外媒速遞：API錯誤處理最佳實踐匯總
原創(chuàng)【51CTO.com原創(chuàng)稿件】外媒速遞是核子可樂精選的近日國外媒體的精彩文章推薦，希望大家喜歡！
本期給大家推薦的是API錯誤處理***實踐匯總、保護企業(yè)免受內部與外部威脅侵擾的五項訣竅、***機器學習與深度學習框架選項評測和11款卓越ETL工具以及ETL所不適用的場景。
一、API錯誤處理***實踐匯總
原文標題：Best Practices for API Error Handling
如果您的RESTful API出了問題，大家會如何加以處理?很明顯，有經驗的朋友能夠想到多種方式及時發(fā)現(xiàn)API調用中發(fā)生的錯誤，包括在HTTP當中內置狀態(tài)代碼。在今天的文章中，我們將一同探討這一領域中的***實踐，希望能夠幫助各位開發(fā)者朋友更為順利地搞定API集成工作。
1. 提升錯誤代碼與提示消息質量
2. 積極尋求幫助資源
3. 為客戶提供明確的錯誤處理指導
4. 若無法解決問題，請如實告知客戶
5. 關于選擇正確錯誤代碼類型的幾項提示
二、保護企業(yè)免受內部與外部威脅侵擾的五項訣竅
原文標題：Protecting Against Inside and Outside Threats
無論您的企業(yè)擁有怎樣的業(yè)務規(guī)模，高度關注網絡安全并確保自身免受惡意活動侵擾都應成為一項重要的日常工作。也許很多管理者不愿主動承受這樣的心理壓力，但事實證明活在恐懼中要比真正身陷恐懼中好得多。在今天的文章中，我們將共同了解保護企業(yè)免受內部與外部威脅侵擾的五項原則性訣竅。
1. 充分意識到來自內部與外部的安全威脅
2. 從小處入手
3. 針對員工的不當行為作出預警
4. 利用適當軟件保護企業(yè)數(shù)據(jù)
5. 對員工進行網絡安全培訓
三、***機器學習與深度學習框架選項評測
原文標題：Review: The best frameworks for machine learning and deep learning
過去幾年以來，一系列開源機器學習與深度學習框架陸續(xù)涌現(xiàn)，進而推動人工智能與數(shù)據(jù)技術領域呈現(xiàn)出一派興盛氣象。面對紛繁復雜的生態(tài)環(huán)境，我們該如何選擇正確的工具幫助企業(yè)在市場競爭中占據(jù)優(yōu)勢?下面，我們將著眼于其中最出色的幾款機器學習與深度學習框架，共同進行深入評測。
1. Caffe 1.0 RC3
2. 微軟認知工具包v2.0 Beta 1
3. MXNet v0.7
4. Scikit-learn 0.18.1
5. Spark MLlib 2.01
6. TensorFlow r0.10
四、11款卓越ETL工具以及ETL所不適用的場景
原文標題：11 Great ETL Tools and the Case for Saying 'No' to ETL
提取、轉換與加載(簡稱ETL)已經成為數(shù)據(jù)倉庫流程當中常見的批處理流程，旨在幫助企業(yè)用戶立足自身業(yè)務重點對數(shù)據(jù)進行分析與報告。具體而言，ETL流程從數(shù)據(jù)源處提取數(shù)據(jù)，根據(jù)要求進行修改后再將轉換后的數(shù)據(jù)加載至數(shù)據(jù)庫或者商務智能平臺當中，從而提供理想的商業(yè)洞察結論。在本文中，我們將了解11款卓越ETL工具并探討哪些場景并不適合使用ETL方案。
1. Apache Camel
2. Apache Kafka
3. Apatar
4. Atom
5. Fivetran
6. Heka
7. Logstash
8. Scriptella
9. Segment
10. Stitch
11. Talend
【51CTO原創(chuàng)稿件，合作站點轉載請注明原文作者和出處為51CTO.com】
