Data Engineering für Microservices

Microservices unterscheiden sich stark von monolithischen Architekturen. Daher sind auch ihre Data-Engineering-Auswirkungen verschieden. Microservices verwalten ihre eigenen Daten, und Data Engineering stellt die Daten-Pipelines bereit, die Daten für Microservices bewegen.

Diese Übung ist Teil des Kurses

DevOps-Konzepte

Kurs anzeigen

Interaktive Übung

In dieser interaktiven Übung kannst du die Theorie in die Praxis umsetzen.

Übung starten

Diese Übung ist Teil des Kurses

DevOps-Konzepte

Geringe SchwierigkeitSchwierigkeitsgrad

4.8+

598 reviews

Kurs kostenlos starten

In diesem Kapitel erfährst du, was DevOps ist, lernst seine Prinzipien kennen und siehst, welche Vorteile es bringt. Du entdeckst, wie es in verschiedenen Arten der Softwareentwicklung angewendet wird. Zum Schluss schaust du auf die Grundlagen des Projektmanagements, vergleichst verschiedene Ansätze und wie sie DevOps stärken, um Organisationen deutliche Vorteile zu verschaffen.

Exercise 1: Was ist DevOps?Exercise 2: Vorteile von DevOps Exercise 3: Eigenschaften von DevOps Exercise 4: Anwendungsfälle für DevOps Exercise 5: Welche Engineer-Rolle?Exercise 6: Das richtige Modell einsetzen Exercise 7: DevOps-Implementierungen Exercise 8: Projektmanagement-Methoden für DevOps Exercise 9: Projektmanagement-Frameworks Exercise 10: Faktoren zur Wahl des besten Projektmanagement-Frameworks Exercise 11: Das beste Projektmanagement-Modell auswählen

Dieses Kapitel führt in die Hauptkomponenten von IT-Infrastruktur, Change Management und Softwarearchitektur ein. Du siehst, wie verschiedene Teile zusammenwirken, um Online-Produkte zu bilden, wie sie miteinander interagieren und wie Teams im DevOps Change Management Model zusammenarbeiten. Außerdem lernst du die wichtigsten Elemente von DevOps im Detail kennen. Am Ende dieses Kapitels bist du in der Lage, einige der komplexen Software-Engineering-Probleme wie Architekturgestaltung anzugehen und Online-Produkte sicher und schnell zu verbessern.

Exercise 1: Das DevOps-Change-Management-Modell Exercise 2: Komponenten des DevOps-Zyklus Exercise 3: Data Engineering im DevOps-Zyklus Exercise 4: Wichtige Systeme der Softwarearchitektur Exercise 5: Daten in Bewegung Exercise 6: Architektonische Entscheidungen treffen Exercise 7: Konzepte moderner IT-Infrastruktur Exercise 8: Komponenten der IT-Infrastruktur Exercise 9: Komponenten des Change Management Exercise 10: Elemente von DevOps Exercise 11: CI/CD-Pipelines Exercise 12: DevOps-Konzepte vs. generische Infrastrukturkonzepte

Hier begibst du dich auf eine Reise, DevOps aus Sicht einer Data Engineerin bzw. eines Data Engineers zu betrachten. Du erkundest, was die DevOps-Architektur aus der Perspektive des Data Engineerings bedeutet. Außerdem schaust du dir die zentralen Konzepte rund um Datenpipelines an und wie sie in einer Microservices-Architektur eingesetzt werden. Nachdem du Datenpipelines kennengelernt hast, setzt du die Data-Scientist-Brille auf und betrachtest DevOps aus Reporting-Sicht. Abschließend wirfst du einen Blick auf die Tool-Landschaft von DevOps und besprichst die wichtigsten Werkzeuge für DevOps.

Exercise 1: Implikationen der DevOps-Architektur für Data Engineering Exercise 2: Microservices vs. monolithische Architektur Exercise 3: Data Engineering für Microservices

Aktuelle Übung

Exercise 4: Datenpipelines Exercise 5: Wichtigste Datenoperationen Exercise 6: Batch- vs. Streamverarbeitung Exercise 7: Analytics & Reporting mit DevOps Exercise 8: Kennzahlen fürs Change Management Exercise 9: Reporting-Architektur für DevOps Exercise 10: Tools: Ökosystem Exercise 11: Architektursysteme und Tools Exercise 12: Tools im DevOps-Zyklus Exercise 13: Datenpipelines automatisieren

In diesem letzten Kapitel untersuchst du, wie DevOps hilft, eine hohe Datenqualität sicherzustellen. Außerdem beleuchtest du Qualität und Zuverlässigkeit in der Software. Nicht zuletzt schaust du auf die kulturellen Konzepte, die DevOps ermöglichen. Danach fasst du alles Gelernte zusammen und bist bestens ausgerüstet mit der Kraft von DevOps.

Exercise 1: Datenqualitätsstandards mit DevOps sicherstellen Exercise 2: Datenqualität Exercise 3: Elemente der Datenqualität Exercise 4: Observability und Reliability Exercise 5: Observability vs. Testing Exercise 6: Zuverlässigkeit erhöhen Exercise 7: Kulturelle Konzepte in DevOps Exercise 8: Kulturelle Konzepte Exercise 9: Auf einen Vorfall reagieren Exercise 10: Alles zusammenführen Exercise 11: Vorteile von DevOps Exercise 12: DevOps-Zyklus Exercise 13: GLÜCKWUNSCH!