Что такое Cluster Autoscaler в Kubernetes?
👾 — Организация сетевых обновлений
👍 — Инструмент для управления внутренним DNS
🥰 — Автоматическая регулировка количества узлов в кластере
⚡️ — Управление логами Kubernetes
Библиотека задач по DevOps
👾 — Организация сетевых обновлений
👍 — Инструмент для управления внутренним DNS
🥰 — Автоматическая регулировка количества узлов в кластере
⚡️ — Управление логами Kubernetes
Библиотека задач по DevOps
🥰5
Forwarded from Азбука айтишника
🐳 Docker vs ☸️ Kubernetes: Кто за что отвечает?
Если ты до сих пор путаешь эти два понятия, не переживай, это база, в которой легко заплутать. Давай разберем разницу.
Что такое Docker?
Это инструмент для контейнеризации. Он позволяет упаковать приложение и все его зависимости (библиотеки, фреймворки) в один легкий изолированный контейнер.
- Как работает: Один демон на один хост операционной системы.
- Фокус: Создание, распределение и запуск отдельных контейнеров.
- Итог: Твой код работает везде одинаково, но управлять сетью и безопасностью между кучей серверов придется вручную.
Что такое Kubernetes (K8s)?
Это оркестратор. Если Docker - это один кирпич (контейнер), то K8s - это целая стройплощадка и прораб в одном лице, который управляет кластером из множества хостов.
- Как работает: Управляет множеством хостов в рамках одного кластера (Many Hosts per Cluster).
- Фокус: Автоматизация деплоя, масштабирование и «самолечение» приложений.
- Итог: Система сама балансирует нагрузку и следит, чтобы всё работало согласно заданному плану.
➖ Главные отличия:
Уровень работы | Docker: Отдельные контейнеры на одном хосте | Kubernetes: Кластер из множества хостов |
Масштабирование | Docker: Нужно настраивать вручную для каждого хоста | Kubernetes: Автоматическое масштабирование по требованию |
Сложность | Docker: Просто запустить и использовать |Kubernetes: Требует серьезной настройки и навыков |
Суть проста: Docker фокусируется на том, как упаковать и запустить код, а Kubernetes на том, как управлять этим кодом в масштабах огромной системы.
Вы за ручное управление или доверяете всё автоматике K8s?
❤️ — Docker наше всё, просто и понятно
🔥 — K8s, когда нужно масштабироваться
🔹 Курс «Алгоритмы и структуры данных»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
🏃♀️ Азбука айтишника
#ликбез
Если ты до сих пор путаешь эти два понятия, не переживай, это база, в которой легко заплутать. Давай разберем разницу.
Что такое Docker?
Это инструмент для контейнеризации. Он позволяет упаковать приложение и все его зависимости (библиотеки, фреймворки) в один легкий изолированный контейнер.
- Как работает: Один демон на один хост операционной системы.
- Фокус: Создание, распределение и запуск отдельных контейнеров.
- Итог: Твой код работает везде одинаково, но управлять сетью и безопасностью между кучей серверов придется вручную.
Что такое Kubernetes (K8s)?
Это оркестратор. Если Docker - это один кирпич (контейнер), то K8s - это целая стройплощадка и прораб в одном лице, который управляет кластером из множества хостов.
- Как работает: Управляет множеством хостов в рамках одного кластера (Many Hosts per Cluster).
- Фокус: Автоматизация деплоя, масштабирование и «самолечение» приложений.
- Итог: Система сама балансирует нагрузку и следит, чтобы всё работало согласно заданному плану.
Уровень работы | Docker: Отдельные контейнеры на одном хосте | Kubernetes: Кластер из множества хостов |
Масштабирование | Docker: Нужно настраивать вручную для каждого хоста | Kubernetes: Автоматическое масштабирование по требованию |
Сложность | Docker: Просто запустить и использовать |Kubernetes: Требует серьезной настройки и навыков |
Суть проста: Docker фокусируется на том, как упаковать и запустить код, а Kubernetes на том, как управлять этим кодом в масштабах огромной системы.
Вы за ручное управление или доверяете всё автоматике K8s?
❤️ — Docker наше всё, просто и понятно
🔥 — K8s, когда нужно масштабироваться
🔹 Курс «Алгоритмы и структуры данных»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
#ликбез
Please open Telegram to view this post
VIEW IN TELEGRAM
💯1
Какой тип Kubernetes Service нужен для внешнего доступа из интернета в облаке?
👾 — ClusterIP — достаточно
👍 — LoadBalancer (облачный LB); Ingress обычно работает поверх него
🥰 — Headless Service
⚡️ — NodePort всегда автоматически создаёт облачный балансировщик
Библиотека задач по DevOps
👾 — ClusterIP — достаточно
👍 — LoadBalancer (облачный LB); Ingress обычно работает поверх него
🥰 — Headless Service
⚡️ — NodePort всегда автоматически создаёт облачный балансировщик
Библиотека задач по DevOps
👍10
Forwarded from Азбука айтишника
Kubernetes (K8s) – это система оркестрации контейнеров. Она используется для деплоя и управления контейнерами. Ее дизайн во многом вдохновлен Borg – внутренней системой Google.
Кластер (cluster) K8s состоит из набора рабочих машин (worker machines), называющихся узлами (nodes), которые запускают контейнеризованные приложения. Каждый кластер имеет хотя бы один рабочий узел.
На рабочих узлах размещаются модули (pods), которые являются компонентами рабочей нагрузки приложения. Контрольный уровень (control plane) управляет рабочими узлами и модулями в кластере. В продакшне уровень управления обычно работает на нескольких компьютерах, а в кластере, как правило, работает несколько узлов, что обеспечивает отказоустойчивость и высокую доступность.
Компоненты уровня управления
1. Сервер API – общается со всеми компонентами кластера. Все операции над модулями выполняются через него.
2. Планировщик (Scheduler) - следит за полезной нагрузкой модулей и загружает создаваемые модули.
3. Менеджер контроллеров (Controller Manager) – запускает контроллеры, включая Node Controller, Job Controller, EndpointSlice Controller и ServiceAccount Controller.
4. Etcd – хранилище ключ-значение, используемое в качестве резервного хранилища данных всех кластеров.
1. Модули. Модуль – это группа контейнеров и наименьшая единица, которой оперирует K8s. Модули имеют один IP-адрес, применяемый ко всем контейнерам модуля.
2. Kubelet – агент, запускающийся на каждом узле кластера. Он обеспечивает запуск контейнеров в модуле.
3. Kube Proxy – сетевой прокси, запускающийся в каждом узле кластера. Он перенаправляет трафик, приходящий в узел из сервиса. Он перенаправляет запросы для обработки в нужные контейнеры.
🔹 Курс «Алгоритмы и структуры данных»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
#ликбез
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Азбука айтишника
Концепция DevOps была представлена в 2009 Patrick Debois и Andrew Shafer на конференции "Agile". Они стремились сократить разрыв между разработкой ПО и его эксплуатацией, продвигая культуру сотрудничества и общую ответственность за весь жизненный цикл разработки ПО.
Концепция SRE, или Site Reliability Engineering (проектирование надежности объекта), была впервые разработана компанией Google в начале 2000-х для решения операционных задач управления крупномасштабными и сложными системами. Google разработала методы и инструменты SRE, такие как система управления кластерами Borg и система мониторинга Monarch, чтобы повысить надежность и эффективность своих сервисов.
Platform Engineering (разработка платформ) — это более новая концепция, основанная на SRE. Считается, что это расширение практик DevOps и SRE с упором на предоставление комплексной платформы для разработки продуктов, которая поддерживает всю бизнес-логику.
Все эти концепции связаны с тенденцией улучшения совместной работы, автоматизации и эффективности разработки и эксплуатации ПО.
🔹 Практический интенсив «Архитектуры и шаблоны проектирования»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
#ликбез
Please open Telegram to view this post
VIEW IN TELEGRAM
Почему в типичных ИТ-организациях существует конфликт между группами разработки и операций?
👾 — Они имеют разный бекграунд
👍 — Команда разработчиков лучше разбирается в программных продуктах и услугах
🥰 — Команда разработки лучше разбирается в тестовых и производственных средах
⚡️ — У них противоречивые бизнес-цели и приоритеты
🐸 Библиотека задач по DevOps
👾 — Они имеют разный бекграунд
👍 — Команда разработчиков лучше разбирается в программных продуктах и услугах
🥰 — Команда разработки лучше разбирается в тестовых и производственных средах
⚡️ — У них противоречивые бизнес-цели и приоритеты
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡3
Какие преимущества дает указание имен портов в конфигурациях сервисов в Kubernetes?
👾 — Улучшенная безопасность
👍 — Улучшенная масштабируемость
🥰 — Повышенная гибкость в сопоставлении портов
⚡️ — Упрощенные сетевые политики
🐸 Библиотека задач по DevOps
👾 — Улучшенная безопасность
👍 — Улучшенная масштабируемость
🥰 — Повышенная гибкость в сопоставлении портов
⚡️ — Упрощенные сетевые политики
Please open Telegram to view this post
VIEW IN TELEGRAM
🥰5
⚡️ Продолжаем знакомить вас с экспертами курса AgentOps!
— Сергей Нотевский расскажет, как выстроить FinOps для AI-продуктов: оптимизировать затраты на разработку и продакшен, внедрить model routing, semantic cache и систему алертов для контроля расходов
— Эмиль Сатаев разберет Context Engineering: управление контекстом, защиту от prompt injection, работу с длинными контекстами и построение безопасного пайплайна входа для AI-систем
— Михаил Бондаревский покажет, как подготовить инфраструктуру для AI-агентов: Docker, sandboxing, streaming, docker-compose и воспроизводимое окружение для разработки и продакшена
— Мурат Хажгериев расскажет про Enterprise Integrations & MCP: когда MCP действительно нужен, как подключать внешние сервисы и реализовывать интеграции с OAuth2 delegation
— Герман Сабиров разберет Governance & Compliance для AI-систем: data flow, audit logs, требования 152-ФЗ, локализацию данных и построение compliance-подхода на уровне архитектуры
Курс для backend-разработчиков, тимлидов и LLM инженеров о том, как внедрять AI-логику в бэкенд IT-продуктов и сохранять стабильность сервиса.
👉 Изучить обновленную программу AgentOps и занять место.
— Сергей Нотевский расскажет, как выстроить FinOps для AI-продуктов: оптимизировать затраты на разработку и продакшен, внедрить model routing, semantic cache и систему алертов для контроля расходов
— Эмиль Сатаев разберет Context Engineering: управление контекстом, защиту от prompt injection, работу с длинными контекстами и построение безопасного пайплайна входа для AI-систем
— Михаил Бондаревский покажет, как подготовить инфраструктуру для AI-агентов: Docker, sandboxing, streaming, docker-compose и воспроизводимое окружение для разработки и продакшена
— Мурат Хажгериев расскажет про Enterprise Integrations & MCP: когда MCP действительно нужен, как подключать внешние сервисы и реализовывать интеграции с OAuth2 delegation
— Герман Сабиров разберет Governance & Compliance для AI-систем: data flow, audit logs, требования 152-ФЗ, локализацию данных и построение compliance-подхода на уровне архитектуры
Курс для backend-разработчиков, тимлидов и LLM инженеров о том, как внедрять AI-логику в бэкенд IT-продуктов и сохранять стабильность сервиса.
👉 Изучить обновленную программу AgentOps и занять место.
💯1
Что препятствует использованию сервера API Kubernetes в качестве прокси-сервера для неавторизованных конечных точек?
👾 — Сетевые политики
👍 — Конфигурации EndpointSlice
🥰 — Политики безопасности Pod
⚡️ — Механизмы аутентификации и авторизации
Библиотека задач DevOps
👾 — Сетевые политики
👍 — Конфигурации EndpointSlice
🥰 — Политики безопасности Pod
⚡️ — Механизмы аутентификации и авторизации
Библиотека задач DevOps
В CI/CD пайплайне часто случаются фейлы при деплое в Kubernetes из-за того, что некоторые сервисы ещё не успели подняться, а другие уже начинают к ним обращаться. Какой подход будет наиболее правильным для решения этой проблемы?
👾 — Увеличить таймаут деплоя в CI/CD и просто ждать дольше
👍 — Использовать readinessProbe и livenessProbe в манифестах Pod’ов, чтобы контролировать доступность сервисов
🥰 — Настроить в пайплайне ручное подтверждение перед каждым шагом деплоя
⚡️ — Отключить проверки доступности сервисов и надеяться, что при рестарте всё заработает
🐸 Библиотека задач по DevOps
👾 — Увеличить таймаут деплоя в CI/CD и просто ждать дольше
👍 — Использовать readinessProbe и livenessProbe в манифестах Pod’ов, чтобы контролировать доступность сервисов
🥰 — Настроить в пайплайне ручное подтверждение перед каждым шагом деплоя
⚡️ — Отключить проверки доступности сервисов и надеяться, что при рестарте всё заработает
Please open Telegram to view this post
VIEW IN TELEGRAM
👍11
Проект, созданный для упрощения и оптимизации использования Docker на Mac или Windows. Этот инструмент автоматизирует процесс установки и настройки Docker и предоставляет графический интерфейс пользователя для запуска контейнеров Docker
👾 — Docker Cloud
👍 — Docker Kitematic
🥰 — Docker Compose
⚡ — Docker Control Plane
Библиотека задач по DevOps
👾 — Docker Cloud
👍 — Docker Kitematic
🥰 — Docker Compose
Библиотека задач по DevOps
Please open Telegram to view this post
VIEW IN TELEGRAM
📊 Хотите войти в Data Science, но математика кажется самым сложным этапом?
На практике большинство джунов спотыкаются не о Python, а о математическую базу:
▪️ Теорию вероятностей и статистику
▪️ Линейную алгебру
▪️ Математический анализ
▪️ Комбинаторику
Именно на этих темах строятся машинное обучение, аналитика данных и рекомендательные системы.
Освойте ключевые разделы математики, которые используются в Data Science и Machine Learning на курсе «Математика для Data Science».
Что вас ждет:
🔹 40+ видеолекций и 150+ практических заданий на Python
🔹 Проверка домашних работ и обратная связь от преподавателей
🔹 Подготовка к задачам с технических собеседований
🔹 Программа от преподавателей ВМК МГУ, НИУ ВШЭ и экспертов индустрии
Курс подойдет разработчикам, аналитикам и всем, кто планирует развиваться в Data Science и Machine Learning.
👉 Записаться на бесплатный демо-урок
На практике большинство джунов спотыкаются не о Python, а о математическую базу:
▪️ Теорию вероятностей и статистику
▪️ Линейную алгебру
▪️ Математический анализ
▪️ Комбинаторику
Именно на этих темах строятся машинное обучение, аналитика данных и рекомендательные системы.
Освойте ключевые разделы математики, которые используются в Data Science и Machine Learning на курсе «Математика для Data Science».
Что вас ждет:
🔹 40+ видеолекций и 150+ практических заданий на Python
🔹 Проверка домашних работ и обратная связь от преподавателей
🔹 Подготовка к задачам с технических собеседований
🔹 Программа от преподавателей ВМК МГУ, НИУ ВШЭ и экспертов индустрии
Курс подойдет разработчикам, аналитикам и всем, кто планирует развиваться в Data Science и Machine Learning.
👉 Записаться на бесплатный демо-урок
Как безопасно передать приватный токен в этап сборки, чтобы он не попал в финальный образ и историю слоёв?
👾 — ENV GIT_TOKEN=... и использовать в RUN
👍 — COPY token /root/token и потом RUN rm /root/token
🥰 — Использовать BuildKit: RUN --mount=type=secret,id=git_token ... и собирать docker build --secret id=git_token,src=./token
⚡ — ARG GIT_TOKEN=... и использовать в RUN
Библиотека задач по DevOps
👾 — ENV GIT_TOKEN=... и использовать в RUN
👍 — COPY token /root/token и потом RUN rm /root/token
🥰 — Использовать BuildKit: RUN --mount=type=secret,id=git_token ... и собирать docker build --secret id=git_token,src=./token
Библиотека задач по DevOps
Please open Telegram to view this post
VIEW IN TELEGRAM
🥰2👾1
💻 3 курса по цене одного — собери стек для оффера в топовую IT-компанию
Для следующего карьерного шага мало писать код. Работодатели ждут не только знания языка, но и понимания архитектуры, алгоритмов, автоматизации, AI-инструментов и агентных систем.
Одно направление закрывает только часть задачи.
Поэтому сейчас мы предлагаем освоить сразу несколько востребованных навыков — выбери любой курс и получи доступ еще к двум бесплатно 🔥
Собери стек навыков под свою цель:
🔹 подготовка к сильным компаниям (алгоритмы, архитектура);
🔹 переход в AI-направление (ИИ-агенты, AgentOps);
🔹 развитие в ML и Data Science (математика, основы ML);
🔹 новый оффер и рост дохода.
Полученные знания применяешь в работе уже во время обучения.
⏳ Акция действует 48 часов — 13 и 14 июня.
👉 Переходи на сайт, выбирай курсы и оставляй заявку — за 10 минут поможем собрать комплект под твою цель.
Для следующего карьерного шага мало писать код. Работодатели ждут не только знания языка, но и понимания архитектуры, алгоритмов, автоматизации, AI-инструментов и агентных систем.
Одно направление закрывает только часть задачи.
Поэтому сейчас мы предлагаем освоить сразу несколько востребованных навыков — выбери любой курс и получи доступ еще к двум бесплатно 🔥
Собери стек навыков под свою цель:
🔹 подготовка к сильным компаниям (алгоритмы, архитектура);
🔹 переход в AI-направление (ИИ-агенты, AgentOps);
🔹 развитие в ML и Data Science (математика, основы ML);
🔹 новый оффер и рост дохода.
Полученные знания применяешь в работе уже во время обучения.
⏳ Акция действует 48 часов — 13 и 14 июня.
👉 Переходи на сайт, выбирай курсы и оставляй заявку — за 10 минут поможем собрать комплект под твою цель.
Какая практика предполагает развертывание кода в производственной среде перед фактическим производством?
👾 — Непрерывное тестирование
👍 — Canary Release
🥰 — Сине-зеленое развертывание
⚡️ — Непрерывное развертывание
Библиотека задач DevOps
👾 — Непрерывное тестирование
👍 — Canary Release
🥰 — Сине-зеленое развертывание
⚡️ — Непрерывное развертывание
Библиотека задач DevOps
⚡2👍2
В Kubernetes у Pod падает readinessProbe. Что происходит?
👾 — Pod исключают из Endpoints — трафик от Service не идёт, контейнер не перезапускается
⚡️ — Контейнер немедленно перезапускается kubelet’ом
Библиотека задач по DevOps
👾 — Pod исключают из Endpoints — трафик от Service не идёт, контейнер не перезапускается
Библиотека задач по DevOps
Please open Telegram to view this post
VIEW IN TELEGRAM
👾5
🔥 Чем больше агентов — тем лучше? Не всегда. Уже завтра поговорим о реальных ограничениях на открытом уроке «Мультиагентные системы: почему большинство архитектур переусложнены».
Спикер — Дмитрий Юдин, руководитель AI/ML-направления в Сloud․ru.
После урока вы:
🔹 будете лучше ориентироваться в выборе между одним агентом и мультиагентной системой;
🔹 поймёте, какие архитектурные ошибки встречаются чаще всего;
🔹 получите практические ориентиры для проектирования и внедрения агентных систем;
🔹 будете лучше понимать возможности и ограничения современных ИИ-агентов.
🗓️ 18 июня, 19:00 (МСК)
⏱️ 90 минут
👉 Зарегистрироваться и получить промокод на 10 000 ₽
Спикер — Дмитрий Юдин, руководитель AI/ML-направления в Сloud․ru.
После урока вы:
🔹 будете лучше ориентироваться в выборе между одним агентом и мультиагентной системой;
🔹 поймёте, какие архитектурные ошибки встречаются чаще всего;
🔹 получите практические ориентиры для проектирования и внедрения агентных систем;
🔹 будете лучше понимать возможности и ограничения современных ИИ-агентов.
🗓️ 18 июня, 19:00 (МСК)
⏱️ 90 минут
👉 Зарегистрироваться и получить промокод на 10 000 ₽
🔥 Чем больше агентов — тем лучше? Не всегда. Уже завтра поговорим о реальных ограничениях на открытом уроке «Мультиагентные системы: почему большинство архитектур переусложнены».
Спикер — Дмитрий Юдин, руководитель AI/ML-направления в Сloud․ru.
После урока вы:
🔹 будете лучше ориентироваться в выборе между одним агентом и мультиагентной системой;
🔹 поймёте, какие архитектурные ошибки встречаются чаще всего;
🔹 получите практические ориентиры для проектирования и внедрения агентных систем;
🔹 будете лучше понимать возможности и ограничения современных ИИ-агентов.
🗓️ 18 июня, 19:00 (МСК)
⏱️ 90 минут
👉 Зарегистрироваться и получить промокод на 10 000 ₽
Спикер — Дмитрий Юдин, руководитель AI/ML-направления в Сloud․ru.
После урока вы:
🔹 будете лучше ориентироваться в выборе между одним агентом и мультиагентной системой;
🔹 поймёте, какие архитектурные ошибки встречаются чаще всего;
🔹 получите практические ориентиры для проектирования и внедрения агентных систем;
🔹 будете лучше понимать возможности и ограничения современных ИИ-агентов.
🗓️ 18 июня, 19:00 (МСК)
⏱️ 90 минут
👉 Зарегистрироваться и получить промокод на 10 000 ₽
⏰ Уже сегодня в 19:00 (МСК) стартует открытый урок!
Тема:
🔥 За 90 минут разберёмся, когда действительно стоит строить мультиагентную систему, а когда она только добавляет сложность, расходы и новые точки отказа.
Поговорим о критериях выбора архитектуры, типичных ошибках и ограничениях современных ИИ-агентов, которые важно учитывать ещё до внедрения в продукт.
🎙️ Спикер — Дмитрий Юдин, руководитель AI/ML-направления в Сloud․ru.
🎁 Для всех участников подготовили промокод на скидку 10 000 ₽ на курс «Разработка ИИ-агентов».
👉 Успей присоединиться к уроку
Тема:
«Мультиагентные системы: почему большинство архитектур переусложнены»
🔥 За 90 минут разберёмся, когда действительно стоит строить мультиагентную систему, а когда она только добавляет сложность, расходы и новые точки отказа.
Поговорим о критериях выбора архитектуры, типичных ошибках и ограничениях современных ИИ-агентов, которые важно учитывать ещё до внедрения в продукт.
🎙️ Спикер — Дмитрий Юдин, руководитель AI/ML-направления в Сloud․ru.
🎁 Для всех участников подготовили промокод на скидку 10 000 ₽ на курс «Разработка ИИ-агентов».
👉 Успей присоединиться к уроку