DevOps-Core-Course: 18 практических лабораторий от контейнеризации до progressive deliveryЗаметка · дайджест за 8 ноября
Изометрическая 3D-диорама поэтапной сборки продакшен-инфраструктуры от контейнера Docker до кластера Kubernetes и ArgoCD.
Заметка3 раздела≈ 4 мин

DevOps-Core-Course: 18 практических лабораторий от контейнеризации до progressive delivery

Этот разбор даст тебе чёткий ответ на вопрос, как перестать учить инфраструктурные утилиты вразнобой и своими руками собрать продакшен-контур вокруг одного сервиса. Когда осваиваешь DevOps по отдельным шпаргалкам, ты быстро учишься запускать контейнер или писать сборку, но при попытке связать инструменты в единую систему детали не стыкуются.

Я изучил открытый репозиторий DevOps-Core-Course от Университета Иннополис (ссылкой поделился канал SQL Portal) и покажу его инженерную логику: как один веб-сервис обрастает автоматизацией, мониторингом и отказоустойчивостью без выброшенного кода.

Принцип «You build it, you run it»: как один сервис вырастает в кластер

Программа из 18 лабораторных работ на 16 недель опирается на принцип Вернера Фогельса «You build it, you run it» — кто написал сервис, тот и отвечает за его работу в продакшене.

Если тренироваться на одноразовых примерах, то после каждого урока ты удаляешь папку и не видишь, как код переживает обновление инфраструктуры. Если же в Лабораторной 1 написать веб-сервис на Python 3.13 (FastAPI или Flask в app_python/) и вести этот сквозной проект (QuickTicket) до финала, то каждый инструмент закрывает реальную задачу твоего приложения. По ходу курса одиночный сервис (web) вырастает в кластер из трёх компонентов за счёт двух Go-сервисов из папки plumbing/: в Лабораторной 9 подключается echo для проверки DNS и сети, а в Лабораторной 13 — health. Оба отдают метрики Prometheus, а ты встраиваешь их в общий контур (о базовых ступенях профессии мы также писали в обзоре пошагового DevOps Roadmap 2026).

Дорожная карта из 16 базовых недель: от контейнера и IaC до наблюдаемости и GitOps

Когда сервис готов, 16 еженедельных работ нанизывают на него слои эксплуатации (стек на май 2026 года):

  • Контейнеризация и CI (Лабораторные 2–3). Если код пора переносить с ноутбука, то в Docker 29 его упаковывают через многоступенчатую сборку (multi-stage build) в образ distroless — словно верстак остался в мастерской, а в квартиру уехал только готовый стол без лишних утилит. В GitHub Actions настраивается конвейер тестов, где Trivy проверяет образ перед отправкой в GHCR.
  • IaC и конфигурация (Лабораторные 4–6). Если образ собран, настраивать серверы вручную рискованно. Ресурсы описываются кодом (IaC) на Terraform 1.15, OpenTofu 1.12 и Pulumi 3.243, а деплой автоматизируется ролями ansible-core 2.21 с Ansible Vault и OIDC.
  • Логи и метрики (Лабораторные 7–8). Если сервис работает удалённо, без телеметрии ты действуешь вслепую. Логи собирает агент Grafana Alloy 1.16 в Loki 3.7, а метрики снимает Prometheus 3.x для Grafana 13 по методикам RED и USE.
  • Kubernetes, секреты и GitOps (Лабораторные 9–13). С появлением второго сервиса проект переезжает в k3d на Kubernetes 1.36 ("Haru") и упаковывается в чарты Helm 4.1. В Лабораторной 11 секреты выносятся в OpenBao 2.5 с External Secrets Operator, в Лабораторной 12 настраиваются тома PV/PVC, а на тринадцатой неделе деплой переводится на GitOps в ArgoCD 3.4 через ApplicationSet.

Прогрессивная доставка в Argo Rollouts, граничные вычисления и сборки на Nix

Что будет, если свежий релиз пройдёт тесты, но под нагрузкой начнёт сыпать ошибками? Если переключить весь трафик сразу, упадёт прод. Поэтому в Лабораторной 14 внедряется прогрессивная доставка (Progressive Delivery) через Argo Rollouts 1.8 для канареечных и сине-зелёных выкаток: контроллер переводит на новую версию малую долю запросов и через AnalysisTemplate сверяет метрики в Prometheus, автоматически откатывая сбойный релиз. В Лабораторных 15 и 16 цикл завершают StatefulSets и мониторинг kube-prometheus, а бонусные Лабораторные 17 и 18 знакомят с Cloudflare Workers (изоляты V8) и сборками на Nix flakes.

В итоге в твоём форке собирается рабочее портфолио. Чтобы пройти маршрут без пробуксовок, держи в памяти три ориентира:

  • Первая задача каждого модуля автономна. Работа даёт до 10 основных и 2 бонусных баллов, но стартовое задание независимо — пропуск бонуса не заблокирует следующую тему.
  • Локальному стенду нужно от 16 ГБ оперативной памяти. Запуск Kubernetes в k3d со связкой ArgoCD, Prometheus, Loki и тремя сервисами требует солидного запаса RAM.
  • Твой код живёт только в личном форке. В исходном репозитории лежат lectures/, labs/ и plumbing/, а папки студента внесены в .gitignore, поэтому веди работу в своём форке через Pull Request.

Такой последовательный путь от простого скрипта до кластера наглядно показывает, какую задачу решает каждая строчка конфигурации.

Хочу подробный разборГолоса помогают выбрать, что разобрать подробно. За этот материал 0 голосов.
Источники · 2