Основы DevOps для новичков

О чем этот курс

Этот курс — быстрый и понятный старт в DevOps для тех, кто только начинает. Вы освоите основы Linux и командной строки, разберётесь, как работают процессы и сети, научитесь пользоваться Git, создавать образы и запускать контейнеры в Docker. Мы свяжем разработку, тестирование и эксплуатацию в единую цепочку ценности и покажем, как Dev, Test и Ops работают вместе.

Курс построен по принципу «минимум теории — максимум практики». Каждый модуль сопровождается упражнениями: от базовой навигации по файловой системе до сборки собственного Docker-образа и запуска контейнера. Вы научитесь настраивать переменные окружения, собирать логи и смотреть метрики, чтобы понимать состояние приложения в реальном времени.

flowchart TB
  dev["Dev"]
  bld["Build"]
  tst["Test"]
  pkg["Package"]
  dpl["Deploy"]
  run["Run"]
  mon["Monitor"]

  sc["Source Control"]
  ci["CI"]
  reg["Artifact Registry"]
  env["Environment
(Staging/Prod)"]

  dev -- "коммит/пуш" --> sc
  sc -- "триггер CI" --> ci
  ci -- "запуск сборки" --> bld

  dev -- "сборка" --> bld
  bld -- "тестирование" --> tst
  tst -- "упаковка" --> pkg
  pkg -- "развёртывание" --> dpl
  dpl -- "выбор окружения" --> env
  env -- "запуск" --> run
  run -- "мониторинг" --> mon

  pkg -- "публикация артефакта" --> reg
  reg -- "артефакт для деплоя" --> dpl

  bld -. "обратная связь" .-> dev
  tst -. "обратная связь" .-> dev
  run -. "обратная связь" .-> dev
  mon -. "инциденты и метрики" .-> dev

В финале вы создадите простейший конвейер CI: автоматическая проверка кода (линт/тесты), сборка образа и публикация в реестр. Затем выполните базовое развертывание учебного приложения и убедитесь, что всё работает: контейнер стартует, переменные окружения подхватываются, логи пишутся, метрики видны. Это ваш первый сквозной опыт Dev→Test→Deploy→Monitor.

Что вы сделаете своими руками

Освоите ключевые команды Linux для повседневной работы DevOps-инженера.
Развернёте и исследуете контейнеры, поймёте устройство образов и слоёв.
Настроите простую CI-проверку на GitHub Actions или GitLab CI.
Соберёте Docker-образ и опубликуете его в реестре, после чего развернёте учебное приложение.

sequenceDiagram
    autonumber
    participant Dev
    participant Git
    participant CI
    participant Registry
    participant Staging

    Dev->>Git: Пуш в репозиторий
    Git-->>CI: Вебхук: запуск пайплайна
    CI->>CI: Линт и тесты
    CI->>CI: Сборка образа
    CI->>Registry: Публикация образа
    CI->>Staging: Деплой с переменными окружения
    CI->>Staging: Проверка логов и метрик

Примеры, с которыми вы познакомитесь

Базовые команды Linux:

# Навигация по системе
pwd
ls -la

# Сеть: интерфейсы и HTTP-заголовки
ip a
curl -I https://example.com

# Сервисы и логи
sudo systemctl status nginx
journalctl -u nginx --since "-1h"

Минимальный Dockerfile для учебного приложения:

FROM python:3.11-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install -r requirements.txt --no-cache-dir
COPY . .
ENV PORT=8000
CMD ["python", "-m", "http.server", "8000"]

Пример простого CI на GitHub Actions (проверка, сборка и публикация образа):

name: ci
on: [push, pull_request]
jobs:
  build:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-python@v5
        with:
          python-version: "3.11"
      - name: Install deps
        run: pip install -r requirements.txt
      - name: Lint
        run: flake8 .
      - name: Test
        run: pytest -q
      - name: Build image
        run: docker build -t ghcr.io/OWNER/APP:${{ github.sha }} .
      - name: Log in to GHCR
        run: echo $CR_PAT | docker login ghcr.io -u $GITHUB_ACTOR --password-stdin
        env:
          CR_PAT: ${{ secrets.CR_PAT }}
      - name: Push image
        run: docker push ghcr.io/OWNER/APP:${{ github.sha }}

Деплой собранного образа на сервер:

# Файл .env
PORT=8000
APP_ENV=staging

# Запуск контейнера
docker run -d \
  --name demo \
  --restart unless-stopped \
  --env-file .env \
  -p 8000:8000 \
  ghcr.io/OWNER/APP:latest

После прохождения курса у вас будет цельное представление о том, как код попадает в продакшен и как его поддерживать: от git-ветки до запущенного контейнера под наблюдением логов и метрик.

Контакты

О чем этот курс

Что вы сделаете своими руками

Примеры, с которыми вы познакомитесь

Оглавление

Курс содержит:

Похожие курсы

Нейросети для работы: с нуля до уверенного использования

ChatGPT, Claude и YandexGPT для повседневных задач

Промпт-инжиниринг для начинающих

AI для предпринимателя: как экономить время и деньги

Курсы

AIntellecto

Связаться с нами

Контакты