Book description
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
In den letzten zehn Jahren hat sich in der Technologie viel verändert. Daten sind heiß, die Cloud ist allgegenwärtig, und viele Unternehmen brauchen eine Form der Automatisierung. Im Zuge dieses Wandels ist Python zu einer der beliebtesten Sprachen der Welt geworden. Dieses praktische Handbuch zeigt dir, wie du Python für alltägliche Aufgaben der Linux-Systemadministration mit den derzeit nützlichsten DevOps-Tools wie Docker, Kubernetes und Terraform einsetzen kannst.
Für Millionen von Berufstätigen ist es unerlässlich zu lernen, wie man mit Linux interagiert und automatisiert. Python macht es viel einfacher. In diesem Buch erfährst du, wie du mit Containern Software entwickeln und Probleme lösen kannst und wie du deine Software überwachen, instrumentieren, Lasttests durchführen und in Betrieb nehmen kannst. Du suchst nach effektiven Wegen, um in Python "etwas zu erreichen"? Dies ist dein Leitfaden.
- Grundlagen von Python, einschließlich einer kurzen Einführung in die Sprache
- Wie du Texte automatisierst, Kommandozeilen-Tools schreibst und das Dateisystem automatisierst
- Linux-Dienstprogramme, Paketverwaltung, Build-Systeme, Überwachung und Instrumentierung sowie automatisierte Tests
- Cloud Computing, Infrastruktur als Code, Kubernetes und Serverless
- Operatives maschinelles Lernen und Data Engineering aus einer DevOps-Perspektive
- Aufbau, Einsatz und Betrieb eines Projekts für maschinelles Lernen
Table of contents
- Vorwort
- 1. Python Grundlagen für DevOps
- 2. Dateien und das Dateisystem automatisieren
- 3. Arbeiten mit der Kommandozeile
- 4. Nützliche Linux-Dienstprogramme
- 5. Paket Management
- 6. Kontinuierliche Integration und kontinuierliches Deployment
- 7. Überwachung und Protokollierung
- 8. Pytest für DevOps
-
9. Cloud Computing
- Grundlagen des Cloud Computing
- Arten von Cloud Computing
- Arten von Cloud-Diensten
- Infrastruktur als Code
- Kontinuierliche Lieferung
- Virtualisierung und Container
- Herausforderungen und Chancen des verteilten Rechnens
- Python Gleichzeitigkeit, Leistung und Prozessmanagement in der Cloud-Ära
- Prozessmanagement
- Fazit
- Übungen
- Fragen zur Fallstudie
-
10. Infrastruktur als Code
- Eine Klassifizierung von Tools zur Infrastrukturautomatisierung
- Manuelle Bereitstellung
- Automatisierte Infrastrukturbereitstellung mit Terraform
-
Automatisierte Infrastrukturbereitstellung mit Pulumi
- Ein neues Pulumi Python-Projekt für AWS erstellen
- Erstellen von Konfigurationswerten für den Staging Stack
- Bereitstellen eines ACM SSL-Zertifikats
- Bereitstellen einer Route 53-Zone und DNS-Einträge
- Bereitstellen einer CloudFront Verteilung
- Bereitstellen eines Route 53 DNS-Eintrags für die Website-URL
- Erstellen und Bereitstellen eines neuen Stacks
- Übungen
-
11. Container-Technologien: Docker und Docker Compose
- Was ist ein Docker-Container?
- Erstellen, Bauen, Ausführen und Entfernen von Docker-Images und Containern
- Veröffentlichung von Docker-Images in einer Docker-Registry
- Einen Docker-Container mit demselben Image auf einem anderen Host ausführen
- Mehrere Docker-Container mit Docker Compose betreiben
- Portierung der docker-compose Dienste auf einen neuen Host und ein neues Betriebssystem
- Übungen
-
12. Container-Orchestrierung: Kubernetes
- Kurzer Überblick über die Kubernetes-Konzepte
- Kompose zum Erstellen von Kubernetes-Manifesten aus docker-compose.yaml verwenden
- Bereitstellen von Kubernetes-Manifesten in einem lokalen Kubernetes-Cluster auf Basis von minikube
- Starten eines GKE Kubernetes Clusters in GCP mit Pulumi
- Bereitstellen der Flask-Beispielanwendung für GKE
- Installation von Prometheus und Grafana Helm Charts
- Den GKE-Cluster zerstören
- Übungen
- 13. Serverlose Technologien
-
14. MLOps und Maschinelles Lernen Technik
- Was ist maschinelles Lernen?
- Python Maschinelles Lernen Ökosystem
- Cloud-Plattformen für maschinelles Lernen
-
Reifegradmodell für maschinelles Lernen
- Maschinelles Lernen Schlüsselbegriffe
- Ebene 1: Rahmensetzung, Identifizierung des Anwendungsbereichs und Problemdefinition
- Stufe 2: Kontinuierliche Bereitstellung von Daten
- Stufe 3: Kontinuierliche Lieferung von sauberen Daten
- Stufe 4: Kontinuierliche Bereitstellung der explorativen Datenanalyse
- Stufe 5: Kontinuierliche Bereitstellung von traditionellem ML und AutoML
- Ebene 6: ML Operative Feedbackschleife
- Sklearn Flask mit Kubernetes und Docker
- Sklearn Flask mit Kubernetes und Docker
- Übungen
- Fallstudie Frage
- Lernbeurteilungen
-
15. Datentechnik
- Kleine Daten
- Eine Datei schreiben
- Eine Datei lesen
- Generator-Pipeline zum Lesen und Verarbeiten von Zeilen
- YAML verwenden
- Big Data
- Big Data Tools, Komponenten und Plattformen
- Streaming-Ingestion in Echtzeit
- Fallstudie: Aufbau einer hausgemachten Datenpipeline
-
Serverlose Datentechnik
- Verwendung von AWS Lambda mit CloudWatch Events
- Verwendung der Amazon CloudWatch-Protokollierung mit AWS Lambda
- AWS Lambda zum Befüllen des Amazon Simple Queue Service verwenden
- Verkabelung des CloudWatch Event Triggers
- Ereignisgesteuerte Lambdas erstellen
- Lesen von Amazon SQS-Ereignissen aus AWS Lambda
- Fazit
- Übungen
- Fallstudie Frage
-
16. DevOps Kriegsgeschichten und Interviews
- Filmstudio kann keinen Film machen
- Spielestudio kann Spiel nicht ausliefern
- Python-Skripte brauchen 60 Sekunden zum Starten
- Feuer löschen mit einem Cache und intelligenter Instrumentierung
- Du automatisierst dich selbst aus dem Job!
- DevOps-Antipatterns
- Interviews
- Empfehlungen
- Übungen
- Herausforderungen
- Capstone-Projekt
- Index
Product information
- Title: Python für DevOps
- Author(s):
- Release date: September 2024
- Publisher(s): O'Reilly Media, Inc.
- ISBN: 9781098189518
You might also like
video
Setting up Jupyter Notebooks in VSCode for Python Coding
Python is a popular programming language, and is just getting more popular as time goes on. …
video
Python Foundation - Quick Jump Start for Programmers
Python is an excellent language to start programming with; it is powerful and easy to get …
book
Learning Robotics Using Python
Design, simulate, program, and prototype an interactive autonomous mobile robot from scratch with the help of …
book
Praktisches Python Data Wrangling und Datenqualität
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: …