DevOps

Описание курса:

Материал данного курса позволит слушателям изучить основы подхода DevOps и его основные инструменты. Будут изучены контейнеризация и использование Docker для развертывания и администрирования приложениями, Kubernetes для создания и управления кластерами контейнеров, Ansible для автоматизации и Terraform для администрирования инфраструктуры.

Аудитория курса:

Системные администраторы, разработчики, инженеры, которые заинтересованы в совершенствовании своих знаний в качестве разработчика и изучении методов DevOps.

Предварительные требования к аудитории:

Необходимы общие знания об операционных системах Linux и Windows, навыки работы с командной строкой и терминалом, предпочтительно иметь практику работы с виртуальными машинами. Также необходимо понимать методологию DevOps.

Содержание курса:

Модуль 1 – Docker.

Введение в Docker и его роль в DevOps
Установка Docker и его компонентов
Работа с Docker-контейнерами
Запуск приложений в Docker-контейнерах
Создание и управление Docker-контейнерами
Работа с Docker-образами
Использование Dockerfile для создания образов

Лабораторная работа 1. Установка и настройка Docker

Лабораторная работа 2. Работа с контейнерами и образами

Модуль 2 – Kubernetes.

Введение в Kubernetes и его роль в оркестрации контейнеров
Установка Kubernetes и его компонентов
Понятие подов, служб и воспроизводимых контейнеров
Развертывание Kubernetes-кластера
Управление подами и службами в Kubernetes
Масштабирование и обновление приложений в Kubernetes

Лабораторная работа 3. Установка и настройка Kubernetes

Лабораторная работа 4. Запуск и масштабирование приложений в Kubernetes

Модуль 3 – Ansible.

Введение в Ansible и его роль в автоматизации конфигурации и развертывания
Установка и настройка Ansible
Создание и управление инвентаризацией и плейбуками Ansible
Написание простых плейбуков Ansible
Автоматизация развертывания приложений с помощью Ansible

Лабораторная работа 5. Установка и настройка Ansible

Лабораторная работа 6. Разработка плейбуков и ролей

Модуль 4 – Terraform.

Введение в Terraform и его роль в инфраструктурном кодировании
Установка и настройка Terraform
Создание, изменение и удаление инфраструктуры через Terraform
Создание и управление инфраструктурой с помощью Terraform
Использование переменных и модулей в Terraform

Лабораторная работа 7. Установка и настройка Terraform

Лабораторная работа 8. Работа с манифестами Terraform

Модуль 5 – GitLab

Введение в системы контроля версий.
Обзор GitLab
Варианты установки Gitlab
Настройка GitLab
Работа с репозиториями
Интеграция GitLab

Лабораторная работа 9. Работа с GitLab

Модуль 6 – CI/CD

Введение в CI/CD
Понятие и виды пайплайнов
Настройка пайплайнов в GitLab
Настройка пайплайнов в Jenkins

Лабораторная работа 10. Разработка пайплайнов в GitLab

Лабораторная работа 11. Разработка пайплайнов в Jenkins

Описание курса:

Материал данного курса позволит слушателям освоить принципы, методологию и инструменты DevOps, как, например, технология CI/CD и Ansible. Предусмотренные в курсе практические работы помогут закрепить освоенные инструменты и методики, а также успешно применять DevOps в своей работе.

Аудитория курса:

Системные администраторы, разработчики, инженеры DevOps, специалисты, которые заинтересованы в совершенствовании своих знаний в качестве разработчика и изучении методов DevOps.

Предварительные требования к аудитории:

Необходимы понимать принципы и применение Kubernetes и Docker, иметь навыки работы с командной строкой Linux и с системами контроля версий. Предпочтительно быть знакомым с написанием сценариев (Bash, Python).

Содержание курса:

Модуль 1 – Введение в DevOps.

Понимание принципов и преимуществ DevOps
Непрерывная интеграция (CI) и непрерывная доставка (CD)
Введение в инструменты DevOps и их роль в жизненном цикле разработки программного обеспечения
Лабораторная работа 1. Настройка конвейера CI/CD

Модуль 2 – Инструменты и инфраструктура DevOps как код (IaC).

Управление конфигурацией с помощью Ansible
Инфраструктура как код (IaC) с помощью Terraform
Оркестрирование и автоматизация с помощью Ansible
Основы Ansible playbooks и roles
Лабораторная работа 2. Автоматизация подготовки инфраструктуры с помощью Ansible и Terraform

Модуль 3 – CI/CD с использованием Jenkins.

Введение в Jenkins и его важность в процессе CI/CD
Настройка пайплайнов Jenkins
Интеграция систем контроля версий (например, Git) с Jenkins
Создание, тестирование и развертывание приложений с использованием Jenkins
Лабораторная работа 3. Создание конвейера Jenkins для примера приложения

Модуль 4 – Мониторинг и журналирование в DevOps

Мониторинг инфраструктуры и приложений DevOps
Введение в инструменты мониторинга Prometheus и Grafana
Управление журналами и их анализ с помощью Elasticsearch и Kibana.
Метрики в реальном времени и ведение журналов с централизованными иформационными панелями
Лабораторная работа 4. Настройка мониторинга и ведения журналов для примера приложения

Модуль 5 – Расширенные концепции DevOps

Оркестрирование контейнеров с помощью Kubernetes
Развертывание приложений в кластерах Kubernetes
Балансировка нагрузки и обнаружение сервисов с помощью Kubernetes
Внедрение синего/зеленого и канареечного развертываний
Лабораторная работа 5. Развертывание контейнерного приложения в кластере Kubernetes с использованием конвейера CI/CD

Общая информация о курсе

Цель курса: Повышение компетенций сотрудников в области системного и прикладного мониторинга DevOps-инфраструктуры
Целевая аудитория: DevOps-инженеры, системные администраторы, SRE-специалисты

Предварительные требования:
Базовые знания Linux/Unix
Опыт работы с Docker и Kubernetes
Понимание концепций CI/CD

День 1: Основы DevOps-мониторинга и Observability

Теоретическая часть

Введение в DevOps-мониторинг
Концепция Observability
Основы наблюдаемости: Metrics, Logs, Traces
Различия между мониторингом и наблюдаемостью
Принципы построения наблюдаемых систем
Метрики, логи и трассировки: когда что использовать

 Архитектура мониторинга
Компоненты системы мониторинга
Сбор данных (Collectors, Exporters, Agents)
Хранение и обработка (Time Series DB, Log Aggregation)
Визуализация (Dashboards, Alerting)
Уведомления и эскалация

 Практическая часть

Лабораторная работа 1: Настройка базовой инфраструктуры
Установка и конфигурация Prometheus
Развертывание Prometheus в Docker
Базовая конфигурация prometheus.yml
Проверка работы веб-интерфейса
Изучение метрик по умолчанию

 Лабораторная работа 2: Первые метрики
Сбор базовых метрик системы
Установка Node Exporter
Настройка сбора системных метрик
Создание простых запросов PromQL
Анализ полученных данных

День 2: Prometheus - архитектура и метрики

Теоретическая часть

Архитектура Prometheus
Компоненты и принципы работы
Pull и Push модели
Service Discovery
Retention и хранение данных
Высокая доступность и федерация

PromQL и метрики
Язык запросов Prometheus
Типы метрик (Counter, Gauge, Histogram, Summary)
Основы PromQL синтаксиса
Функции и операторы
Агрегация и группировка данных

Практическая часть

Лабораторная работа 3: PromQL в действии
Практическое изучение PromQL
Создание базовых запросов
Использование функций rate(), increase()
Агрегация метрик по лейблам
Создание сложных запросов для мониторинга

 Лабораторная работа 4: Exporters и Service Discovery
Настройка различных exporters
MySQL Exporter для мониторинга БД
Nginx Exporter для веб-серверов
Настройка Service Discovery в Kubernetes
Автоматическое обнаружение сервисов

День 3: Grafana - визуализация и дашборды

Теоретическая часть

Архитектура Grafana
Возможности и компоненты
Источники данных (Data Sources)
Панели и визуализации
Организация и структура дашбордов
Пользователи и роли

Создание эффективных дашбордов
Принципы дизайна дашбордов
Целевая аудитория и цели
Выбор подходящих визуализаций
Организация информации
Лучшие практики UX/UI

Практическая часть

Лабораторная работа 5: Первый дашборд
Создание базового дашборда
Подключение Prometheus как источника данных
Создание панелей для системных метрик
Настройка временных диапазонов
Добавление аннотаций

Лабораторная работа 6: Продвинутые дашборды
Создание комплексного дашборда
Дашборд для мониторинга приложения
Использование переменных и шаблонов
Создание drill-down навигации
Настройка автообновления

День 4: Alerting и интеграция с Kubernetes

Теоретическая часть

Система алертинга
Alertmanager и правила алертинга
Создание правил в Prometheus
Конфигурация Alertmanager
Группировка и подавление алертов
Интеграция с системами уведомлений

Мониторинг Kubernetes
Специфика мониторинга K8s
kube-state-metrics и cAdvisor
Мониторинг подов, сервисов, деплойментов
Метрики ресурсов и производительности
Логирование в Kubernetes

Практическая часть

Лабораторная работа 7: Настройка алертинга
Создание системы уведомлений
Настройка правил алертинга в Prometheus
Конфигурация Alertmanager
Интеграция с Slack/Email
Тестирование системы алертинга

Лабораторная работа 8: Мониторинг Kubernetes
Развертывание мониторинга в K8s
Установка Prometheus Operator
Настройка ServiceMonitor для приложений
Создание дашбордов для Kubernetes
Мониторинг ресурсов кластера

День 5: Интеграция с CI/CD

Теоретическая часть

Мониторинг CI/CD пайплайнов
Интеграция с GitLab CI/CD
Метрики сборки и деплоймента
Мониторинг производительности пайплайнов
Отслеживание качества кода
Интеграция с системами тестирования

Логирование и трассировка
ELK Stack и Jaeger
Централизованное логирование
Структурированные логи
Распределенная трассировка
Корреляция метрик, логов и трейсов

Практическая часть

Лабораторная работа 9: Интеграция с GitLab
Мониторинг CI/CD процессов
Настройка метрик для GitLab Runner
Мониторинг времени выполнения пайплайнов
Создание алертов на сбои сборки
Дашборд для DevOps команды