Kontakt aufnehmen

Schulungsübersicht

Modul 1: Microservices-Design

• Eine gute Microservice-Grenze
• Verwendung von Domain Driven Design (DDD)
• Alternativen zu Business-Domain-Grenzen (Volatilität, Daten, Technologie, Organisation)
• Zerlegung des Monolithen
• Vorzeitige Dekomposition
• Schichtweise Zerlegung
• Verwendung von Dekompositions-Mustern (Strangler, Parallel Run, Feature Toggle)
• Datenzerlegungsaspekte (Leistung, Integrität, Transaktionen)

Modul 2: Optimierung von Docker und der Laufzeitumgebung

• Auswahl des richtigen Basisimages
• Minimierung der Anzahl der Schichten
• Verwendung von Multi-Stage-Builds
• Image-Optimierung (Sortieren von mehrzeiligen Argumenten, etc.)
• Nutzen des Build-Caches
• Fixieren von Image-Versionen
• Feineinstellung der Ressourcenzuordnung
• Sicherheitsrichtlinien für Container
• Laufzeitkonfiguration zur Leistungssteigerung

Modul 3: Kubernetes & Release-Strategien

Überblick über Kubernetes-Bereitstellungen
• Erstellung und Ausführung einer ersten Bereitstellung
• Bereitstellungs-Optionen in Kubernetes

Durchführung von rollenden Updates
• Rollendes Update verstehen
• Erstellung und Ausführung eines rollenden Updates
• Rollback einer Bereitstellung

Durchführung von Canary-Bereitstellungen
• Verstehen von Canary-Bereitstellungen
• Erstellung und Ausführung einer Canary-Bereitstellung

Durchführung von Blue-Green-Bereitstellungen
• Verstehen von Blue-Green-Bereitstellungen
• Erstellung und Ausführung einer Blue-Green-Bereitstellung

Durchführen von Jobs und CronJobs
• Erstellen eines Jobs und eines CronJobs

Durchführung von Überwachungs- und Troubleshooting-Aufgaben
• Troubleshooting-Techniken mit kubectl

Modul 4: Automatisierung & Betriebs-effizienz

Verwendung von Python zur Automatisierung häufiger Aufgaben in Kubernetes
• Verwendung von Python für administrative Operationen in Kubernetes
• Verwendung von Python zur Definition von Konfigurationsobjekten
• Verwendung von Python zur Erstellung von Bereitstellungsobjekten
• Überwachen von Kubernetes-Ereignissen mit Python
• Skalieren einer Bereitstellung mit Python

Verstehen der Herausforderungen bei der Automatisierung von Bereitstellungen
• Deklarative Konfiguration in Kubernetes
• Verwalten der Integrität der Konfiguration

Verwendung des GitOps-Ansatzes zur Automatisierung von Bereitstellungen
• GitOps-Grundsätze
• Einführung in Flux
• Installieren von Flux auf einem Kubernetes-Cluster

Konfigurieren von Flux für automatisierte Bereitstellungen
• Verwendung von Benachrichtigungen
• Struktur des Quellcode-Repositorys

Anwendungsaktualisierungen mit Image-Automatisierung verwalten
• Aktualisieren einer Anwendungsbereitstellung mit Flux
• Scannen von Container-Image-Repositories auf Tags
• Definieren von Richtlinien für die Auswahl des neuesten Images
• Konfigurieren von Flux zur Durchführung automatisierter Image-Aktualisierungen

Modul 5: Observabilität & Ursachenanalyse

Logging- und Tracing-Fähigkeiten in Kubernetes
• Warum sind Logging und Tracing wichtig?
• Zugriff auf die Kubernetes-Logs
• Pod- und Container-Logs
• Control Plane-Logs
• Ressourcenverbrauch von Knoten und Pods

Sammeln und Analysieren der Logs
• Log-Aggregation
• Log-Visualisierung

Verteiltes Tracing in Kubernetes
• Was ist verteiltes Tracing?
• Verwendung von OpenTelemetry
• Tools für verteiltes Tracing
• Instrumentieren einer Anwendung
• Verwenden des Tracings zur Identifizierung von Leistungsproblemen

Überwachung mit Prometheus und Grafana
• Observabilitätskonzepte
• Monitoring-Tools
• Verwendung von Prometheus-Instrumentation

Erweiterte Anwendungsfälle für Logging
• Verarbeiten von Logs
• Filtern und Enrichen der Logs
• Event Sourcing

Modul 6: Cluster-Krisensimulation & Inzidentmanagement

• Verstehen der verschiedenen Ausfallarten in einer Clustenumgebung
• Simulation von Knotenausfällen
• Pod-Eviction- & Ressourcenknappheitsszenarien
• Netzwerkprobleme
• DNS-Ausfälle zur Fehlerbehandlung von Anwendungen
• Simulation eines API-Serverausfalls
• Simulation hoher Last für die Systemstabilität
• Speicherfehler
• Konfigurationsfehler
• Verstehen der Inzidentberichterstattungsverfahren

Modul 7: KI zur Unterstützung bei der Troubleshooting

• Vorteile der generativen KI für Kubernetes
• Architektur des K8sGPT-CLIs
• Installieren des K8sGPT-CLI
• Befehle und Verwendung von K8sGPT
• Verwenden von K8sGPT-Analysewerkzeugen (podAnalyzer, pvcAnalyzer, rsAnalyzer, etc.)
• Analysieren des Clusters mit K8sGPT
• Analysieren aktueller Probleme in Echtzeit mit K8sGPT
• In-Cluster-Operator für K8sGPT

Voraussetzungen

  • Grundkenntnisse der Linux-Befehlszeile
  • Erfahrung mit Anwendungsentwicklung oder Systemadministration
  • Vertrautheit mit Containern (Docker-Konzepte)
  • Grundverständnis von Kubernetes-Konzepten (Pods, Deployments, Services)
  • Allgemeines Verständnis von Softwarearchitektur (z.B. APIs, Services)

Zielgruppe:

  • DevOps-Engineer
  • Site Reliability Engineers (SREs)
  • Backend- oder Softwareentwickler, die mit Microservices arbeiten
  • Cloud-Engineer und Plattform-Engineer
  • Systemadministratoren, die in Kubernetes-Umgebungen wechseln

     

 49 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (1)

Kommende Kurse

Verwandte Kategorien