HANDS-ON / LABS

Теория становится
инженерным навыком.

Небольшие лабораторные работы, которые можно повторить локально. Начинай с первой и усложняй стек постепенно.

LAB 01 / CONTAINERS

Контейнеризируем приложение

Цель: собрать минимальный образ, запустить контейнер и проверить его состояние.

  1. Создай приложение.Например, небольшой HTTP-сервис на Node.js или Python.
  2. Добавь Dockerfile.Используй официальный минимальный базовый образ, закрепи версию и не запускай процесс от root.
  3. Собери и запусти.Проверь порт, health endpoint и логи контейнера.
  4. Уменьши поверхность атаки.Добавь .dockerignore, не копируй секреты, сканируй образ.

Команды ниже — пример для локальной разработки. Подставь путь к своему приложению и порт.

DockerfileEXAMPLE
FROM node:22-alpine
WORKDIR /app
COPY package*.json ./
RUN npm ci --omit=dev
COPY . .
ENV NODE_ENV=production
USER node
EXPOSE 3000
CMD ["node", "server.js"]
Terminal
docker build -t demo-service:local .
docker run --rm -p 3000:3000 demo-service:local
docker ps
LAB 02 / DELIVERY

Построй CI pipeline

Цель: проверять каждый pull request и собирать артефакт только после успешных тестов.

  1. Зафиксируй quality gates.Lint, unit tests, dependency checks и сборка.
  2. Раздели этапы.Сборка, тесты, проверки безопасности и публикация артефакта.
  3. Ограничь секреты.Используй защищённые переменные, минимальные токены и короткоживущие credentials.
  4. Продумай rollback.Развёртывай неизменяемый артефакт и сохраняй предыдущую рабочую версию.
.github/workflows/ci.ymlILLUSTRATIVE
name: ci
on: [push, pull_request]
jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-node@v4
        with:
          node-version: 22
      - run: npm ci
      - run: npm run lint --if-present
      - run: npm test --if-present
      - run: npm run build --if-present

Для production закрепляй сторонние Actions на полный commit SHA, а не только на изменяемый тег. Версии в примере требуют проверки и обновления под свой проект.

LAB 03 / OBSERVABILITY

Сделай сервис наблюдаемым

Цель: определить, что значит «сервис работает хорошо», и связать сигнал с действием.

METRICS
◉

Метрики

Собирай rate запросов, error rate, latency p95/p99, насыщение CPU, памяти и диска.

LOGS
⌕

Логи

Пиши структурированные события с timestamp, severity, service и correlation/request ID.

TRACES
⌁

Трассировки

Используй OpenTelemetry, чтобы видеть путь запроса через несколько сервисов.

Практическое упражнение: создай дашборд с RPS, ошибками и p95 latency. Настрой алерт на устойчивое превышение порога, добавь ссылку на runbook и проверь, что алерт не срабатывает на кратковременный шум.
LAB 04 / AI OPS

AI-помощник для первичного разбора

Используй модель как аналитический слой, не как автономного оператора production.

INCIDENT SUMMARY TEMPLATE
Контекст: сервис checkout, окно инцидента 10:00–10:20 UTC.
Данные: обезличенные логи, метрики и список недавних релизов.

Сформируй:
- краткое резюме и временную шкалу;
- факты с указанием источника;
- гипотезы с уровнем уверенности;
- безопасные проверки без изменения состояния;
- вопросы, на которые пока нет данных.

Не предлагай выполнять destructive-команды.
Не раскрывай и не восстанавливай секреты.
NEXT STEP

Собери свой план развития.

Открыть Roadmap ↗