Eğitim İçeriği
Modül 1: Mikrohizmet Tasarımı
• İyi bir Mikrohizmet Sınırı
• Alan-Öznel Tasarım (DDD) Kullanımı
• İş Alanı Sınırları Dışındaki Alternatifler (Değişim, Veri, Teknoloji, Organizasyon)
• Monolit Ayırılması
• Erken Ayrıştırma
• Katman Ayrıştırması
• Ayrıştırma Desenleri Kullanımı (Strangler, Paralel Çalıştırma, Özellik Kapaklaması)
• Veri Ayrıştırma Endişeleri (Performans, Tutarlılık, İşlemler)
Modül 2: Docker ve Çalışma Zamanının Optimizasyonu
• Uygun temel imaj seçimi
• Katman sayısının en aza indirilmesi
• Çok aşamalı derlemelerin kullanımı
• İmaj optimizasyonu (çok satırlı argümanların sıralanması, vb.)
• Derleme önbelleğinin kullanılması
• İmaj sürümlerinin sabitlenmesi
• Kaynak ayırmalarının fince tune edilmesi
• Güvenli konteyner uygulamaları
• Performans için çalışma zamanı yapılandırması
Modül 3: Kubernetes & Yayın Stratejileri
Kubernetes Dağıtımları Genel Bakış
• İlk Dağıtımın Oluşturulması ve Yürütülmesi
• Kubernetes Dağıtım Seçenekleri
Roll-out Güncellemelerinin Gerçekleştirilmesi
• Roll-out Güncellemenin Anlaşılmış Olması
• Roll-out Güncellemenin Oluşturulması ve Yürütülmesi
• Dağıtımın Geri Alınması
Kanarya Dağıtımlarının Gerçekleştirilmesi
• Kanarya Dağıtımlarının Anlaşılmış Olması
• Kanarya Dağıtımın Oluşturulması ve Yürütülmesi
Mavi-Yeşil Dağıtımların Gerçekleştirilmesi
• Mavi-Yeşil Dağıtımların Anlaşılmış Olması
• Mavi-Yeşil Dağıtımın Oluşturulması ve Yürütülmesi
Job ve CronJob Çalıştırılması
• Bir Job ve CronJob'un Oluşturulması
İzleme ve Sorun Giderme Görevlerinin Gerçekleştirilmesi
• kubectl ile Sorun Giderme Teknikleri
Modül 4: Otomasyon & İşlem Verimliliği
Python kullanarak Kubernetes'de Ortak Görevlerin Otomatikleştirilmesi
• Kubernetes'te İdari Operasyonların Gerçekleştirilmesi için Python Kullanımı
• Yapılandırma Nesnelerinin Tanımlanması için Python Kullanımı
• Dağıtım Nesnelerinin Oluşturulması için Python Kullanımı
• Kubernetes Etkinliklerini İzleme için Python Kullanımı
• Bir Dağıtımın Ölçeklendirilmesi için Python Kullanımı
Dağıtımların Otomatikleştirilmesindeki Zorlukların Anlaşılmış Olması
• Kubernetes ile Deklaratif Yapılandırma
• Yapılandırma Tutarlılığının Yönetimi
Dağıtımların Otomatikleştirilmesi için GitOps Yaklaşımının Kullanılması
• GitOps İlkeleri
• Flux Tanıtımı
• Bir Kubernetes Kümesine Flux Kurulumu
Otomatik Dağıtımlar için Flux'ın Yapılandırılması
• Bildirimlerin Kullanılması
• Kaynak Deposu Yapısı
İmaj Otomasyonu ile Uygulama Güncellemelerinin Yönetilmesi
• Flux ile Bir Uygulama Dağıtımının Güncellenmesi
• Konteyner İmaj Deposu Etiketlerini Tarama
• En Yeni İmaj Seçimi için Politika Tanımlama
• Flux'ın Otomatik İmaj Güncellemeleri Gerçekleştirmesi için Yapılandırılması
Modül 5: Gözlemlenebilirlik & Kök Neden Açıklığı
Kubernetes Günlük ve İzleme Kapasiteleri
• Günlüğe Alma ve İzlemenin Neden Önemli Olduğu
• Kubernetes Günlüklerine Erişim
• Pod ve Konteyner Günlükleri
• Kontrol Düzlemi Günlükleri
• Düğüm ve Pod Kaynak Kullanımı
Günlüklerin Toplanması ve Analiz Edilmesi
• Günlük Agregasyonu
• Günlük Görselleştirme
Kubernetes'te Dağıtık İzleme
• Dağıtık izlemenin ne olduğu
• OpenTelemetry Kullanımı
• Dağıtık İzlendirme Araçları
• Bir Uygulamanın İzlenmesi
• Performans Sorunlarını Bulmak için İzlemenin Kullanılması
Prometheus ve Grafana ile İzleme
• Gözlemlenebilirlik kavramları
• İzleme Araçları
• Prometheus Aletinin Kullanılması
Günlüğe Alma için Gelişmiş Kullanım Örnekleri
• Günlüklerin İşlenmesi
• Günlüklerin Filtrelenmesi ve Zenginleştirilmesi
• Olay Kaynağı
Modül 6: Küme Krizi Simülasyonu & Olay Yanıtı
• Küme ortamında farklı hata türlerinin anlaşılması
• Düğüm Hatalarının Simülasyonu
• Pod Atılması & Kaynak Yetersizliği Senaryosu
• Ağ Sorunları
• DNS Hataları ve Uygulama Zamanaşımı İşlemleri için
• Bir API Sunucusu Kapanışı Simülasyonu
• Yüksek Trafik için Sistem Kararlılığı Simülasyonu
• Depolama Hatası
• Yapılandırma Hataları
• Olay raporlama prosedürlerinin anlaşılması
Modül 7: Sorun Gidermeye Destek Olan AI
• Kubernetes için Üretken AI'nin Faydaları
• K8sGPT CLI Mimarisine Genel Bakış
• K8sGPT CLI'yı Kurma
• K8sGPT Komutları ve Kullanımı
• K8sGPT Analizcilerinin Kullanılması (podAnalyzer, pvcAnalyzer, rsAnalyzer, vb.)
• K8sGPT ile Kümenin Analizi
• K8sGPT ile Gerçek Zamanlı Sorunların Analizi
• K8sGPT için Küme Operatörü
Kurs İçin Gerekli Önbilgiler
- Temel Linux komut satırı bilgisi
- Uygulama geliştirme veya sistem yönetimi deneyimi
- Konteynerlerle (Docker kavramları) aşina olmak
- Kubernetes kavramlarına (pods, dağıtımlar, hizmetler) temel bir anlayış
- Genel yazılım mimarisine (örneğin API'ler, hizmetler) genel bir anlayış
Hedef kitle:
- DevOps Mühendisleri
- Site Güvenilirlik Mühendisleri (SRE'ler)
- Mikrohizmetlerle çalışan Back-end / Yazılım Geliştiricileri
- Bulut Mühendisleri ve Platform Mühendisleri
-
Kubernetes ortamlarına geçiş yapan Sistem Yöneticileri
Danışanlarımızın Yorumları (1)
gerçek hayattaki örnekler
Maria - Fundacja PTA
Eğitim - Mastering Make: Advanced Workflow Automation and Optimization
Yapay Zeka Çevirisi