«Dev» отдаляется от «Ops»?

Автор с ресурса «hackernoon» размышляет на тему эволюции роли DevOps. С появлением облачных технологий и автоматизации необходимость в традиционных операционных задачах (или «Ops» из DevOps) значительно снизилась. Это привело к тому, что разработчики всё чаще берут на себя ответственность за развертывание и эксплуатацию приложений, что изначально было задачей Ops.

Таким образом, первоначальная цель DevOps — объединение Dev и Ops — трансформировалась, и роль Ops изменилась или даже сократилась. Статья подчёркивает, что, несмотря на эти изменения, культура DevOps остаётся важной, способствуя непрерывной доставке и улучшению взаимодействия между командами.

📌 Подробнее: https://hackernoon.com/the-devops-paradox-a-shift-away-from-ops

MemOps 🤨

MemOps 😃

Релиз Docker Desktop 4.35.

В новой версии:
▪️ Токены доступа для организаций (Beta) — Эта функция улучшает управление доступом на уровне организаций. Она позволяет централизовано управлять правами пользователей, обеспечивая лучшее управление и масштабируемость для бизнеса.

▪️ Docker Home (Beta) — Новый интерфейс Docker Home служит центральным «хабом» для доступа к продуктам Docker, управления подписками и настройками.

▪️ Интерфейс терминала в Docker Desktop — Эта функция позволяет интегрировать терминал в интерфейс Docker Desktop, упрощая работу разработчиков и снижая необходимость переключаться между CLI и GUI.

▪️ Резервное копирование томов — В Docker Desktop теперь доступна улучшенная функция резервного копирования томов, которая упрощает процесс создания бэкапов данных и делает его более удобным.

▪️ Улучшенная производительность на macOS — Введение Docker VMM для Apple Silicon улучшает производительность на Mac, ускоряя выполнение множества задач.

📌 Подробнее: https://www.docker.com/blog/docker-desktop-4-35/

MemOps 🤨

MemOps 😃

MemOps 😃

Основные концепции Docker в одной диаграмме

MemOps 🤨

MemOps 😃

65 000 узлов и больше: Google Kubernetes Engine готов к моделям ИИ с триллионом параметров

Google хвастается расширением возможностей Google Kubernetes Engine (GKE), который теперь поддерживает кластеры до 65 000 узлов, позволяя запускать сверхмасштабные модели искусственного интеллекта с триллионами параметров. Это достижение ставит GKE в лидеры по производительности и масштабируемости среди облачных платформ, предоставляя компаниям возможность управлять крупными вычислительными задачами, особенно в сфере генеративного ИИ.

Эти нововведения стали возможны благодаря техническим улучшениям, включая переход на систему хранения данных Spanner вместо etcd, что обеспечивает большую стабильность и надёжность в управлении столь крупными кластерами. Внедрение Cloud TPU v5e с несколькими ускорителями на узел позволяет поддерживать более 250 000 ускорителей в одном кластере, что делает GKE эффективным инструментом для задач инференса, обучения и исследования.

📌 Подробнее: https://cloud.google.com/blog/products/containers-kubernetes/gke-65k-nodes-and-counting

MemOps 🤨

MemOps 😃

Статистика от Red Hat по внедрению облачных технологий в Enterprise среде

▪️ Драйверы роста облачных технологий:

Централизация управления облаком — 80% опрошенных компаний планируют централизовать управление облачными ресурсами в течение следующих 18 месяцев.
Безопасность и соответствие требованиям — 78% организаций уделяют приоритетное внимание вопросам безопасности, соответствия и суверенитета данных.
Подготовка к внедрению ИИ: 78% компаний готовятся к интеграции ИИ в свои процессы.

▪️ Инвестиции в инновации:

Сбалансированный рост — 50% респондентов намерены равномерно инвестировать в новые технологии, такие как ИИ, и оптимизацию существующих систем.
Увеличение инвестиций — 52% компаний планируют увеличить инвестиции в облачные технологии до 50% к 2025 году.

▪️ Препятствия на пути к внедрению облачных технологий и ИИ:

Дефицит навыков — 71% компаний отмечают нехватку специалистов в области ИИ, 66% — в области кибербезопасности, 61% — в облачных технологиях.
Изолированные структуры — 96% предприятий сталкиваются с проблемами из-за изолированных команд, что приводит к несогласованности в безопасности и увеличению затрат.

▪️ Роль корпоративного open source:

Прозрачность и модифицируемость — 89% респондентов считают, что доверие к корпоративным моделям ИИ зависит от их прозрачности и возможности модификации.

📌 Подробнее: https://www.redhat.com/en/blog/2024-enterprise-trends-cloud-meets-ai?channel=/en/blog/channel/cloud-services

MemOps 🤨

MemOps 😃

Нотация Big O 101: Секрет написания эффективных алгоритмов

О-большое (Big O) – это специальная нотация, используемая для описания асимптотической сложности; то есть, скорости роста времени выполнения алгоритма с увеличением размера входных данных.

Это нужно, чтобы понимать, насколько быстро или медленно работают алгоритмы. В О-большом нет коэффициентов, минут, секунд и так далее. Об этом будет наглядно показано в примере про логарифмическую сложность O(log n).

MemOps 🤨

Проект после всех правок

MemOps 😃

В этом блоге собрано все, что автор узнал, чтобы выбрать наиболее подходящую стратегию кэширования для рабочих процессов.

📌 Подробнее: https://blacksmith.sh/blog/cache-is-king-a-guide-for-docker-layer-caching-in-github-actions

MemOps 🤨

MemOps 😃

Интеграция Azure DevOps и GitHub: новые возможности

Microsoft предлагает интеграцию Azure DevOps и GitHub, обеспечивая доступ к инновациям, таким как GitHub Advanced Security и Copilot. Теперь пользователи могут использовать передовые функции GitHub, не отказываясь от возможностей Azure DevOps, что позволяет максимально эффективно проводить DevSecOps-процессы.

📌 Подробнее: https://devblogs.microsoft.com/devops/getting-the-most-out-of-azure-devops-and-github/

MemOps 🤨

MemOps 😃

Инструменты CI/CD в облаке

▪️ AWS (Amazon Web Services):
CodePipeline: Организует автоматизированные конвейеры.
CodeBuild: Выполняет сборку и тестирование кода.
CodeDeploy: Развёртывает приложения на Amazon EC2, Fargate или Lambda.
CloudFormation: Автоматизирует инфраструктуру как код (IaC).

▪️ Google Cloud Platform (GCP):
Cloud Build: Поддерживает сборку, тестирование и развертывание контейнеров.
Kubernetes Engine: Автоматизирует управление контейнерами.
Artifact Registry: Хранение артефактов (докер-образов, библиотек).

▪️ Microsoft Azure:
Azure Pipelines: Полнофункциональный CI/CD конвейер для облачных и локальных сред.
Azure DevTest Labs: Создание тестовых окружений за считанные минуты.

▪️ GitHub Actions:
Интеграция с облачными хранилищами и развертывание в AWS, Azure или GCP.
Легко масштабируется благодаря облачной инфраструктуре.

📌 Подробнее: https://devblogs.microsoft.com/devops/getting-the-most-out-of-azure-devops-and-github/

MemOps 🤨

MemOps 😃

Платформы для хостинга Docker-контейнеров: Обзор PaaS и CaaS сервисов

С развитием контейнеризации возникла потребность в удобных решениях для хостинга. Это привело к появлению различных платформ, адаптированных к контейнерной архитектуре. Эти платформы помогают ИТ-специалистам сосредоточиться на развитии софта, переложив заботы об администрировании на облачную инфраструктуру.

В этой статье мы расскажем о PaaS и CaaS сервисах для работы с контейнерами и сделаем небольшой обзор российских платформ для хостинга приложений на основе Docker.

📌 Подробнее: https://habr.com/ru/companies/dockhost/articles/859558

MemOps 🤨