Свържете се с нас

Съдържание и теми, включени в курса

Модул 1: Проектиране на микросервиси

• Добре дефинирани граници на микросервиза
• Използване на доменно-ориентиран дизайн (DDD)
• Алтернативи на бизнес доменните граници (волатилност, данни, технология, организация)
• Разделяне на монолита
• Преждевременна декомпозиция
• Декомпозиция по слой
• Използване на модели за декомпозиция (Strangler, паралелно стартиране, feature toggle)
• Проблеми при декомпозицията на данни (производителност, целостност, транзакции)

Модул 2: Оптимизиране на Docker и runtime

• Избор на подходящо базово изображение
• Минимизиране на броя слоеве
• Използване на многоетапни построения
• Оптимизация на изображенията (сортиране на многостранните аргументи и др.)
• Разчитане на кеша при построение
• Фиксиране на версиите на изображенията
• Финна настройка на разпределението на ресурсите
• Практики за сигурност на контейнерите
• Конфигурация на runtime за производителност

Модул 3: Kubernetes и стратегии за релийз

Преглед на Deploy-овете в Kubernetes
• Създаване и изпълнение на първоначален деплой
• Опции на Kubernetes за deploy

Извършване на плавно обновление на деплоите
• Разбиране на плавното обновление
• Създаване и изпълнение на плавно обновление
• Откат на deploy-а

Извършване на канаръчния деплой
• Разбиране на канаръчният деплой
• Създаване и изпълнение на канаръчния деплой

Извършване на синьо-зеленият деплой
• Разбиране на синьо-зеленият деплой
• Създаване и изпълнение на синьо-зеленият деплой

Работа с Jobs и CronJobs
• Създаване на Job и CronJob

Извършване на задачи за мониторинг и дебъгване
• Техники за дебъгване с kubectl

Модул 4: Автоматизация и оперативна ефективност

Използване на Python за автоматизиране на често срещани задачи в Kubernetes
• Използване на Python за административни операции в Kubernetes
• Използване на Python за дефиниране на конфигурационни обекти
• Използване на Python за създаване на Deployment обекти
• Наблюдение на събитията в Kubernetes чрез Python
• Мащабиране на Deploy-а чрез Python

Разбиране на предизвикателствата при автоматизирането на деплоите
• Декларативна конфигурация с Kubernetes
• Управление на целостта на конфигурацията

Използване на подхода GitOps за автоматизиране на деплоите
• Принципи на GitOps
• Въвеждане на Flux
• Инсталиране на Flux в Kubernetes кластер

Конфигуриране на Flux за автоматизирани деплои
• Използване на известия
• Структура на repository-то

Обработка на актуализации на приложения с автоматизация на изображенията
• Актуализиране на deploy-а на приложение чрез Flux
• Скенериране на image repositories за тагове
• Дефиниране на политика за избор на най-новото изображение
• Конфигуриране на Flux за автоматично обновяване на изображенията

Модул 5: Наблюдаемост и яснота на коренната причина

Възможности за логване и проследяване в Kubernetes
• Защо са важни логването и проследяването
• Достъп до логовете на Kubernetes
• Логи на Pod и контейнерите
• Логи на контролната планова част
• Използване на ресурси от възлите и pod-овете

Събиране и анализ на логовете
• Агрегация на логове
• Визуализация на логове

Разпределено проследяване в Kubernetes
• Какво е разпределено проследяване
• Използване на OpenTelemetry
• Инструменти за разпределено проследяване
• Инструментализиране на приложение
• Използване на проследяването за откриване на проблеми с производителността

Мониторинг с Prometheus и Grafana
• Концепции за наблюдаемост
• Инструменти за мониторинг
• Използване на инструментите за Prometheus

Разширени случайи за употреба при логване
• Обработка на логове
• Филтриране и обогатяване на логове
• Event Sourcing

Модул 6: Симулация на криза в кластера и реагиране при инциденти

• Разбиране на различните видове откази в среда на кластер
• Симулиране на откази на възел
• Евакуация на Pod и сценарий за изчерпване на ресурсите
• Мрежови проблеми
• Отказ на DNS за обработка на таймаутите при приложенията
• Симулиране на отказ на API сървъра
• Симулиране на високо натоварване за стабилност на системата
• Отказ на съхранението
• Грешки в конфигурацията
• Разбиране на процедурите за докладване при инциденти

Модул 7: AI за подпомагане на дебъгването

• Предимства на генеративния AI за Kubernetes
• Архитектура на CLI на K8sGPT
• Инсталиране на CLI на K8sGPT
• Команди и употреба на K8sGPT
• Използване на анализатори на K8sGPT (podAnalyzer, pvcAnalyzer, rsAnalyzer и др.)
• Анализ на кластера с K8sGPT
• Анализ на реалновременни проблеми с K8sGPT
• Оператор в кластера за K8sGPT

Изисквания

  • Базови познания за командния ред на Linux
  • Опит с разработка на приложения или системна администрация
  • Запознаватост с контейнерите (концепции на Docker)
  • Базово разбиране на концепциите на Kubernetes (pod, deployments, services)
  • Общо разбиране за софтуерната архитектура (например API-та, услуги)

Целева аудитория:

  • DevOps инженери
  • Инженери за сигурност на сайтове (SREs)
  • Бекенд / Софтуерни разработчици, работещи с микросервиси
  • Cloud инженери и Platform инженери
  • Системни администратори, които преминават към Kubernetes среди

 49 Часа

Брой участници


Цена за участник

Отзиви от участници (2)

Предстоящи Курсове

Свързани Kатегории