-
Die Verfügbarkeit von IT-Systemen ist heute wichtiger denn je. Administratoren sind daher gefordert, die Stabilität ihrer Systeme bewerten zu können. Das Hauptkonzept des Chaos Engineerings besteht darin, absichtlich und kontrolliert Fehler in ein System einzubringen, um die Resilienz gegen diese Fehler zu validieren oder Lücken aufzudecken, die dann geschlossen werden können, bevor es zu einem unvorhergesehenen Vorfall kommt.
-
Kursinhalt
-
- Microservices
- Container
- Resilienz
- Test
- Chaos Engineering
- Monitoring
- Litmus
- Prometheus
- Kubernetes
- Docker
- Netflix
- Postmortem
- Incident
Das ausführliche deutschsprachige digitale Unterlagenpaket, bestehend aus PDF und E-Book, ist im Kurspreis enthalten.
-
Zielgruppe
-
Dieser Chaos Engineering Kurs richtet sich an Personen, die mit Microservices-Lösungen auf Kubernetes-Plattformen arbeiten oder planen auf eine solche Lösung umzuziehen.
-
Voraussetzungen
-
Grundlegende Programmierkenntnisse, sowie ein Verständnis für containerisierte Anwendung sind von Nutzen.
-
Kursziel
-
Sie bekommen einen praxisnahen Einstieg in die Welt des Chaos Engineering. Sie erhalten einen Überblick über die Chancen und Risiken einer modernen Microservice-Architektur. Darauf aufbauend werden Methoden zur Planung und Durchführung von Chaos-Experimenten vorgestellt und durch Beispiele und Erfahrungen von Unternehmen wie Netflix oder Amazon ergänzt. Im Zuge des Chaos Engineering werden auch die Grundlagen zu Monitoring vermittelt. Untermauert wird die Theorie durch selbst durchgeführte Chaos-Experimente im virtuellen Labor.
-
Ergänzende und aufbauende Kurse
-
Falls Sie sich tiefer mit containerisierten Anwendungen beschäftigen möchten, bietet sich der Kurs Docker Fundamentals an.
Einen umfänglichen Überblick zur Orchestrierung/automatisierten Verwaltung von containerisierten Anwendungen erhalten Sie in den Kursen Kubernetes und Kubernetes Advanced.Die Grundlagen für eine Automatisierung von Quellcode bis zum Deployment – das sogenannte CI/CD - werden in den beiden Git & GitLab Kursen (Git und GitLab & GitLab Advanced) vermittelt.
Falls Sie sich intensiver mit der primär im Kurs verwendeten Programmiersprache Python auseinandersetzen wollen, sind unsere Kurse Python für Programmierer und Python für Fortgeschrittene eine sehr gute Wahl.
| 1 | Einstieg in das Site Reliability Engineering |
| 1.1 | DevOps |
| 1.2 | Was ist Site Reliability Engineering |
| 1.3 | 12-Factor-App |
| 1.4 | Horizontale Skalierbarkeit |
| 1.4.1 | Monolithische Software |
| 1.4.2 | Microservices |
| 1.5 | Was ist Reliability |
| 1.5.1 | Beispiele SLIs - SLOs - SLAs |
| 1.5.2 | Apdex |
| 2 | Einstieg in das Chaos Engineering |
| 2.1 | Grundidee des Chaos Engineering |
| 2.2 | Ziele des Chaos Engineering |
| 2.2.1 | Kultur der Resilienz |
| 2.3 | Woher kommt das Chaos Engineering? |
| 2.4 | Prinzipien des Chaos Engineering |
| 2.4.1 | Steady State Hypothese (SSH) |
| 2.4.2 | Realistische Bedingungen und Wirkungen |
| 2.4.3 | Kontinuierliches Chaos |
| 2.4.4 | Vergleich zu herkömmlichen Testmethoden |
| 2.5 | Übersicht typischer Tools |
| 2.5.1 | Chaos Toolkit |
| 2.5.2 | Chaos Mesh |
| 2.5.3 | Litmus |
| 2.5.4 | Kommerzielle Tools |
| 2.5.5 | Und die Entscheidung? |
| 3 | Planung und Durchführung von Experimenten |
| 3.1 | Mental Model |
| 3.1.1 | Unterschiedliche Mental Models |
| 3.2 | Entwicklung von Experimenten |
| 3.2.1 | Explosionsradius |
| 3.2.2 | Entwicklung von Steady State Hypothesen |
| 3.3 | Voraussetzungen |
| 3.3.1 | Kontrolliertes Chaos |
| 3.4 | Beispiel Netflix |
| 3.4.1 | Die Richtigen Fragen Stellen |
| 3.4.2 | Netflix Monocle |
| 3.5 | Beispiel Amazon |
| 3.6 | Beispiel LinkedIn |
| 3.7 | Beispiel Slack - Disasterpiece Theater |
| 3.8 | Beispielszenarien |
| 4 | Praktische Voraussetzungen für Experimente |
| 4.1 | Infrastructure as Code (IaC) |
| 4.2 | Terraform |
| 4.3 | Ansible |
| 4.4 | Versionsverwaltung mit Git |
| 4.4.1 | Wie funktioniert Git? |
| 4.4.2 | Grundbefehle |
| 4.4.3 | Git Branches |
| 4.4.4 | GitFlow-Konzept |
| 4.5 | GitLab |
| 4.5.1 | GitLab Landing Page |
| 4.5.2 | Arbeiten mit Remote Repositories |
| 4.6 | CI/CD Pipelines |
| 4.6.1 | GitLab Pipleline Übersicht |
| 4.7 | GitOps |
| 4.7.1 | GitOps mit Flux |
| 4.8 | Container |
| 4.8.1 | Images und Registry |
| 4.8.2 | Simpler Microservice |
| 4.8.3 | Dockerfile |
| 4.9 | Kubernetes |
| 4.9.1 | Deployment |
| 4.9.2 | Services |
| 5 | Resilienz Konzepte |
| 5.1 | Load Balancing |
| 5.2 | Caching |
| 5.3 | Kafka Message Queue |
| 5.4 | Raft Algorithmus |
| 5.5 | Bulkhead Pattern |
| 5.6 | Kubernetes Ressourcen-Management |
| 5.7 | Istio Service Mesh |
| 5.8 | Priority Based Load Shedding |
| 5.9 | Prometheus Monitoring |
| 5.9.1 | Metrik Typen |
| 5.9.2 | Installation über Kube-Prometheus-Stack |
| 5.9.3 | Services und GUI |
| 5.9.4 | Anwendungsspezifische Metriken |
| 5.9.5 | Rules & Alertmanager |
| 5.10 | Logging mit dem ELK-Stack |
| 6 | Chaos mit Litmus |
| 6.1 | Architektur |
| 6.2 | Installation |
| 6.2.1 | Installationsverifikation |
| 6.3 | Chaos Environment & Infrastruktur |
| 6.3.1 | Chaos Infrastruktur |
| 6.4 | Simple Fehlerinjektion |
| 6.4.1 | Chaos Engine |
| 6.4.2 | Chaos Pods |
| 6.5 | Chaos Experiment |
| 6.5.1 | Chaos Experiment - Infrastruktur |
| 6.5.2 | Chaos Experiment - Faults |
| 6.5.3 | Chaos Experiment - Fault Target |
| 6.5.4 | Chaos Experiment - Explosionsradius |
| 6.5.5 | Chaos Experiment - Fault Details |
| 6.5.6 | Chaos Experiment - Fault Probes |
| 6.5.7 | Chaos Experiment - Visual und YAML |
| 6.5.8 | Chaos Experiment - Run |
| 6.6 | Resilience Score |
| 6.7 | Resilience Probes |
| 6.8 | Argo Workflow |
| 6.8.1 | Argo Workflow Ressourcen |
| 6.8.2 | Argo Workflow - Probe Reference |
| 7 | Incident Management und Postmortems |
| 7.1 | Was sind Incidents? |
| 7.2 | Incident Erkennung |
| 7.3 | Incident Workflow |
| 7.3.1 | Incidents bei Google und Atlassian |
| 7.4 | Das Postmortem Dokument |
| 7.5 | Die 5 Warums |
| 7.6 | Business Logic vs Application Logic |
| 7.7 | Retry Storm |
| 7.8 | Holiday Code Freeze |
| 7.9 | Allegro Postmortem |
| 7.10 | Google Warnungen |
| 7.11 | Google Code Search |
| 7.12 | TUI Check-In Fehler |
-
Classroom Training
- Bevorzugen Sie die klassische Trainingsmethode? Ein Kurs in einem unserer Training Center, mit einem kompetenten Trainer und dem direkten Austausch zwischen allen Teilnehmern? Dann buchen Sie einen der Classroom Training Termine!
-
Online Training
- Möchten Sie einen Kurs online besuchen? Zu diesem Kursthema bieten wir Ihnen Online-Kurstermine an. Als Teilnehmer benötigen Sie dazu einen PC mit Internet-Anschluss (mindestens 1 Mbit/s), ein Headset, falls Sie per VoIP arbeiten möchten und optional eine Kamera. Weitere Informationen und technische Empfehlungen finden Sie hier.
-
Inhouse-Schulung
-
Benötigen Sie einen maßgeschneiderten Kurs für Ihr Team? Neben unserem Standard-Angebot bieten wir Ihnen an, Kurse speziell nach Ihren Anforderungen zu gestalten. Gerne beraten wir Sie hierzu und erstellen Ihnen ein individuelles Angebot.
-
Die Verfügbarkeit von IT-Systemen ist heute wichtiger denn je. Administratoren sind daher gefordert, die Stabilität ihrer Systeme bewerten zu können. Das Hauptkonzept des Chaos Engineerings besteht darin, absichtlich und kontrolliert Fehler in ein System einzubringen, um die Resilienz gegen diese Fehler zu validieren oder Lücken aufzudecken, die dann geschlossen werden können, bevor es zu einem unvorhergesehenen Vorfall kommt.
-
Kursinhalt
-
- Microservices
- Container
- Resilienz
- Test
- Chaos Engineering
- Monitoring
- Litmus
- Prometheus
- Kubernetes
- Docker
- Netflix
- Postmortem
- Incident
Das ausführliche deutschsprachige digitale Unterlagenpaket, bestehend aus PDF und E-Book, ist im Kurspreis enthalten.
-
Zielgruppe
-
Dieser Chaos Engineering Kurs richtet sich an Personen, die mit Microservices-Lösungen auf Kubernetes-Plattformen arbeiten oder planen auf eine solche Lösung umzuziehen.
-
Voraussetzungen
-
Grundlegende Programmierkenntnisse, sowie ein Verständnis für containerisierte Anwendung sind von Nutzen.
-
Kursziel
-
Sie bekommen einen praxisnahen Einstieg in die Welt des Chaos Engineering. Sie erhalten einen Überblick über die Chancen und Risiken einer modernen Microservice-Architektur. Darauf aufbauend werden Methoden zur Planung und Durchführung von Chaos-Experimenten vorgestellt und durch Beispiele und Erfahrungen von Unternehmen wie Netflix oder Amazon ergänzt. Im Zuge des Chaos Engineering werden auch die Grundlagen zu Monitoring vermittelt. Untermauert wird die Theorie durch selbst durchgeführte Chaos-Experimente im virtuellen Labor.
-
Ergänzende und aufbauende Kurse
-
Falls Sie sich tiefer mit containerisierten Anwendungen beschäftigen möchten, bietet sich der Kurs Docker Fundamentals an.
Einen umfänglichen Überblick zur Orchestrierung/automatisierten Verwaltung von containerisierten Anwendungen erhalten Sie in den Kursen Kubernetes und Kubernetes Advanced.Die Grundlagen für eine Automatisierung von Quellcode bis zum Deployment – das sogenannte CI/CD - werden in den beiden Git & GitLab Kursen (Git und GitLab & GitLab Advanced) vermittelt.
Falls Sie sich intensiver mit der primär im Kurs verwendeten Programmiersprache Python auseinandersetzen wollen, sind unsere Kurse Python für Programmierer und Python für Fortgeschrittene eine sehr gute Wahl.
| 1 | Einstieg in das Site Reliability Engineering |
| 1.1 | DevOps |
| 1.2 | Was ist Site Reliability Engineering |
| 1.3 | 12-Factor-App |
| 1.4 | Horizontale Skalierbarkeit |
| 1.4.1 | Monolithische Software |
| 1.4.2 | Microservices |
| 1.5 | Was ist Reliability |
| 1.5.1 | Beispiele SLIs - SLOs - SLAs |
| 1.5.2 | Apdex |
| 2 | Einstieg in das Chaos Engineering |
| 2.1 | Grundidee des Chaos Engineering |
| 2.2 | Ziele des Chaos Engineering |
| 2.2.1 | Kultur der Resilienz |
| 2.3 | Woher kommt das Chaos Engineering? |
| 2.4 | Prinzipien des Chaos Engineering |
| 2.4.1 | Steady State Hypothese (SSH) |
| 2.4.2 | Realistische Bedingungen und Wirkungen |
| 2.4.3 | Kontinuierliches Chaos |
| 2.4.4 | Vergleich zu herkömmlichen Testmethoden |
| 2.5 | Übersicht typischer Tools |
| 2.5.1 | Chaos Toolkit |
| 2.5.2 | Chaos Mesh |
| 2.5.3 | Litmus |
| 2.5.4 | Kommerzielle Tools |
| 2.5.5 | Und die Entscheidung? |
| 3 | Planung und Durchführung von Experimenten |
| 3.1 | Mental Model |
| 3.1.1 | Unterschiedliche Mental Models |
| 3.2 | Entwicklung von Experimenten |
| 3.2.1 | Explosionsradius |
| 3.2.2 | Entwicklung von Steady State Hypothesen |
| 3.3 | Voraussetzungen |
| 3.3.1 | Kontrolliertes Chaos |
| 3.4 | Beispiel Netflix |
| 3.4.1 | Die Richtigen Fragen Stellen |
| 3.4.2 | Netflix Monocle |
| 3.5 | Beispiel Amazon |
| 3.6 | Beispiel LinkedIn |
| 3.7 | Beispiel Slack - Disasterpiece Theater |
| 3.8 | Beispielszenarien |
| 4 | Praktische Voraussetzungen für Experimente |
| 4.1 | Infrastructure as Code (IaC) |
| 4.2 | Terraform |
| 4.3 | Ansible |
| 4.4 | Versionsverwaltung mit Git |
| 4.4.1 | Wie funktioniert Git? |
| 4.4.2 | Grundbefehle |
| 4.4.3 | Git Branches |
| 4.4.4 | GitFlow-Konzept |
| 4.5 | GitLab |
| 4.5.1 | GitLab Landing Page |
| 4.5.2 | Arbeiten mit Remote Repositories |
| 4.6 | CI/CD Pipelines |
| 4.6.1 | GitLab Pipleline Übersicht |
| 4.7 | GitOps |
| 4.7.1 | GitOps mit Flux |
| 4.8 | Container |
| 4.8.1 | Images und Registry |
| 4.8.2 | Simpler Microservice |
| 4.8.3 | Dockerfile |
| 4.9 | Kubernetes |
| 4.9.1 | Deployment |
| 4.9.2 | Services |
| 5 | Resilienz Konzepte |
| 5.1 | Load Balancing |
| 5.2 | Caching |
| 5.3 | Kafka Message Queue |
| 5.4 | Raft Algorithmus |
| 5.5 | Bulkhead Pattern |
| 5.6 | Kubernetes Ressourcen-Management |
| 5.7 | Istio Service Mesh |
| 5.8 | Priority Based Load Shedding |
| 5.9 | Prometheus Monitoring |
| 5.9.1 | Metrik Typen |
| 5.9.2 | Installation über Kube-Prometheus-Stack |
| 5.9.3 | Services und GUI |
| 5.9.4 | Anwendungsspezifische Metriken |
| 5.9.5 | Rules & Alertmanager |
| 5.10 | Logging mit dem ELK-Stack |
| 6 | Chaos mit Litmus |
| 6.1 | Architektur |
| 6.2 | Installation |
| 6.2.1 | Installationsverifikation |
| 6.3 | Chaos Environment & Infrastruktur |
| 6.3.1 | Chaos Infrastruktur |
| 6.4 | Simple Fehlerinjektion |
| 6.4.1 | Chaos Engine |
| 6.4.2 | Chaos Pods |
| 6.5 | Chaos Experiment |
| 6.5.1 | Chaos Experiment - Infrastruktur |
| 6.5.2 | Chaos Experiment - Faults |
| 6.5.3 | Chaos Experiment - Fault Target |
| 6.5.4 | Chaos Experiment - Explosionsradius |
| 6.5.5 | Chaos Experiment - Fault Details |
| 6.5.6 | Chaos Experiment - Fault Probes |
| 6.5.7 | Chaos Experiment - Visual und YAML |
| 6.5.8 | Chaos Experiment - Run |
| 6.6 | Resilience Score |
| 6.7 | Resilience Probes |
| 6.8 | Argo Workflow |
| 6.8.1 | Argo Workflow Ressourcen |
| 6.8.2 | Argo Workflow - Probe Reference |
| 7 | Incident Management und Postmortems |
| 7.1 | Was sind Incidents? |
| 7.2 | Incident Erkennung |
| 7.3 | Incident Workflow |
| 7.3.1 | Incidents bei Google und Atlassian |
| 7.4 | Das Postmortem Dokument |
| 7.5 | Die 5 Warums |
| 7.6 | Business Logic vs Application Logic |
| 7.7 | Retry Storm |
| 7.8 | Holiday Code Freeze |
| 7.9 | Allegro Postmortem |
| 7.10 | Google Warnungen |
| 7.11 | Google Code Search |
| 7.12 | TUI Check-In Fehler |
-
Classroom Training
- Bevorzugen Sie die klassische Trainingsmethode? Ein Kurs in einem unserer Training Center, mit einem kompetenten Trainer und dem direkten Austausch zwischen allen Teilnehmern? Dann buchen Sie einen der Classroom Training Termine!
-
Online Training
- Möchten Sie einen Kurs online besuchen? Zu diesem Kursthema bieten wir Ihnen Online-Kurstermine an. Als Teilnehmer benötigen Sie dazu einen PC mit Internet-Anschluss (mindestens 1 Mbit/s), ein Headset, falls Sie per VoIP arbeiten möchten und optional eine Kamera. Weitere Informationen und technische Empfehlungen finden Sie hier.
-
Inhouse-Schulung
-
Benötigen Sie einen maßgeschneiderten Kurs für Ihr Team? Neben unserem Standard-Angebot bieten wir Ihnen an, Kurse speziell nach Ihren Anforderungen zu gestalten. Gerne beraten wir Sie hierzu und erstellen Ihnen ein individuelles Angebot.
