Szkolenia Chmura

Pracę z AWS warto zacząć od zrozumienia modeli usług, sposobu organizacji kont, sieci, tożsamości i podstawowych usług obliczeniowych oraz storage. Na początku dobrze sprawdzić relacje między IAM, VPC, EC2, S3, CloudWatch i mechanizmami wysokiej dostępności, a potem przejść do prostych wdrożeń aplikacji i automatyzacji. Przykładem takiej ścieżki jest uruchomienie aplikacji na EC2, zapis plików w S3 i monitorowanie metryk w CloudWatch.
Jeśli chcesz przećwiczyć to krok po kroku, zobacz: Certyfikowany specjalista AWS.

AWS Lambda sprawdza się tam, gdzie liczą się zdarzeniowość, szybkie wdrożenia i ograniczenie administracji serwerami, natomiast Kubernetes lepiej pasuje do aplikacji wymagających większej kontroli nad runtime, siecią, skalowaniem i zależnościami. Przy wyborze warto sprawdzić model ruchu, czas działania procesów, wymagania dotyczące stanu, koszty operacyjne oraz sposób monitorowania i debugowania. Przykładowo integracje API, kolejki i krótkie zadania często dobrze działają w Lambda, a platformy mikroserwisowe i aplikacje stanowe częściej trafiają do klastrów Kubernetes.
To jedno z zagadnień omawianych podczas szkolenia: Budowanie rozwiązań serverless/FaaS w chmurze AWS.

Infrastructure as Code polega na definiowaniu zasobów w deklaratywnych plikach, dzięki czemu zespoły mogą wersjonować, przeglądać i powtarzalnie wdrażać środowiska. W praktyce trzeba sprawdzić strukturę modułów, sposób zarządzania state, separację środowisk, przechowywanie sekretów i integrację z CI/CD. Typowy przykład to provisioning sieci, maszyn, baz danych i uprawnień przy użyciu Terraform lub OpenTofu z backendem zdalnym i kontrolą zmian w repozytorium.
Dokładnie ten zestaw narzędzi i workflow ćwiczymy podczas szkolenia: Terraform - automatyzacja wdrożeń Infrastructure as Code w chmurze AWS.

SLI opisują mierzalne wskaźniki jakości usługi, SLO wyznaczają akceptowalny poziom niezawodności, a Error Budget pozwala podejmować decyzje o tempie zmian i ryzyku operacyjnym. W pierwszej kolejności trzeba ustalić, które metryki mają znaczenie dla użytkownika, jak liczyć dostępność i opóźnienia oraz kiedy przekroczenie budżetu błędów wymaga ograniczenia releasów. Przykładem jest API z celem SLO 99,9%, dla którego zespół wylicza dopuszczalny czas niedostępności w miesiącu i wiąże go z polityką wdrożeń.
Ten temat przerabiamy praktycznie na szkoleniu: SRE Fundamentals — niezawodność jako praktyka inżynierska.

Najczęstsze błędy obejmują brak limitów zasobów, zbyt szerokie uprawnienia RBAC, niepoprawne readiness i liveness probes, słabą segmentację sieci oraz brak spójnego monitoringu. Przed wdrożeniem warto sprawdzić polityki dostępu, sposób publikacji usług, zarządzanie sekretami, storage, strategie aktualizacji i procedury diagnostyczne dla klastra. Dobrym przykładem problemu jest aplikacja działająca lokalnie, ale niestabilna w klastrze z powodu błędnych probe i braku resource requests.
Wersję warsztatową (z konfiguracją i przykładami) znajdziesz w programie szkolenia: Kubernetes w praktyce.

Optymalizacja kosztów w chmurze polega na dopasowaniu architektury, rozmiaru zasobów, modelu rozliczeń i automatyzacji do rzeczywistego obciążenia systemów. Warto sprawdzić nieużywane zasoby, polityki autoskalowania, klasy storage, koszty transferu, rezerwacje, monitoring wydatków oraz wpływ decyzji architektonicznych na SLA i odporność środowiska. Przykładem jest przeniesienie części obciążeń do usług zarządzalnych, skrócenie czasu działania środowisk testowych i objęcie budżetów stałym monitoringiem.
To jedno z zagadnień omawianych podczas szkolenia: Certyfikowany Architekt AWS.