具体描述
This exam (70294) is an MCSE core requirement and an MCSA elective
Thoroughly revised to cover the new version of the exam, which includes questions on Windows Server 2003 R2 and Windows XP Professional SP2
Offers improved troubleshooting coverage and more scenarios and case studies
The CD-ROM features the state-of-the-art WinSim program that enables readers to practice on simulation questions, plus an advanced testing engine, hundreds of sample questions, an e-version of the book, and flashcards
Note: CD-ROM/DVD and other supplementary materials are not included as part of eBook file.
《深入理解现代企业IT架构：从容应对数字化转型》 第一章：数字化时代的挑战与机遇 我们正身处一场前所未有的数字化浪潮之中，这场浪潮以前所未有的速度和深度重塑着商业世界的每一个角落。企业不再仅仅是生产商品或提供服务的实体，更是数据驱动的智能体，是持续演进的生态系统。在这个瞬息万变的时代，传统的IT基础设施和运维模式正面临严峻的考验。僵化的系统、孤立的数据、缓慢的响应速度，这些都成为企业在新时代竞争中前进的绊脚石。 然而，挑战往往伴随着巨大的机遇。数字化转型不仅仅是技术的升级，更是战略的革新、文化的重塑和商业模式的颠覆。成功的企业能够利用新兴技术，如云计算、大数据、人工智能、物联网等，优化运营效率，提升客户体验，创造新的价值增长点。它们能够以前所未有的敏捷性应对市场变化，快速推出创新产品和服务，并在激烈的竞争中脱颖而出。 本章将深入探讨数字化时代企业面临的核心挑战，包括但不限于： 数据爆炸与管理难题： 随着业务的数字化，数据量呈指数级增长，如何有效地收集、存储、处理、分析和利用这些数据，成为企业面临的重大课题。数据孤岛、数据质量问题、数据安全隐私风险等，都需要系统性的解决方案。 技术更新迭代加速： 新兴技术层出不穷，企业如何选择适合自身发展需求的技术，如何进行有效的技术选型和落地，如何避免技术债务的累积，是决定企业数字化转型成败的关键。 安全威胁的演变： 网络攻击手段日益复杂和隐蔽，数据泄露、勒索软件、APT攻击等威胁无处不在。企业必须构建强大的安全防护体系，确保业务连续性和数据安全。 人才缺口与技能重塑： 数字化转型需要具备新技能的IT人才，包括云原生开发、数据科学、人工智能、网络安全等。企业如何吸引、培养和留住这些人才，是实现数字化转型的基石。 成本控制与ROI评估： 数字化转型通常需要大量的投入，企业如何在保证转型的同时，有效控制成本，并清晰地评估投资回报，是管理层必须面对的问题。 业务与IT的融合： 传统的IT部门往往被视为成本中心，而在数字化时代，IT需要与业务深度融合，成为业务创新的驱动者和赋能者。如何打破部门壁垒，实现业务与IT的协同，是转型成功的关键。 与此同时，本章也将勾勒出数字化转型为企业带来的巨大机遇： 提升运营效率与自动化： 通过引入自动化工具和流程，可以显著减少人工干预，提高工作效率，降低运营成本，让员工专注于更高价值的工作。 优化客户体验与个性化服务： 深入了解客户需求，利用数据分析提供个性化的产品、服务和营销，能够显著提升客户满意度和忠诚度。 驱动业务创新与新增长点： 数字化技术能够催生新的商业模式、产品和服务，为企业开辟新的收入来源，实现业务的持续增长。 增强数据驱动的决策能力： 建立完善的数据分析体系，能够为企业提供更精准、更及时的决策支持，帮助企业在不确定性中找到方向。 构建敏捷、弹性的IT架构： 现代化的IT架构能够让企业快速响应市场变化，灵活调整资源，提高业务韧性。 赋能员工与提升协作效率： 数字化工具能够打破时空限制，促进团队协作，提升员工的工作效率和满意度。 本书的出发点，正是为了帮助企业清晰地认识这些挑战和机遇，并为构建一个强大、灵活、安全的现代企业IT架构奠定坚实的基础，从而成功驾驭数字化浪潮，实现可持续发展。 第二章：现代企业IT架构的核心要素 理解数字化转型的宏观背景后，我们必须深入到构成现代企业IT架构的各个具体要素。一个现代化、高性能的IT架构并非一蹴而就，它是一个由相互关联、协同工作的组件构成的复杂系统。本章将聚焦于构建现代企业IT架构的几个核心支柱，并阐述它们如何相互作用，共同支撑企业的数字化战略。 2.1 云计算：弹性、可扩展的基础设施 云计算是现代企业IT架构的基石。它提供了前所未有的灵活性、可扩展性和成本效益。我们不将云计算简单理解为“租用服务器”，而是深入探讨： 云部署模型： 公有云、私有云、混合云和多云策略的优劣势分析，以及如何根据企业需求选择最合适的部署方式。 IaaS, PaaS, SaaS： 深入理解基础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS）的定义、应用场景以及它们在企业IT架构中的角色。 云原生技术： 容器化（Docker）、容器编排（Kubernetes）、微服务架构等云原生技术的兴起，如何赋能企业构建更敏捷、更具弹性的应用。 无服务器（Serverless）计算： 探索无服务器架构的优势，如降低运维成本、按需付费等，以及其在特定场景下的应用。 云安全与合规： 在享受云带来的便利的同时，如何确保云环境的安全，包括身份认证、访问控制、数据加密、合规性审计等。 成本优化： 如何通过精细化的资源管理、自动化运维和按需付费策略，有效控制云支出。 2.2 数据管理与分析：驱动智能决策的燃料 数据是数字化时代最重要的资产。一个强大的IT架构必须具备高效的数据管理和强大的分析能力，才能从海量数据中提炼出有价值的洞察。 数据存储与处理： 关系型数据库、NoSQL数据库、数据湖、数据仓库等不同存储方案的特性和适用场景。分布式文件系统（HDFS）、数据处理框架（Spark, Flink）等在大数据处理中的应用。 数据管道与ETL/ELT： 如何构建可靠的数据管道，实现数据的抽取（Extract）、转换（Transform）和加载（Load），以及数据管道的自动化和实时化。 数据治理： 数据质量管理、元数据管理、数据安全与隐私保护、数据生命周期管理等关键的数据治理实践。 数据分析与可视化： 商业智能（BI）工具、数据分析平台、机器学习（ML）和人工智能（AI）在数据分析中的作用，以及如何将分析结果可视化，便于业务人员理解和应用。 实时数据处理： Kafka、消息队列等技术在实现实时数据流处理中的应用，以及如何支持实时分析和决策。 2.3 应用现代化与DevOps：加速创新与提升效率 传统的单体应用在快速变化的业务需求面前显得笨重而低效。应用现代化和DevOps理念的引入，是提升企业IT敏捷性和响应速度的关键。 微服务架构： 将大型单体应用拆分成更小、更独立的微服务，如何进行服务设计、通信、部署和管理。 API经济： API（应用程序编程接口）作为连接不同服务和应用的关键，如何设计、发布、管理和保护API。 DevOps理念与实践： 持续集成（CI）、持续交付（CD）、自动化测试、基础设施即代码（IaC）、监控与日志管理等DevOps核心实践。 敏捷开发方法： Scrum, Kanban等敏捷开发框架在软件开发生命周期中的应用，如何加速产品迭代和响应业务反馈。 容器化与自动化部署： Docker和Kubernetes等技术在应用打包、部署和管理中的核心作用，实现应用的快速、可靠交付。 2.4 网络与安全：保障连接的稳定与数据的安全 一个稳定、高效、安全的网络是所有IT服务的生命线。在数字化转型过程中，网络安全的重要性更是被提升到了前所未有的高度。 软件定义网络（SDN）与网络功能虚拟化（NFV）： 如何利用SDN和NFV技术实现网络资源的灵活管理和自动化部署。 现代网络安全防护： 防火墙、入侵检测/防御系统（IDS/IPS）、Web应用防火墙（WAF）、安全信息和事件管理（SIEM）等安全设备和解决方案。 零信任安全模型： “永不信任，始终验证”的零信任安全理念，如何在复杂的网络环境中实施。 身份与访问管理（IAM）： 统一身份认证、多因素认证（MFA）、最小权限原则等，确保只有授权用户才能访问敏感资源。 数据加密与隐私保护： 传输层安全（TLS/SSL）、静态数据加密、数据脱敏等技术在保护数据隐私方面的应用。 云安全边界： 如何在多云和混合云环境中构建一致的安全策略和防护体系。 安全运营中心（SOC）： 建立高效的SOC体系，实现安全事件的实时监控、分析、响应和溯源。 2.5 自动化与运维：提升效率与降低风险 手动执行重复性任务不仅效率低下，还容易出错。自动化是实现高效IT运维的关键。 基础设施即代码（IaC）： 利用Ansible, Terraform, Chef, Puppet等工具，通过代码来管理和部署基础设施，实现自动化和可重复性。 自动化监控与告警： Prometheus, Zabbix, Nagios等监控工具，实现对系统性能、可用性和安全事件的实时监控，并及时发出告警。 日志管理与分析： ELK Stack（Elasticsearch, Logstash, Kibana）等日志管理系统，用于收集、存储、搜索和分析系统日志，辅助故障排查和安全分析。 IT服务管理（ITSM）： ServiceNow, Jira Service Management等ITSM平台，用于规范IT服务流程，提升服务质量和效率。 故障自愈与弹性伸缩： 通过自动化脚本和工具，实现系统故障的自动检测和修复，以及根据业务负载自动调整资源。 通过深入理解和掌握这些现代企业IT架构的核心要素，企业才能构建起一个能够支撑其当前业务运营，并为其未来数字化转型奠定坚实基础的强大IT体系。 第三章：构建现代化、弹性且安全的IT架构 在理解了现代企业IT架构的组成要素之后，本章将聚焦于如何将这些要素融会贯通，构建一个真正现代化、弹性且安全的IT架构。这不仅是技术选择的问题，更是一种设计理念和实施策略的体现。我们将从整体设计、实施路径和持续优化三个维度展开阐述。 3.1 整体设计原则：以业务为中心，拥抱敏捷与弹性 一个成功的IT架构，其设计必须紧密围绕业务需求展开，并具备高度的敏捷性和弹性，以应对不断变化的商业环境。 业务价值导向： 任何IT架构的决策都应以创造和传递业务价值为首要目标。理解业务痛点，预测业务趋势，将IT能力转化为业务优势。 模块化与解耦： 设计松耦合、高内聚的模块化组件，使得单个组件的变更或故障不会影响整个系统。这为服务的独立开发、部署和扩展提供了可能。 可扩展性与弹性： 架构必须能够根据业务负载的变化，自动地、平滑地扩展或缩减资源。这意味着要充分利用云计算的弹性能力，并设计可伸缩的应用和服务。 安全性内建（Security by Design）： 安全性不应是事后附加的，而应从架构设计的初期就融入其中。采用纵深防御策略，确保数据、应用和基础设施的全面安全。 可观测性（Observability）： 系统应具备良好的可观测性，能够深入了解其内部状态，包括日志、指标和追踪。这对于故障排查、性能优化和安全审计至关重要。 自动化优先： 尽可能地自动化日常运维、部署、测试和监控任务，以提高效率，降低人为错误，并将IT人员解放出来，专注于更具战略意义的工作。 开放标准与互操作性： 尽量采用开放标准和行业最佳实践，以保证不同系统和组件之间的互操作性，避免供应商锁定。 3.2 实施路径：从现状评估到分步演进 构建现代IT架构是一个循序渐进的过程，需要清晰的规划和务实的执行。 现状评估与差距分析： 深入了解企业现有的IT基础设施、应用系统、数据资产、安全状况以及团队能力。识别与现代化目标之间的差距。 制定清晰的路线图： 基于现状评估和业务目标，制定分阶段的IT架构演进路线图。明确每个阶段的关键目标、技术选型、资源投入和预期成果。 试点项目与概念验证（PoC）： 在大规模推广前，选择具有代表性的应用或业务场景进行试点项目或概念验证。这有助于验证技术可行性，发现潜在问题，并积累实施经验。 拥抱云原生： 逐步将应用迁移到云平台，并采用云原生技术（如容器化、微服务）。优先将非核心、易于迁移的系统进行云化，积累经验后再处理核心业务系统。 推动DevOps文化与实践： 建立跨职能的DevOps团队，打破开发、运维和安全之间的壁垒。引入CI/CD流程，实现应用的快速、可靠交付。 数据治理先行： 在数据分析能力提升的同时，必须重视数据治理。建立统一的数据标准、数据目录和数据质量管理体系，确保数据的准确性和可用性。 网络与安全现代化： 逐步引入SDN/NFV技术，构建弹性的网络。加强端点安全、身份认证和访问控制，实施零信任安全模型。 人才培养与技能升级： 识别IT团队的技能短板，提供有针对性的培训，培养掌握新兴技术（云、大数据、AI、安全）的复合型人才。 成本管理与监控： 建立有效的成本管理机制，持续监控云资源使用情况，优化支出，并确保投资回报。 3.3 持续优化与演进：拥抱变化，保持竞争力 IT架构并非一成不变的静态蓝图，它需要随着技术的发展和业务的变化而持续优化和演进。 建立反馈机制： 建立从业务部门、用户和运维团队的反馈收集渠道，及时了解架构的运行情况和待改进之处。 定期架构审查： 定期对IT架构进行审查，评估其是否仍然满足当前的业务需求，是否需要引入新的技术或进行优化。 性能监控与调优： 持续监控系统的性能指标，识别瓶颈，并进行相应的调优。这包括应用性能、数据库性能、网络性能等。 安全态势管理： 持续关注最新的安全威胁和漏洞，及时更新安全策略和防护措施。定期进行安全演练和渗透测试。 技术趋势跟踪： 密切关注云计算、大数据、AI、物联网等领域的新技术和新趋势，评估其对企业IT架构的潜在影响，并适时引入。 自动化运维的深化： 不断探索和应用新的自动化工具和技术，进一步提高运维效率，降低人力成本和运营风险。 灾难恢复与业务连续性： 定期测试和更新灾难恢复计划，确保在发生重大事故时，业务能够快速恢复。 通过遵循这些整体设计原则，并采取务实的实施路径，企业能够逐步构建起一个现代化、弹性且安全的IT架构。更重要的是，要认识到IT架构是一个持续演进的过程，唯有保持开放的心态，拥抱变化，才能在瞬息万变的数字化时代保持领先地位，驱动业务的持续成功。 第四章：新兴技术在现代IT架构中的融合应用 数字化转型的浪潮带来了众多令人振奋的新兴技术。在本章中，我们将深入探讨这些技术如何与现代企业IT架构深度融合，释放出更大的价值。这并非简单地引入新技术，而是理解它们的核心能力，并将其战略性地应用到架构设计的各个层面，以实现业务的突破和创新。 4.1 人工智能（AI）与机器学习（ML）：赋能智能决策与自动化 AI和ML不再是科幻概念，而是赋能企业运营和决策的关键技术。 智能自动化： 利用AI驱动的自动化工具，可以实现更高级别的任务自动化，例如智能客服、流程挖掘、智能排程等，从而大幅提升效率。 预测性分析： 通过ML模型分析历史数据，预测未来趋势，例如销售预测、客户流失预测、设备故障预测等，为企业提供前瞻性的决策支持。 个性化体验： AI能够分析用户行为和偏好，为客户提供高度个性化的产品推荐、内容推送和服务，提升客户满意度。 智能安全： AI在安全领域的应用包括异常检测、威胁情报分析、自动化响应等，能够更有效地抵御日益复杂的网络攻击。 自然语言处理（NLP）： NLP技术可以实现人机之间的自然语言交互，例如智能语音助手、文本分析、情感分析等，改善用户体验和信息处理效率。 在IT架构中的应用： AI/ML可以用于优化资源分配、智能监控、自动化故障诊断、安全漏洞预测等方面，提升IT运维的智能化水平。 4.2 大数据与实时分析：解锁数据洞察的价值 大数据技术的成熟，使得企业能够处理和分析海量、多源、实时的数据，从中挖掘出宝贵的业务洞察。 实时数据流处理： 利用Apache Kafka, Apache Flink, Apache Spark Streaming等技术，实现对实时数据流的低延迟处理和分析，支持实时决策和响应。 数据湖与数据仓库的整合： 构建统一的数据平台，整合结构化、半结构化和非结构化数据，为数据分析提供更全面的基础。 商业智能（BI）与可视化： 利用Tableau, Power BI, Qlik等BI工具，将复杂的数据转化为直观的可视化报表和仪表板，帮助业务人员快速理解数据。 高级分析与数据挖掘： 运用统计学、机器学习等方法，从大数据中发现隐藏的模式、关联和规律，驱动业务创新。 物联网（IoT）数据处理： IoT设备产生海量实时数据，需要专门的平台和技术来采集、存储、处理和分析这些数据，以支持智能制造、智慧城市等应用。 4.3 容器化与微服务：构建敏捷、可扩展的应用 容器化和微服务架构是现代应用开发和部署的基石，为企业IT带来了前所未有的灵活性。 容器化（Docker）： 将应用及其依赖打包成独立的容器，实现环境一致性，简化部署和管理，提高资源利用率。 容器编排（Kubernetes）： 自动化部署、扩展和管理容器化应用，是构建现代化、弹性应用的核心平台。Kubernetes提供了强大的服务发现、负载均衡、自动伸缩和自我修复能力。 微服务架构： 将复杂的单体应用拆解成一组小型、独立、可独立部署的服务。每个服务专注于一项业务功能，并通过API进行通信。这提高了开发效率、系统弹性，并降低了技术风险。 服务网格（Service Mesh）： 引入Istio, Linkerd等服务网格，能够统一管理微服务之间的通信、安全、可观测性和流量控制，进一步简化微服务治理。 4.4 自动化运维（AIOps）与基础设施即代码（IaC）：提升效率与可靠性 自动化是现代IT架构的核心驱动力，AIOps和IaC是实现自动化的关键。 基础设施即代码（IaC）： 将基础设施的管理（如服务器配置、网络设置、存储分配）通过代码进行描述和部署。Terraform, Ansible, Chef, Puppet等工具能够实现基础设施的自动化、版本控制和可重复部署。 自动化监控与告警： 利用Prometheus, Grafana, Zabbix等工具，实现对系统运行状况的全面监控，并结合AI能力进行智能告警和异常检测。 持续集成/持续交付（CI/CD）： Jenkins, GitLab CI, GitHub Actions等CI/CD工具，自动化构建、测试和部署软件，加速产品迭代和交付周期。 AIOps（人工智能运维）： 将AI/ML技术应用于IT运维领域，实现对海量运维数据的智能分析、故障预测、根因分析和自动化根治，从而提升运维效率和系统可靠性。 4.5 安全技术创新：应对动态威胁 随着数字化转型深入，安全威胁也在不断演进，新型安全技术是保障IT架构安全的关键。 零信任安全模型： 强调“永不信任，始终验证”，对所有访问请求（无论是来自内部还是外部）都进行严格的身份验证和授权。 云访问安全代理（CASB）： 监控和保护企业在云端应用中的数据和用户行为。 安全编排、自动化和响应（SOAR）： 自动化安全事件的响应流程，提高安全团队的效率。 威胁情报平台（TIP）： 整合和分析来自不同来源的威胁情报，帮助企业提前预警和应对潜在攻击。 数据加密与隐私保护增强： 采用更先进的加密技术（如同态加密、差分隐私）来在保护数据安全的同时，允许一定程度的数据分析。 这些新兴技术的融合应用，并非是简单的技术堆叠，而是需要结合企业的具体业务场景和战略目标，进行审慎的设计和实施。通过有计划地引入和整合这些技术，企业能够构建一个更加强大、智能、敏捷和安全的IT架构，从而在数字化时代赢得先机。 第五章：IT架构的治理、风险与合规（GRC） 构建一个现代化的IT架构，仅仅关注技术是不够的。有效的治理、审慎的风险管理以及严格的合规性，是确保架构长期稳定运行、满足业务需求并承担社会责任的基石。本章将深入探讨IT架构中的治理、风险与合规（GRC）体系，以及它们如何在实践中发挥作用。 5.1 IT架构治理：为架构发展保驾护航 IT架构治理是指建立一套规则、流程和组织结构，以确保IT架构的决策、设计、实施和演进能够支持企业的战略目标，并实现预期的业务价值。 架构委员会与决策机制： 建立由业务和IT高层组成的架构委员会，负责制定整体架构策略，审批重大架构变更，解决架构冲突。 架构原则与标准： 制定清晰、可落地的架构原则（如“云优先”、“数据驱动”、“安全性内建”）和技术标准，指导架构设计和技术选型。 架构文档与模型： 建立标准化的架构文档体系，包括业务架构、应用架构、数据架构、技术架构等，并利用架构模型进行可视化呈现。 架构审查与评估： 对新的项目和重要的架构变更进行定期的架构审查，确保其符合既定的原则和标准，并能有效地支持业务目标。 技术生命周期管理： 建立技术产品的生命周期管理流程，评估新技术引入的价值与风险，淘汰过时的技术，避免技术债务的累积。 供应商管理： 建立有效的供应商评估和管理机制，确保引入的第三方技术和服务能够满足企业的安全、性能和合规要求。 5.2 IT风险管理：识别、评估与缓解潜在威胁 IT风险管理是识别、评估、处理和监控可能对企业IT资产、业务流程和声誉造成负面影响的潜在风险。 风险识别： 系统地识别来自技术、操作、安全、合规、第三方等各个方面的潜在风险。 风险评估： 评估每个风险发生的可能性及其潜在影响，对风险进行优先级排序。 风险应对策略： 制定并实施相应的风险应对策略，包括： 规避（Avoidance）： 避免可能产生高风险的活动或技术。 减轻（Mitigation）： 采取措施降低风险发生的可能性或影响。 转移（Transfer）： 将风险转移给第三方，如购买保险。 接受（Acceptance）： 在权衡利弊后，决定承担某些低风险。 安全风险管理： 漏洞管理： 定期扫描系统漏洞，并及时进行修补。 渗透测试： 模拟攻击，检验系统的安全防护能力。 安全事件响应计划： 制定详细的计划，以便在安全事件发生时能够迅速有效地响应。 业务连续性与灾难恢复（BC/DR）： 业务影响分析（BIA）： 识别关键业务流程及其对IT系统的依赖性。 制定BC/DR计划： 规划在中断事件发生后，如何恢复关键业务功能，确保业务的连续性。 定期演练： 定期对BC/DR计划进行演练，以验证其有效性并发现不足。 第三方风险管理： 评估和管理来自供应商、合作伙伴和其他第三方可能带来的风险，例如数据泄露、服务中断等。 5.3 合规性要求：遵循法律法规与行业标准 在数字化时代，企业必须遵守日益复杂的法律法规和行业标准，以避免法律诉讼、罚款和声誉损害。 数据隐私法规： GDPR（通用数据保护条例）： 欧洲联盟关于数据隐私和保护的法规，对全球范围内处理欧盟公民个人数据的企业都有影响。 CCPA/CPRA（加州消费者隐私法/加州隐私权法）： 美国加州关于消费者数据隐私的法规。 其他地区性数据隐私法规： 例如中国的《个人信息保护法》。 行业特定合规要求： PCI DSS（支付卡行业数据安全标准）： 适用于处理信用卡信息的企业。 HIPAA（健康保险流通与责任法案）： 适用于处理受保护健康信息（PHI）的医疗保健行业。 SOX（萨班斯-奥克斯利法案）： 适用于上市公司，旨在提高财务报告的透明度和准确性。 信息安全管理体系： ISO 27001： 国际标准，为建立、实施、运行、监控、评审、维护和改进信息安全管理体系（ISMS）提供了框架。 合规性审计与报告： 内部审计： 定期进行内部审计，评估IT系统和流程是否符合内部政策和外部法规。 外部审计： 配合外部审计机构，进行合规性评估和认证。 生成合规性报告： 准备必要的报告，以证明企业遵守了相关的法律法规和标准。 5.4 GRC的整合与自动化 GRC并非独立的职能，而应与IT架构的设计、开发和运营紧密集成。 将GRC融入DevOps流程： 在CI/CD流程中嵌入安全和合规性的检查，实现“左移”（Shift-Left）的安全和合规性。 利用自动化工具： 使用自动化工具进行合规性扫描、安全审计、风险评估和报告生成，提高效率并降低人为错误。 建立统一的GRC平台： 整合治理、风险和合规性的相关信息和流程，提供统一的视图和管理能力。 持续监控与改进： GRC是一个持续的过程，需要不断地监控风险和合规性状态，并根据变化进行调整和改进。 一个健全的GRC体系，能够帮助企业在追求技术创新和业务增长的同时，有效管理风险，赢得客户信任，并建立可持续发展的竞争优势。它确保了IT架构不仅能够满足业务需求，更能以一种负责任、安全和合规的方式运行。
