در حال حاضر محصولی در سبد خرید شما وجود ندارد.
به عنوان سازمانها بیشتر و بیشتر از برنامه های خود را به ابر حرکت می دهند، استفاده از تکنیک های دستی برای منابع ارائه شده کمتر رایج است، زیرا برنامه های کاربردی ابر-بومی از زیرساخت ها به عنوان کد استفاده می کنند. در این دوره، ژانانی راوی نشان می دهد که چگونه از ArgOCD برای تحویل مداوم زیرساخت استفاده کنید، به طوری که شما قادر به تکمیل برنامه های کاربردی و مدیریت چرخه عمر خود هستید. جانانی به شما نشان می دهد که چگونه با ArgOCD شروع به کار کنید، سپس جزئیات کار با ArgOCD در یک خوشه محلی Kubernetes، قبل از نشان دادن نحوه پیکربندی برنامه ArgOCD. او سپس مراحل را برای استقرار زیرساخت ها به یک خوشه خارجی Kubernetes، و سپس موتور Google Kubernetes در GCP را پوشش می دهد.
عنوان اصلی : Kubernetes: GitOps with ArgoCD
سرفصل های دوره :
مقدمه:
تحویل مستمر زیرساخت با آرگو سی دی
مروری بر فناوری پیش نیاز سریع
1. شروع کار با آرگو سی دی:
GitOps برای اتوماسیون زیرساخت
معرفی سی دی آرگو
Argo CD برای یکپارچه سازی مداوم زیرساخت
ایجاد یک خوشه محلی K3s
مروری بر معماری
2. کار با آرگو سی دی در یک خوشه محلی Kubernetes:
نصب خدمات Argo CD و CLI
اجرای رابط کاربری وب Argo CD
راه اندازی یک مخزن Git با مشخصات مانیفست
استقرار یک برنامه با استفاده از Argo CD
3. پیکربندی برنامه Argo CD:
تغییر رمز عبور مدیریت CD Argo
همگام سازی مانیفست های زیرساخت به روز شده
پیکربندی استقرارها با استفاده از kubectl
همگام سازی خودکار، هرس خودکار، و خوددرمانی
4. استقرار زیرساخت در خوشه خارجی Kubernetes:
ایجاد یک خوشه خارجی K3s
ایجاد پروژه Argo CD جدید با استفاده از CLI
ساخت و ثبت تصویر Docker سفارشی
فشار دادن مشخصات زیرساخت به مخزن Git خصوصی
استقرار یک برنامه Flask در یک خوشه خارجی
به روز رسانی برنامه سفارشی
5. استقرار زیرساخت در موتور Google Kubernetes:
فعال کردن Kubernetes Engine API
اتصال به مخزن GitHub با استفاده از SSH
ایجاد یک خوشه GKE
راه اندازی Argo CD در GKE
ثبت تصویر برنامه با GCR
پیکربندی رمز تصویر با یک حساب سرویس
اتصال Argo CD به مخزن Git خصوصی با استفاده از SSH
استقرار زیرساخت در خوشه GKE
نتیجه گیری:
خلاصه و مراحل بعدی
Kubernetes: GitOps with ArgoCD
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.
Applying the Mathematical MASS Model with R
Building Image Processing Applications Using scikit-image
آموزش آماده کردن داده های عکسی برای یادگیری ماشینی و هوش مصنوعی
Predictive Analytics with PyTorch
Apache Airflow Essential Training
پردازش جریان داده ها با Apache Spark بر روی Azure Databricks
آموزش کار با داده ها بوسیله Qlik Sense
آموزش تحلیل آماری بوسیله PyTorch
آموزش ساخت خلاصه های آماری در زبان R
Style Transfer with PyTorch