iT邦幫忙

devops相關文章
共有 947 則文章
鐵人賽 DevOps DAY 17

技術 Day 17 : 使用 Terraform 打造 AWS × GCP 混合雲基礎架構

前言 💡承接 Day 16:上一篇談應用層高可用(HPA/PDB/Deployment)。要落地,先有可複製的網路底座。 🏃本篇目標:用 Terraform 一...

鐵人賽 DevOps DAY 16

技術 Day 16 : 高可用與自動擴展:HPA、PDB 與 Deployment 策略圖解

● 前言 昨天我們透過 Helm Chart 把 Deployment / Service / Ingress / ConfigMap / Secret 模板化...

鐵人賽 DevOps DAY 15

技術 Day 15:從 YAML 到 Helm:打造可重用的部署模板

● 前言 在 Day 11~14,我們依序完成了 Deployment / Service / Ingress / ConfigMap / Secret 的基礎...

鐵人賽 DevOps DAY 13

技術 Day 13 : 用 Deployment、Service 與 Ingress 打造完整的 K8s 對外服務流程

● 前言 在前面幾天,我們已經透過Minikube了解Pod與Deployment的運作,也知道如何透過 Service 將 Pod 對外暴露。不過在實際上線環...

鐵人賽 DevOps DAY 12

技術 Day 12 : 常見的四種 K8s 部署策略(Rolling / Recreate / Blue-Green / Canary

● 前言 延續 Day 11的Minikube 實作,今天把雲端常見的四種部署策略用最精簡的方式梳理:何時用、怎麼做、怎麼回滾。 ● 四種部署策略 1.滾動部署...

鐵人賽 DevOps DAY 11

技術 Day 11:Kubernetes 入門(部署應用程式到 Minikube)

● 前言 在 Day 10,我們完成了 Docker 打包,但光有 Image 還不夠,我們需要有一個地方來「調度與運行」它,並且保證服務穩定,這就是 Kube...

鐵人賽 DevOps DAY 10

技術 Day 10 : 單體架構到微服務架構 ─ 為Kubernetes打下基礎

● 前言 Day 9 我們已經學會如何用 Docker 將應用程式容器化。但問題來了:為什麼要容器化?其中一個關鍵原因,就是要支撐「不同的軟體架構模式」,特別是...

鐵人賽 DevOps DAY 9

技術 Day 9:Docker 容器化與映像檔建立(打包專案)

●前言 ▪在前一篇,我們將 效能測試整合至 CI Pipeline(GitHub Actions),並利用 Locust 產出壓測報表。到目前為止,已經涵蓋了...

鐵人賽 DevOps DAY 8

技術 Day 8:效能測試實作與 CI/CD 整合(實務範例 + Locust 報表)

●前言 ▪在前一篇,我們已經介紹了效能測試的概念與類型(Load、Stress、Soak)。前幾天的測試是驗證「對不對」,今天的效能測試則是驗證「快不快、撐不撐...

鐵人賽 DevOps DAY 7

技術 Day 7:測試策略與效能測試概念

● 前言在前一篇,我們透過 CI/CD pipeline 自動執行了單元測試與整合測試,確保程式碼的正確性。但「正確」並不代表「撐得住」。系統一旦上線,就必須面...

鐵人賽 DevOps DAY 6

技術 Day 6:測試自動化(Unit Test + Integration Test)

●前言上一篇已經成功在Github上面建立一個簡單的CI pipeline,這一篇把測試導入工作流程,使用GitHub Actions機制達成測試自動化的效果...

鐵人賽 DevOps DAY 5

技術 Day 5:建立簡易的CI pipeline (GitHub Actions)

●前言 大多數面試會看 GitHub 展示專案。就既有的 SCM(Source Code Management)而言,GitHub Actions 是最容易入門...

鐵人賽 DevOps DAY 4

技術 Day 4:CI/CD 是什麼?工具比較(Jenkins, GitHub Actions, GitLab CI)

●CI/CD是什麼? 主要目的是將軟體開發過程自動化,從最初的程式碼提交 (code commit) 到最終的部署 (deployment),可以拆成兩個部分來...

鐵人賽 DevOps DAY 3

技術 Day 3:Git Flow vs GitHub Flow vs GitLab Flow - 如何選擇最適合的版本控制策略

● 前言 在開發流程中,版本控制策略不只影響團隊協作效率,也直接關係到部署風險與維運成本。 今天我會透過三種常見策略——Git Flow、GitHub Flow...

鐵人賽 DevOps DAY 2

技術 Day 2:DevOps 必備職能與職涯發展路徑

● 前言 DevOps因為需要操作容器與編排工具,通常會在Linux環境進行開發。以下是我統整的DevOps角色在各任務領域中最常見的工具與服務,後續章節將逐一...

鐵人賽 DevOps DAY 1

技術 Day 1:DevOps的誕生與由來

●從「交棒失誤」說起 在過去的軟體專案中,開發(Development)團隊與維運(Operations)團隊就像接力賽的兩支隊伍——開發寫好程式後交棒給維運,...

技術 [Day 3]Docker從零學習筆記

Docker 挑戰 - Day 3 目標 甚麼是 Dockerfile 練習打包自己的 Docker Image Docker-compose 進階專案(會部...

技術 [Day 2]Docker從零學習筆記

Docker 挑戰 - Day 2 目標 Image 跟 Container Volume & Volume進階挑戰(可不做) 建立一個自己的Dock...

技術 備考CKAD系列 - 應考資源與考試注意事項

我平常不會使用到k8s,最多就是使用到docker swarm而已。在使用docker compose或是docker swarm時,覺得如果要做到更加複雜的應...

徵才 【SHOPLINE 徵才】DevOps / BE (Golang) / QE / TPM

【關於工程團隊】SHOPLINE 位於台北松山區,以 SaaS 軟體耕耘電商產業。在台灣研發團隊有超過百位工程師,分為前後端、測試、數據、雲端維運等團隊,台北辦...

技術 如何在三層架構中使用VLAN或VPC保護應用

透過VPC實現網路隔離能在安全性方面帶來許多好處,例如實現內部協作以及妥善儲存敏感資訊。 在開發工作方面,網路隔離還可用於實現多層Web應用程式的部署。透過對...

鐵人賽 AI/ ML & Data

技術 從「這次不會壞吧」到自動化的未來:22 為什麼需要資料管理工具?DagsHub 與 DVC 怎麼選?

為什麼需要資料管理工具 隨著開發過程持續推進,通常會產生大量版本的程式碼,並需要使用版本控制工具追蹤這些程式碼,以利後續維護。除了程式碼,訓練資料也需要進行版本...

鐵人賽 AI/ ML & Data

技術 從「這次不會壞吧」到自動化的未來:21 CNN 模型訓練 MLDM + MLDE

今天我們會使用 MLDM + MLDE 來進行貓狗圖片分類的卷積神經網路(Convolutional Neural Network,CNN)模型訓練,並進行以下...

鐵人賽 AI/ ML & Data

技術 從「這次不會壞吧」到自動化的未來:20 從前處理到模型訓練,都在版控環境中?

過去在 DL 模型的開發過程中,要追蹤大量的資料和實驗結果可能需要結合多項工具,形成較高的學習成本;針對這些問題,HPE 推出 MLDM、MLDE 作為解決方案...

鐵人賽 AI/ ML & Data

技術 從「這次不會壞吧」到自動化的未來:19 所以模型版本控制工具怎麼選?

這幾天的文章主要分享三個頗受好評的模型實驗管理工具,市面上還有很多類似的工具,這些工具各有特色與強項,團隊可視情況選擇好維護的工具。 這些工具的目的都是在幫助團...

鐵人賽 AI/ ML & Data

技術 從「這次不會壞吧」到自動化的未來:18 模型版本控制 - MLflow

相較於 Tensorboard 與 Weight&Biases,MLflow 更著重於「公司內部的多人專案」的實驗管理上,主要讓工程師自己建立屬於公司內...

鐵人賽 AI/ ML & Data

技術 從「這次不會壞吧」到自動化的未來:17 模型版本控制 - Weight&Biases

大致功能與 Tensorboard 相同,但是整合了更多的深度學習(Llamaindex、Langchain、HuggingFace…)與機器學習(Sciki...

鐵人賽 AI/ ML & Data

技術 從「這次不會壞吧」到自動化的未來:16 模型版本控制 - Tensorboard

Tensorboard 算是深度學習早期最著名的實驗管理工具,至今依然十分熱門,它主打幾個功能: 視覺化的方式呈現模型訓練的Loss曲線和評估指標 視覺化的方...

鐵人賽 AI/ ML & Data

技術 從「這次不會壞吧」到自動化的未來:15 建模前,要思考的事

我們知道在做模型建立、模型驗證的時候需要思考以下幾個問題: 多人協作如何紀錄分析每位協作者的實驗紀錄,如何從眾多的實驗紀錄中快速比較出預測效果最好的模型? 當...