523 subscribers
37 photos
5 videos
2 files
1.63K links
👑 DevOps Labdon

حمایت مالی:
https://www.coffeete.ir/mrbardia72

ادمین:
@mrbardia72
Download Telegram
🔵 عنوان مقاله
Launching S3 Files, making S3 buckets accessible as file systems (6 minute read)

🟢 خلاصه مقاله:
شرکت آمازون به تازگی قابلیت جدیدی به نام Amazon S3 Files معرفی کرده است که انقلابی در حوزه مدیریت داده‌ها و زیرساخت‌های ابری محسوب می‌شود. این قابلیت جدید به کاربران امکان می‌دهد هر باکت S3 را به صورت یک سامانه فایل کامل و قابل استفاده، مستقیم از نمونه‌های EC2، کانتینرها یا توابع Lambda، مونت و دسترسی‌پذیر کنند. یکی از ویژگی‌های برجسته این سرویس، کاهش کم‌نظیر تاخیر به حدود یک میلی‌ثانیه برای داده‌های فعال است که تجربه کاربری بسیار نزدیکی به سیستم‌های فایل محلی را فراهم می‌کند. علاوه بر این، سامانه به طور خودکار بین سیستم فایل و باکت S3، همگام‌سازی دوطرفه و بی‌وقفه انجام می‌دهد. این موفقیت بزرگ، در حال حاضر در تمامی مناطق تجاری AWS در دسترس است و برتری‌های سنتی بین مزایای ذخیره‌سازی شیء در S3 و قابلیت‌های تعاملی فایل سیستم‌ها را از میان برمی‌دارد، و امکان مدیریت داده‌های بزرگ و پیچیده را به صورت مؤثر و انعطاف‌پذیر فراهم می‌کند.

این تحولی در نحوه تعامل با داده‌های ابری است که می‌تواند بهره‌وری و سرعت عملیات‌های داده‌ای در دنیای فناوری اطلاعات را به طور چشمگیری ارتقاء دهد، و توسعه‌دهندگان و مدیران سیستم را در پیاده‌سازی راهکارهای نوآورانه یاری رساند. با معرفی این فن‌آوری، دیگر نیاز به میانبرهای معمول و محدودکننده نیست و سازمان‌ها می‌توانند ساختارهای فایل سیستم خود را در بستر ابر به سادگی و به صورت مستقیم پیاده‌سازی کنند. به این ترتیب، S3 Files بر پلتفرم‌های مختلف، انعطاف‌پذیری و کارایی بی‌سابقه‌ای ارائه می‌دهد که از انتخاب‌های قدیمی فراتر رفته و نیازهای مدرن امروز را پاسخ می‌دهد.

#ذخیره‌سازی_ابری #فایل‌سیستم #AWS #تحول_در_داده‌ها

🟣لینک مقاله:
https://aws.amazon.com/blogs/aws/launching-s3-files-making-s3-buckets-accessible-as-file-systems/?utm_source=tldrdevops


👑 @DevOps_Labdon
🔵 عنوان مقاله
Building Secure GitOps Pipelines: Integrating External Secrets Operator with ArgoCD on EKS

🟢 خلاصه مقاله:
در دنیای توسعه نرم‌افزار و مدیریت زیرساخت‌های ابری، امنیت داده‌ها همواره یکی از نگرانی‌های اصلی است. به همین دلیل، این مقاله به شما نشان می‌دهد چگونه می‌توانید جریان کاری GitOps مبتنی بر ArgoCD را در محیط EKS، به گونه‌ای امن و قابل اعتماد پیاده‌سازی کنید. در این راهنما، با استفاده از ابزار External Secrets Operator، سرویس IRSA و مخزن پارامترهای SSM در AWS، مطمئن خواهید شد که اسرار و اطلاعات حساس هرگز در مخازن گیت ذخیره نمی‌شوند و به صورت ایمن همگام‌سازی می‌شوند.

ابتدا، اهمیت مدیریت ایمن اسرار در فرآیندهای توسعه و عملیات را بررسی می‌کنیم. نگهداری اسرار در گیت ممکن است خطری بزرگ برای حریم خصوصی و امنیت زیرساخت‌ها باشد، اما با استفاده از ابزارهای مناسب مانند External Secrets Operator، این نگرانی‌ها برطرف می‌شوند. این ابزار امکان مدیریت و همگام‌سازی امن اسرار را در محیط‌های Kubernetes فراهم می‌کند، بدون اینکه نیاز باشد اسرار در مخازن کد رد و بدل شوند.

در ادامه، نحوه راه‌اندازی و پیکربندی External Secrets Operator بر روی کلاستر EKS شرح داده می‌شود. همچنین، روش‌های اعطای دسترسی امن به سرویس‌های AWS، از جمله استفاده از IRSA (IAM Roles for Service Accounts)، برای ارتباط امن و محدود با سرویس SSM توضیح داده می‌شود. این راهکار، سطح امنیت را به میزان قابل توجهی افزایش داده و از نفوذهای احتمالی جلوگیری می‌کند.

در نهایت، با بهره‌گیری از این ترکیب ابزارها و سیاست‌ها، شما قادر خواهید بود فرآیند توسعه و عملیات خود را به سمت یک جریان کاری GitOps امن و بدون مشکل سوق دهید. اسرار حساس در محیط‌های Kubernetes، همواره در امن‌ترین حالت ممکن باقی می‌مانند و به صورت خودکار و بی‌وقفه با زیرساخت‌های AWS و کلاستر EKS شما همگام‌سازی می‌شوند، با خیالی آسوده از امنیت داده‌ها.

#امنیت #GitOps #EKS #AWS

🟣لینک مقاله:
https://ku.bz/1qJT8SG1s


👑 @DevOps_Labdon
🔵 عنوان مقاله
Your AWS bill is probably 15% higher than it needs to be. This free calculator shows you exactly how much. (Sponsor)

🟢 خلاصه مقاله:
احتمالاً صورتحساب آمازون وب سرویس (AWS) شما حدود ۱۵ درصد بیشتر از حد لازم است. این ماشین حساب رایگان به شما نشان می‌دهد دقیقاً چه میزان هزینه اضافی پرداخت می‌کنید و چگونه می‌توانید آن را کاهش دهید. برآورد هزینه‌های مرتبط با خدمات ابری همواره یکی از چالش‌های مدیران فنی و کسب‌وکارهای دیجیتال است، اما با ابزارهای مناسب می‌توان صرفه‌جویی‌های قابل توجهی داشت و بهره‌وری را افزایش داد.

شرکت Milkstraw با اتصال و هم‌سطح‌سازی تمامی موارد مربوط به حساب AWS شما، این فرآیند را ساده می‌کند و امکان رزرو نمونه‌های مناسب را برایتان فراهم می‌آورد. این سرویس، تخفیف‌های مبتنی بر تعهد را بدون نیاز به تعهد واقعی در اختیار کاربران قرار می‌دهد، به نوعی که می‌توانید بدون قید و شرط به صرفه‌جویی برسید. صدها مهندس و کارشناس حوزه ابری تاکنون با استفاده از این راه‌حل توانسته‌اند تا ۵۰ درصد در هزینه‌های AWS خود صرفه‌جویی کنند.

با یک نگاه سریع در مدت زمان ۶۰ ثانیه، می‌توانید میزان صرفه‌جویی‌هایی که ممکن است، مشاهده کنید و تصمیمات بهتری برای مدیریت هزینه‌های ابری خود بگیرید. این ابزارهای هوشمند نه تنها هزینه‌ها را کاهش می‌دهند، بلکه مدیریت و بهینه‌سازی منابع را ساده‌تر می‌کنند و به شرکت‌ها کمک می‌کنند تا هزینه‌های فناوری اطلاعات خود را به شکل قابل توجهی کاهش دهند.

#صرفه‌جویی_در_هزینه #خدمات_ابری #مدیریت_هزینه #AWS

🟣لینک مقاله:
https://www.milkstraw.ai/calculator?utm_campaign=DevOps342026&utm_source=tldr&utm_medium=newsletter


👑 @DevOps_Labdon
🔵 عنوان مقاله
Building eBPF-Based Bandwidth Limiting in AWS Network Policy Agent — Why Vibe Coding Isn’t Enough

🟢 خلاصه مقاله:
در این مقاله، فرآیند ساخت یک سیستم محدودکننده پهنای باند مبتنی بر eBPF در آژانس سیاست‌های شبکه AWS مورد بررسی قرار می‌گیرد. نویسنده نشان می‌دهد که چرا تنها تکیه بر کدهای تولید شده توسط هوش مصنوعی کافی نیست و اهمیت دانش حوزه در شناسایی و رفع خطاها را برجسته می‌کند.

مقاله با توضیحاتی درباره نیاز به ابزارهای قدرتمند و دقیق در مدیریت شبکه‌های پیچیده آغاز می‌شود. سپس، نحوه پیاده‌سازی محدودکننده پهنای باند مبتنی بر فناوری EDT و eBPF شرح داده می‌شود، که این روش امکان کنترل بهتر ترافیک شبکه در محیط‌های ابری مانند AWS را فراهم می‌کند. در ادامه، چالش‌هایی که در دریافت و اجرای صحیح این فناوری‌ها وجود دارد، با تمرکز بر خطاهای پنهانی در کدهای تولیدشده توسط هوش مصنوعی، بررسی می‌شود. نشان داده می‌شود که بدون دانش عمیق در زمینه‌های حوزه، رفع این مشکلات دشوار بوده و احتمال خطاهای مهم وجود دارد. در نهایت، اهمیت داشتن دیدی جامع و آگاهی دامنه در توسعه و نگهداری سیستم‌های شبکه‌ای پیچیده تأکید می‌شود.

در مجموع، این مقاله بر اهمیت تعادل بین فناوری‌های نوین و دانش تخصصی تأکید می‌کند و نشان می‌دهد که برای موفقیت در پیاده‌سازی سیستم‌های کنترل ترافیک، باید از هر دو جنبه بهره‌مند شد.

#شبکه #امنیت_شبکه #پهنای_باند #AWS

🟣لینک مقاله:
https://ku.bz/KlSSnd0gm


👑 @DevOps_Labdon
🔵 عنوان مقاله
Amazon Bedrock introduces new advanced prompt optimization and migration tool (3 minute read)

🟢 خلاصه مقاله:
آمازون بردراک ابزار جدیدی با نام «بهینه‌سازی پیشرفته پرامپت» معرفی کرده است که به توسعه‌دهندگان امکان می‌دهد پرامپت‌های مدنظر خود را به بهترین شکل بهبود داده و مقایسه کنند. این ابزار قابلیت همزمان ارزیابی و بهبود پرامپت‌ها در حداکثر پنج مدل مختلف را با بهره‌گیری از یک حلقه بازخورد مبتنی بر معیارهای دقیق فراهم می‌کند، و از ورودی‌های چندرسانه‌ای مانند تصاویر و فایل‌های PDF پشتیبانی می‌نماید. این سرویس در حال حاضر در ۱۴ منطقه جغرافیایی جهان در دسترس است و هزینه‌های استفاده از آن بر پایه نرخ استاندارد توکن‌های استنتاج مدل‌های بردراک محاسبه می‌شود، که در فرآیند بهینه‌سازی مصرف می‌شود.

با این ابزار جدید، توسعه‌دهندگان و محققان قادر خواهند بود فرآیندهای توسعه هوش مصنوعی را سریع‌تر و دقیق‌تر انجام دهند، چرا که می‌توانند به راحتی تاثیر تغییرات در پرامپت‌ها را در مدل‌های مختلف ارزیابی کرده و بهینه‌ترین گزینه را انتخاب کنند. پشتیبانی از ورودی‌های چندرسانه‌ای این قابلیت را فراهم می‌آورد که ابزارهای مبتنی بر هوش مصنوعی بتوانند با انواع داده‌های تصویری و اسنادی کار کنند، امری که کاربردهای گسترده‌تری در پروژه‌های مختلف دارد.

این سرویس جدید، که همزمان با فناوری‌های پیشرفته در فضای ابری ارائه شده است، نشان از تعهد AWS به ارتقاء تجربه توسعه‌دهندگان و افزایش بهره‌وری در زمینه هوش مصنوعی دارد. با دسترسی در مناطق مختلف جهان، کاربران می‌توانند از امکانات پیشرفته این ابزار بهره‌مند شوند و فرآیندهای توسعه خود را به سطح بالاتری ارتقاء دهند.

#هوش_مصنوعی #پرمپت_بهینه‌سازی #توسعه_هوش_مصنوعی #AWS

🟣لینک مقاله:
https://aws.amazon.com/blogs/aws/amazon-bedrock-introduces-new-advanced-prompt-optimization-and-migration-tool/?utm_source=tldrdevops


👑 @DevOps_Labdon
🔵 عنوان مقاله
Building and running custom code transformations without leaving your editor (6 minute read)

🟢 خلاصه مقاله:
در دنیای توسعه نرم‌افزار، تغییر و تحول کدها بخش حیاتی فرآیند توسعه است. شرکت‌های فناوری به دنبال راهکارهایی هستند که این فرآیند را سریع‌تر، مؤثرتر و بدون نیاز به ترک محیط کدنویسی انجام دهند. یکی از نوآوری‌هایی که در این راستا معرفی شده است، سرویس AWS Transform custom است؛ سامانه‌ای مبتنی بر هوش مصنوعی که به توسعه‌دهندگان امکان می‌دهد تغییرات مورد نظر در کدها را به زبان طبیعی شرح دهند و به صورت خودکار در مخازن مختلف اعمال کنند.

این سرویس، قابلیت کار همزمان با چندین مخزن را دارد؛ به‌طوری که می‌تواند همزمان تا سه مخزن را به صورت محلی و یا در صورت نیاز، با مقیاس‌پذیری بالا از طریق AWS Batch و Fargate، به تعداد صدها مخزن را به صورت همزمان اداره کند. این ویژگی بسیار برای پروژه‌هایی که نیازمند بروزرسانی‌های گسترده و سریع هستند، کاربردی است. همچنین، AWS Transform custom با ابزارهای محبوبی چون IDEهای مختلف ادغام می‌شود، به کمک قدرت Kiro و یک عامل مهارت‌مند که با بیش از ۴۰ ابزار، از جمله Claude Code و Cursor، سازگار است، و افزونه‌ای برای VS Code فراهم کرده است. این ادغام‌ها به تیم‌ها امکان می‌دهد کار خود را در زمینه مهاجرت‌های شخصی‌سازی‌شده، مانند بروزرسانی‌های ساختاری، به راحتی و بدون ترک محیط توسعه انجام دهند و سرعت و دقت را افزایش دهند.

در مجموع، این خدمت نوین، با بهره‌گیری از هوش مصنوعی و افزودن امکانات ایجادی و ادغامی، فضا را برای توسعه‌دهندگان فراهم می‌آورد تا فرآیندهای تبدیل و اصلاح کد را در داخل و خارج از محیط‌های متناظر، به صورت هوشمند و کارآمد مدیریت کنند و پروژه‌های خود را با بهترین بهره‌وری پیش ببرند.

#هوش_مصنوعی #توسعه_نرم‌افزار #اتوماسیون_کد #AWS

🟣لینک مقاله:
https://aws.amazon.com/blogs/devops/building-and-running-custom-code-transformations-without-leaving-your-editor/?utm_source=tldrdevops


👑 @DevOps_Labdon
🔵 عنوان مقاله
Amazon Bedrock Guardrails supports cross-account safeguards with centralized control and management (3 minute read)

🟢 خلاصه مقاله:
در دنیای امروز که فناوری‌های هوش مصنوعی روز به روز در حال توسعه و گسترش هستند، اهمیت ایمنی و کنترل این فناوری‌ها بیش از پیش احساس می‌شود. شرکت آمازون با معرفی ویژگی «Guardrails» در سرویس «Bedrock» توانسته است راهکاری جامع و مؤثر برای مدیریت و نظارت بر امنیت هوش مصنوعی ارائه دهد. این ابزار جدید به سازمان‌ها امکان می‌دهد تا با مرکزی کردن کنترل‌ها و مدیریت قوانین ایمنی، در سطح چند حساب کاربری در AWS، سیاست‌های مربوط به امنیت و نحوه اجرای هوش مصنوعی را به صورت همزمان و هماهنگ نظارت و اجرا کنند.

یکی از ویژگی‌های برجسته این قابلیت، پشتیبانی از حفاظت‌های مشترک بین حساب‌های مختلف است که باعث می‌شود مدیران بتوانند سیاست‌های امنیتی را به صورت متمرکز تعریف کنند و از یک نقطه واحد آن‌ها را بر تمام حساب‌های درگیر اعمال کنند. این کار نه تنها بر صرفه‌جویی در زمان و کاهش خطاهای انسانی تأثیرگذار است، بلکه سطح امنیت کلی سیستم‌های مبتنی بر هوش مصنوعی را نیز ارتقاء می‌دهد. به این ترتیب، سازمان‌ها می‌توانند در مقابل تهدیدات و ریسک‌های احتمالی، واکنش سریع‌تر و موثرتری نشان دهند.

با راه‌اندازی این قابلیت، آمازون روند مدیریت امن هوش مصنوعی را ساده‌تر و کارآمدتر کرده است و نشان می‌دهد که آینده‌ی توسعه فناوری‌های هوش مصنوعی، بیش از هر زمان بر اهمیت کنترل و نظارت تمرکز دارد. این ابزار جدید به مدیران و توسعه‌دهندگان این امکان را می‌دهد تا از یکنواختی و سادگی در سیاست‌گذاری و پیاده‌سازی محافظت‌های امنیتی بهره‌مند شوند و در عین حال آرامش خاطر بیشتری در مدیریت عملیات‌های هوشمند داشته باشند.

#امنیت_هوش_مصنوعی #مدیریت_مرکز_ایمنی #AWS #هوشمندسازی

🟣لینک مقاله:
https://aws.amazon.com/blogs/aws/amazon-bedrock-guardrails-supports-cross-account-safeguards-with-centralized-control-and-management/?utm_source=tldrdevops


👑 @DevOps_Labdon
🔵 عنوان مقاله
Deploy production generative AI at the edge using Amazon EKS Hybrid Nodes with NVIDIA DGX

🟢 خلاصه مقاله:
در این آموزش، نحوه اجرای مدل‌های تولید محتوای هوش مصنوعی در محیط‌های عملیاتی و در نزدیکی محل استفاده کاربران نشان داده شده است. استفاده از سیستم‌های NVIDIA DGX در محل‌های مختلف، امکان پردازش سریع و مؤثر داده‌ها بدون نیاز به انتقال مداوم اطلاعات به مراکز داده مرکزی را فراهم می‌کند. این راهکار به ویژه در مواردی کاربرد دارد که نیاز به پاسخ‌های بلادرنگ و حریم خصوصی داده‌ها اهمیت بالایی دارد. با اتصال سیستم‌های NVIDIA DGX به کنترل‌پران‌های Amazon EKS با استفاده از نودهای هیبریدی، می‌توان بهره‌وری و قابلیت اطمینان سیستم‌های هوش مصنوعی را به شکل چشمگیری افزایش داد. این فرآیند به کمک ابزارهای GPU Operator و NVIDIA NIM انجام می‌شود که نقش مهمی در مدیریت و به‌روزرسانی منابع گرافیکی در محیط‌های ترکیبی دارند.

در این روش، سازمان‌ها قادر خواهند بود تا بهره‌برداری از فناوری‌های پیشرفته هوش مصنوعی را در مکان‌هایی که نیاز دارند، عملیاتی کنند، بدون اینکه لازم باشد داده‌های مهم خود را به صورت مکرر به مراکز داده مرکزی منتقل کنند. این فناوری، انعطاف‌پذیری، امنیت و سرعت پردازش را بهبود می‌بخشد و امکان پاسخ سریع به رویدادهای مختلف را فراهم می‌آورد. در نتیجه، شرکت‌ها می‌توانند از هوش مصنوعی تولیدی در سطح لبه شبکه بهره‌مند شده و از مزایای آن در پروژه‌های مختلف بهره‌مند شوند.

در نهایت، ادغام سیستم‌های NVIDIA DGX با پلتفرم ابر آمازون، توانمندی‌های بی‌نظیری در حوزه هوش مصنوعی در محیط‌های عملیاتی فراهم می‌کند. این فناوری، راهکارهای نوینی برای توسعه و استقرار مدل‌های هوشمند در تجهیزات نقطه‌ای و محل‌های مختلف ارائه می‌دهد که منجر به افزایش بهره‌وری و کاهش تاخیر در پردازش‌ها می‌شود.

#هوش_مصنوعی #پردازش_لبه #NVIDIADGX #AWS

🟣لینک مقاله:
https://ku.bz/Gm2S3sBzZ


👑 @DevOps_Labdon
🔵 عنوان مقاله
Local Log Monitoring: Bridging the Observability Gap in AWS EKS with Stern, Fluent Bit, and Elasticsearch

🟢 خلاصه مقاله:
در دنیای مدیریت زیرساخت‌های ابری، نظارت بر لاگ‌ها و مشاهده وضعیت سیستم‌ها اهمیت زیادی دارد. اما زمانی که بخواهید به صورت محلی و دقیق کنترل و نظارت بر لاگ‌های کلاسترهای امنیتی و برنامه‌های خود داشته باشید، چالش‌هایی ظاهر می‌شود که نیازمند راه‌حل‌های خاص است. در این راستا، ساختن یک استک نظارتی محلی برای لاگ‌های AWS EKS می‌تواند تفاوت قابل توجهی در شفافیت و کارایی سیستم شما ایجاد کند.

در این مقاله، ما نحوه‌ی ساخت یک استک نظارتی محلی برای لاگ‌های EKS را آموزش می‌دهیم. ابتدا با ابزار Stern آشنا می‌شوید که به شما امکان می‌دهد لاگ‌های چندپود را به صورت همزمان و در زمان واقعی دنبال کنید. سپس، Fluent Bit را معرفی می‌کنیم که قادر است لاگ‌ها را پردازش کرده و با پشتیبانی از پارس کردن چندخطی، اطلاعات مهم را استخراج و مرتب‌سازی کند. در نهایت، Elasticsearch به همراه Kibana برای جست‌وجو، آنالیز و تصویربرداری تعاملی از داده‌های لاگ‌ها ارائه می‌شود. این مجموعه ابزارها را با کمک Docker Compose راه‌اندازی می‌کنیم تا روند پیاده‌سازی ساده و قابل تکرار باشد.

با استفاده از این استک، می‌توانید در محیطی محلی لاگ‌های سیستم‌های خود را به صورت جامع و کارآمد نظارت کنید. این رویکرد نه تنها مشکل فاصله و محدودیت‌های اتصال به ابر را برطرف می‌کند، بلکه امکاناتی قدرتمند برای تحلیل و عیب‌یابی در اختیار شما قرار می‌دهد. به این ترتیب، سطح آگاهی شما از وضعیت زیرساخت‌های ابری‌تان به طور قابل توجهی افزایش می‌یابد و از کاهش زمان‌های احتمالی خرابی و خطاها بهره‌مند خواهید شد.

#نظارت_محلی #AWS_EKS #لاگ_مانیتورینگ #تحلیل_لاگ‌های_سیستم

🟣لینک مقاله:
https://ku.bz/qK6fTw_SB


👑 @DevOps_Labdon
🔵 عنوان مقاله
How Company 3 Streamlines Studio Image Management with EC2 Image Builder and AWS CDK (7 minute read)

🟢 خلاصه مقاله:
شرکت ۳ برای بهبود روند مدیریت تصاویر استودیو و تسریع فرآیندهای مربوط به انتشار و به‌روزرسانی آن‌ها، از ابزارهای قدرتمند AWS مانند EC2 Image Builder و AWS Cloud Development Kit (CDK) استفاده کرد. در ابتدا، این شرکت با مشکلاتی در مورد نحوه انتقال نسخه‌های مختلف تصاویر در بین قطعات غیرقابل تغییر و دستورالعمل‌های خاص مواجه بود که فرآیندهای کاری را پیچیده و زمان‌بر می‌کرد. این مشکلات، نیازمند راه‌حل‌هایی ساده‌تر و کارآمدتر بودند تا مدیریت نسخه‌ها و عملیات مربوطه تسهیل شوند.

در ادامه، AWS با معرفی ویژگی‌های هم‌سطح جدید، مانند نسخه‌گذاری خودکار و ساختارهای لایه‌ای (L2 constructs) در CDK، این نیاز را برطرف کرد. این امکانات، بدون نیاز به توسعه استراتژی‌های جایگزین یا راه‌حل‌های سفارشی، فرآیند انتقال و بروزرسانی نسخه‌های تصاویر را بسیار ساده‌تر و قابل کنترل‌تر ساختند. به‌علاوه، این ابزارها باعث افزایش سطح اتوماسیون، بهبود تنظیمات امنیتی پیش‌فرض و تسهیل فرآیند آموزش و راه‌اندازی توسعه‌دهندگان جدید شدند، به طوری که تیم فنی شرکت توانست به راحتی و با اطمینان بیشتری کارهای خود را انجام دهند.

در نتیجه، بهره‌گیری از امکانات جدید AWS، شرکت ۳ توانست روند مدیریت تصاویر استودیو را به شکل قابل توجهی بهبود بخشد، خطاها را کاهش دهد و زمان لازم برای استقرار تصاویر جدید را کاهش دهد. این تغییرات، نه تنها کارایی تیم فنی را افزایش داد بلکه امنیت و پایداری سیستم را نیز تضمین کرد، و در نهایت موجب ارتقای کیفیت و سرعت توسعه‌های داخلی شد.

#مدیریت_تصاویر #AWS #EC2ImageBuilder #CDK

🟣لینک مقاله:
https://aws.amazon.com/blogs/devops/how-company-3-streamlines-studio-image-management-with-ec2-image-builder-and-aws-cdk/?utm_source=tldrdevops


👑 @DevOps_Labdon
🔵 عنوان مقاله
Add security context to operational investigations with AWS DevOps Agent and Wiz (7 minute read)

🟢 خلاصه مقاله:
در دنیای فناوری‌های امروزی، امنیت در کنار عملیات‌های روزمره نقش حیاتی ایفا می‌کند. یکی از چالش‌های رایج در مدیریت فناوری اطلاعات و توسعه نرم‌افزار، تفکیک صحیح میان مشکلات عملکردی و تهدیدهای امنیتی است. با بهره‌گیری از فناوری‌های نوین، ابزارهای قدرتمندی توسعه یافته‌اند تا به مهندسان در شناسایی و پاسخ سریع‌تر به این مسائل کمک کنند. یکی از این ابزارها، ادغام AWS DevOps Agent با Wiz است که اخیراً از طریق پروتکل MCP قابل استفاده شده است.

در این راهکار جدید، AWS DevOps Agent به‌طور همزمان با Wiz ادغام می‌شود تا اطلاعات مرتبط با عملیات‌های روزمره و داده‌های امنیتی را در قالب یک سیستم واحد در اختیار مهندسان قرار دهد. این ادغام به تیم‌های فنی کمک می‌کند که در حین بررسی حوادث و مشکلات سیستم، بتوانند به سرعت تفاوت میان مشکلات عملکردی معمول و تهدیدهای امنیتی را تشخیص دهند. به‌عنوان مثال، در صورت بروز خطاهای عملکردی، مهندسان با دیدن داده‌های عملیات AWS و آسیب‌پذیری‌های نشان‌داده‌شده توسط Wiz، می‌توانند تصمیمات بهتری اتخاذ کنند و اقدامات لازم را迅速 انجام دهند.

این نوآوری با فراهم کردن دید جامع و یکپارچه، فرآیند تحلیل و پاسخگویی را بهبود می‌بخشد و از اتلاف وقت در تشخیص صحیح مشکل جلوگیری می‌کند. در نتیجه، امنیت سیستم و کارایی عملیات‌ها هر دو به صورت همزمان تضمین می‌شوند و تیم‌ها قادر خواهند بود سرسری‌ نکنند و همزمان آسیب‌پذیری‌ها و نقاط ضعف را برطرف کنند.

در نهایت، این همکاری فناوری میان AWS و Wiz، گامی مؤثر در جهت تقویت امنیت و بهبود فرآیندهای عملیاتی در محیط‌های ابری است، که باعث افزایش اعتماد و امنیت در زیرساخت‌های فناوری اطلاعات می‌شود.

#امنیت_سایبری #AWS #Wiz #DevOps

🟣لینک مقاله:
https://aws.amazon.com/blogs/devops/add-security-context-to-operational-investigations-with-aws-devops-agent-and-wiz/?utm_source=tldrdevops


👑 @DevOps_Labdon
🔵 عنوان مقاله
Incident investigation shouldn't consume hours of your time (Sponsor)

🟢 خلاصه مقاله:
تحقیقات درباره حوادث نباید ساعت‌ها از وقت گران‌بهای شما را اشغال کند. در این وبینار که به همت AWS و نیورلیک برگزار می‌شود، روش‌هایی مدرن و خودکار برای ارزیابی و رفع سریع مشکلات ارائه می‌گردد. این آموزش به شما نشان می‌دهد چگونه تیم‌های فناوری اطلاعات و عملیات می‌توانند بدون نیاز به ابزارهای سفارشی، به صورت مستقل مشکلات را شناسایی، علل اصلی را تعیین و اقدامات لازم را برای رفع آن‌ها انجام دهند. شرکت‌کنندگان این وبینار خواهند دید که چگونه سازمان‌ها توانسته‌اند مدت زمان بازیابی از حوادث و توقف‌های سیستم را تا ۷۵ درصد کاهش دهند، و این یعنی صرفه‌جویی قابل توجه در زمان و هزینه. اگر به دنبال راهکاری سریع و کارآمد برای مدیریت رویدادهای عمده در زیرساخت‌های فناوری خود هستید، حتما این فرصت را از دست ندهید و همین حالا تماشا کنید.

#مدیریت_حوادث #امنیت_سیستم #بهبود_عملکرد #AWS

🟣لینک مقاله:
https://newrelic.com/events/2026-07-22/autonomous-ai-ops-with-aws-devops-agent-and-new-relic?utm_campaign=FY27-Q2--AMER--aws-webinar-july-on-demand-promo&utm_source=tldr&utm_medium=endemic&utm_content=news


👑 @DevOps_Labdon
🔵 عنوان مقاله
cookiecluster: EKS Terraform CLI

🟢 خلاصه مقاله:
ابزار CookieCluster، معرفی‌شده در صفحه GitHub اینست که یک ابزار خط فرمان (CLI) است که با زبان برنامه‌نویسی Rust توسعه یافته است. هدف از طراحی این ابزار، تسهیل فرآیند ایجاد و مدیریت کلاسترهای EKS (Elastic Kubernetes Service) در پلتفرم آمازون است. این ابزار به کاربران اجازه می‌دهد تا به صورت تعاملی و مرحله‌به‌مرحله، تنظیمات و مشخصات مورد نیاز برای ساخت یک کلاستر EKS را وارد کرده و در نهایت، تعریف‌های مربوط به آن را در قالب فایل‌های Terraform تولید می‌کند.
با استفاده از CookieCluster، مدیریت محیط‌های کلاستر کوبرنتیس بر روی AWS ساده‌تر و کارآمدتر می‌شود. این ابزار، سوالات و گزینه‌هایی را ارائه می‌دهد که به صورت طبیعی و کاربرپسند طراحی شده‌است تا حتی کاربرانی که تازه وارد این حوزه هستند، بتوانند به راحتی تنظیمات مورد نیاز خود را انجام دهند و فرآیند راه‌اندازی کلاسترهای خود را تسریع بخشند.
در نتیجه، با بهره‌گیری از این CLI، تیم‌های فناوری اطلاعات و مهندسان DevOps می‌توانند بدون نیاز به تسلط کامل بر جزئیات Terraform یا Kubernetes، به سرعت زیرساخت‌های ابری مطمئنی و مقیاس‌پذیر بسازند و مدیریت کنند.
#AWS #EKS #Terraform #مدیریت_کلاستر

🟣لینک مقاله:
https://ku.bz/HWhpFR_91


👑 @DevOps_Labdon
🔵 عنوان مقاله
Zero-Downtime EKS Migration: Production-Grade Kubernetes at Scale

🟢 خلاصه مقاله:
در این مطالعه موردی، نحوه مهاجرت یک برنامه ECS به سرویس EKS در دو منطقه جغرافیایی مختلف ارائه شده است، بدون اینکه در فرآیند انتقال هیچ‌گونه نقص در روند کاری یا کاهش در زمان فعالیت سرویس‌ها رخ دهد. این فرآیند، نمونه‌ای موفق از مهاجرت بدون توقف کامل سیستم در محیط‌های ابری است که اهمیت زیادی در بهبود کارایی و امکان‌پذیری عملیات‌های بزرگ دارد.

در این پروژه، برای اطمینان از مقیاس‌پذیری و پاسخگو بودن برنامه، از فناوری KEDA بهره گرفته شد که امکان خودکارسازی بر اساس نیازهای مصرفی را فراهم می‌کرد. همچنین، برای محافظت و مدیریت امن اطلاعات حساس، از HashiCorp Vault استفاده شد که نقش محوری در مدیریت مجوزها و کلیدها ایفا می‌کند.

در کنار این موارد، از IRSA (IAM Roles for Service Accounts) برای ارتقاء سطح امنیت و یکپارچه‌سازی احراز هویت سرویس‌ها بهره گرفته شد. اهمیت طراحی و اجرای یک استراتژی قوی برای بازیابی در برابر بحران‌ها، بر عهده عملیات بازیابی بحران گذاشته شد تا در صورت بروز مشکلات، راه‌حل‌های سریع و مطمئن ارائه گردد. همه مراحل این مهاجرت با هماهنگی دقیق و برنامه‌ریزی صحیح انجام شد تا فرآیند قطعی تولید (production cutover) بدون ایجاد اختلال و به صورت همزمان در هر دو منطقه اجرا شود، و سرویس‌ها به صورت بی‌وقفه ادامه یابند.

این نمونه نشان می‌دهد که با استراتژی‌های دقیق، ابزارهای مناسب و برنامه‌ریزی مناسب، می‌توان مهاجرت به کلاسترهای Kubernetes بدون توقف سرویس و به طور کامل سازگار با نیازهای تولید انجام داد.

#کابرنتیز #مهاجرت_بی_وقفه #AWS #پایداری

🟣لینک مقاله:
https://ku.bz/VDHmS189t


👑 @DevOps_Labdon
1
🔵 عنوان مقاله
Build your own continuous modernization pipeline with AWS Transform custom (7 minute read)

🟢 خلاصه مقاله:
در عصر فناوری‌های نوین، توسعه مبتنی بر هوش مصنوعی به سرعت مسیر پیشرو در بهبود فرآیندها را رقم می‌زند. یکی از چالش‌های اصلی در سازمان‌ها، مدیریت بدهی‌های فنی است که بر عملکرد و توسعه سیستم‌های قدیمی تاثیر می‌گذارند. در چنین شرایطی، ضرورت اجرای فرآیندهای مداوم به‌روزرسانی و مدرن‌سازی سیستم‌های قدیمی بیش از پیش احساس می‌شود.

در این مقاله، به چگونگی ساخت یک خط لوله مدرن‌سازی پیوسته با استفاده از امکانات AWS Transform custom و ابزارهای اتوماسیون نظیر GitHub Actions می‌پردازیم. این روش، با خودکارسازی وظایفی چون رفع وابستگی‌های مختلف، مستندسازی، اعمال تغییرات سراسری در مخازن کد، و یادگیری مستمر، امکان ایجاد یک فرآیند خودکار و پیوسته برای بهبود و به‌روزرسانی سیستم‌ها را فراهم می‌کند. نتیجه این کار، کاهش زمان و هزینه‌های اجرای تغییرات و حفظ بهره‌وری بالا در طول توسعه است.

با بهره‌گیری از این استراتژی، سازمان‌ها می‌توانند به شیوه‌ای مقرون‌به‌صرفه و موثر، فرآیندهای مدرن‌سازی خود را دائماً انجام دهند و در نتیجه، زیرساخت‌های فن‌آوری اطلاعات خود را همیشگی و رقابتی نگه دارند. این ابزار و روش‌ها، امکان واکنش سریع به نیازهای جدید و رفع مشکلات قدیمی را فراهم می‌آورند و در مسیر تحول دیجیتال نقش کلیدی دارند.

#مدرن‌سازی #اتوماسیون #AWS #توسعه_پی‌درپی

🟣لینک مقاله:
https://aws.amazon.com/blogs/devops/build-your-own-continuous-modernization-pipeline-with-aws-transform-custom/?utm_source=tldrdevops


👑 @DevOps_Labdon
🔵 عنوان مقاله
AWS IAM Identity Center supports one-click multi-Region option for new organization instances (2 minute read)

🟢 خلاصه مقاله:
مدیریت هویت و دسترسی AWS (IAM) با بروز رسانی جدید خود یک گزینه بسیار کارآمد و ساده برای کاربران ارائه داده است. اکنون، هنگام راه‌اندازی نمونه‌های جدید سازمان در سرویس AWS IAM Identity Center، می‌توانید با یک کلیک، امکان پشتیبانی از چند منطقه جغرافیایی (Multi-Region) را فعال کنید. این قابلیت به صورت خودکار یک کلید رمزگذاری در چند منطقه (Multi-Region KMS Key) ایجاد می‌کند و نمونه سازمان را به منطقه دیگری کپی می‌کند. هدف از این اقدام، افزایش مقاومت و امنیت زیرساخت‌ها در مقابل حوادث یا خطاهای منطقه‌ای است.

این ویژگی، فرآیند پیکربندی را بسیار ساده‌تر کرده و بدون نیاز به تنظیمات پیچیده، لایه‌ای از افزونگی و پایداری را برای سازمان‌های دیجیتال فراهم می‌سازد. با فعال‌سازی این قابلیت، سازمان‌ها می‌توانند به میزان قابل توجهی تداوم عملیات‌های خود را تضمین کنند و اطمینان حاصل کنند که داده‌های حساس در برابر اختلالات منطقه‌ای محافظت شده است.

در نتیجه، این بروزرسانی، به مدیران فناوری اطلاعات کمک می‌کند تا امنیت و قابلیت اطمینان سیستم‌های ابری خود را به آسان‌ترین شکل ممکن افزایش دهند و استراتژی‌های مقاومتی خود را تقویت کنند.

#امنیت_ابری #AWS #مدیریت_هویت #پایداری

🟣لینک مقاله:
https://aws.amazon.com/about-aws/whats-new/2026/08/aws-iam-identity-center-supports-one-click-multi-region-option-new-organization-instances/?utm_source=tldrdevops


👑 @DevOps_Labdon
🔵 عنوان مقاله
Optimize EKS operations with agents: Reduce MTTR with AWS DevOps Agent and a Kubernetes Operator (10 minute read)

🟢 خلاصه مقاله:
در دنیای امروز، مدیریت و بهبود عملیات در سامانه‌های ابری اهمیت چندانی دارد که باعث افزایش کارایی و کاهش زمان واکنش می‌شود. به همین منظور، شرکت آمازون وب سرویس (AWS) راهنمای جدیدی ارائه کرده است تا بتوانید فرآیند پاسخ‌دهی به حوادث در سرویس Amazon Elastic Kubernetes Service (EKS) را به صورت خودکار و بهینه‌سازی شده انجام دهید. این راهنما بر استفاده از یک ابزار متن‌باز جدید به نام DevOps Agent Operator تمرکز دارد، ابزاری که نقش مهمی در نظارت و مدیریت موثر عملیات بر عهده دارد.

این Operator به صورت مستقل و مداوم وضعیت پودهای (Pods) در خوشه‌های Kubernetes را رصد می‌کند و در صورت بروز خطاهایی مانند OOMKilled یا عذرخواهی آی‌پی (IP exhaustion)، فوراً اقدام به جمع‌آوری اطلاعات می‌کند. این اطلاعات شامل لاگ‌های پود، داده‌های سطح نود (Node) و رویدادهای Kubernetes است. سپس، این داده‌ها را از طریق یک وبهوک به AWS DevOps Agent ارسال می‌کند؛ کاری که قبل از از بین رفتن مدرک و مدارک مربوط به حادثه انجام می‌شود، تا امکان تحلیل سریع‌تر و مؤثرتر فراهم گردد.

با استفاده از این ابزار و فرآیند خودکار، تیم‌های توسعه و عملیات می‌توانند با کاهش زمان استقرار و رفع مشکلات، بهره‌وری خود را افزایش دهند. این روش نه تنها به کاهش Mean Time to Repair (MTTR) کمک می‌کند، بلکه باعث می‌شود سیستم‌ها در برابر خطاها مقاوم‌تر شوند و هیچ اشاره‌ای به حوادث مهم در سامانه‌های ابری از دست نرود. به طور خلاصه، این راهکار یکپارچه و هوشمند، زیرساخت‌های Kubernetes را قدرتمندتر و عملیات را ساده‌تر می‌کند.

#AWS #Kubernetes #DevOps #مدیریت_خودکار

🟣لینک مقاله:
https://aws.amazon.com/blogs/devops/optimize-eks-operations-with-agents-reduce-mttr-with-aws-devops-agent-and-a-kubernetes-operator/?utm_source=tldrdevops


👑 @DevOps_Labdon
🔵 عنوان مقاله
Autoscalable GitLab runners on AWS EC2

🟢 خلاصه مقاله:
در این راهنما، نحوه جایگزینی رانندگان EC2 همیشگی فعال با رانندگان GitLab خودگداز در محیط AWS آموزش داده می‌شود. هدف اصلی این است که با استفاده از افزونه AWS و گروه خودگداز خودکار، هر بار در حین نیاز، نمونه‌های جدید راه‌اندازی شوند و پس از انجام وظیفه، به طور خودکار خاموش شوند. این رویکرد به مدیران سیستم این امکان را می‌دهد تا زیرساخت‌های خود را به صورت بهینه‌تر مدیریت کرده و از هزینه‌های اضافی جلوگیری کنند، چراکه منابع فقط در زمان لازم در دسترس هستند و پس از اتمام وظایف خاموش می‌شوند.

در ادامه، با جزئیات فنی نحوه پیاده‌سازی این سیستم شرح داده می‌شود، از جمله تنظیمات لازم برای پلاگین AWS، پیکربندی گروه خودگداز و راه‌اندازی نودهای خودگداز در محیط GitLab. این روش به ویژه برای تیم‌هایی که حجم کاری متغیر دارند و می‌خواهند زیرساخت‌های CI/CD خود را به صورت مقیاس‌پذیر و کارآمد مدیریت کنند، بسیار مفید است.

با استفاده از این فناوری، کنترل کامل بر روی منابع ابری خود دارید و می‌توانید همزمان هزینه‌ها را کاهش دهید و بهره‌وری را افزایش دهید، چرا که نمونه‌ها تنها هنگام انجام وظایف فعال می‌شوند و پس از آن فورا خاموش می‌گردند. این شیوه باعث صرفه‌جویی در مصرف منابع و بهبود سرعت فرآیندهای توسعه و ادغام مداوم می‌شود.

#GitLab #AWS #خودگداز #مدیریت_بهینه

🟣لینک مقاله:
https://ku.bz/nD6qbNZ3w


👑 @DevOps_Labdon