W tym wyczerpującym i praktycznym przewodniku opisano, jak działają kontenery Kubernetes, jak je budować i nimi zarządzać oraz jak projektować usługi i infrastrukturę cloud native. Wyjaśniono różnice między budowaniem swoich klastrów a korzystaniem z usług zarządzanych takich firm jak Amazon, Google i Microsoft. Dokładnie przedstawiono - od strony praktycznej - rozwijanie aplikacji, konfigurowanie i obsługę klastrów oraz automatyzację infrastruktury. Wiedza ta pozwoli na sprawne zbudowanie skalowalnej, odpornej na awarie i opłacalnej infrastruktury Kubernetes - w zgodzie z metodyką DevOps.

Ta książka jest podręcznikiem dla praktyków. Zawiera zbiór narzędzi, katalog metod, przewodnik ułatwiający pracę, mnóstwo przykładów i studiów przypadku. Znalazły się tutaj również jasne wskazówki dotyczące przeprowadzania procesu projektowania usług. Opisano, jak łatwo doprowadzić środowiska biznesowe i specjalistów od projektowania do współpracy. Po ogólniejszym omówieniu procesu ustanawiania i realizowania inicjatyw w zakresie projektowania usług zaprezentowano także szczegóły facylitacji przedsięwzięcia i kształtowania jego otoczenia. Wiele spośród uwzględnionych w tekście metod i narzędzi zostało już dobrze opisanych. Tutaj natomiast, poza ich prezentacją, dodano szereg wskazówek i porad najlepszych ekspertów w dziedzinie projektowania usług. W ten sposób umożliwiono powiązanie doświadczenia z działalnością operacyjną i sukcesem biznesowym oraz budowaniem kultury klientocentryzmu.

Dzięki tej książce dowiesz się, jak sobie z tym poradzić. Znalazło się w niej krótkie wprowadzenie do Pythona oraz do automatyzacji przetwarzania tekstu i obsługi systemu plików, a także do pisania własnych narzędzi wiersza poleceń. Zaprezentowano również przydatne narzędzia linuksowe, systemy zarządzania pakietami oraz systemy budowania, monitorowania i automatycznego testowania kodu. Zagadnienia te szczególnie zainteresują specjalistów DevOps. Ponadto zawarto tu podstawowe informacje o chmurze obliczeniowej, usługach IaC i systemach Kubernetes. Omówiono zasady uczenia maszynowego i inżynierii danych z perspektywy DevOps. Przedstawiono także kompletny przewodnik po procesach budowania, wdrażania oraz operacyjnego wykorzystywania modelu uczenia maszynowego z użyciem systemów Flask, sklearn, Docker i Kubernetes.