홈랩을 통한 DevOps 실무 경험
소개
이번 여름에는 MLH Fellowship x Meta Production Engineering 프로그램을 통해 DevOps 기술을 배울 기회가 있었습니다. 프로그램에 대해 알고 싶으시면 제 LinkedIn 게시물을 살펴보세요.
프로그램 이전에 Digital Ocean Droplet(VPS)을 사용하여 웹 애플리케이션을 배포한 경험이 있습니다. 나는 그들과 함께 내 작업 중 일부를 호스팅하고 있습니다. 하지만 Docker, GitHub Actions, 프록시 서버 등 다양한 기술을 통해 애플리케이션을 효율적으로 배포하기 위한 견고한 기반이 부족했습니다.
이 프로그램을 통해 저는 필수적인 생산 엔지니어링 기술을 습득하고 Meta의 많은 생산 엔지니어들과 이야기를 나눌 기회를 가졌습니다. 하이라이트 중 하나는 생산 엔지니어 관리자와의 모의 인터뷰였습니다. 기술 및 시스템 인터뷰 성과에 대해 자세한 피드백을 받았습니다. 피드백에서는 내가 무엇을 할 수 있는지에 대한 높은 수준의 지식을 갖춘 적절한 명령 카탈로그를 갖고 있으며 Unix 시스템에 대한 더 많은 실무 경험이 도움이 될 것이라고 말했습니다. 저는 인터뷰를 위해 여러 Linux 책을 읽은 것이 보람을 느꼈고 생산 엔지니어로서 실무 경험을 쌓는 데 더 관심을 갖게 되었다고 느꼈습니다.
마이 홈랩
저의 멘토 중 한 분이 세션 중에 자신의 실제 서버 프로젝트를 선보인 후 홈 서버 설정을 살펴보도록 영감을 주었습니다. 홈 서버를 구축하는 것이 실질적인 Linux 서버 경험을 쌓을 수 있는 좋은 방법이라는 것을 깨달았습니다.
몇 가지 조사 끝에 미니 컴퓨터(NucBox G3)를 구입하고 CloudFlare를 사용하여 홈 네트워크에서 웹 사이트를 호스팅하기로 결정했습니다.
현재와 미래
완전한:
- 미니컴퓨터에 Ubuntu 서버 설치
- 네트워크 설정 및 Cloudflare와 통합
- Flask 포트폴리오 프로젝트를 위한 CI/CD 파이프라인 구축
- cronjob을 사용하여 Kaggle용 데이터 세트 만들기
향후 계획
- 디자인을 강화하고 테스트를 추가하여 Flask 포트폴리오를 개선합니다.
- React 및 Next.js와 같은 다른 프레임워크로 구축된 애플리케이션 배포 실험
결론
Linux를 사용한 지 3년 정도 되었지만 개발자로서 생산성을 극대화하려면 아직 배워야 할 것이 너무 많다는 것을 깨달았습니다. 나는 시간과 실습 경험을 통해 Linux 기술을 향상시킬 것이라고 확신합니다.
앞으로 정확히 어떤 역할을 맡게 될지는 확신할 수 없지만, 프론트엔드 개발자가 되더라도 DevOps 능력은 매우 중요할 것이라고 확신합니다.
위 내용은 홈랩을 통한 DevOps 실무 경험의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

Python은 배우고 사용하기 쉽고 C는 더 강력하지만 복잡합니다. 1. Python Syntax는 간결하며 초보자에게 적합합니다. 동적 타이핑 및 자동 메모리 관리를 사용하면 사용하기 쉽지만 런타임 오류가 발생할 수 있습니다. 2.C는 고성능 응용 프로그램에 적합한 저수준 제어 및 고급 기능을 제공하지만 학습 임계 값이 높고 수동 메모리 및 유형 안전 관리가 필요합니다.

하루에 2 시간 동안 파이썬을 배우는 것으로 충분합니까? 목표와 학습 방법에 따라 다릅니다. 1) 명확한 학습 계획을 개발, 2) 적절한 학습 자원 및 방법을 선택하고 3) 실습 연습 및 검토 및 통합 연습 및 검토 및 통합,이 기간 동안 Python의 기본 지식과 고급 기능을 점차적으로 마스터 할 수 있습니다.

Python은 개발 효율에서 C보다 낫지 만 C는 실행 성능이 높습니다. 1. Python의 간결한 구문 및 풍부한 라이브러리는 개발 효율성을 향상시킵니다. 2.C의 컴파일 유형 특성 및 하드웨어 제어는 실행 성능을 향상시킵니다. 선택할 때는 프로젝트 요구에 따라 개발 속도 및 실행 효율성을 평가해야합니다.

Python과 C는 각각 고유 한 장점이 있으며 선택은 프로젝트 요구 사항을 기반으로해야합니다. 1) Python은 간결한 구문 및 동적 타이핑으로 인해 빠른 개발 및 데이터 처리에 적합합니다. 2) C는 정적 타이핑 및 수동 메모리 관리로 인해 고성능 및 시스템 프로그래밍에 적합합니다.

Pythonlistsarepartoftsandardlardlibrary, whileraysarenot.listsarebuilt-in, 다재다능하고, 수집 할 수있는 반면, arraysarreprovidedByTearRaymoduledlesscommonlyusedDuetolimitedFunctionality.

파이썬은 자동화, 스크립팅 및 작업 관리가 탁월합니다. 1) 자동화 : 파일 백업은 OS 및 Shutil과 같은 표준 라이브러리를 통해 실현됩니다. 2) 스크립트 쓰기 : PSUTIL 라이브러리를 사용하여 시스템 리소스를 모니터링합니다. 3) 작업 관리 : 일정 라이브러리를 사용하여 작업을 예약하십시오. Python의 사용 편의성과 풍부한 라이브러리 지원으로 인해 이러한 영역에서 선호하는 도구가됩니다.

과학 컴퓨팅에서 Python의 응용 프로그램에는 데이터 분석, 머신 러닝, 수치 시뮬레이션 및 시각화가 포함됩니다. 1.numpy는 효율적인 다차원 배열 및 수학적 함수를 제공합니다. 2. Scipy는 Numpy 기능을 확장하고 최적화 및 선형 대수 도구를 제공합니다. 3. 팬더는 데이터 처리 및 분석에 사용됩니다. 4. matplotlib는 다양한 그래프와 시각적 결과를 생성하는 데 사용됩니다.

웹 개발에서 Python의 주요 응용 프로그램에는 Django 및 Flask 프레임 워크 사용, API 개발, 데이터 분석 및 시각화, 머신 러닝 및 AI 및 성능 최적화가 포함됩니다. 1. Django 및 Flask 프레임 워크 : Django는 복잡한 응용 분야의 빠른 개발에 적합하며 플라스크는 소형 또는 고도로 맞춤형 프로젝트에 적합합니다. 2. API 개발 : Flask 또는 DjangorestFramework를 사용하여 RESTFULAPI를 구축하십시오. 3. 데이터 분석 및 시각화 : Python을 사용하여 데이터를 처리하고 웹 인터페이스를 통해 표시합니다. 4. 머신 러닝 및 AI : 파이썬은 지능형 웹 애플리케이션을 구축하는 데 사용됩니다. 5. 성능 최적화 : 비동기 프로그래밍, 캐싱 및 코드를 통해 최적화
