در حال حاضر محصولی در سبد خرید شما وجود ندارد.
توسعه دهندگان، مهندسان زیرساخت، مهندسان امنیتی و رهبران مهندسی
به طور فزاینده ای از Pulumi برای ایجاد، استقرار و مدیریت زیرساخت های ابر در سراسر سیستم عامل های مختلف ابر استفاده می کنند. توسعه دهندگان Pulumi را آسان به کار می کنند زیرا مشخصات زیرساخت ها با استفاده از زبان های برنامه نویسی سطح بالا انجام می شود، نه فایل های پیکربندی. در این دوره، ژانانی راوی دانش خود را با استفاده از Pulumi به اشتراک می گذارد، با شروع مفاهیم اصول اولیه و پوشش نصب CLI Pulumi. او سپس توضیح می دهد که چگونه می توان از ظروف و برنامه ها استفاده کرد، نحوه پیکربندی Pulimi برای راه اندازی یک وب سایت استاتیک در AWS، و نحوه ارائه و راه اندازی یک برنامه در سرویس Kubernetes الاستیک در AWS.
عنوان اصلی : Kubernetes: Infrastructure as Code with Pulumi
سرفصل های دوره :
مقدمه:
زیرساخت ها به عنوان کد با Pulumi
بررسی سریع تکنولوژی پیش نیاز
1. شروع به کار با Pulumi:
اجمالی کامپوننت
مفاهیم و اصطلاحات
نصب CLI Pulumi
تأیید CLI با کنسول Pulumi
Overview معماری
2. کاوش پروژه ها و پشته ها:
نصب پشته
خروجی پشته
سیستم پیکربندی
از بین بردن و از بین بردن پشته ها
3. نصب ظروف در Docker:
ایجاد یک برنامه ساده Python Web
ساخت یک تصویر Docker
اجرای یک کانتینر Docker
استفاده از خروجی های پشته در اسکریپت ها
4. استقرار برنامه در یک خوشه محلی Kubernetes:
تنظیم یک خوشه محلی Kubernetes
ایجاد یک پروژه جدید با استفاده از کنسول Pulumi
نصب زیرساخت به یک خوشه محلی Kubernetes
حذف کپی با استفاده از سیستم پیکربندی
ارائه استقرار و خدمات در Kubernetes
5. راه اندازی یک وب سایت استاتیک در AWS:
پیکربندی دسترسی به منابع AWS
ارائه یک سطل S3
ایجاد یک وب سایت استاتیک
به روز رسانی وب سایت استاتیک
6. استقرار برنامه در سرویس Kubernetes الاستیک در AWS:
پیکربندی دسترسی به ایجاد خوشه های EKS
ارائه نقش Iam، VPC، Subnets، و گروه های امنیتی
ارائه یک خوشه EKS و گروه گره خوشه ای
نصب یک پشته برای ایجاد یک خوشه EKS
ثبت یک تصویر با ECR
استفاده از برنامه کاربردی به EKS
از بین بردن منابع و حذف پشته ها
نتیجه گیری:
خلاصه و مراحل بعدی
Kubernetes: Infrastructure as Code with Pulumi
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.
آموزش پیدا کردن ارتباط داده ها بوسیله Python
Natural Language Generation with Python
Data Engineering Pipeline Management with Apache Airflow
Applying the Mathematical MASS Model with R
آموزش آماده کردن داده ها برای مهندسی آینده و یادگیری ماشینی
Building Your First scikit-learn Solution
Implementing Machine Learning Workflow with Weka
آموزش ساخت Feature ها از داده های عددی
تجزیه و تحلیل پیش بینی شده با استفاده از Apache Spark Mllib در آژور Databricks
Style Transfer with PyTorch