ホームラボによるDevOps実践体験-Python チュートリアル-php.cn

ホームページ

バックエンド開発

Python チュートリアル

ホームラボによるDevOps実践体験

DDD

Nov 29, 2024 am 09:12 AM

DevOps Practical Experience with Home Lab

イントロ

この夏、私は MLH Fellowship x Meta Production Engineering プログラムを通じて DevOps スキルを学ぶ機会がありました。このプログラムについて知りたい場合は、私の LinkedIn の投稿をご覧ください。

プログラムに参加する前に、Digital Ocean ドロップレット (VPS) を使用して Web アプリケーションをデプロイした経験がありました。私は彼らと一緒に私の仕事の一部を主催しています。しかし、Docker、GitHub Actions、プロキシサーバーなどのさまざまなテクノロジーを通じてアプリケーションを効率的にデプロイするための強固な基盤が不足していました。

プログラム全体を通じて、私は重要な生産エンジニアリングのスキルを習得し、Meta の多くの生産エンジニアと話す機会がありました。ハイライトの 1 つは、生産エンジニアのマネージャーとの模擬面接でした。私の技術面接とシステム面接のパフォーマンスについて詳細なフィードバックを受け取りました。フィードバックによると、私はコマンドのカタログを十分に持っており、コマンドで何ができるかについて高度な知識があり、Unix システムでの実践的な経験がもっとあれば役に立つだろうとのことでした。面接のために複数の Linux の本を読んだことが功を奏し、生産エンジニアとして実践的な経験を積むことにさらに興味が湧いたと感じました。

私のホームラボ

私のメンターの 1 人が、セッション中に彼の物理サーバープロジェクトを紹介した後、ホームサーバーのセットアップを検討するように促しました。ホームサーバーを構築することは、実用的な Linux サーバーの経験を積むための素晴らしい方法であることに気付きました。

少し調べた結果、ミニコンピューター (NucBox G3) を購入し、CloudFlare を使用してホームネットワークから Web サイトをホストすることにしました。

これまでとこれから

完了:

ミニコンピューターに Ubuntu サーバーをインストールしました
ネットワークをセットアップし、Cloudflare と統合します
Flask ポートフォリオプロジェクト用の CI/CD パイプラインを構築する
cronjob を使用して Kaggle のデータセットを作成する

将来計画

設計を強化し、テストを追加して、Flask ポートフォリオを改善する
React や Next.js などの他のフレームワークで構築されたアプリケーションのデプロイを実験します

結論

私は Linux を約 3 年間使用していますが、開発者としての生産性を最大化するために学ばなければならないことがまだたくさんあることに気づきました。時間をかけて実践的な経験を積むことで、私の Linux スキルは向上すると確信しています。

将来的に自分がどのような役割を担うことになるのかはわかりませんが、たとえフロントエンド開発者になったとしても、DevOps スキルは非常に貴重なものになると確信しています。

以上がホームラボによるDevOps実践体験の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

声明

この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

HTMLを解析するために美しいスープを使用するにはどうすればよいですか？Mar 10, 2025 pm 06:54 PM

この記事では、Pythonライブラリである美しいスープを使用してHTMLを解析する方法について説明します。 find（）、find_all（）、select（）、およびget_text（）などの一般的な方法は、データ抽出、多様なHTML構造とエラーの処理、および代替案（SEL

Pythonの数学モジュール：統計Mar 09, 2025 am 11:40 AM

Pythonの統計モジュールは、強力なデータ統計分析機能を提供して、生物統計やビジネス分析などのデータの全体的な特性を迅速に理解できるようにします。データポイントを1つずつ見る代わりに、平均や分散などの統計を見て、無視される可能性のある元のデータの傾向と機能を発見し、大きなデータセットをより簡単かつ効果的に比較してください。このチュートリアルでは、平均を計算し、データセットの分散の程度を測定する方法を説明します。特に明記しない限り、このモジュールのすべての関数は、単に平均を合計するのではなく、平均（）関数の計算をサポートします。浮動小数点数も使用できます。ランダムをインポートしますインポート統計 fractiから

Pythonオブジェクトのシリアル化と脱介入：パート1Mar 08, 2025 am 09:39 AM

Pythonオブジェクトのシリアル化と脱介入は、非自明のプログラムの重要な側面です。 Pythonファイルに何かを保存すると、構成ファイルを読み取る場合、またはHTTPリクエストに応答する場合、オブジェクトシリアル化と脱滑り化を行います。ある意味では、シリアル化と脱派化は、世界で最も退屈なものです。これらすべての形式とプロトコルを気にするのは誰ですか？ Pythonオブジェクトを維持またはストリーミングし、後で完全に取得したいと考えています。これは、概念レベルで世界を見るのに最適な方法です。ただし、実用的なレベルでは、選択したシリアル化スキーム、形式、またはプロトコルは、プログラムの速度、セキュリティ、メンテナンスの自由、およびその他の側面を決定する場合があります。

TensorflowまたはPytorchで深い学習を実行する方法は？Mar 10, 2025 pm 06:52 PM

この記事では、深い学習のためにTensorflowとPytorchを比較しています。関連する手順、データの準備、モデルの構築、トレーニング、評価、展開について詳しく説明しています。特に計算グラップに関して、フレームワーク間の重要な違い

この記事では、numpy、pandas、matplotlib、scikit-learn、tensorflow、django、flask、and requestsなどの人気のあるPythonライブラリについて説明し、科学的コンピューティング、データ分析、視覚化、機械学習、Web開発、Hの使用について説明します。