Managing Cloud Environments at Scale bietet einen differenzierten Zugang zu Enterprise-Cloud-Umgebungen und DevOps im Kontext fortschrittlicher Cloud Computing-Lösungen. Mit Schwerpunkt auf Cloud Infrastructure, Kubernetes und Automation zeigt dieser Kurs, wie komplexe Multi-Cloud-Architekturen mit AWS, Azure und Serverless-Technologien nachhaltig skaliert und verwaltet werden. Besonderes Augenmerk wird auf Infrastructure as Code-Ansätze wie Terraform, Ansible und Jenkins gelegt. Somit richtet sich der Kurs gezielt an technische Anwender, die Cloud Engineering, Continuous Integration, Continuous Deployment und Cloud Security im großen Maßstab umsetzen und gleichzeitig SRE-Prinzipien, Monitoring und Observability ins Zentrum ihrer täglichen Arbeit stellen wollen.
Grundlagen und Kernkonzepte- DevOps-Kernkonzepte, Cloud Architecture-Prinzipien und Abgrenzung verschiedener Cloud Computing-Modelle (Public, Private, Hybrid)
- Systematischer Überblick: Microservices-Design, Containerisierung mit Docker und Kubernetes, Automatisierung von Deployments und Skalierung
- Spezifische Fallstricke und Herausforderungen im Cloud Engineering: Virtualization, Networking, Logging, Cloud Security
- Unterschiede zwischen Infrastructure as Code-Tools wie Terraform und Ansible; passende Tool-Auswahl treffen
- Integration klassischer IT-Prozesse mit GitOps- und CI/CD-Pipelines
- Cloudspezifische Anforderungen für Produktionsumgebungen, Besonderheiten von SRE-Ansätzen
Technische Implementierung und Praxis
- Umsetzung vollständiger CI/CD-Pipelines mit Jenkins und GitOps, inklusive Automatisierung von Testing und Deployments
- Anwendung von Kubernetes und Docker zur effizienten Bereitstellung und Verwaltung skalierbarer Cloud Infrastructure
- Detaillierte Schritte zur Implementierung von Infrastructure as Code mit Terraform und Ansible für verschiedene Cloud-Provider
- Monitoring- und Observability-Strategien: Metriken, Tracing, Logging im Enterprise-Kontext
- Cloud Security: Absicherung von Cloud-Umgebungen, Identity Management, Berechtigungen und Compliance
- Anwendung von Python und Linux für Automatisierung und Scripting im Cloud-Betrieb
- Problembehandlung bei hochskalierten Deployments und effektive Performance-Steigerung
Analyse, Interpretation und Validierung
- Analytische Methoden zur Prüfung von Cloud Engineering-Setups, Monitoring-Daten und Observability-Kennzahlen
- Visualisierung von DevOps- und Cloud Computing-Architekturen für technische Entscheidungsfindung
- Einfluss der Architekturwahl auf Skalierbarkeit, Performance und Security in skalierbaren Cloud-Umgebungen
- Risikobewertung und Korrektur von Cloud Security-Issues auf Infrastrukturebene
- Reporting und Dokumentation: Sicherstellung von Auditierbarkeit, Compliance und Nachvollziehbarkeit
- Handlungsempfehlungen auf Basis strukturierter Cloud-Metriken
Praxisprojekte, Fallstudien und Vertiefung
- Realitätsnahe Cloud-Projekte mit Multi-Cloud, Kubernetes und Infrastructure as Code, Integration von AWS, Azure und Serverless