DevOps 并不复杂：动手自动化

MP4 |视频：h264，1280×720 |音频：AAC，44.1 KHz，2 Ch
语言：英语 |时长：9小时58米

你将学到什么

• 使用 Terraform（虚拟机、网络、Kubernetes）自动化 AWS 和 Azure 上的基础设施
• 使用 GitHub Actions 构建专业的 CI/CD 管道（测试、部署、自动销毁）
• 使用 HPA、Ingress 和 KEDA 管理 Azure (AKS) 上的 Kubernetes 集群
• 使用 Datadog 监控云环境（指标、日志、仪表板）
• 编写 Ansible 手册以实现自动化服务器配置
• 使用容器（Docker multistage、Docker Compose、Docker Hub）
• 设置完整的 DevOps 环境（Git、Linux、IaC、CI/CD）
• 准备获得 AZ-400 DevOps 等认证
• 示例：进行案例研究以管理项目从概念到完成的整个过程

要求

基础 IT 知识 — 简单了解服务器和网络的工作原理（入门级）
可访问互联网的计算机 — Windows、Mac 或 Linux（用于实践实验室）
免费云帐户 — AWS 免费套餐和 Azure 免费套餐（我们教您如何设置它们）
学习意愿 — 课程从零开始，介绍 Git、Linux 和云概念
无需编程经验 — 您将逐步学习所需的一切步骤

描述

您将学到什么 – 亲自动手，无需花言巧语云，动手在 AWS 和 Azure 上构建虚拟机、网络和存储（实验 10-15、38-44）真正的自动化编写脚本以批量创建多个虚拟机（实验 40、44）并使用 jq 操作 JSON（实验 41、43）专业 TerraformProvision Kubernetes 集群（实验52–55）和具有变量和模块的虚拟机（实验 48–51）应用 Ansible 部署容器，管理用户和权限（实验 60–61）完成 CI/CD 构建具有测试、部署和自动销毁基础设施的 GitHub Actions 管道（实验 64–80）Azure 上的 KubernetesMaster HPA、Ingress、KEDA 和探针（实验 91–93）Elite Monitoring 创建 Datadog 仪表板适用于 Kubernetes 和 EC2，带有可视化警报（实验室 97-102）适用于 DevOps 的新 MODULESAI → ChatGPT、Claude、Gemini（正在进行中）Vibe 编码 → 适用于 DevOps 工作流程Python → 适用于 DevOps 自动化直接、切中要害的方法每节课 = 1 个实用技能没有脱节的理论 → 一切都有现实世界的应用程序可重复使用的实验室 → 在工作中直接应用脚本从零到专业 → 开始使用 Git/Linux 并演变成完整的 DevOps 项目 您将使用 CLI 和 Terraform 构建什么 多云环境 (AWS + Azure)（第 2、6、7 节）用于测试、部署和自动销毁基础设施的 CI/CD 管道（第 9 节）具有基于指标的自动扩展功能的 Kubernetes 集群（实验 91）具有可视警报的 Datadog 监控系统（实验 101）为什么选择本课程不同的重点是故障排除（实验室 79、100）——大多数课程都会跳过的一项关键技能与 AZ-400 认证保持一致——许多学生已经获得认证现实世界的工具 → Terraform、Ansible、GitHub Actions、Helm、KEDA、Datadog 本课程适合 DevOps 初学者（我们从 Git 和 Linux 开始 — 第 1、3、4 节）想要理解和实施的开发人员CI/CDS 系统管理员迁移到云环境常见问题我需要经验吗？不需要。您将逐步学习，从 Git 和 Linux 开始一直到高级 DevOps 项目。我可以在工作中应用它吗？当然可以。实验室使用 AWS 和 Azure 上的真实工具和免费帐户。这门课程有何不同？没有毫无意义的“hello world”练习真正的 Terraform + Kubernetes + Helm 实验室使用 AWS 和 Azure 进行多云自动化针对真实项目的实用、以自动化为中心的方法独家保证终身访问 103 门完全实践课程 Udemy 结业证书包含所有脚本 – 随时可在日常工作中使用本课程有限地使用人工智能工具进行语言调整和清晰度的改进。所有课程内容、实验和解释均由讲师创建和审核。

本课程适合谁

希望过渡到 DevOps 的基础设施和支持专业人士，或任何对 DevOps 感兴趣但不确定从哪里开始的人
面向寻求实际应用的 DevOps 爱好者的 Python
希望集成 DevOps 实践的 Java 开发人员
支持旨在进入自动化和云环境的分析师
对应用于 DevOps 的人工智能感兴趣的专业人士
示例：对数据科学感兴趣的初级 Python 开发人员