 出版日：4/1/2015 |
| 頁數：387 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787111494683 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：寫這本書
如今是一個數據爆炸的時代，個人的圖片、視頻、文檔等數據很容易就可達到數百GB的規模，而企業的數據規模增長得更快，以互聯網搜索引擎公司為例，往往需要存儲爬蟲獲取的所有站點的原始網頁數據，同時還需要記錄數以億計網民的搜索點擊行為及日志等重要數據，這些數據的規模可以達到PB，甚至是EB級別。為了解決這些數據的存儲和相關計算問題就必須構建一個強大且穩定的分布式集群系統來作為搜索引擎的基礎架構支撐平臺，但是對大多數的互聯網公司而言，研發一個這樣的高效能系統往往要支付高昂的費用。然而值得慶幸的是Google在2004年公布了關于其基礎架構的兩篇核心論文GFS（The Google File System）和MapReduce（MapReduce: SimplifiedData Processing on Large Clusters），正是這兩篇論文奠定了Hadoop的理論和實踐基礎，而后頂級工程師Doug Cutting將Google的GFS分布式文件系統和MapReduce并行計算模型實現且命名為Hadoop，并將Hadoop開放源代碼貢獻給開源世界。經過多年的發展，如今已經形成了以Hadoop為核心的大數據生態系統，開創了通用海量數據處理基礎架構平臺的先河。
Hadoop是一個非常優秀的分布式計算系統，利用通用的硬件就可以構建一個強大、穩定、簡單，并且高效的分布式集群計算系統，完全可以滿足互聯網公司基礎架構平臺的需求，付出相對低廉的代價就可以輕松處理超大規模的數據。如今Hadoop已經被國內外各大公司廣泛使用，在國內以百度、騰訊、阿里等為代表的著名互聯網公司也都利用Hadoop構建底層的大數據基礎架構平臺，而移動、聯通、電信等電信企業，以及電力、銀行等國內傳統企業也在大規模使用Hadoop。因此學習并掌握Hadoop技術已經是進入這些企業的基本技能之一。相應地，學習和使用Hadoop技術的愛好者和開發者也越來越多。本書正是在這樣的背景下創作出來的，希望可以幫助更多的人學習并掌握Hadoop技術，從而推動Hadoop技術在中國的推廣，進而推動中國信息產業的發展。
Hadoop如今已經發行了多個版本，并且產生了各種以Hadoop為基礎的應用系統，但是就核心技術而言Hadoop主要有兩個重要版本：第一個就是以MapReduce模型為核心技術的版本，目前開源穩定版本為Hadoop-1.X（包括Hadoop-0.20.X，Hadoop-0.21.X，Hadoop-0.22.X等）；第二個就是以YARN計算框架為核心技術的新版本，目前最新版本為Hadoop-2.X（包括Hadoop-0.23.X等）。目前以MapReduce模型為核心技術的Hadoop版本已經在工業界的商業系統運行多年，不論是在穩定性還是高效性方面都已經得到了認可，而YARN計算框架雖然有更好的計算模式，但是在穩定性方面還沒有真正被大規模的商業系統所證實，更多的是作為實驗系統或者新特性被調研使用。因此將本書以MapReduce模型為核心技術的版本Hadoop-1.X作為研究和講解對象，分為三大部分由淺入深進行講解，包括基礎篇、高級篇和實戰篇。為了使讀者更好地理解并掌握Hadoop核心技術，本書對核心實現機制都結合了源代碼進行深入分析，并在實戰篇中結合實際應用講解了如何使用Hadoop。
讀者對象
（1）Hadoop技術學習者和愛好者
Hadoop作為一個分布式計算框架已經成為了互聯網公司基礎架構系統的標配，也吸引了越來越多的開發者和愛好者的關注。本書在寫作上由綱及目、由淺入深，一步一步帶領讀者從Hadoop技術的入門開始，逐步到核心原理的實現機制以及Hadoop的實戰應用，因此本書可以幫助Hadoop技術學習者和愛好者快速入門，對Hadoop的學習起到一個比較全面、深入而又不乏實戰性的導向作用。
（2）Hadoop MapReduce并行應用開發者
Hadoop可以說是一個復雜而又簡單的系統，說其復雜是因為Hadoop同時實現了分布式文件系統和并行計算框架，在實現機制上考慮了各種容錯情況，因此不可謂不復雜；說其簡單是因為Hadoop向并行應用開發者提供了非常簡單的編程接口——Map和Reduce函數操作，因此，應用開發者只需要會使用這兩個編程接口就可以很方便地編寫處理大規模數據的并行應用程序。但是如果開發者想要編寫高質量的并行程序，而只懂得基本的MapReduce編程方法肯定是不夠的，這相當于知其然而不知其所以然，因此開發人員還需要知其所以然——必須理解Hadoop的核心實現機制，需要對Hadoop框架有一個全面而又深入的認識和理解，只有這樣Hadoop應用開發者才能編寫出高效而又簡潔的MapReduce應用程序。
（3）Hadoop集群運維人員
Hadoop運維工程師可以說是復合型人才，因為Hadoop的運維不僅需要熟悉Linux系統的運維方法，還需要非常熟悉Hadoop的各種管理命令，不僅如此，還要了解Hadoop集群搭建、權限管理、作業調度管理與維護等。本書在Hadoop命令系統和集群搭建方面專門編排了章節進行講解，因此可以作為Hadoop運維工程師的工具書。Hadoop運維工程師的主要職責雖然是通過集群運維保證Hadoop的高可靠性和高可用性，但是仍然需要對Hadoop的核心實現機制，甚至是某些實現細節進行深入理解，只有這樣才可以在集群出現異常時快速找出問題，起到錦上添花的作用，因此本書對Hadoop運維工程來說也是一本值得精讀的參考書。
（4）分布式系統的相關研發人員
Hadoop可以說是分布式系統領域中的經典之作，分布式文件系統和分布式計算系統中的核心理論方法都在Hadoop中有很好的實現。因此，通過對Hadoop的學習不但可以理解分布式系統中的理論方法，而且還可以深入理解這些理論方法具體的實現機制。
（5）大數據技術學習者和大數據工程師
如果從大數據的角度來講，Hadoop無疑是目前使用最為廣泛的大數據平臺。特別是在互聯網領域，Hadoop數據平臺作為底層基礎架構系統支撐著大多數的數據統計分析應用，因此對于大數據技術學習者和大數據工程師而言，學習Hadoop技術是進入大數據領域的一個很好的切入點。
如何閱讀本書
本書分為三篇。
第一篇為基礎篇（第1∼6章），從認識Hadoop開始，講解Hadoop的前世今生以及使用領域，然后正式介紹Hadoop的基本使用，幫助讀者了解Hadoop的背景知識和簡單使用方法，接著通過HDFS分布式文件系統和MapReduce并行計算模型從理論和實現機制的角度對Hadoop核心技術進行講解，最后對Hadoop的命令系統進行了系統的介紹。對于初級和中級讀者而言，第一篇的內容需要重點閱讀和學習，這篇是Hadoop核心技術的基礎，只有基礎知識扎實后才能更好地掌握Hadoop的高級功能和精髓。
第二篇為高級篇（第7∼9章），從原理與實現的角度對Hadoop的核心功能進行了深入的研究，涵蓋MapReduce深度分析、Hadoop Streaming和Pipes原理解析，以及Hadoop作業調度器系統的深入研究和講解。本篇內容適合在閱讀了基礎篇的基礎上或者已經對Hadoop的核心原理有了一定理解的基礎上進行閱讀。
第三篇為實戰篇（第10∼12章），從實戰的角度進行講解，首先講述Hadoop集群搭建技術，然后對Streaming和Pipes編程進行了實戰級的應用講解，Streaming編程接口是一個非常簡單且高效的MapReduce編程方式，由于不限制編程語言，因此Streaming的使用比Java原生接口應用得還要廣泛，由此可見，學習并掌握Streaming編程技術非常有助于軟件工程師的Hadoop應用技術的提高。第12章講解了Hadoop MapReduce應用開發實戰，從整體的并行應用開發角度進行講解，對實際開發過程中的常用功能使用和常見問題解決都進行了介紹。這部分內容適合在實際工作中使用Hadoop開發應用的工程師閱讀和學習。
勘誤和支持
由于作者的水平有限且編寫時間倉促，書中難免會出現一些錯誤或者不準確的地方，懇請讀者批評指正。為此，特意創建一個在線支持與應急方案的二級網站：http://book.zhaizhouwei.cn。讀者可以將書中的錯誤發布在Bug勘誤表頁面中，此外如果你遇到任何問題，也可以訪問Q&A頁面，我將盡量在線上為讀者提供最滿意的解答。如果你有更多的寶貴意見，也歡迎發送郵件至郵箱zhaizhouwei@163.com，期待能夠得到你們的真摯反饋。
致謝
感謝北京郵電大學呂玉琴教授、劉剛博士、侯斌博士、李威海博士等老師，是他們在我讀研的時候悉心指導我進入大數據以及統計挖掘領域，并使我能在2009年就開始學習并使用Hadoop技術，才使得本書今日的出版成為可能。特別感謝百度網頁搜索部技術總監沈抖博士在百忙之中抽出時間對本書進行通讀并指正，在多個章節提出了非常專業的指導建議。在此真心的感謝他們。
感謝機械工業出版社華章公司的楊福川老師和姜影老師，從本書的初期策劃到最終的出版過程中始終支持我的寫作，是他們的鼓勵和幫助引導我能順利完成全部書稿。
最后感謝我的爸爸、媽媽等家人，感謝他們給我的鼓勵并時刻給予我信心和力量！感謝我的夫人歐陽茹給我生活上的悉心照顧以及在瑣碎事情上的寬容大度。
謹以此書獻給我最親愛的家人、同事，以及眾多熱愛Hadoop的朋友們！
翟周偉 |
內容簡介：簡介
這是一本技術深度與企業實踐并重的著作，由百度頂尖的Hadoop技術工程師撰寫，是百度Hadoop技術實踐經驗的總結。本書從使用、實現原理、運維和開發4個方面對Hadoop的核心技術進行了深入的講解。
使用：詳細講解了HDFS存儲系統、MapReduce計算框架，以及HDFS的命令系統；
原理：結合源代碼，深度分析了MapReduce、HDFS、Streaming、Pipes、Hadoop作業調度系統等重要技術和組件的架構設計、工作機制和實現原理；
運維：結合百度的實際生產環境，詳細講解了Hadoop集群的安裝、配置、測試以及管理和運維；
開發：詳細講解了Hadoop Streaming、Pipes的使用和開發實踐，以及MapReduce的編程實踐和常見問題。
與市面上已有的Hadoop圖書相比，本書最大的不同之處是它直擊企業應用和實踐Hadoop技術的痛點，深入講解了企業最需要和最頭疼的技術和問題，內容非常聚焦。 |
目錄：前 言
基 礎 篇
第1章 認識Hadoop 2
1.1 緣于搜索的小象 2
1.1.1 Hadoop的身世 2
1.1.2 Hadoop簡介 3
1.1.3 Hadoop發展簡史 6
1.2 大數據、Hadoop和云計算 7
1.2.1 大數據 7
1.2.2 大數據、Hadoop和云計算的關系 8
1.3 設計思想與架構 9
1.3.1 數據存儲與切分 9
1.3.2 MapReduce模型 11
1.3.3 MPI和MapReduce 13
1.4 國外Hadoop的應用現狀 13
1.5 國內Hadoop的應用現狀 17
1.6 Hadoop發行版 20
1.6.1 Apache Hadoop 20
1.6.2 Cloudera Hadoop 20
1.6.3 Hortonworks Hadoop發行版 21
1.6.4 MapR Hadoop發行版 22
1.6.5 IBM Hadoop發行版 24
1.6.6 Intel Hadoop發行版 24
1.6.7 華為Hadoop發行版 25
1.7 小結 26
第2章 Hadoop使用之初體驗 27
2.1 搭建測試環境 27
2.1.1 軟件與準備 27
2.1.2 安裝與配置 28
2.1.3 啟動與停止 29
2.2 算法分析與設計 31
2.2.1 Map設計 31
2.2.2 Reduce設計 32
2.3 實現接口 32
2.3.1 Java API實現 33
2.3.2 Streaming接口實現 36
2.3.3 Pipes接口實現 38
2.4 編譯 40
2.4.1 基于Java API實現的編譯 40
2.4.2 基于Streaming實現的編譯 40
2.4.3 基于Pipes實現的編譯 41
2.5 提交作業 41
2.5.1 基于Java API實現作業提交 41
2.5.2 基于Streaming實現作業提交 42
2.5.3 基于Pipes實現作業提交 43
2.6 小結 44
第3章 Hadoop存儲系統 45
3.1 基本概念 46
3.1.1 NameNode 46
3.1.2 DateNode 46
3.1.3 客戶端 47
3.1.4 塊 47
3.2 HDFS的特性和目標 48
3.2.1 HDFS的特性 48
3.2.2 HDFS的目標 48
3.3 HDFS架構 49
3.3.1 Master/Slave架構 49
3.3.2 NameNode和Secondary NameNode通信模型 51
3.3.3 文件存取機制 52
3.4 HDFS核心設計 54
3.4.1 Block大小 54
3.4.2 數據復制 55
3.4.3 數據副本存放策略 56
3.4.4 數據組織 57
3.4.5 空間回收 57
3.4.6 通信協議 58
3.4.7 安全模式 58
3.4.8 機架感知 59
3.4.9 健壯性 59
3.4.10 負載均衡 60
3.4.11 升級和回滾機制 62
3.5 HDFS權限管理 64
3.5.1 用戶身份 64
3.5.2 系統實現 65
3.5.3 超級用戶 65
3.5.4 配置參數 65
3.6 HDFS配額管理 66
3.7 HDFS的缺點 67
3.8 小結 68
第4章 HDFS的使用 69
4.1 HDFS環境準備 69
4.1.1 HDFS安裝配置 69
4.1.2 HDFS格式化與啟動 70
4.1.3 HDFS運行檢查 70
4.2 HDFS命令的使用 71
4.2.1 fs shell 71
4.2.2 archive 77
4.2.3 distcp 78
4.2.4 fsck 81
4.3 HDFS Java API的使用方法 82
4.3.1 Java API簡介 82
4.3.2 讀文件 82
4.3.3 寫文件 86
4.3.4 刪除文件或目錄 90
4.4 C接口libhdfs 91
4.4.1 libhdfs介紹 91
4.4.2 編譯與部署 91
4.4.3 libhdfs接口介紹 92
4.4.4 libhdfs使用舉例 95
4.5 WebHDFS接口 97
4.5.1 WebHDFS REST API簡介 97
4.5.2 WebHDFS配置 98
4.5.3 WebHDFS使用 98
4.5.4 WebHDFS錯誤響應和查詢參數 101
4.6 小結 103
第5章 MapReduce計算框架 104
5.1 Hadoop MapReduce簡介 104
5.2 MapReduce模型 105
5.2.1 MapReduce編程模型 105
5.2.2 MapReduce實現原理 106
5.3 計算流程與機制 108
5.3.1 作業提交和初始化 108
5.3.2 Mapper 110
5.3.3 Reducer 111
5.3.4 Reporter和OutputCollector 112
5.4 MapReduce的輸入/輸出格式 113
5.4.1 輸入格式 113
5.4.2 輸出格式 118
5.5 核心問題 124
5.5.1 Map和Reduce數量 124
5.5.2 作業配置 126
5.5.3 作業執行和環境 127
5.5.4 作業容錯機制 129
5.5.5 作業調度 131
5.6 有用的MapReduce特性 132
5.6.1 計數器 132
5.6.2 DistributedCache 134
5.6.3 Tool 135
5.6.4 IsolationRunner 136
5.6.5 Prof?iling 136
5.6.6 MapReduce調試 136
5.6.7 數據壓縮 137
5.6.8 優化 138
5.7 小結 138
第6章 Hadoop命令系統 139
6.1 Hadoop命令系統的組成 139
6.2 用戶命令 141
6.3 管理員命令 144
6.4 測試命令 148
6.5 應用命令 156
6.6 Hadoop的streaming命令 163
6.6.1 streaming命令 163
6.6.2 參數使用分析 164
6.7 Hadoop的pipes命令 168
6.7.1 pipes命令 168
6.7.2 參數使用分析 169
6.8 小結 170
高 級 篇
第7章 MapReduce深度分析 172
7.1 MapReduce總結構分析 172
7.1.1 數據流向分析 172
7.1.2 處理流程分析 174
7.2 MapTask實現分析 176
7.2.1 總邏輯分析 176
7.2.2 Read階段 178
7.2.3 Map階段 178
7.2.4 Collector和Partitioner階段 180
7.2.5 Spill階段 181
7.2.6 Merge階段 185
7.3 ReduceTask實現分析 186
7.3.1 總邏輯分析 186
7.3.2 Shuffle階段 187
7.3.3 Merge階段 189
7.3.4 Sort階段 190
7.3.5 Reduce階段 191
7.4 JobTracker分析 192
7.4.1 JobTracker服務分析 192
7.4.2 JobTracker啟動分析 193
7.4.3 JobTracker核心子線程分析 195
7.5 TaskTracker分析 201
7.5.1 TaskTracker啟動分析 201
7.5.2 TaskTracker核心子線程分析 205
7.6 心跳機制實現分析 207
7.6.1 心跳檢測分析 207
7.6.2 TaskTracker.transmitHeart-Beat() 207
7.6.3 JobTracker.heartbeat() 209
7.6.4 JobTracker.processHeartbeat() 212
7.7 作業創建分析 213
7.7.1 初始化分析 214
7.7.2 作業提交分析 215
7.8 作業執行分析 217
7.8.1 JobTracker初始化 218
7.8.2 TaskTracker.startNewTask() 220
7.8.3 TaskTracker.localizeJob() 220
7.8.4 TaskRunner.run() 221
7.8.5 MapTask.run() 222
7.9 小結 223
第8章 Hadoop Streaming和Pipes原理與實現 224
8.1 Streaming原理淺析 224
8.2 Streaming實現架構 226
8.3 Streaming核心實現機制 227
8.3.1 主控框架實現 227
8.3.2 用戶進程管理 228
8.3.3 框架和用戶程序的交互 229
8.3.4 PipeMapper和PiperReducer 230
8.4 Pipes原理淺析 231
8.5 Pipes實現架構 233
8.6 Pipes核心實現機制 234
8.6.1 主控類實現 234
8.6.2 用戶進程管理 235
8.6.3 PipesMapRunner 235
8.6.4 PipesReducer 238
8.6.5 C++端HadoopPipes 238
8.7 小結 239
第9章 Hadoop作業調度系統 240
9.1 作業調度概述 241
9.1.1 相關概念 241
9.1.2 作業調度流程 242
9.1.3 集群資源組織與管理 243
9.1.4 隊列控制和權限管理 244
9.1.5 插件式調度框架 245
9.2 FIFO調度器 246
9.2.1 基本調度策略 246
9.2.2 FIFO實現分析 247
9.2.3 FIFO初始化與停止 248
9.2.4 作業監聽控制 249
9.2.5 任務分配算法 250
9.2.6 配置與使用 254
9.3 公平調度器 254
9.3.1 產生背景 254
9.3.2 主要功能 255
9.3.3 基本調度策略 255
9.3.4 FairScheduler實現分析 257
9.3.5 FairScheduler啟停分析 258
9.3.6 作業監聽控制 260
9.3.7 資源池管理 260
9.3.8 作業更新策略 262
9.3.9 作業權重和資源量的計算 266
9.3.10 任務分配算法 267
9.3.11 FairScheduler配置參數 268
9.3.12 使用與管理 270
9.4 容量調度器 272
9.4.1 產生背景 272
9.4.2 主要功能 272
9.4.3 基本調度策略 274
9.4.4 CapacityScheduler實現分析 274
9.4.5 CapacityScheduler啟停分析 275
9.4.6 作業監聽控制 277
9.4.7 作業初始化分析 277
9.4.8 任務分配算法 278
9.4.9 內存匹配機制 279
9.4.10 配置與使用 280
9.5 調度器對比分析 283
9.5.1 調度策略對比 283
9.5.2 隊列和優先級 283
9.5.3 資源分配保證 283
9.5.4 作業限制 284
9.5.5 配置管理 284
9.5.6 擴展性支持 284
9.5.7 資源搶占和延遲調度 284
9.5.8 優缺點分析 285
9.6 其他調度器 285
9.6.1 HOD調度器 285
9.6.2 LATE調度器 286
9.7 小結 288
實 戰 篇
第10章 Hadoop集群搭建 290
10.1 Hadoop版本的選擇 290
10.2 集群基礎硬件需求 291
10.2.1 內存 291
10.2.2 CPU 292
10.2.3 磁盤 292
10.2.4 網卡 293
10.2.5 網絡拓撲 293
10.3 集群基礎軟件需求 294
10.3.1 操作系統 294
10.3.2 JVM和SSH 295
10.4 虛擬化需求 295
10.5 事前準備 296
10.5.1 創建安裝用戶 296
10.5.2 安裝Java 297
10.5.3 安裝SSH并設置 297
10.5.4 防火墻端口設置 298
10.6 安裝Hadoop 298
10.6.1 安裝HDFS 299
10.6.2 安裝MapReduce 299
10.7 集群配置 300
10.7.1 配置管理 300
10.7.2 環境變量配置 301
10.7.3 核心參數配置 302
10.7.4 HDFS參數配置 303
10.7.5 MapReduce參數配置 306
10.7.6 masters和slaves配置 313
10.7.7 客戶端配置 313
10.8 啟動和停止 314
10.8.1 啟動/停止HDFS 314
10.8.2 啟動/停止MapReduce 315
10.8.3 啟動驗證 315
10.9 集群基準測試 316
10.9.1 HDFS基準測試 316
10.9.2 MapReduce基準測試 317
10.9.3 綜合性能測試 318
10.10 集群搭建實例 319
10.10.1 部署策略 319
10.10.2 軟件和硬件環境 320
10.10.3 Hadoop安裝 321
10.10.4 配置core-site.xml 321
10.10.5 配置hdfs-site.xml 322
10.10.6 配置mapred-site.xml 322
10.10.7 SecondaryNameNode和Slave 324
10.10.8 配置作業隊列 324
10.10.9 配置第三方調度器 325
10.10.10 啟動與驗證 327
10.11 小結 327
第11章 Hadoop Streaming和Pipes編程實戰 328
11.1 Streaming基礎編程 328
11.1.1 Streaming編程入門 328
11.1.2 Map和Reduce數目 331
11.1.3 隊列、優先級及權限 332
11.1.4 分發文件和壓縮包 333
11.1.5 壓縮參數的使用 336
11.1.6 本地作業的調試 338
11.2 Streaming高級應用 338
11.2.1 參數與環境變量傳遞 339
11.2.2 自定義分隔符 340
11.2.3 自定義Partitioner 343
11.2.4 自定義計數器 347
11.2.5 處理二進制數據 347
11.2.6 使用聚合函數 351
11.3 Pipes編程接口 352
11.3.1 TaskContext 352
11.3.2 Mapper 353
11.3.3 Reducer 354
11.3.4 Partitioner 354
11.3.5 RecordReader 355
11.3.6 RecordWriter 356
11.4 Pipes編程應用 357
11.5 小結 359
第12章 Hadoop MapReduce應用開發 360
12.1 開發環境準備 360
12.2 Eclipse集成環境開發 361
12.2.1 構建MapReduce Eclipse IDE 361
12.2.2 開發示例 363
12.3 MapReduce Java API編程 368
12.3.1 Mapper編程接口 369
12.3.2 Reducer編程接口 370
12.3.3 驅動類編寫 372
12.3.4 編譯運行 373
12.4 壓縮功能使用 374
12.4.1 Hadoop數據壓縮 374
12.4.2 壓縮特征與性能 374
12.4.3 本地壓縮庫 375
12.4.4 使用壓縮 376
12.5 排序應用 378
12.5.1 Hadoop排序問題 378
12.5.2 二次排序 378
12.5.3 比較器和組合排序 380
12.5.4 全局排序 381
12.6 多路輸出 382
12.7 常見問題與處理方法 384
12.7.1 常見的開發問題 384
12.7.2 運行時錯誤問題 386
12.8 小結 387 |
| 序： |
|
