第217期
熱點新聞
Docker Hub資料庫遭黑客入侵,19萬用戶敏感資料洩露
Docker Hub資料庫遭遇未授權人士訪問,並導致約19萬用戶的敏感資訊曝光在外。這批資訊包含一部分使用者名稱與雜湊密碼,以及GitHub與Bitbucket儲存庫的登入令牌。
BleepingComputer培訓
基於Kubernetes的DevOps實踐培訓 | 上海站
本次培訓包括:容器特性、映象、網路;Kubernetes架構、核心元件、基本功能;Kubernetes設計理念、架構設計、基本功能、常用物件、設計原則;Kubernetes的資料庫、執行時、網路、外掛已經落地經驗;微服務架構、元件、監控方案等。
DockOne.ioKubernetes實戰培訓 | 深圳站
培訓內容包括:雲原生介紹、微服務;Docker基礎、Docker工作原理、映象、網路、儲存、資料卷、安全;Kubernetes架構、核心元件、常用物件、網路、儲存、認證、服務發現、排程和服務質量保證、日誌、監控、告警、Helm、實踐案例等。
DockOne.ioKubernetes入門與進階實戰培訓 | 北京站
本次培訓內容包括:Docker基礎、容器技術、Docker映象、資料共享與持久化、Docker三駕馬車、Docker實踐、Kubernetes基礎、Pod基礎與進階、常用物件操作、服務發現、Helm、Kubernetes核心元件原理分析、Kubernetes服務質量保證、排程詳解與應用場景、網路、基於Kubernetes的CI/CD、基於Kubernetes的配置管理等。
DockOne.ioService Mesh入門與進階實戰培訓 | 北京站
主要內容包括:Istio介紹、核心功能、使用場景、安裝與配置、升降級,Envoy介紹、架構、內部實現,Istio控制面板,Mixer核心功能與規則、監控、工作原理,Pilot介紹與配置,Istio安全,主要資源配置,策略配置,遙測,落地實踐,傳統微服務架構改造,Istio運維等。
DockOne.ioGetting started with Kubernetes and container orchestration
"You've started to ""containerize"" your applications by writing a Dockerfile or two, and now you want to run your containers in a cluster. But Kubernetes is quite different from Docker: the smallest unit of deployment is not a container, but a *pod*; pods are accessed through specialized load balancers called *services*; there are *labels* and *selectors* everywhere; and everything is created by expressing desired state with YAML, lots of YAML.
YouTube學習教程
華爾街見聞Istio生產實踐
隨著見聞業務不斷增加,所涉及語⾔也越來越多。由於微服務化的引入,就需要為不同語言開發各自的服務發現、監控、鏈路追蹤等元件,更新運維成本較高。同時應用的灰度部署也是見聞在著⼒解決的問題。 Istio通過下沉基礎設定,很好的解決了元件跨語言相容問題, 同時帶來了智慧路由、服務熔斷、錯誤注入等重要的特性。
DockOne.ioKubernetes 從懵圈到熟練:讀懂此文,叢集節點不下線!
排查完全陌生的問題、不熟悉的系統元件,對許多工程師來說是無與倫比的工作樂趣,當然也是一大挑戰。這篇文章,阿里巴巴售後技術專家聲東跟大家分享一例 Kubernetes 叢集上的問題。這個問題影響範圍較廣,或許某天你也會遇到。更重要的是,作者在問題排查過程中的思路和方法,也會讓你有所啟發。
阿里技術AWS 雲上混沌工程實踐之啟動篇
亞馬遜 AWS 官方部落格開通了混沌工程專欄,此為首篇介紹混沌工程的文章。從混沌工程的基本概念出發,對現實中混沌工程實踐的突出困惑做了分析和解答,並以混沌工程的演進時間線為例,詳述了混沌工程社群的發展,不是一蹴而就,而是在實踐中逐步深入對混沌工程的理解:從最初對基礎設施的擾動實驗(Chaos Monkey),發展出整套猴子軍團 Simian Army,為控制實驗的爆炸半徑提出故障注入測試(FIT),再到精細化流量配比以對照區分,直至引入斷路器實現真正的無人值守。
亞馬遜AWS官方部落格微服務架構設計基礎之立方體模型
對於現在的微服務架構的應用來說,對大量併發的及時響應是一項制勝能力。據使用者行為分析平臺統計,隨行付的某一款APP產品每日請求就達到上千萬次使用者請求、加解密服務3000萬次/日等等。這些微服務每時每刻在處理如此高強度的請求,對資料層的應對能力要求極高。如果我們把對速度的需求放在複雜的分散式資料架構背景下,是很難想象如何讓應用應對如此巨大的資料訪問量的。
隨行付研究員