Configuration Management at Scale ist speziell darauf zugeschnitten, professionelle DevOps-Prozesse in großskaligen Cloud Computing-Umgebungen wie AWS und Azure abzubilden. Im Gegensatz zu allgemeinen DevOps-Kursen behandelt dieser Kurs die Integration von Infrastructure as Code-Tools wie Terraform und Ansible zur Verwaltung komplexer Cloud Infrastructure und fokussiert sich auf den nahtlosen Einsatz von Kubernetes, Docker und Automation-Strategien im hochskalierenden Umfeld. Sie lernen detailliert, CI/CD-Pipelines mit Jenkins und GitOps gezielt für große Microservices-Architekturen zu orchestrieren und erhalten Einblick in SRE-Prinzipien, Monitoring, Logging, Observability sowie fortgeschrittene Methoden für Cloud Security, Virtualization und Networking. Mit zahlreichen praktischen Cloud Engineering-Beispielen auf Basis von Python und Linux-Tooling entwickeln Sie robuste, sichere und automatisierte Lösungen, die speziell auf hochdynamische IT-Landschaften ausgerichtet sind.
Grundlagen und Kernkonzepte- Detaillierte Einführung in DevOps, Cloud Infrastructure-Modelle und deren Unterschiede
- Analyse von Herausforderungen durch Cloud Computing und skalierende Infrastruktur
- Funktionsweise von Infrastructure as Code, Terraform, Ansible und deren Synergien mit Cloud Architecture
- Bedeutung von Continuous Integration und Continuous Deployment in komplexen Netzwerkstrukturen
- Einbindung von Cloud Security und Best Practices für sichere Automatisierung
- Grundlagen zu Linux, Python sowie typischen Virtualization-Technologien
- Überblick über aktuelle Cloud Engineering-Trends und Networking-Topologien
Technische Implementierung und Praxis
- Umsetzung von Infrastruktur in Cloud Computing-Umgebungen mit Kubernetes, Docker und Serverless-Technologien
- Aufbau und Management von CI/CD-Pipelines mittels Jenkins und GitOps
- Integration von Automation in produktive Abläufe sowie Monitoring und Logging für Observability
- Skalierungsmechanismen für Microservices und hochverfügbare Systeme
- Absicherung und Compliance-Kontrollen in hybriden Infrastrukturen
- Fehlerdiagnose und Recovery-Strategien bei Performance-Engpässen
- Optimierung von Netzwerkressourcen für maximale Scalability und Stabilität
Analyse, Interpretation und Validierung
- Auswertung cloudbasierter DevOps-Prozesse mittels Monitoring-Tools
- Validierung von Automation, Infrastrukturveränderungen und Security-Maßnahmen
- Datengetriebene Entscheidungen über GitOps- und SRE-Metriken
- Erstellung nachvollziehbarer Dokumentation für Cloud Infrastructure-Projekte
- Analyse von Netzwerk- und Sicherheitsereignissen
- Systematische Nachverfolgung und Reporting von Changes
Praxisprojekte, Fallstudien und Vertiefung
- Fallstudien zu Kubernetes, Docker und Infrastructure as Code im produktiven Einsatz
- Skalierung von Cloud Engineering-Prozessen in Hybrid- und Multi-Cloud-Architekturen
- Eigene Projekte zum Aufbau automatisierter Monitoring- und Logging-Strukturen