Using Continuous Delivery, you can bring software into production more rapidly, with greater reliability. A Practical Guide to Continuous Delivery is a 100% practical guide to building Continuous Delivery pipelines that automate rollouts, improve reproducibility, and dramatically reduce risk. Eberhard Wolff introduces a proven Continuous Delivery technology stack, including Docker, Chef, Vagrant, Jenkins, Graphite, the ELK stack, JBehave, and Gatling. He guides you through applying these technologies throughout build, continuous integration, load testing, acceptance testing, and monitoring. Wolff's start-to-finish example projects offer the basis for your own experimentation, pilot programs, and full-fledged deployments. A Practical Guide to Continuous Delivery is for everyone who wants to introduce Continuous Delivery, with or without DevOps. For managers, it introduces core processes, requirements, benefits, and technical consequences. Developers, administrators, and architects will gain essential skills for implementing and managing pipelines, and for integrating Continuous Delivery smoothly into software architectures and IT organizations. Understand the problems that Continuous Delivery solves, and how it solves them Establish an infrastructure for maximum software automation Leverage virtualization and Platform as a Service (PAAS) cloud solutions Implement build automation and continuous integration with Gradle, Maven, and Jenkins Perform static code reviews with SonarQube and repositories to store build artifacts Establish automated GUI and textual acceptance testing with behavior-driven design Ensure appropriate performance via capacity testing Check new features and problems with exploratory testing Minimize risk throughout automated production software rollouts Gather and analyze metrics and logs with Elasticsearch, Logstash, Kibana (ELK), and Graphite Manage the introduction of Continuous Delivery into your enterprise Architect software to facilitate Continuous Delivery of new capabilities

Diplomarbeit aus dem Jahr 2000 im Fachbereich Informatik - Programmierung, Note: 1, Universitat Hamburg, Sprache: Deutsch, Abstract: Im Rahmen dieser Diplomarbeit werden genetische Algorithmen zur Optimierung von Strategien fur Automatische Verhandlungen verwendet. Dabei kommen im Gegensatz zu anderen Arbeiten endliche Automaten als Datenstruktur zum Einsatz. Diese werden fur bilaterale Verhandlungen und Auktionen verwendet: die Ergebnisse werden mit anderen Ansatzen verglichen. Die Arbeit gibt ausserdem eine Einfuhrung in die Gebiete der automatischen Verhandlungen und genetische Algorithmen

Diplomarbeit aus dem Jahr 2000 im Fachbereich BWL - Marketing, Unternehmenskommunikation, CRM, Marktforschung, Social Media, Note: 1,0, Universitat Hamburg (Informatik), Sprache: Deutsch, Abstract: Inhaltsangabe: Zusammnefassung: Im Rahmen dieser Diplomarbeit werden genetische Algorithmen zur Optimierung von Strategien fur automatische Verhandlungen verwendet. Dabei kommen im Gegensatz zu anderen Arbeiten endliche Automaten als Datenstruktur zum Einsatz. Diese werden fur bilaterale Verhandlungen und Auktionen verwendet; die Ergebnisse werden mit anderen Ansatzen verglichen. Die Arbeit gibt ausserdem eine Einfuhrung in die Gebiete der automatischen Verhandlungen und genetische Algorithmen. Inhaltsverzeichnis: Inhaltsverzeichnis: 1.Einfuhrung 1.1E-Commerce5 1.2Automatische Verhandlungen6 1.3Genetische Algorithmen7 1.4Genetische Programmierung8 1.5Optimierung von Verhandlungsstrategien mit Genetischen Algorithmen8 1.6Uberblick uber das Dokument 2.Automatische Verhandlungen10 2.1Motivation10 2.2Vorangegangene Arbeiten12 2.3Klassifikation von Verhandlungen13 2.4Verhandlungsprotokolle16 2.5Verhandlungsstrategien20 2.6Modellierung von Verhandlungsstrategien als endliche Automaten23 3.Genetische Algorithmen26 3.1Einfuhrung26 3.2Prinzipien genetischer Algorithmen28 3.2.1Das Schematheorem29 3.3Genetische Programmierung33 3.4Anwendung fur Verhandlungsstrategien35 3.5Vorangegangene Arbeiten38 3.5.1Das Iterated Prisoners Dilemma38 3.5.2Anwendung von genetischen Algorithmen auf Verhandlungsszenarien40 3.6Endliche Automaten als Datenstruktur45 4.Implementierung52 4.1Anforderungen an die Implementierung.52 4.2Verwendete Technologien und Vorgehensweisen54 4.3Generisches Framework fur genetische Algorithmen56 4.4Anwendung auf numerische Probleme62 4.5Implementierung der endlichen Automaten70 4.6Anwendung auf Verhandlungsszenarien75 5.Anwendung auf bilaterale Verhandlungsszenarien77 5.1Beschreibung der Szenarien77 5.2Implementierung80 5.3Ergebnisse85 5.4Analyse und Bewertung der Ergeb