Introduction
Cet été, j'ai eu l'occasion d'acquérir des compétences DevOps grâce au programme MLH Fellowship x Meta Production Engineering. Si vous souhaitez en savoir plus sur le programme, veuillez consulter ma publication LinkedIn.
Avant le programme, j'avais une certaine expérience dans le déploiement d'applications Web à l'aide de gouttelettes Digital Ocean (VPS). J'héberge une partie de mon travail avec eux. Cependant, il me manquait une base solide pour déployer efficacement des applications via diverses technologies telles que Docker, GitHub Actions, serveurs proxy, etc.
Tout au long du programme, j'ai acquis des compétences essentielles en ingénierie de production et j'ai eu l'occasion de discuter avec de nombreux ingénieurs de production de Meta. L'un des moments forts a été une simulation d'entretien avec un responsable de l'ingénieur de production. J'ai reçu des commentaires détaillés sur mes performances lors des entretiens techniques et système. Les commentaires indiquaient que je disposais d'un catalogue décent de commandes avec un haut niveau de connaissance de ce qu'elles pouvaient faire et que je bénéficierais d'une expérience plus pratique avec un système Unix. J'ai senti que lire plusieurs livres sur Linux pour l'entretien était payant et que je m'intéressais davantage à l'acquisition d'une expérience pratique en tant qu'ingénieur de production.
Mon laboratoire à domicile
Un de mes mentors m'a inspiré à explorer une configuration de serveur domestique après avoir présenté ses projets de serveur physique lors d'une session. J'ai réalisé que créer un serveur domestique pouvait être un excellent moyen d'acquérir une expérience pratique du serveur Linux.
Après quelques recherches, j'ai décidé d'acheter un mini-ordinateur (NucBox G3) et d'utiliser CloudFlare pour héberger des sites Web depuis mon réseau domestique.
Jusqu'à présent et futur
Complété:
- Serveur Ubuntu installé sur le mini-ordinateur
- Configurer le réseau et intégré à Cloudflare
- Construire un pipeline CI/CD pour mon projet de portefeuille Flask
- Créez un ensemble de données pour Kaggle avec cronjob
Plan futur
- Améliorez le portefeuille Flask en améliorant la conception et en ajoutant des tests
- Expérience de déploiement d'applications construites avec d'autres frameworks, tels que React et Next.js
Conclusion
Bien que j'utilise Linux depuis environ 3 ans, j'ai réalisé qu'il y avait encore beaucoup à apprendre pour maximiser la productivité en tant que développeur. Je suis sûr que j'améliorerai mes compétences Linux avec le temps et l'expérience pratique.
Bien que je ne sois pas sûr du rôle exact que j'assumerai à l'avenir, je suis certain que les compétences DevOps seront inestimables même si je deviens développeur front-end.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

SlitingyPapyThonListIsDoneUsingTheSyntaxList [Démarrage: arrêt: étape] .He'showitworks: 1) startisheindexofthefirStelementoinclude.2) stopisTheIndexoftheFirstelementsoexclude.3) StepistheincrementBetweenselans.it'susefulfactingPortationSoListShsandCanusegeg

NumpyAllowsForvariousOperations ONARRAYS: 1) BasicarithmeticLikeaddition, Soustraction, Multiplication, anddivision; 2) AdvancedOperationSuchasmatrixMultiplication; 3) Element-Wiseoperations withoutExplicitloop

ArraySinpython, en particulier ThroughNumpyandPandas, aressentialfordataanalysis, offingspeeedAfficiency.1) numpyarrayablefficienthandlingoflargedatasetsandComplexOperationsLikEMoVingAverages.2)

ListsandNumpyArraysInpythonHaveDidifferentMemoryfootprints: listsaRemoreFlexibles Butlessmemory économe, tandis que la liste de résensés est-ce qui

ToenSurepythonscriptsBeHavecorrectlyAcrossDevelopment, mise en scène et production, catégories de type: 1) EnvironmentVariblesForsImplesettings, 2) ConfigurationFilesForComplexsetups et3) dynamicloadingforadaptability.eachMethodoffersNebeneFitsAndreCeresca

La syntaxe de base pour le découpage de la liste Python est la liste [Démarrage: arrêt: étape]. 1.Start est le premier index d'élément inclus, 2.STOP est le premier indice d'élément exclu et 3.StEP détermine la taille de l'étape entre les éléments. Les tranches sont non seulement utilisées pour extraire les données, mais aussi pour modifier et inverser les listes.

ListesoutPerformarRaySin: 1) dynamicingizingandfrequentinSertions / Deletions, 2) StoringheteroGeneousData, and3) MemoryEfficiencyForsparsedata, butmayhaveslightperformanceCostSincertorations.

Toconvertapythonarraytoalist, usethelist () Constructororageneratorexpression.1) ImportTheArrayModuleandCreateArray.2) Uselist (Arr) ou [Xforxinarr] à Convertittoalist, considérant la performance et le domaine de l'émie-efficacité pour les étages.


Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

Video Face Swap
Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

Article chaud

Outils chauds

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

VSCode Windows 64 bits Télécharger
Un éditeur IDE gratuit et puissant lancé par Microsoft

Dreamweaver CS6
Outils de développement Web visuel

Dreamweaver Mac
Outils de développement Web visuel

SublimeText3 Linux nouvelle version
Dernière version de SublimeText3 Linux
