お問い合わせ

コース概要

モジュール1: マイクロサービス設計

• よいマイクロサービス境界
• ドメイン駆動設計(DDD)の使用
• 業務ドメイン境界の代替案(変動性、データ、テクノロジー、組織)
• 単一システムの分割
• 過早な分解
• レイヤーによる分割
• 分解パターン(ストレンガーパターン、並行実行、機能トグル)の使用
• データ分解の課題(パフォーマンス、整合性、トランザクション)

モジュール2: Dockerとランタイムの最適化

• 適切なベースイメージの選択
• レイヤー数の最小化
• マルチステージビルドの使用
• 画像最適化(マルチライン引数の並べ替えなど)
• ビルドキャッシュの活用
• イメージバージョンの固定
• リソース割り当ての微調整
• セキュアなコンテナプラクティス
• パフォーマンスのためのランタイム設定

モジュール3: Kubernetes & リリース戦略

Kubernetesデプロイメントの概要
• 最初のデプロイメントの作成と実行
• Kubernetesデプロイメントオプション

ローリングアップデートデプロイメントの実施
• ローリングアップデートの理解
• ローリングアップデートの作成と実行
• デプロイメントのロールバック

カナリーデプロイメントの実施
• カナリーデプロイメントの理解
• カナリーデプロイメントの作成と実行

ブルーグリーンデプロイメントの実施
• ブルーグリーンデプロイメントの理解
• ブルーグリーンデプロイメントの作成と実行

ジョブとCronJobsの実行
• ジョブとCronJobの作成

モニタリングとトラブルシューティングタスクの実施
• kubectlを使用したトラブルシューティング技術

モジュール4: 自動化 & 運用効率

Pythonを使用してKubernetesの一般的なタスクを自動化する
• Pythonを使用したKubernetesでの管理操作
• Pythonを使用した構成オブジェクトの定義
• Pythonを使用したデプロイメントオブジェクトの作成
• Pythonを使用したKubernetesイベントの監視
• Pythonを使用したデプロイメントのスケーリング

デプロイメントの自動化における課題の理解
• Kubernetesでの宣言的構成
• 構成の整合性の管理

GitOpsアプローチを使用したデプロイメントの自動化
• GitOpsの原則
• Fluxの紹介
• KubernetesクラスターへのFluxのインストール

自動化されたデプロイメントのためのFluxの構成
• 通知の使用
• ソースリポジトリの構造

画像自動化を使用したアプリケーション更新の処理
• Fluxを使用したアプリケーションデプロイメントの更新
• コンテナイメージリポジトリのタグスキャン
• 最新のイメージ選択のためのポリシー定義
• Fluxを使用した自動的なイメージ更新の構成

モジュール5: 観測性 & 根本原因の明確化

Kubernetesのログとトレーシング機能
• ログとトレーシングがなぜ重要か
• Kubernetesログへのアクセス
• Podとコンテナログ
• コントロールプレーンログ
• ノードとPodのリソース使用量

ログの収集と分析
• ログ集約
• ログビジュアライゼーション

Kubernetesでの分散トレーシング
• 分散トレーシングとは何か
• OpenTelemetryの使用
• 分散トレーシングツール
• アプリケーションのインストルメンテーション
• トレーシングを使用したパフォーマンス問題の特定

PrometheusとGrafanaでの監視
• 観測性の概念
• 監視ツール
• Prometheusインストルメンテーションの使用

ログの高度なユースケース
• ログ処理
• ログのフィルタリングと強化
• イベントソーシング

モジュール6: クラスタ危機シミュレーション & インシデント対応

• クラスタ環境でのさまざまなタイプの障害を理解する
• ノード障害のシミュレーション
• Podの排出とリソース枯渇シナリオ
• ネットワーク問題
• アプリケーションタイムアウト処理のためのDNS障害
• APIサーバー停止のシミュレーション
• 高負荷のシミュレーションによるシステムの安定性確認
• ストレージ障害
• 構成エラー
• インシデント報告手順の理解

モジュール7: トラブルシューティングを支援するAI

• Kubernetes向けジェネレーティブAIのメリット
• K8sGPT CLIアーキテクチャ
• K8sGPT CLIのインストール
• K8sGPTコマンドと使用方法
• K8sGPTアナライザー(podAnalyzer、pvcAnalyzer、rsAnalyzerなど)の使用
• K8sGPTを使用したクラスタ分析
• K8sGPTを使用したリアルタイム問題の分析
• クラスター内のK8sGPTオペレーター

要求

  • Linuxコマンドラインの基本的な知識
  • アプリケーション開発またはシステム管理の経験
  • コンテナ(Docker概念)に関する知識
  • Kubernetes概念(Pods、Deployments、Servicesなど)の基本的な理解
  • ソフトウェアアーキテクチャ(API、サービスなど)に関する一般的な理解

対象者:

  • DevOpsエンジニア
  • サイト信頼性エンジニア(SREs)
  • マイクロサービスを使用するバックエンド/ソフトウェア開発者
  • クラウドエンジニアおよびプラットフォームエンジニア
  • Kubernetes環境への移行を検討しているシステム管理者

     

 49 時間

参加者の人数


参加者1人あたりの価格

お客様の声 (1)

今後のコース

関連カテゴリー