دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Гифт Ной, Берман Кеннеди, Деза Альфредо, Георгиу Григ سری: Библиотека программиста ISBN (شابک) : 9785446129294, 5446129296 ناشر: Питер سال نشر: 2021 تعداد صفحات: 544 زبان: Russian فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 Mb
در صورت تبدیل فایل کتاب Python и DevOps: Ключ к автоматизации Linux به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب پایتون و DevOps: کلید اتوماسیون لینوکس نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
Предисловие Что DevOps означает для авторов Как использовать эту книгу Соглашения, используемые в данной книге Использование примеров кода Благодарности От издательства Глава 1. Основы Python для DevOps Установка и запуск Python Командная оболочка Python Блокноты Jupiter Процедурное программирование Переменные Основные математические операции Комментарии Встроенные функции Print Range Контроль выполнения if/elif/else Циклы for Циклы while Обработка исключений Встроенные объекты Что такое объект? Методы и атрибуты объектов Последовательности Функции Анатомия функции Функции как объекты Анонимные функции Регулярные выражения Поиск Наборы символов Классы символов Группы Поименованные группы Найти все Поисковый итератор Подстановка Компиляция Отложенное вычисление Генераторы Генераторные включения Дополнительные возможности IPython Выполнение инструкций командной оболочки Unix с помощью IPython Упражнения Глава 2. Автоматизация работы с файлами и файловой системой Чтение и запись файлов Поиск в тексте с помощью регулярных выражений Обработка больших файлов Шифрование текста Хеширование с помощью пакета hashlib Шифрование с помощью библиотеки cryptography Модуль os Управление файлами и каталогами с помощью os.path Обхода дерева каталогов с помощью os.walk Пути как объекты: библиотека pathlib Глава 3. Работа с командной строкой Работа с командной оболочкой Взаимодействие с интерпретатором с помощью модуля sys Взаимодействие с операционной системой с помощью модуля os Порождение процессов с помощью модуля subprocess Создание утилит командной строки Использование sys.argv argparse click fire Реализация плагинов Ситуационный анализ: разгоняем Python с помощью утилит командной строки Динамический компилятор Numba Использование GPU с помощью CUDA Python Многоядерное многопоточное выполнение кода Python с помощью Numba Кластеризация методом k-средних Упражнения Глава 4. Полезные утилиты Linux Дисковые утилиты Измерение быстродействия Разделы диска Получение информации о конкретном устройстве Сетевые утилиты SSH-туннелирование Оценка быстродействия HTTP с помощью Apache Benchmark (ab) Нагрузочное тестирование с помощью molotov Утилиты для получения информации о загрузке CPU Просмотр процессов с помощью htop Работаем с Bash и ZSH Настройка командной оболочки Python под свои нужды Рекурсивные подстановки Поиск и замена с запросами подтверждения Удаление временных файлов Python Вывод списка процессов и его фильтрация Метка даты/времени Unix Комбинирование Python с Bash и ZSH Генератор случайных чисел Существует ли нужный мне модуль? Переходим из текущего каталога по пути к модулю Преобразование CSV-файла в JSON Однострочные сценарии Python Отладчики Быстро ли работает конкретный фрагмент кода? strace Вопросы и упражнения Задача на ситуационный анализ Глава 5. Управление пакетами Почему пакетная организация программ так важна Случаи, когда пакетная организация программ не нужна Рекомендации по пакетной организации программ Информативный контроль версий Журнал изменений Выбор стратегии Решения для создания пакетов Нативные пакеты Python Создание пакетов для Debian Создание пакетов RPM Диспетчеризация с помощью systemd Долгоживущие процессы Настройка Юниты systemd Установка юнита Управление журналами Вопросы и упражнения Задача на ситуационный анализ Глава 6. Непрерывная интеграция и непрерывное развертывание Ситуационный анализ примера из практики: перевод плохо работавшего сайта с WordPress на Hugo Настройка Hugo Преобразование WordPress в посты Hugo Создание поискового индекса Algolia и его обновление Координация с помощью Makefile Развертывание с помощью AWS CodePipeline Ситуационный анализ примера из практики: развертывание приложения Python App Engine с помощью Google Cloud Build Ситуационный анализ примера из практики: NFSOPS Глава 7. Мониторинг и журналирование Ключевые понятия создания надежных систем Неизменные принципы DevOps Централизованное журналирование Ситуационный анализ: база данных при промышленной эксплуатации разрушает жесткие диски Производить или покупать? Отказоустойчивость Мониторинг Graphite StatsD Prometheus Телеметрия Соглашения о наименованиях Журналирование Почему это так трудно basicconfig Углубляемся в конфигурацию Распространенные паттерны Стек ELK Logstash Elasticsearch и Kibana Вопросы и упражнения Задача на ситуационный анализ Глава 8. Pytest для DevOps Сверхспособности тестирования фреймворка pytest Начало работы с pytest Тестирование с помощью pytest Отличия от unittest Возможности pytest conftest.py Этот замечательный оператор assert Параметризация Фикстуры Приступим Встроенные фикстуры Инфраструктурное тестирование Что такое проверка системы Введение в Testinfra Подключение к удаленным узлам Фикстуры и особые фикстуры Примеры Тестирование блокнотов Jupyter с помощью pytest Вопросы и упражнения Задача на ситуационный анализ Глава 9. Облачные вычисления Основы облачных вычислений Типы облачных вычислений Типы облачных сервисов Инфраструктура как сервис «Железо» как сервис Платформа как сервис Бессерверная обработка данных Программное обеспечение как сервис Инфраструктура как код Непрерывная поставка Виртуализация и контейнеры Аппаратная виртуализация Программно определяемые сети Программно определяемое хранилище Контейнеры Трудные задачи и потенциальные возможности распределенной обработки данных Конкурентное выполнение на Python, быстродействие и управление процессами в эпоху облачных вычислений Управление процессами Процессы и дочерние процессы Решение задач с помощью библиотеки multiprocessing Ветвление процессов с помощью Pool() Функция как сервис и бессерверная обработка данных Повышение производительности Python с помощью библиотеки Numba Динамический компилятор Numba Высокопроизводительные серверы Заключение Вопросы Вопросы на ситуационный анализ Глава 10. Инфраструктура как код Классификация инструментов автоматизации выделения инфраструктуры Выделение инфраструктуры вручную Автоматическое выделение инфраструктуры с помощью Terraform Выделение корзины S3 Предоставление SSL-сертификата с помощью ACM AWS Выделение раздачи Amazon CloudFront Создание записи DNS Route 53 Копирование статических файлов в корзину S3 Удаление всех ресурсов AWS, выделенных с помощью Terraform Автоматическое выделение инфраструктуры с помощью Pulumi Создание нового проекта Pulumi на Python для AWS Создание значений параметров конфигурации для стека staging Создаем SSL-сертификат ACM Выделение зоны Route 53 и записей DNS Выделение раздачи CloudFront Создание записи DNS Route 53 для URL сайта Создание и развертывание нового стека Упражнения Глава 11. Контейнерные технологии: Docker и Docker Compose Что такое контейнер Docker Создание, сборка, запуск и удаление образов и контейнеров Docker Публикация образов Docker в реестре Docker Запуск контейнера Docker из одного образа на другом хост-компьютере Запуск нескольких контейнеров Docker с помощью Docker Compose Портирование сервисов docker-compose на новый хост-компьютер и операционную систему Упражнения Глава 12. Координация работы контейнеров: Kubernetes Краткий обзор основных понятий Kubernetes Создание манифестов Kubernetes на основе файла docker_compose.yaml с помощью Kompose Развертывание манифестов Kubernetes на локальном кластере Kubernetes, основанном на minikube Запуск кластера GKE Kubernetes в GCP с помощью Pulumi Развертывание примера приложения Flask в GKE Установка чартов Helm для Prometheus и Grafana Удаление кластера GKE Упражнения Глава 13. Технологии бессерверной обработки данных Развертывание одной и той же функции Python в облака большой тройки поставщиков облачных сервисов Установка фреймворка Serverless Развертывание функции Python в AWS Lambda Развертывание функции Python в Google Cloud Functions Развертывание функции на Python в Azure Развертывание функции на Python на самохостируемых FaaS-платформах Развертывание функции на Python в OpenFaaS Выделение таблиц DynamoDB, функций Lambda и методов API Gateway с помощью AWS CDK Упражнения Глава 14. MLO и разработка ПО для машинного обучения Что такое машинное обучение Машинное обучение с учителем Моделирование Экосистема машинного обучения языка Python Глубокое обучение с помощью PyTorch Платформы облачного машинного обучения Модель зрелости машинного обучения Основная терминология машинного обучения Уровень 1. Очерчивание рамок задачи и области определения, а также формулировка задачи Уровень 2. Непрерывная поставка данных Уровень 3. Непрерывная поставка очищенных данных Уровень 4. Непрерывная поставка разведочного анализа данных Уровень 5. Непрерывная поставка обычного ML и AutoML Уровень 6. Цикл обратной связи эксплуатации ML Приложение sklearn Flask с использованием Docker и Kubernetes Разведочный анализ данных Моделирование Тонкая настройка масштабированного GBM Подгонка модели Оценка работы модели adhoc_predict Технологический процесс JSON Масштабирование входных данных adhoc_predict на основе выгрузки Масштабирование входных данных Вопросы и упражнения Задача на ситуационный анализ Вопросы на проверку усвоения материала Глава 15. Инженерия данных Малые данные Обработка файлов малых данных Запись в файл Чтение файла Конвейер с генератором для чтения и обработки строк YAML Большие данные Утилиты, компоненты и платформы для работы с большими данными Источники данных Файловые системы Хранение данных Ввод данных в режиме реального времени Ситуационный анализ: создание доморощенного конвейера данных Бессерверная инженерия данных AWS Lambda и события CloudWatch Журналирование Amazon CloudWatch для AWS Lambda Наполнение данными Amazon Simple Queue Service с помощью AWS Lambda Подключение срабатывающего по событию триггера CloudWatch Создание событийно-управляемых функций Lambda Чтение событий Amazon SQS из AWS Lambda Заключение Упражнения Задача на ситуационный анализ Глава 16. Истории из практики DevOps и интервью Киностудия не может снять фильм Разработчик игр не может обеспечить поставку игрового ПО Сценарии Python, запуск которых требует 60 секунд Решаем горящие проблемы с помощью кэша и интеллектуальной телеметрии Доавтоматизироваться до увольнения Антипаттерны DevOps Антипаттерн: отсутствие автоматизированного сервера сборки Работать вслепую Сложности координации как постоянная проблема Отсутствие командной работы Интервью Гленн Соломон Эндрю Нгуен Габриэлла Роман Ригоберто Рош Джонатан Лакур Вилле Туулос Джозеф Рис Тейо Хольцер Мэтт Харрисон Майкл Фоорд Рекомендации Вопросы Интересные задачи Дипломный проект Об авторах Об иллюстрации на обложке