Integration verschiedener Cloud-Dienste legt den Fokus auf die technische Verknüpfung und das gezielte Zusammenspiel unterschiedlicher Cloud Computing-Plattformen wie AWS und Azure innerhalb moderner DevOps-Workflows. Sie lernen, wie sich Cloud Infrastructure optimal miteinander verbinden lässt - von der Infrastructure as Code-Entwicklung mit Terraform und Ansible, über automatisierte CI/CD-Pipelines mit Jenkins und GitOps bis hin zu Kubernetes- und Docker-Orchestrierung. Besonderes Augenmerk liegt darauf, skalierbare Microservices effizient und sicher zwischen verschiedenen Cloud-Ökosystemen zu automatisieren. Sie profitieren vom tiefen Einblick in Cloud Security, Cloud Architecture, Serverless-Strukturen, Observability sowie skalierbare Monitoring- und Logging-Konzepte. Die Integration verschiedener Cloud-Dienste - von Virtualization bis Linux-basierter Automatisierung in Python - steht dabei zentral und hebt diesen Kurs von anderen DevOps-Schulungen ab.
Grundlagen und Kernkonzepte- Detaillierte Betrachtung moderner Cloud Computing-Architekturen (AWS, Azure, Hybrid-Lösungen)
- Unterschiedliche Rollen von DevOps im Cloud Engineering und Cloud Infrastructure-Kontext
- Netzwerkkonzepte, Security-Anforderungen und Integrationsmodelle für Cloud-Dienste
- Relevanz von Monitoring, Logging und Observability für nachhaltiges Cloud-Management
- Bedeutung von Infrastructure as Code und Automatisierung: Terraform, Ansible im Vergleich
- Herausforderungen beim Multi-Cloud-Betrieb und Implikationen für Scalability und SRE
Technische Implementierung und Praxis
- Entwicklung und Integration von CI/CD-Pipelines - Einsatz von Jenkins, GitOps und Python
- Konfiguration von Kubernetes-Clustern, Docker-Containern, Serverless-Funktionen und Microservices
- Automatisierung von Cloud-Dienst-Deployments mit Infrastructure as Code
- Netzwerkkonfiguration und Cloud Security im laufenden Betrieb und für Continuous Deployment
- Effektive Nutzung von Monitoring-Tools und Logging-Strategien für komplexe Cloud-Umgebungen
- Systemintegration mit virtuellen Maschinen, Linux-Servern und Infrastrukturmanagement
Analyse, Interpretation und Validierung
- Cloud-spezifische Messgrößen für Performance, Auslastung und Skalierung interpretieren
- Visualisierung und Diagnose von Problemen mit Monitoring und Observability
- Absicherung und Überprüfung der Cloud Security mit systematischem Logging
- Analyse der Datenflüsse, Ableitung von Verbesserungsvorschlägen für Multi-Cloud-Setups
- Dokumentation von Integrationsprozessen für Nachvollziehbarkeit und Compliance
- Bestimmung der Kompatibilität verschiedener Cloud Computing-Lösungen
Praxisprojekte, Fallstudien und Vertiefung
- Erstellung und Integration echter Multi-Cloud-Szenarien (AWS, Azure)
- Konkrete Automation komplexer Arbeitsabläufe mit Infrastructure as Code und Python
- Skalierbare Microservices-Implementierungen und Analyse von Scalability in Cloud Environments
- Realistische Handling-Strategien für Security, Monitoring und Netzwerk-Integrationen