Lépjen kapcsolatba velünk

Kurzusleírás

1. modul: Mikroszolgáltatások tervezése

• Hatékony mikroszolgáltatás határok
• Domain Driven Design (DDD) használata
• Alternatívák az üzleti domain határokhoz (Volatilitás, Adatok, Technológia, Szervezeti)
• A monolit felbontása
• Korai dekompozíció
• Dekompozíció rétegek szerint
• Dekompozíciós minták használata (Strangler, Párhuzamos Futtatás, Funkció Kapcsoló)
• Adat dekompozíciós aggályok (Teljesítmény, Integritás, Tranzakciók)

2. modul: Docker és a futásidejű optimalizálása

• A megfelelő alapkép kiválasztása
• A rétegek számának minimalizálása
• Többszintű build-ek használata
• Képoptimalizálás (többsoros argumentumok rendezése stb.)
• A build gyorsítótár kihasználása
• Képverziók rögzítése
• Erőforrás lefoglalás finomhangolása
• Biztonságos konténer gyakorlatok
• Futásidejű konfiguráció a teljesítmény érdekében

3. modul: Kubernetes & Kiadási stratégiák

Kubernetes üzembehelyezések áttekintése
• Kezdeti üzembehelyezés létrehozása és végrehajtása
• Kubernetes üzembehelyezési lehetőségek

Rolling Update üzembehelyezések végrehajtása
• A Rolling Update megértése
• Rolling Update létrehozása és végrehajtása
• Üzembehelyezés visszaállítása

Canary üzembehelyezések végrehajtása
• A Canary üzembehelyezések megértése
• Canary üzembehelyezés létrehozása és végrehajtása

Blue-Green üzembehelyezések végrehajtása
• A Blue-Green üzembehelyezések megértése
• Blue-Green üzembehelyezés létrehozása és végrehajtása

Jobs és CronJobs futtatása
• Job és CronJob létrehozása

Monitorozási és hibaelhárítási feladatok végrehajtása
• Hibaelhárítási technikák kubectl segítségével

4. modul: Automatizálás & Műveleti hatékonyság

Python használata gyakori feladatok automatizálásához Kubernetesben
• Python használata adminisztratív műveletek végrehajtásához Kubernetesben
• Python használata konfigurációs objektumok definiálásához
• Python használata üzembehelyezési objektumok létrehozásához
• Kubernetes események figyelése Python segítségével
• Üzembehelyezés skálázása Python segítségével

Az üzembehelyezések automatizálásának kihívásai
• Deklaratív konfiguráció Kubernetesben
• A konfiguráció integritásának kezelése

GitOps megközelítés használata üzembehelyezések automatizálásához
• GitOps alapelvek
• Flux bemutatása
• Flux telepítése Kubernetes klaszterbe

Flux konfigurálása automatizált üzembehelyezésekhez
• Értesítések használata
• A forrás repó struktúrája

Alkalmazásfrissítések kezelése képautomatizálással
• Alkalmazás üzembehelyezés frissítése Flux segítségével
• Konténer kép repók beolvasása címkékhez
• Szabályzat meghatározása a legújabb kép kiválasztásához
• Flux konfigurálása automatikus képfrissítésekhez

5. modul: Megfigyelhetőség & Gyökér ok tisztázása

Kubernetes naplózási és nyomkövetési képességek
• Miért fontos a naplózás és a nyomkövetés
• A Kubernetes naplók elérése
• Pód és konténer naplók
• Vezérlősík naplói
• Csomópontok és pódok erőforrás-használata

Naplók gyűjtése és elemzése
• Napló aggregáció
• Napló vizualizáció

Elosztott nyomkövetés Kubernetesben
• Mi az elosztott nyomkövetés
• OpenTelemetry használata
• Elosztott nyomkövetési eszközök
• Alkalmazás instrumentálása
• Nyomkövetés használata teljesítményproblémák felderítéséhez

Monitorozás Prometheus és Grafana segítségével
• Megfigyelhetőségi fogalmak
• Monitorozási eszközök
• Prometheus instrumentáció használata

Speciális esetek a naplózásban
• Naplók feldolgozása
• Naplók szűrése és bővítése
• Eseményforrás

6. modul: Klaszter krízis szimuláció & Incidenskezelés

• A különböző típusú hibák megértése klaszter környezetben
• Csomópont meghibásodás szimulálása
• Pód kiürítés & Erőforrás kimerülés forgatókönyv
• Hálózati problémák
• DNS hibák alkalmazás időtúllépés kezeléséhez
• API szerver leállás szimulálása
• Magas forgalom szimulálása rendszer stabilitás érdekében
• Tároló meghibásodás
• Konfigurációs hibák
• Incidensjelentési eljárások megértése

7. modul: MI támogatás a hibaelhárításban

• A generatív MI előnyei Kuberneteshez
• K8sGPT CLI architektúra
• A K8sGPT CLI telepítése
• K8sGPT parancsok és használat
• K8sGPT elemzők használata (podAnalyzer, pvcAnalyzer, rsAnalyzer stb.)
• Klaszter elemzése K8sGPT segítségével
• Valós idejű problémák elemzése K8sGPT segítségével
• Klaszteren belüli operátor K8sGPT-hez

Követelmények

  • Alapvető ismeretek a Linux parancssorról
  • Tapasztalat alkalmazásfejlesztésben vagy rendszeradminisztrációban
  • Ismeret a konténerek területén (Docker fogalmak)
  • Alapvető ismeretek a Kubernetes fogalmairól (pódok, üzembehelyezések, szolgáltatások)
  • Általános ismeretek a szoftverarchitektúráról (pl. API-k, szolgáltatások)

Célközönség:

  • DevOps mérnökök
  • Site Reliability Engineers (SRE-k)
  • Backend / Szoftverfejlesztők, akik mikroszolgáltatásokkal dolgoznak
  • Felhőmérnökök és Platformmérnökök
  • Rendszeradminisztrátorok, akik Kubernetes környezetekre váltanak

     

 49 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (1)

Közelgő kurzusok

Rokon kategóriák