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 (2)
Craig, eğitimde çok aktif bir şekilde yer aldı, her zaman dikkatimizin dağılmamasını sağladı, örnekleri günlük faaliyetlerimize göre uyarladı ve sunumda bulunan bilgi olmasa da sorulduğunda her zaman cevap verdi.
Ecaterina Ioana Nicoale - BOOKING HOLDINGS ROMANIA SRL
Eğitim - DevOps Foundation®
Yapay Zeka Çevirisi
Eğitmenin yüksek seviyeli taahhüdü ve bilgi düzeyi
Jacek - Softsystem
Eğitim - DevOps Engineering Foundation (DOEF)®
Yapay Zeka Çevirisi