Kategorie: Linux (wszystkie) , DevOps. CI/CD, Ansible, Docker i Kubernetes, cloud
O szkoleniu
Szkolenie stanowi kompleksowe wprowadzenie do tematyki DevOps. Kurs skierowany jest do profesjonalistów IT, programistów, administratorów systemów oraz wszystkich zainteresowanych rozwijaniem umiejętności z zakresu: kontroli wersji, ciągłej integracji i dostarczania oprogramowania, Ansible oraz Docker.
W ramach szkolenia uczestnicy poznają fundamentalne koncepcje związane z podejściem DevOps, takie jak automatyzacja czynności administracyjnych na wielu serwerach, testowanie ciągłe i dostarczanie oprogramowania w sposób efektywny i niezawodny – oraz, konteneryzacja.
W programie: zaczynając od Gita, który jako system kontroli wersji, jest fundamentalnym narzędziem dla każdego zespołu programistycznego – przechodzimy do systemów CI/CD; Jenkins, jako narzędzie do ciągłej integracji, jest kluczowym elementem w środowisku DevOps. Omawiamy również technologię Ansible oraz cały temat konteneryzacji i Docker/Kubernetes.
Coraz większą rolę w pracy DevOps odgrywa sztuczna inteligencja, która może być wykorzystywana do przygotowywania skryptów i plików konfiguracyjnych, generowania testów, przeprowadzania refaktoryzacji i innych operacji na kodzie, analizy i raportowania. Nasz kurs obejmuje liczne przykłady wykorzystania AI na różnych etapach pracy. Prezentujemy jednak podejście, w którym AI jest narzędziem w rękach świadomego użytkownika, a nie jego zamiennikiem.
Po zakończeniu szkolenia uczestnicy będą gotowi do praktycznego stosowania tych narzędzi w swoich projektach.
Osobom zainteresowanym uzyskaniem całości wiedzy z zakresu Devops polecamy również kompletny kurs Bootcamp DevOps. Pokrywa on materiał dwóch szkoleń: niniejszego DEVOPS 101 oraz szkolenia DEVOPS 102 – w niższej cenie niż sumaryczna cena tych dwóch osobnych szkoleń. Szkolenie niniejsze – DEVOPS 101 – jest równoważne dniom 1-6 kursu Bootcamp DevOps.
Czas trwania
6 dni
Program
- Wprowadzenie do Continuous Integration/Delivery (CI/CD)
- Cykl rozwijania oprogramowania
- Porównanie alternatywnych podejść: chmura kontra rozwiązania własne (on-premises)
- Ciągłe budowanie / integracja (continuous building / integration)
- Ciągła inspekcja (continuous inspection)
- Ciągłe wdrażanie (continuous deployment)
- Możliwe miejsca i sposoby wykorzystania sztucznej inteligencji w procesie CI/CD – dyskusja
- Git – rozproszony system kontroli wersji
- Konfiguracja
- Podstawowe komendy
- Praca na gałęziach
- Zdalne repozytoria i praca z nimi
- Zaawansowane komendy (reset, merge, revert)
- Dostawcy repozytoriów zdalnych Git
- GitHub oraz Gitlab — podstawowe funkcjonalności i konfiguracja
- Pipeline na przykładzie GitHub Actions lub GitLab CI — wprowadzenie, przykłady konfiguracji
- Wykorzystanie narzędzi AI do pracy z Git i repozytoriami kodu
- Sugerowanie i wyjaśnianie poleceń Git
- Analiza różnic (diff) i wykorzystanie do generowania opisów (commitów, pull-requestów)
- Pomoc w generowaniu skryptów akcji / pipeline’ów
- Testowanie oprogramowania i jego rola w procesach CI/CD
- Ręczne i automatyczne testowanie wersji aplikacji
- Testy jednostkowe, integracyjne, funkcjonalne, wydajnościowe
- Testy w Selenium/Puppeteer — wprowadzenie
- Przykładowe testy jednostkowe w Pythonie
- LAB: Przygotowanie scenariusza testowego
- Generowanie testów za pomocą AI
- Serwer automatyzacyjny Jenkins
- Wprowadzenie — cel, architektura, zasada działania
- Budowa typowego projektu
- Jenkinsfile — konfiguracja przy użyciu kodu
- Generowanie Jenkinsfile z wykorzystaniem AI
- Instalowanie i używanie pluginów
- Dodawanie i używanie kluczy oraz haseł
- Praca z agentami
- Integracja narzędzi do testowania z serwerem Jenkins
- LAB: uruchamianie testów oraz deploy aplikacji w zależności od wyniku testów
- Ansible
- IAAC — Infrastructure as a Code: znaczenie i rola
- Podstawowe pojęcia oraz elementy
- Instalacja oraz konfiguracja
- Inventory
- Wykonywanie komend na wielu serwerach jednocześnie
- Prosty przykładowy playbook
- Wprowadzenie do ról
- Instalowanie oraz używanie pluginów
- Tworzenie zaawansowanych ról
- Bazowanie na faktach
- Narzędzia AI w pracy z Ansilble, w tym generowanie, analiza, wyjaśnianie i poprawianie playbooków
- Docker
- Podstawowe komendy oraz zarządzanie kontenerami
- Sieci
- Wolumeny
- Dockerfile — tworzenie, budowanie obrazu, ENTRYPOINT i CMD
- LAB: budowa kontenera na bazie prostej aplikacji
- Docker registry
- Docker compose
- Pomoc AI w przygotowaniu poleceń, Dockerfile i plików konfiguracyjnych
- Kubernetes
- Wprowadzenie — historia, podstawowe koncepcje, architektura
- Podstawowe komponenty: Pod, Node, Cluster
- Instalacja — różne metody, minidystrybucje K8s
- Podstawowe operacje: tworzenie Podów, skalowanie, aktualizacje, roll-backi
- Networking — Service, Ingress, Network Policies
- Storage — Persistent Volumes, Storage Classes
- Helm — zarządzanie aplikacjami w Kubernetes
- Wykorzystanie sztucznej inteligencji w przygotowaniu konfiguracji K8s i powiązanych narzędzi
- Praktyczne ćwiczenia: instalacja, konfiguracja sieci, zarządzanie danymi, tworzenie zasobów
Training also available in English .
Przeznaczenie i wymagania
Praktycznej na poziomie podstawowym znajomości tematyki związanej z Linuksem i sieciami TCP/IP; znajomość dowolnego języka skryptowego (np. bash albo Python).
Certyfikaty
Uczestnicy szkolenia otrzymują imienne certyfikaty sygnowane przez ALX.