🔵 عنوان مقاله
Cardamon: Prometheus Metric Cleanup Tool
🟢 خلاصه مقاله:
کاردامون ابزاری قدرتمند برای پاکسازی و بهینهسازی معیارهای پمترئوس است که با هدف بهبود کارایی و کاهش بار روی پایگاه دادههای زمانبندی ساخته شده است. این ابزار با بررسی دقیق معیارهای ثبتشده، لاگهای درخواستها، قوانین تعریفشده و داشبوردهای گرافانا، تمامی سریهای بیاستفاده را شناسایی میکند. در مرحله بعد، کاردامون با تولید قواعد حذف برچسبها، به کاهش حجم ذخیرهسازی و کاهش تعداد مقادیر بیکار کمک میکند و در نتیجه پرفورمنس سیستم را بهبود میبخشد.
کاردامون با انجام این کارها، امکان نگهداری بهتر و بهینهسازی پایگاه دادههای متریک را فراهم میآورد، به طوری که تنها دادههای مفید و مورد نیاز باقی میمانند. این عملکرد، نه تنها از ازدحام دادهها و مصرف غیرضروری منابع کاهش میدهد، بلکه فرآیند مدیریت و نگهداری سیستمهای مانیتورینگ را نیز سادهتر میسازد. در نتیجه، استفاده از این ابزار برای تمامی تیمهایی که نیازمند نظارت مؤثر و بهینه روی سیستمهای خود هستند، پیشنهاد میشود.
#پمترئوس #پایش_سیستم #بهینگی_داده #مدیریت_پایگاه_داده
🟣لینک مقاله:
https://ku.bz/Hg6vtcg09
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Cardamon: Prometheus Metric Cleanup Tool
🟢 خلاصه مقاله:
کاردامون ابزاری قدرتمند برای پاکسازی و بهینهسازی معیارهای پمترئوس است که با هدف بهبود کارایی و کاهش بار روی پایگاه دادههای زمانبندی ساخته شده است. این ابزار با بررسی دقیق معیارهای ثبتشده، لاگهای درخواستها، قوانین تعریفشده و داشبوردهای گرافانا، تمامی سریهای بیاستفاده را شناسایی میکند. در مرحله بعد، کاردامون با تولید قواعد حذف برچسبها، به کاهش حجم ذخیرهسازی و کاهش تعداد مقادیر بیکار کمک میکند و در نتیجه پرفورمنس سیستم را بهبود میبخشد.
کاردامون با انجام این کارها، امکان نگهداری بهتر و بهینهسازی پایگاه دادههای متریک را فراهم میآورد، به طوری که تنها دادههای مفید و مورد نیاز باقی میمانند. این عملکرد، نه تنها از ازدحام دادهها و مصرف غیرضروری منابع کاهش میدهد، بلکه فرآیند مدیریت و نگهداری سیستمهای مانیتورینگ را نیز سادهتر میسازد. در نتیجه، استفاده از این ابزار برای تمامی تیمهایی که نیازمند نظارت مؤثر و بهینه روی سیستمهای خود هستند، پیشنهاد میشود.
#پمترئوس #پایش_سیستم #بهینگی_داده #مدیریت_پایگاه_داده
🟣لینک مقاله:
https://ku.bz/Hg6vtcg09
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
GitHub
GitHub - dominikhei/cardamon: Cardamon is a cleanup tool for Prometheus that collects unused metrics from Grafana and Prometheus…
Cardamon is a cleanup tool for Prometheus that collects unused metrics from Grafana and Prometheus and generates drop statements for them. - dominikhei/cardamon
🔵 عنوان مقاله
Getting more from each token: How Copilot improves context handling and model routing (8 minute read)
🟢 خلاصه مقاله:
در دنیای امروزی توسعه دهندگان نرمافزار همواره تلاش میکنند تا بهرهوری ابزارهای هوشمند خود را افزایش دهند و در عین حال، هزینهها و زمان مورد نیاز برای انجام وظایف پیچیده را کاهش دهند. یکی از فناوریهای نوین در این زمینه، GitHub Copilot است که با بهبود در مدیریت محتوا و مسیریابی مدلها، هم کارایی و سرعت را بالا میبرد و هم از نظر اقتصادی به صرفهتر عمل میکند. این ابزار تلاش میکند تا از هدر رفتن منابع و تکرار محاسبات غیرضروری جلوگیری کند، چیزی که برای برنامهنویسان و توسعهدهندگان بسیار ارزشمند است.
در بخش اول، GitHub Copilot با کاهش محتواهای تکراری و بینیاز کردن سیستم به ذخیرهسازی موقت و بازیابی سریع آنها، فرآیند کمک به توسعهدهندگان را سریعتر میکند. این کار از طریق کش کردن (prompt caching) انجام میشود، جایی که برنامه، سوالها و دستورات قبلی کاربر را در حافظه موقت نگه میدارد تا در درخواستهای بعدی نیاز به محاسبات تکراری نباشد. علاوه بر این، بارگذاری ابزارهای کمکی یا ویژگیهای خاص در زمان نیاز، به عنوان راهکاری دیگر جهت بهبود کارایی معرفی شده است که باعث کاهش زمان انتظار برای کاربران میشود.
در قسمت دوم، این سامانه قادر است مسیرهای مدلسازی و انتخاب مدل مناسب برای هر وظیفه را به صورت خودکار انجام دهد. به این صورت که مدلهایی که به بهترین شکل با نوع کار تحت نظر تطابق دارند، به صورت دینامیک انتخاب میشوند، نه اینکه کاربر به صورت دستی این انتخاب را انجام دهد یا از مدلهای عمومی استفاده کند. این فرآیند باعث میشود که هر درخواست، توسط مدلی که برای آن بهترین نتیجه را دارد، پاسخ داده شود، که نتیجه آن افزایش کیفیت پاسخها و کاهش هزینههای محاسباتی است. این سیستم هوشمند، در سطوح طولانی و جلسات کاربر، با بهبود در مدیریت درخواستها و انتخاب مدل مناسب، توانایی بهبود مستمر در عملکرد خود را دارد.
در نهایت، این جمعبندی نشان میدهد که با استفاده از این بهبودها، Copilot نه تنها به صورت موثرتری منابع را مدیریت میکند، بلکه توانایی تطابق بهتر با نیازهای مختلف وظایف را نیز پیدا کرده است. در نتیجه، توسعهدهندگان میتوانند با اطمینان بیشتری از این ابزار بهرهمند شوند، در حالی که هزینهها کمتر و نتیجهها بهتر میشود، و کارایی نهایی به وجه قابل توجهی افزایش مییابد.
#هوشمندسازی #توسعه_نرمافزار #هوش_مصنوعی #کُد_نویسی
🟣لینک مقاله:
https://github.blog/ai-and-ml/github-copilot/getting-more-from-each-token-how-copilot-improves-context-handling-and-model-routing/?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Getting more from each token: How Copilot improves context handling and model routing (8 minute read)
🟢 خلاصه مقاله:
در دنیای امروزی توسعه دهندگان نرمافزار همواره تلاش میکنند تا بهرهوری ابزارهای هوشمند خود را افزایش دهند و در عین حال، هزینهها و زمان مورد نیاز برای انجام وظایف پیچیده را کاهش دهند. یکی از فناوریهای نوین در این زمینه، GitHub Copilot است که با بهبود در مدیریت محتوا و مسیریابی مدلها، هم کارایی و سرعت را بالا میبرد و هم از نظر اقتصادی به صرفهتر عمل میکند. این ابزار تلاش میکند تا از هدر رفتن منابع و تکرار محاسبات غیرضروری جلوگیری کند، چیزی که برای برنامهنویسان و توسعهدهندگان بسیار ارزشمند است.
در بخش اول، GitHub Copilot با کاهش محتواهای تکراری و بینیاز کردن سیستم به ذخیرهسازی موقت و بازیابی سریع آنها، فرآیند کمک به توسعهدهندگان را سریعتر میکند. این کار از طریق کش کردن (prompt caching) انجام میشود، جایی که برنامه، سوالها و دستورات قبلی کاربر را در حافظه موقت نگه میدارد تا در درخواستهای بعدی نیاز به محاسبات تکراری نباشد. علاوه بر این، بارگذاری ابزارهای کمکی یا ویژگیهای خاص در زمان نیاز، به عنوان راهکاری دیگر جهت بهبود کارایی معرفی شده است که باعث کاهش زمان انتظار برای کاربران میشود.
در قسمت دوم، این سامانه قادر است مسیرهای مدلسازی و انتخاب مدل مناسب برای هر وظیفه را به صورت خودکار انجام دهد. به این صورت که مدلهایی که به بهترین شکل با نوع کار تحت نظر تطابق دارند، به صورت دینامیک انتخاب میشوند، نه اینکه کاربر به صورت دستی این انتخاب را انجام دهد یا از مدلهای عمومی استفاده کند. این فرآیند باعث میشود که هر درخواست، توسط مدلی که برای آن بهترین نتیجه را دارد، پاسخ داده شود، که نتیجه آن افزایش کیفیت پاسخها و کاهش هزینههای محاسباتی است. این سیستم هوشمند، در سطوح طولانی و جلسات کاربر، با بهبود در مدیریت درخواستها و انتخاب مدل مناسب، توانایی بهبود مستمر در عملکرد خود را دارد.
در نهایت، این جمعبندی نشان میدهد که با استفاده از این بهبودها، Copilot نه تنها به صورت موثرتری منابع را مدیریت میکند، بلکه توانایی تطابق بهتر با نیازهای مختلف وظایف را نیز پیدا کرده است. در نتیجه، توسعهدهندگان میتوانند با اطمینان بیشتری از این ابزار بهرهمند شوند، در حالی که هزینهها کمتر و نتیجهها بهتر میشود، و کارایی نهایی به وجه قابل توجهی افزایش مییابد.
#هوشمندسازی #توسعه_نرمافزار #هوش_مصنوعی #کُد_نویسی
🟣لینک مقاله:
https://github.blog/ai-and-ml/github-copilot/getting-more-from-each-token-how-copilot-improves-context-handling-and-model-routing/?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
The GitHub Blog
Getting more from each token: How Copilot improves context handling and model routing
How GitHub Copilot is making more of each session go toward useful work, so your credits go further.
🔵 عنوان مقاله
Our Kubernetes operator didn't scale, so we rebuilt it
🟢 خلاصه مقاله:
در یک مطالعه موردی، شرکت Infisical توضیح میدهد که چرا اپراتور Kubernetes آنها دچار محدودیتهای مربوط به حافظه و مقیاسپذیری در فرآیند احراز هویت شد. در طول استفاده از این اپراتور، شاهد کاهش عملکرد و مشکلاتی در بروزرسانیهای همزمان بودیم که باعث مقاومت در برابر افزایش حجم دادهها و درخواستها میشد. این مشکلات نشان میداد که طراحی اولیه اپراتور، مخصوصاً ساختارهای مرتبط با مقیاسپذیری، نیازمند بازنگری است تا بتواند بهترین عملکرد را در محیطهای بزرگ و پرکاربرد ارائه دهد.
برای حل این مسائل، تیم فنی شرکت تصمیم گرفتند تا اپراتور را مجدداً بازطراحی کنند. آنها بهرهگیری از یک طراحی مبتنی بر رکوردهای مرجع (Reference-based CRD) را در نظر گرفتند که امکان مدیریت بهتر و سریعتر همگامسازی اسرار را فراهم میکرد. این رویکرد جدید، تمرکز خود را بر کاهش بار حافظه و افزایش کارایی در فرآیندهای همگامسازی گذاشت و در نتیجه، مشکل محدودیتهای مقیاسپذیری به طور قابل توجهی برطرف شد. این تغییر نه تنها باعث تثبیت عملیات شد بلکه قابلیت توسعه و انعطافپذیری سیستم را نیز تقویت کرد، و نشان داد که با بازنگری در طراحی، میتوان به راهحلهای کارآمدتری در مواجهه با چالشهای زیرساختی رسید.
در نهایت، این بازطراحی و استفاده از طراحی مبتنی بر رکوردهای مرجع، نشان داد که چگونه میتوان مشکلات قدیمی را با رویکردهای نوین حل کرد و اپراتورهای مناسبتری برای محیطهای بزرگ و پرکاربرد توسعه داد. این تجربه ارزشمند، نمونهای است که نشان میدهد بازنگری در ساختارهای فنی، کلید رسیدن به مقیاسپذیری بهتر و عملکرد بهینه است.
#کبراسمی #مقیاسپذیری #اپراتورکوبپدیا #امنیت
🟣لینک مقاله:
https://ku.bz/-V6qjC7h-
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Our Kubernetes operator didn't scale, so we rebuilt it
🟢 خلاصه مقاله:
در یک مطالعه موردی، شرکت Infisical توضیح میدهد که چرا اپراتور Kubernetes آنها دچار محدودیتهای مربوط به حافظه و مقیاسپذیری در فرآیند احراز هویت شد. در طول استفاده از این اپراتور، شاهد کاهش عملکرد و مشکلاتی در بروزرسانیهای همزمان بودیم که باعث مقاومت در برابر افزایش حجم دادهها و درخواستها میشد. این مشکلات نشان میداد که طراحی اولیه اپراتور، مخصوصاً ساختارهای مرتبط با مقیاسپذیری، نیازمند بازنگری است تا بتواند بهترین عملکرد را در محیطهای بزرگ و پرکاربرد ارائه دهد.
برای حل این مسائل، تیم فنی شرکت تصمیم گرفتند تا اپراتور را مجدداً بازطراحی کنند. آنها بهرهگیری از یک طراحی مبتنی بر رکوردهای مرجع (Reference-based CRD) را در نظر گرفتند که امکان مدیریت بهتر و سریعتر همگامسازی اسرار را فراهم میکرد. این رویکرد جدید، تمرکز خود را بر کاهش بار حافظه و افزایش کارایی در فرآیندهای همگامسازی گذاشت و در نتیجه، مشکل محدودیتهای مقیاسپذیری به طور قابل توجهی برطرف شد. این تغییر نه تنها باعث تثبیت عملیات شد بلکه قابلیت توسعه و انعطافپذیری سیستم را نیز تقویت کرد، و نشان داد که با بازنگری در طراحی، میتوان به راهحلهای کارآمدتری در مواجهه با چالشهای زیرساختی رسید.
در نهایت، این بازطراحی و استفاده از طراحی مبتنی بر رکوردهای مرجع، نشان داد که چگونه میتوان مشکلات قدیمی را با رویکردهای نوین حل کرد و اپراتورهای مناسبتری برای محیطهای بزرگ و پرکاربرد توسعه داد. این تجربه ارزشمند، نمونهای است که نشان میدهد بازنگری در ساختارهای فنی، کلید رسیدن به مقیاسپذیری بهتر و عملکرد بهینه است.
#کبراسمی #مقیاسپذیری #اپراتورکوبپدیا #امنیت
🟣لینک مقاله:
https://ku.bz/-V6qjC7h-
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Infisical Blog
Our Kubernetes Operator Didn’t Scale, So We Rebuilt It
Learn why Infisical rebuilt its Kubernetes Operator with a reference-based architecture that reduces auth calls, improves scaling, and simplifies configuration.
🔵 عنوان مقاله
Testing Kubernetes Deployments and Operators from Java Without the Usual Boilerplate
🟢 خلاصه مقاله:
در این مقاله، نحوه آزمایش استقرارها و اپراتورهای Kubernetes در زبان جاوا بر روی خوشههای واقعی بهصورت مستقیم و بدون نیاز به کدهای پُر زرق و برق یا پیچیده، توضیح داده شده است. با بهرهگیری از کتابخانه kubetest4j که بر پایه کلاینت Fabric8 ساخته شده است، میتوانید فرآیند تست را بهصورت سادهتر و کارآمدتر انجام دهید. این روش به توسعهدهندگان اجازه میدهد تا بدون پیچیدگیهای معمول، قابلیت اطمینان و صحت استقرارهای خود را تضمین کنند و مشکلات را پیش از انتشار برطرف سازند. در نتیجه، فرآیندهای توسعه و نگهداری اپلیکیشنهای مبتنی بر Kubernetes بسیار آسانتر و سریعتر میشود، و تیمها میتوانند بر روی توسعه ویژگیهای جدید تمرکز کنند بدون نگرانی از خطاهای احتمالی در استقرارها.
#Kubernetes #Java #اپلیکیشن #تست
🟣لینک مقاله:
https://ku.bz/32PlVg1Ss
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Testing Kubernetes Deployments and Operators from Java Without the Usual Boilerplate
🟢 خلاصه مقاله:
در این مقاله، نحوه آزمایش استقرارها و اپراتورهای Kubernetes در زبان جاوا بر روی خوشههای واقعی بهصورت مستقیم و بدون نیاز به کدهای پُر زرق و برق یا پیچیده، توضیح داده شده است. با بهرهگیری از کتابخانه kubetest4j که بر پایه کلاینت Fabric8 ساخته شده است، میتوانید فرآیند تست را بهصورت سادهتر و کارآمدتر انجام دهید. این روش به توسعهدهندگان اجازه میدهد تا بدون پیچیدگیهای معمول، قابلیت اطمینان و صحت استقرارهای خود را تضمین کنند و مشکلات را پیش از انتشار برطرف سازند. در نتیجه، فرآیندهای توسعه و نگهداری اپلیکیشنهای مبتنی بر Kubernetes بسیار آسانتر و سریعتر میشود، و تیمها میتوانند بر روی توسعه ویژگیهای جدید تمرکز کنند بدون نگرانی از خطاهای احتمالی در استقرارها.
#Kubernetes #Java #اپلیکیشن #تست
🟣لینک مقاله:
https://ku.bz/32PlVg1Ss
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Medium
Testing Kubernetes Deployments and Operators from Java Without the Usual Boilerplate
A practical Java library for testing Kubernetes deployments and operators on real clusters, without turning every test into infrastructure…
🔵 عنوان مقاله
Building a PCI-DSS Compliant GKE Framework for Financial Institutions: Data Protection, Governance & Audit Logging
🟢 خلاصه مقاله:
در دنیای فناوری اطلاعات امروز، محافظت از دادههای حساس و تضمین امنیت زیرساختها اهمیت بالایی دارد، به ویژه برای مؤسسات مالی که باید با استانداردهای سختگیرانهای مانند PCI-DSS سازگار باشند. در این مقاله، به نحوه ساختن یک چارچوب امنیتی قوی بر پایه Google Kubernetes Engine (GKE) برای این نوع موسسات میپردازیم که همسو با الزامات PCI-DSS باشد. این چارچوب شامل بهرهگیری از فناوریهایی مانند شناسههای کاری، مدیر رمز، تایید باینری، سیاستگذاری شبکه، کنترلهای سرویس VPC، اتصال خصوصی سرویس، Istio با mTLS و سیستم ثبت وقایع است.
در ابتدای این راهکار، از قابلیتهای مانند Workload Identity برای مدیریت دسترسیهای ایمن بین سرویسها بهره میگیریم که امکان کنترل دقیق و محدود کردن دسترسیها را فراهم میکند. سپس، از Secret Manager برای ذخیره و مدیریت امن اطلاعات حساسی نظیر کلیدهای رمزنگاری و پسوردها استفاده مینماییم تا دادهها در حین عملیات محافظت شوند. با بهرهگیری از Binary Authorization، اطمینان حاصل میکنیم فقط برنامههای مجاز و تایید شده بر روی کلاسترهای Kubernetes اجرا شوند.
در مرحله بعد، سیاستهای شبکه و سیاستهای سرویس VPC امنیت ارتباطات داخلی و خارجی را کنترل میکنند و مانع از دسترسی غیرمجاز میشوند. همچنین، با استفاده از Private Service Connect، ارتباطات حساس درون شبکه را در محیطی مجزا و امن نگه میداریم. برای تضمین امنیت ترافیک، از Istio با ویژگی mTLS بهره میگیریم تا ارتباط بین سرویسها رمزگذاری شده و از نفوذ احتمالی جلوگیری شود. در کنار این موارد، ثبت دقیق تمامی فعالیتها و رویدادهای سیستم، نقش مهمی در مدیریت امنیت و انجام ممیزیهای دورهای دارد.
این مجموعه اقدامات، چارچوبی قوی و جامع برای موسسات مالی فراهم میکند که همراستا با استانداردهای PCI-DSS است و امکان مدیریت امنتری از دادهها و زیرساختهای فناوری اطلاعات را فراهم میآورد. با اجرای این تکنولوژیها، میتوان اعتماد مشتریان را جلب کرد و ریسکهای امنیتی را به حداقل رساند.
#امنیت_اطلاعات #PCI_DSS #Kubernetes #حفاظت_داده
🟣لینک مقاله:
https://ku.bz/cD6Lg9ppD
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Building a PCI-DSS Compliant GKE Framework for Financial Institutions: Data Protection, Governance & Audit Logging
🟢 خلاصه مقاله:
در دنیای فناوری اطلاعات امروز، محافظت از دادههای حساس و تضمین امنیت زیرساختها اهمیت بالایی دارد، به ویژه برای مؤسسات مالی که باید با استانداردهای سختگیرانهای مانند PCI-DSS سازگار باشند. در این مقاله، به نحوه ساختن یک چارچوب امنیتی قوی بر پایه Google Kubernetes Engine (GKE) برای این نوع موسسات میپردازیم که همسو با الزامات PCI-DSS باشد. این چارچوب شامل بهرهگیری از فناوریهایی مانند شناسههای کاری، مدیر رمز، تایید باینری، سیاستگذاری شبکه، کنترلهای سرویس VPC، اتصال خصوصی سرویس، Istio با mTLS و سیستم ثبت وقایع است.
در ابتدای این راهکار، از قابلیتهای مانند Workload Identity برای مدیریت دسترسیهای ایمن بین سرویسها بهره میگیریم که امکان کنترل دقیق و محدود کردن دسترسیها را فراهم میکند. سپس، از Secret Manager برای ذخیره و مدیریت امن اطلاعات حساسی نظیر کلیدهای رمزنگاری و پسوردها استفاده مینماییم تا دادهها در حین عملیات محافظت شوند. با بهرهگیری از Binary Authorization، اطمینان حاصل میکنیم فقط برنامههای مجاز و تایید شده بر روی کلاسترهای Kubernetes اجرا شوند.
در مرحله بعد، سیاستهای شبکه و سیاستهای سرویس VPC امنیت ارتباطات داخلی و خارجی را کنترل میکنند و مانع از دسترسی غیرمجاز میشوند. همچنین، با استفاده از Private Service Connect، ارتباطات حساس درون شبکه را در محیطی مجزا و امن نگه میداریم. برای تضمین امنیت ترافیک، از Istio با ویژگی mTLS بهره میگیریم تا ارتباط بین سرویسها رمزگذاری شده و از نفوذ احتمالی جلوگیری شود. در کنار این موارد، ثبت دقیق تمامی فعالیتها و رویدادهای سیستم، نقش مهمی در مدیریت امنیت و انجام ممیزیهای دورهای دارد.
این مجموعه اقدامات، چارچوبی قوی و جامع برای موسسات مالی فراهم میکند که همراستا با استانداردهای PCI-DSS است و امکان مدیریت امنتری از دادهها و زیرساختهای فناوری اطلاعات را فراهم میآورد. با اجرای این تکنولوژیها، میتوان اعتماد مشتریان را جلب کرد و ریسکهای امنیتی را به حداقل رساند.
#امنیت_اطلاعات #PCI_DSS #Kubernetes #حفاظت_داده
🟣لینک مقاله:
https://ku.bz/cD6Lg9ppD
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Medium
Building a PCI-DSS Compliant GKE Framework for Financial Institutions: Data Protection, Governance & Audit Logging
Why Data Protection and Audit Logging Belong Together
🔵 عنوان مقاله
KEDA GPU Scaler
🟢 خلاصه مقاله:
الگوهای مقیاسپذیری در حوزه فناوریهای ابری روزبهروز در حال توسعه و بهبود هستند تا پاسخگوی نیازهای مختلف نرمافزارها و سرویسها باشند. یکی از ابزارهای جدید و کاربردی در این زمینه، KEDA GPU Scaler است که نقش مهمی در بهینهسازی مصرف منابع سختافزاری بر عهده دارد. این اسکیلر خارجی، به صورت خاص برای نظارت بر میزان استفاده از کارتهای گرافیک NVIDIA طراحی شده است و از طریق NVML، مقادیر مربوط به GPU را بهروز میکند.
این ابزار، امکان مانیتورینگ و مقیاسپذیری خودکار بر روی سرویسها و کارهای مختلف AI و یادگیری ماشین، از جمله vLLM، Triton، وظایف آموزش مدلها و همچنین استراحتهای درون inference، را فراهم میآورد. یکی از ویژگیهای برجسته آن، عدم نیاز به استفاده از Prometheus است که این امر سبب سادگی نصب و راهاندازی این ابزار شده است. به کمک KEDA GPU Scaler، میتوان به صورت دقیق و کارآمد، منابع GPU را مدیریت و مقیاسپذیری متناسب با نیازهای در لحظه، انجام داد و عملکرد سیستمهای مبتنی بر GPU را بهبود بخشید.
این فناوری جدید، به توسعهدهندگان و مدیران سیستمهای هوشمند کمک میکند تا بهرهوری سختافزارهای NVIDIA را در برنامههای پیچیده و پرفشار به حداکثر برسانند و از منابع خود به بهترین شکل بهرهمند شوند.
#هوشمندسازی_سرویسها #مقیاسپذیری #GPU #هوش_مصنوعی
🟣لینک مقاله:
https://ku.bz/Hg61Tjm7h
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
KEDA GPU Scaler
🟢 خلاصه مقاله:
الگوهای مقیاسپذیری در حوزه فناوریهای ابری روزبهروز در حال توسعه و بهبود هستند تا پاسخگوی نیازهای مختلف نرمافزارها و سرویسها باشند. یکی از ابزارهای جدید و کاربردی در این زمینه، KEDA GPU Scaler است که نقش مهمی در بهینهسازی مصرف منابع سختافزاری بر عهده دارد. این اسکیلر خارجی، به صورت خاص برای نظارت بر میزان استفاده از کارتهای گرافیک NVIDIA طراحی شده است و از طریق NVML، مقادیر مربوط به GPU را بهروز میکند.
این ابزار، امکان مانیتورینگ و مقیاسپذیری خودکار بر روی سرویسها و کارهای مختلف AI و یادگیری ماشین، از جمله vLLM، Triton، وظایف آموزش مدلها و همچنین استراحتهای درون inference، را فراهم میآورد. یکی از ویژگیهای برجسته آن، عدم نیاز به استفاده از Prometheus است که این امر سبب سادگی نصب و راهاندازی این ابزار شده است. به کمک KEDA GPU Scaler، میتوان به صورت دقیق و کارآمد، منابع GPU را مدیریت و مقیاسپذیری متناسب با نیازهای در لحظه، انجام داد و عملکرد سیستمهای مبتنی بر GPU را بهبود بخشید.
این فناوری جدید، به توسعهدهندگان و مدیران سیستمهای هوشمند کمک میکند تا بهرهوری سختافزارهای NVIDIA را در برنامههای پیچیده و پرفشار به حداکثر برسانند و از منابع خود به بهترین شکل بهرهمند شوند.
#هوشمندسازی_سرویسها #مقیاسپذیری #GPU #هوش_مصنوعی
🟣لینک مقاله:
https://ku.bz/Hg61Tjm7h
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
GitHub
GitHub - pmady/keda-gpu-scaler: KEDA External gRPC Scaler for GPU workloads - native NVML metrics via DaemonSet, no Prometheus…
KEDA External gRPC Scaler for GPU workloads - native NVML metrics via DaemonSet, no Prometheus required - pmady/keda-gpu-scaler
🔵 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
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
Medium
Local Log Monitoring: Bridging the Observability Gap in AWS EKS with Stern, Fluent Bit, and…
It was my second Monday at a new team and a new company. Like any onboarding process, the day was a whirlwind of business logic overviews…
🔵 عنوان مقاله
How to Write an Effective Software Design Document (14 minute read)
🟢 خلاصه مقاله:
در نوشتههای فنی، مستند طراحی نرمافزار نقش بسیار حیاتی در فرآیند توسعه ایفا میکند. وقتی پروژهای پیچیده، پرخطر، بین تیمهای مختلف یا مبهم باشد، داشتن یک مستند جامع و منسجم میتواند تفاوت زیادی در کیفیت نهایی و موفقیت پروژه ایجاد کند. این نوع مستند به تیمها کمک میکند تا قبل از شروع به کدنویسی، تصمیمهای فنی مهم و هزینهبر را به صورت دقیق و منظم بررسی و نهایی کنند. در واقع، هدف اصلی این است که بتوانند ریسکها و چالشهای احتمالی را کاهش دهند و تصمیمهای بهتری در مسیر توسعه اتخاذ کنند.
یک مستند طراحی موثر باید بر روی تصمیمهایی تمرکز کند که اشتباه کردن در آنها هزینهبر است. برای این منظور، باید به وضوح هدف پروژه، پیشزمینه، اهداف اصلی و نکاتی که جزو اهداف نیستند، را مشخص کنیم. همچنین، سناریوهای مختلف، نمودارهای مربوط، محدودیتها، شاخصهای سطح خدمات (SLOs)، روشهای نظارت و ابزارهای پایش، رابطکاربریها، وابستگیها، مسائل امنیتی و حریم خصوصی، سوالات باز و گزینههای جایگزین باید به دقت بیان شوند. در اینگونه مستندات، قسمتهایی مانند محدودیتها، نیازمندیهای امنیتی و سوالات بیپاسخ نقش مهمی در درک کلی پروژه دارند، چرا که مرور و بررسی آنها به افزایش کیفیت تصمیمگیری کمک میکند و نظرات کارشناسان را برای اصلاح و بهبود موارد مختلف جلب مینماید.
در نتیجه، یک مستند طراحی نرمافزار جامع و منسجم نه تنها اصول فنی را به خوبی پوشش میدهد، بلکه به تیمها امکان میدهد در مسیر توسعه، ریسکها را به حداقل برسانند و راهکارهای بهینه را بر اساس تحلیلهای دقیق اتخاذ کنند. این مستند باید به صورتی طراحی شود که در ادامه مسیر، نگهداری و بهروزرسانی آن ساده باشد و در عین حال، مرجع اصلی تصمیمگیریهای مهم باقی بماند. به این ترتیب، استفاده از چنین سندی نقش کلیدی در موفقیت پروژههای نرمافزاری ایفا میکند و تیمهای فنی را در ساخت و مدیریت سیستمهای پیچیده یاری میدهد.
#طراحی_نرمافزار #مدیریت_پروژه #توسعه_فنی #امنیت_سایبری
🟣لینک مقاله:
https://refactoringenglish.com/excerpts/write-an-effective-design-doc/?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
How to Write an Effective Software Design Document (14 minute read)
🟢 خلاصه مقاله:
در نوشتههای فنی، مستند طراحی نرمافزار نقش بسیار حیاتی در فرآیند توسعه ایفا میکند. وقتی پروژهای پیچیده، پرخطر، بین تیمهای مختلف یا مبهم باشد، داشتن یک مستند جامع و منسجم میتواند تفاوت زیادی در کیفیت نهایی و موفقیت پروژه ایجاد کند. این نوع مستند به تیمها کمک میکند تا قبل از شروع به کدنویسی، تصمیمهای فنی مهم و هزینهبر را به صورت دقیق و منظم بررسی و نهایی کنند. در واقع، هدف اصلی این است که بتوانند ریسکها و چالشهای احتمالی را کاهش دهند و تصمیمهای بهتری در مسیر توسعه اتخاذ کنند.
یک مستند طراحی موثر باید بر روی تصمیمهایی تمرکز کند که اشتباه کردن در آنها هزینهبر است. برای این منظور، باید به وضوح هدف پروژه، پیشزمینه، اهداف اصلی و نکاتی که جزو اهداف نیستند، را مشخص کنیم. همچنین، سناریوهای مختلف، نمودارهای مربوط، محدودیتها، شاخصهای سطح خدمات (SLOs)، روشهای نظارت و ابزارهای پایش، رابطکاربریها، وابستگیها، مسائل امنیتی و حریم خصوصی، سوالات باز و گزینههای جایگزین باید به دقت بیان شوند. در اینگونه مستندات، قسمتهایی مانند محدودیتها، نیازمندیهای امنیتی و سوالات بیپاسخ نقش مهمی در درک کلی پروژه دارند، چرا که مرور و بررسی آنها به افزایش کیفیت تصمیمگیری کمک میکند و نظرات کارشناسان را برای اصلاح و بهبود موارد مختلف جلب مینماید.
در نتیجه، یک مستند طراحی نرمافزار جامع و منسجم نه تنها اصول فنی را به خوبی پوشش میدهد، بلکه به تیمها امکان میدهد در مسیر توسعه، ریسکها را به حداقل برسانند و راهکارهای بهینه را بر اساس تحلیلهای دقیق اتخاذ کنند. این مستند باید به صورتی طراحی شود که در ادامه مسیر، نگهداری و بهروزرسانی آن ساده باشد و در عین حال، مرجع اصلی تصمیمگیریهای مهم باقی بماند. به این ترتیب، استفاده از چنین سندی نقش کلیدی در موفقیت پروژههای نرمافزاری ایفا میکند و تیمهای فنی را در ساخت و مدیریت سیستمهای پیچیده یاری میدهد.
#طراحی_نرمافزار #مدیریت_پروژه #توسعه_فنی #امنیت_سایبری
🟣لینک مقاله:
https://refactoringenglish.com/excerpts/write-an-effective-design-doc/?utm_source=tldrdevops
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Refactoringenglish
How to Write an Effective Software Design Document
Best practices for writing a design doc based on my experience working as a developer at Google and Microsoft.
🔵 عنوان مقاله
One forgotten notebook on an A100. $1,800 a month.
🟢 خلاصه مقاله:
در دنیای مدیریت منابع ابری، نظارت دقیق بر عملکرد اجزای مختلف اهمیت بسیاری دارد. یکی از چالشهای رایج در سامانههای مبتنی بر Kubernetes، شناسایی کارتهای گرافیک (GPU) است که در حال حاضر بیاستفاده یا کماستفاده هستند. در این زمینه، ابزارهای متعددی برای رصد این منابع طراحی شدهاند، اما برخی از آنها نیازمند نصب و پیکربندی پیچیدهای هستند. مقالهای که مطالعه کردیم، به معرفی ابزار "kube-gpu-top" میپردازد؛ ابزاری بینظیر برای کمک به تیمهای Kubernetes در تشخیص کارتهای گرافیک غیرفعال و یا استفاده کم، به روشی ساده و کارآمد.
این ابزار، با نقشهبرداری دقیق از معیارهای عملکرد کارتهای NVIDIA GPU و ارتباط آن با پادهای مرتبط، توانسته است تصویری واضح از وضعیت مصرف منابع در اختیار تیمها قرار دهد. مهمترین ویژگی این سیستم، این است که بدون نیاز به ابزارهای پرخرج و پیچیده مانند Prometheus یا Grafana، میزان هدررفت ماهانه منابع را تخمین میزند. این بدان معناست که تیمها میتوانند به راحتی تصمیمگیریهای بهتری در مورد تخصیص یا آزادسازی منابع داشته باشند، و در نتیجه هزینههای جاری مرتبط با GPUها را تا حد زیادی کاهش دهند.
در نتیجه، "kube-gpu-top" ابزار مفیدی است که با روشی ساده و کارآمد، راهکاری نوین برای مدیریت هوشمندانه منابع در محیطهای Kubernetes ارائه میدهد، و میتواند صرفهجویی قابل توجهی در هزینهها ایجاد کند—هزینهای که شاید در ابتدا نادیده گرفته شده باشد، اما در طول زمان میتواند به چندین هزار دلار در ماه برسد، فقط با شناسایی کارتهایی که کارایی لازم را ندارند یا بیاستفاده باقی ماندهاند. این ابزار به تیمهای فناوری اطلاعات کمک میکند تا بهرهوری منابع خود را به حداکثر برسانند و هزینهها را بهینه کنند.
#مدیریت_منابع #Kubernetes #GPU #کاهش_هزینهها
🟣لینک مقاله:
https://ku.bz/RztgvXMZZ
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
One forgotten notebook on an A100. $1,800 a month.
🟢 خلاصه مقاله:
در دنیای مدیریت منابع ابری، نظارت دقیق بر عملکرد اجزای مختلف اهمیت بسیاری دارد. یکی از چالشهای رایج در سامانههای مبتنی بر Kubernetes، شناسایی کارتهای گرافیک (GPU) است که در حال حاضر بیاستفاده یا کماستفاده هستند. در این زمینه، ابزارهای متعددی برای رصد این منابع طراحی شدهاند، اما برخی از آنها نیازمند نصب و پیکربندی پیچیدهای هستند. مقالهای که مطالعه کردیم، به معرفی ابزار "kube-gpu-top" میپردازد؛ ابزاری بینظیر برای کمک به تیمهای Kubernetes در تشخیص کارتهای گرافیک غیرفعال و یا استفاده کم، به روشی ساده و کارآمد.
این ابزار، با نقشهبرداری دقیق از معیارهای عملکرد کارتهای NVIDIA GPU و ارتباط آن با پادهای مرتبط، توانسته است تصویری واضح از وضعیت مصرف منابع در اختیار تیمها قرار دهد. مهمترین ویژگی این سیستم، این است که بدون نیاز به ابزارهای پرخرج و پیچیده مانند Prometheus یا Grafana، میزان هدررفت ماهانه منابع را تخمین میزند. این بدان معناست که تیمها میتوانند به راحتی تصمیمگیریهای بهتری در مورد تخصیص یا آزادسازی منابع داشته باشند، و در نتیجه هزینههای جاری مرتبط با GPUها را تا حد زیادی کاهش دهند.
در نتیجه، "kube-gpu-top" ابزار مفیدی است که با روشی ساده و کارآمد، راهکاری نوین برای مدیریت هوشمندانه منابع در محیطهای Kubernetes ارائه میدهد، و میتواند صرفهجویی قابل توجهی در هزینهها ایجاد کند—هزینهای که شاید در ابتدا نادیده گرفته شده باشد، اما در طول زمان میتواند به چندین هزار دلار در ماه برسد، فقط با شناسایی کارتهایی که کارایی لازم را ندارند یا بیاستفاده باقی ماندهاند. این ابزار به تیمهای فناوری اطلاعات کمک میکند تا بهرهوری منابع خود را به حداکثر برسانند و هزینهها را بهینه کنند.
#مدیریت_منابع #Kubernetes #GPU #کاهش_هزینهها
🟣لینک مقاله:
https://ku.bz/RztgvXMZZ
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Medium
One forgotten notebook on an A100. $1,800 a month.
I was investigating GPU utilization on a Kubernetes cluster last month. kubectl top gave me CPU and memory — GPUs don’t exist in its…
🔵 عنوان مقاله
Copy Fail Destroyer: DaemonSet mitigation for kernel page-cache exploits
🟢 خلاصه مقاله:
در دنیای فناوری و امنیت سایبری، یکی از چالشهای مهم، مقابله با سوءاستفادههای جدید در هسته سیستمعامل است.یکی از آسیبپذیریهای مهم در سیستمهای مبتنی بر هسته لینوکس، حملاتی است که از طریق نفوذ در صفحات کش (Page Cache) کرنل انجام میشوند. این حملات میتوانند به راحتی امنیت سیستم را مختل کرده و اطلاعات حساس را فاش کنند. برای مقابله با این تهدید، راهکارهای متعددی ارائه شده است که یکی از آنها استفاده از روشهایی مانند DaemonSet است.
در این مقاله، به معرفی راهکار "Copy Fail Destroyer" میپردازیم؛ روشی که به کمک DaemonSet در سازماندهی و استقرار آسانتر، برای کاهش آسیبپذیری در برابر حملات مربوط به صفحات کش هسته به کار میرود. این روش با کاهش سطح آسیبپذیری و افزایش ایمنی کلی سیستم، قدمی مؤثر در جلوگیری از نفوذهای مخرب محسوب میشود. استفاده از این فناوریها کمک میکند تا امکان دستکاری در کشهای هسته کاهش یافته و سیستم در برابر حملات احتمالی مقاومتر شود.
در نهایت، با بهکارگیری این راهکارها، نه تنها امنیت سیستمهای لینوکس بهبود مییابد، بلکه مدیران شبکه و امنیت، ابزارهای موثری برای کنترل و کاهش خطرات تهدیدهای سایبری خواهند داشت. این استراتژیها نشان میدهند که در دنیای فناوری امروز، همواره با بهروزرسانی و بهرهگیری از فناوریهای نوین، میتوان امنیت سیستمها را تضمین نمود.
#امنیت_سیستم #کاهش_آسیبپذیری #حفاظت_در_برابر_حملات #فناوری_اطلاعات
🟣لینک مقاله:
https://ku.bz/xvFl18wxv
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Copy Fail Destroyer: DaemonSet mitigation for kernel page-cache exploits
🟢 خلاصه مقاله:
در دنیای فناوری و امنیت سایبری، یکی از چالشهای مهم، مقابله با سوءاستفادههای جدید در هسته سیستمعامل است.یکی از آسیبپذیریهای مهم در سیستمهای مبتنی بر هسته لینوکس، حملاتی است که از طریق نفوذ در صفحات کش (Page Cache) کرنل انجام میشوند. این حملات میتوانند به راحتی امنیت سیستم را مختل کرده و اطلاعات حساس را فاش کنند. برای مقابله با این تهدید، راهکارهای متعددی ارائه شده است که یکی از آنها استفاده از روشهایی مانند DaemonSet است.
در این مقاله، به معرفی راهکار "Copy Fail Destroyer" میپردازیم؛ روشی که به کمک DaemonSet در سازماندهی و استقرار آسانتر، برای کاهش آسیبپذیری در برابر حملات مربوط به صفحات کش هسته به کار میرود. این روش با کاهش سطح آسیبپذیری و افزایش ایمنی کلی سیستم، قدمی مؤثر در جلوگیری از نفوذهای مخرب محسوب میشود. استفاده از این فناوریها کمک میکند تا امکان دستکاری در کشهای هسته کاهش یافته و سیستم در برابر حملات احتمالی مقاومتر شود.
در نهایت، با بهکارگیری این راهکارها، نه تنها امنیت سیستمهای لینوکس بهبود مییابد، بلکه مدیران شبکه و امنیت، ابزارهای موثری برای کنترل و کاهش خطرات تهدیدهای سایبری خواهند داشت. این استراتژیها نشان میدهند که در دنیای فناوری امروز، همواره با بهروزرسانی و بهرهگیری از فناوریهای نوین، میتوان امنیت سیستمها را تضمین نمود.
#امنیت_سیستم #کاهش_آسیبپذیری #حفاظت_در_برابر_حملات #فناوری_اطلاعات
🟣لینک مقاله:
https://ku.bz/xvFl18wxv
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
GitHub
GitHub - NorskHelsenett/copy-fail-destroyer
Contribute to NorskHelsenett/copy-fail-destroyer development by creating an account on GitHub.
🔵 عنوان مقاله
Making and scaling a game server in Kubernetes using agones
🟢 خلاصه مقاله:
در این آموزش، نحوه ایجاد و توسعه یک سرور بازی در بستر Kubernetes با استفاده از ابزار Agones شرح داده میشود. ابتدا یک سرور بازی برای بازی سنگ، کاغذ، قیچی در زبان برنامهنویسی Go طراحی میکنیم که با SDK مخصوص Agones یکپارچه شده است. سپس این سرور را به عنوان یک Fleet در Kubernetes مستقر میکنیم تا مدیریت و راهاندازی چند نسخه از سرور به صورت کارآمد انجام شود.
در مرحله بعد، یک سرویس بازیابی و تطبیقسازی بازیها با استفاده از سرویس پیامرسان Watermill و پروتکل pub/sub طراحی میشود. این سرویس به صورت هوشمند درخواستهای ورود به بازی را مدیریت میکند و بازیکنان را به صورت مناسب به سرورهای در دسترس متصل مینماید، که با کمک GameServerAllocation انجام میشود. در نهایت، برای تضمین پاسخگویی مناسب و بهبود عملکرد، فرآیند مقیاسپذیری خودکار با استفاده از FleetAutoscaler فعال میشود تا در صورت نیاز بتوان تعداد سرورهای فعال را به صورت خودکار افزایش یا کاهش داد.
این رویکرد جامع، راهی موثر برای ساخت و گسترش سرورهای بازی مقیاسپذیر و قابل اطمینان در محیط کانتینری Kubernetes است که تجربه توسعهدهندگان را در مدیریت بازیهای آنلاین به طور قابل توجهی بهبود میبخشد.
#بازی #کوانتوم #کوبیرنэтس #گردشگری
🟣لینک مقاله:
https://ku.bz/WL6tpV63M
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Making and scaling a game server in Kubernetes using agones
🟢 خلاصه مقاله:
در این آموزش، نحوه ایجاد و توسعه یک سرور بازی در بستر Kubernetes با استفاده از ابزار Agones شرح داده میشود. ابتدا یک سرور بازی برای بازی سنگ، کاغذ، قیچی در زبان برنامهنویسی Go طراحی میکنیم که با SDK مخصوص Agones یکپارچه شده است. سپس این سرور را به عنوان یک Fleet در Kubernetes مستقر میکنیم تا مدیریت و راهاندازی چند نسخه از سرور به صورت کارآمد انجام شود.
در مرحله بعد، یک سرویس بازیابی و تطبیقسازی بازیها با استفاده از سرویس پیامرسان Watermill و پروتکل pub/sub طراحی میشود. این سرویس به صورت هوشمند درخواستهای ورود به بازی را مدیریت میکند و بازیکنان را به صورت مناسب به سرورهای در دسترس متصل مینماید، که با کمک GameServerAllocation انجام میشود. در نهایت، برای تضمین پاسخگویی مناسب و بهبود عملکرد، فرآیند مقیاسپذیری خودکار با استفاده از FleetAutoscaler فعال میشود تا در صورت نیاز بتوان تعداد سرورهای فعال را به صورت خودکار افزایش یا کاهش داد.
این رویکرد جامع، راهی موثر برای ساخت و گسترش سرورهای بازی مقیاسپذیر و قابل اطمینان در محیط کانتینری Kubernetes است که تجربه توسعهدهندگان را در مدیریت بازیهای آنلاین به طور قابل توجهی بهبود میبخشد.
#بازی #کوانتوم #کوبیرنэтس #گردشگری
🟣لینک مقاله:
https://ku.bz/WL6tpV63M
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
/home/noe
Making and Scaling a Game Server in Kubernetes using Agones
Learn with me how to create a game server in Go for Agones, deploying it on Kubernetes, designing an event-based matchmaking service also in Go, and setting up autoscaling for the whole thing.
🔵 عنوان مقاله
Webernetes
🟢 خلاصه مقاله:
وبورنتس یک شبیهساز مبتنی بر مرورگر برای کنیاتس است که به کاربران امکان میدهد بخش قابل توجهی از امکانات Kubernetes را تجربه و اجرا کنند. این ابزار، با تمرکز بر سادگی و کاربردهای آموزشی، به صورت کامل در داخل مرورگر وب کار میکند و نیازی به زیرساختهای سروری یا پیکربندی پیچیده ندارد. کاربران میتوانند از امکاناتی مانند پادها، سرویسها و استقرارها بهرهمند شده و فرآیندهای مختلف در محیطی تعاملی و آسان را تجربه کنند.
وبورنتس، در واقع یک محیط مجازی و تعاملی است که به توسعهدهندگان و علاقهمندان به فناوریهای ذخیرهسازی و اورکد (کوتاهشده برای اورکسترینگرهای کنیاتس) اجازه میدهد کارهای مربوط به مدیریت کانتینرها را بدون نیاز به نصب یا پیکربندی پیچیده، تمرین کنند. این ابزار، راهی سریع و کارآمد برای یادگیری و آزمایش مفاهیم پایه Kubernetes است، و به همین دلیل جایگزین مناسب برای آموزشهای آنلاین و تمرینهای تعاملی محسوب میشود.
در نتیجه، وبورنتس فرصتی کمنظیر برای آشنایی و آموزش مهارتهای مرتبط با کنیاتس در محیطی سریع، ایمن و کاربرپسند فراهم میآورد، و کمک میکند تا کاربران بدون نیاز به منابع سختافزاری یا تخصص فنی عمیق، توانایی کار با این فناوری را کسب کنند.
#کنیاتس #آموزش_مجازی #توسعه_بدون_سرور #پاراهای_کلود
🟣لینک مقاله:
https://ku.bz/9M7CfFK16
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Webernetes
🟢 خلاصه مقاله:
وبورنتس یک شبیهساز مبتنی بر مرورگر برای کنیاتس است که به کاربران امکان میدهد بخش قابل توجهی از امکانات Kubernetes را تجربه و اجرا کنند. این ابزار، با تمرکز بر سادگی و کاربردهای آموزشی، به صورت کامل در داخل مرورگر وب کار میکند و نیازی به زیرساختهای سروری یا پیکربندی پیچیده ندارد. کاربران میتوانند از امکاناتی مانند پادها، سرویسها و استقرارها بهرهمند شده و فرآیندهای مختلف در محیطی تعاملی و آسان را تجربه کنند.
وبورنتس، در واقع یک محیط مجازی و تعاملی است که به توسعهدهندگان و علاقهمندان به فناوریهای ذخیرهسازی و اورکد (کوتاهشده برای اورکسترینگرهای کنیاتس) اجازه میدهد کارهای مربوط به مدیریت کانتینرها را بدون نیاز به نصب یا پیکربندی پیچیده، تمرین کنند. این ابزار، راهی سریع و کارآمد برای یادگیری و آزمایش مفاهیم پایه Kubernetes است، و به همین دلیل جایگزین مناسب برای آموزشهای آنلاین و تمرینهای تعاملی محسوب میشود.
در نتیجه، وبورنتس فرصتی کمنظیر برای آشنایی و آموزش مهارتهای مرتبط با کنیاتس در محیطی سریع، ایمن و کاربرپسند فراهم میآورد، و کمک میکند تا کاربران بدون نیاز به منابع سختافزاری یا تخصص فنی عمیق، توانایی کار با این فناوری را کسب کنند.
#کنیاتس #آموزش_مجازی #توسعه_بدون_سرور #پاراهای_کلود
🟣لینک مقاله:
https://ku.bz/9M7CfFK16
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
GitHub
GitHub - ngrok/webernetes: Kubernetes in the browser.
Kubernetes in the browser. Contribute to ngrok/webernetes development by creating an account on GitHub.
🔵 عنوان مقاله
GKE IP exhaustion fixed: the Class E migration guide
🟢 خلاصه مقاله:
در این راهنما، نحوه حل مشکل اتمام آیپیهای پاد در Google Kubernetes Engine (GKE) را بدون نیاز به بازسازی VPC شرح میدهیم. یکی از رایجترین مشکلات در اجرای کلاسترهای بزرگ و پیچیده در GKE، محدودیت در تعداد آیپیهای قابل تخصیص است که میتواند باعث اختلال در کارکرد سرویسها و کاهش مقیاسپذیری شود. در این مقاله، با افزودن یک دامنه ثانویه کلاس E، ایجاد یک گروه نود جدید و انتقال بار کاری به نودهای جدید، راهحلی آسان و موثر ارائه میدهیم که این محدودیتها را برطرف میکند.
برای این کار، ابتدا باید دامنه ثانویه کلاس E را در تنظیمات VPC خود تعریف کنید که این کار به ما امکان میدهد آیپیهای بیشتری برای پادهای جدید فراهم کنیم. پس از افزودن این دامنه، نیاز است یک گروه نود جدید ساخته شود تا بتوان پادها را بر روی نودهای با CIDR جدید قرار داد. در ادامه، workloads موجود روی نودهای قدیمی را به نودهای جدید منتقل میکنیم، همانطور که با drain کردن نودها انجام میدهید، تا بدون توقف سرویسها، مشکل کمبود آیپی برطرف شود. این روش، یک راهکار سریع و بدون نیاز به بازسازی کامل زیرساخت است که بهرهوری و مقیاسپذیری کلاسترهای GKE را به طور قابل توجهی افزایش میدهد.
در نتیجه، با پیروی از این مراحل، میتوانید به راحتی مشکل اتمام آیپی در GKE را برطرف کنید و به رشد و توسعه زیرساختهای کانتینری خود ادامه دهید، بدون نگرانی درباره منابع آیپی و با حداکثر بهرهوری.
#GKE #کلاسترایپ #کلاسیفکیشن #هیضرایپ
🟣لینک مقاله:
https://ku.bz/58z4nyVYt
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
GKE IP exhaustion fixed: the Class E migration guide
🟢 خلاصه مقاله:
در این راهنما، نحوه حل مشکل اتمام آیپیهای پاد در Google Kubernetes Engine (GKE) را بدون نیاز به بازسازی VPC شرح میدهیم. یکی از رایجترین مشکلات در اجرای کلاسترهای بزرگ و پیچیده در GKE، محدودیت در تعداد آیپیهای قابل تخصیص است که میتواند باعث اختلال در کارکرد سرویسها و کاهش مقیاسپذیری شود. در این مقاله، با افزودن یک دامنه ثانویه کلاس E، ایجاد یک گروه نود جدید و انتقال بار کاری به نودهای جدید، راهحلی آسان و موثر ارائه میدهیم که این محدودیتها را برطرف میکند.
برای این کار، ابتدا باید دامنه ثانویه کلاس E را در تنظیمات VPC خود تعریف کنید که این کار به ما امکان میدهد آیپیهای بیشتری برای پادهای جدید فراهم کنیم. پس از افزودن این دامنه، نیاز است یک گروه نود جدید ساخته شود تا بتوان پادها را بر روی نودهای با CIDR جدید قرار داد. در ادامه، workloads موجود روی نودهای قدیمی را به نودهای جدید منتقل میکنیم، همانطور که با drain کردن نودها انجام میدهید، تا بدون توقف سرویسها، مشکل کمبود آیپی برطرف شود. این روش، یک راهکار سریع و بدون نیاز به بازسازی کامل زیرساخت است که بهرهوری و مقیاسپذیری کلاسترهای GKE را به طور قابل توجهی افزایش میدهد.
در نتیجه، با پیروی از این مراحل، میتوانید به راحتی مشکل اتمام آیپی در GKE را برطرف کنید و به رشد و توسعه زیرساختهای کانتینری خود ادامه دهید، بدون نگرانی درباره منابع آیپی و با حداکثر بهرهوری.
#GKE #کلاسترایپ #کلاسیفکیشن #هیضرایپ
🟣لینک مقاله:
https://ku.bz/58z4nyVYt
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Rack to Cloud — Think Like an Architect. Build Like an Engineer.
GKE Class E IP: The Pod Exhaustion Rescue Guide (No VPC Rebuild)
GKE Class E IP is the production-tested fix for pod IP exhaustion. Learn how to migrate to 240.0.0.0/4 secondary ranges without rebuilding your VPC — step-by-step with real commands.
🔵 عنوان مقاله
Copy Fail in Kubernetes: PSS Restricted and RuntimeDefault Did Not Block AF_ALG
🟢 خلاصه مقاله:
در این مقاله، به بررسی دلایل عدم مسدود شدن دسترسی به AF_ALG توسط seccomp در حالتهای PSS Restricted و RuntimeDefault در محیط کابرنتیس میپردازیم. با وجود اینکه این حالتهای امنیتی برای جلوگیری از اجرای کدهای ناخواسته طراحی شدهاند، اما هنوز هم سطح حمله در هستهی سیستمعامل (کرنل) اهمیت دارد. مقاله نشان میدهد که حتی در صورت رعایت تنظیمات سخت و محدود، آسیبپذیریهای کرنل میتواند همچنان منجر به خطرات امنیتی شود و نیاز به تمرکز بر روی سطح حمله در سیستمهای مبتنی بر کانتینر را برجسته میکند. در نتیجه، باید همواره رویکردهای چندلایه برای تضمین امنیت کامل محیطهای کابرنتیس و زیرساختهای مرتبط اتخاذ شود.
#کوبرنتیس #امنیت_سیستم #کرنل #seccomp
🟣لینک مقاله:
https://ku.bz/j-pzF0QZb
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Copy Fail in Kubernetes: PSS Restricted and RuntimeDefault Did Not Block AF_ALG
🟢 خلاصه مقاله:
در این مقاله، به بررسی دلایل عدم مسدود شدن دسترسی به AF_ALG توسط seccomp در حالتهای PSS Restricted و RuntimeDefault در محیط کابرنتیس میپردازیم. با وجود اینکه این حالتهای امنیتی برای جلوگیری از اجرای کدهای ناخواسته طراحی شدهاند، اما هنوز هم سطح حمله در هستهی سیستمعامل (کرنل) اهمیت دارد. مقاله نشان میدهد که حتی در صورت رعایت تنظیمات سخت و محدود، آسیبپذیریهای کرنل میتواند همچنان منجر به خطرات امنیتی شود و نیاز به تمرکز بر روی سطح حمله در سیستمهای مبتنی بر کانتینر را برجسته میکند. در نتیجه، باید همواره رویکردهای چندلایه برای تضمین امنیت کامل محیطهای کابرنتیس و زیرساختهای مرتبط اتخاذ شود.
#کوبرنتیس #امنیت_سیستم #کرنل #seccomp
🟣لینک مقاله:
https://ku.bz/j-pzF0QZb
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Juliet
Copy Fail in Kubernetes: RuntimeDefault Did Not Block AF_ALG - Juliet
We tested CVE-2026-31431 Copy Fail on Talos and EKS. RuntimeDefault did not block AF_ALG, Localhost seccomp blocked the path, and the CVE is now in CISA KEV.
🔵 عنوان مقاله
The GPU Bill Was $40,000. Nobody Knew Why.
🟢 خلاصه مقاله:
در این مقاله به موضوع هزینههای بسیار بالای کارتهای گرافیک اشاره شده است که به مبلغ ۴۰ هزار دلار رسیده بود، اما هیچکدام از اعضای تیم دلیل این هزینه سرسامآور را نمیدانستند. این موضوع نگرانیهای زیادی در مدیریت منابع و امور مالی شرکت ایجاد کرده بود، زیرا بدون کنترل دقیق، مقدار هزینههای مرتبط با GPU به سرعت ممکن بود بیش از تصور افزایش یابد.
با توجه به اهمیت این مشکل، مقاله توضیح میدهد که چگونه میتوان با استفاده از روشهایی مانند افزودن برچسبها، تعیین سهمیهها، اعمال محدودیتها، قوانین پایش با Prometheus و کنترلهای ورودی، روند کنترل مصرف GPU را بهتر مدیریت کرد. این ابزارها و اقدامات به تیمها کمک میکند تا بتوانند دقیقا ببینند چه کسی چه نوع وظایف محاسباتی پر هزینهای انجام میدهد و دلایل این مصرف بالا چیست. نتیجه نهایی، شفافسازی مصرف منابع و جلوگیری از هزینههای غیرمنتظره است که پروژهها را با اطمینان بیشتری پیش میبرد.
در نهایت، این مقاله راهکارهای عملی و کاربردی را برای مدیران فناوری اطلاعات و تیمهای توسعه ارائه میدهد تا بتوانند منابع گرافیکی پرهزینه را بهتر کنترل و مدیریت کنند و از بروز مشکلات مالی ناخواسته جلوگیری نمایند.
#مدیریت_GPU #کاهش_هزینه #کنترل_منابع #پایش_پیشرفته
🟣لینک مقاله:
https://ku.bz/6cFxnhHGb
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
The GPU Bill Was $40,000. Nobody Knew Why.
🟢 خلاصه مقاله:
در این مقاله به موضوع هزینههای بسیار بالای کارتهای گرافیک اشاره شده است که به مبلغ ۴۰ هزار دلار رسیده بود، اما هیچکدام از اعضای تیم دلیل این هزینه سرسامآور را نمیدانستند. این موضوع نگرانیهای زیادی در مدیریت منابع و امور مالی شرکت ایجاد کرده بود، زیرا بدون کنترل دقیق، مقدار هزینههای مرتبط با GPU به سرعت ممکن بود بیش از تصور افزایش یابد.
با توجه به اهمیت این مشکل، مقاله توضیح میدهد که چگونه میتوان با استفاده از روشهایی مانند افزودن برچسبها، تعیین سهمیهها، اعمال محدودیتها، قوانین پایش با Prometheus و کنترلهای ورودی، روند کنترل مصرف GPU را بهتر مدیریت کرد. این ابزارها و اقدامات به تیمها کمک میکند تا بتوانند دقیقا ببینند چه کسی چه نوع وظایف محاسباتی پر هزینهای انجام میدهد و دلایل این مصرف بالا چیست. نتیجه نهایی، شفافسازی مصرف منابع و جلوگیری از هزینههای غیرمنتظره است که پروژهها را با اطمینان بیشتری پیش میبرد.
در نهایت، این مقاله راهکارهای عملی و کاربردی را برای مدیران فناوری اطلاعات و تیمهای توسعه ارائه میدهد تا بتوانند منابع گرافیکی پرهزینه را بهتر کنترل و مدیریت کنند و از بروز مشکلات مالی ناخواسته جلوگیری نمایند.
#مدیریت_GPU #کاهش_هزینه #کنترل_منابع #پایش_پیشرفته
🟣لینک مقاله:
https://ku.bz/6cFxnhHGb
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Medium
The GPU Bill Was $40,000. Nobody Knew Why.
It was a Tuesday morning standup when the message came through on Slack. Finance had flagged the AWS bill. GPU spend for the past 30 days…
🔵 عنوان مقاله
Grafana Beyla: auto-instrumentation
🟢 خلاصه مقاله:
گرافانا بیلا ابزاری منبع باز مبتنی بر eBPF است که به صورت خودکار برنامههای تحت وب، مانند برنامههای HTTP و gRPC، را اندازهگیری و نظارت میکند. این ابزار با تشخیص خودکار عملیات و درخواستها، امکان جمعآوری اطلاعات مهمی مانند ردیابیها و شاخصهای RED (Response time، Errors، Duration) را فراهم میآورد. نتیجه این فرآیند، دادههای معتبر و مهم است که به صورت استانداردهای OpenTelemetry یا Prometheus صادر میشوند، تا تیمهای توسعه و نظارت بتوانند تحلیلهای بهتری انجام دهند و مشکلات را سریعتر شناسایی کنند.
گرافانا بیلا با بهرهگیری از فناوریهای پیشرفته eBPF، به طور خودکار و بدون نیاز به تنظیمات پیچیده، نظارت بر عملکرد برنامهها را آسان میکند و دادههای ارزشمند را در زمان واقعی فراهم مینماید. این ابزار، به ویژه در محیطهایی که نیازمند نظارت سریع و دقیق هستند، بسیارکارآمد است و میتواند نقش کلیدی در بهبود عملکرد و پایداری سیستمها ایفا کند.
#نظارت_پایگاه #گرافانا #ابزار_باز #پایش_سیستم
🟣لینک مقاله:
https://ku.bz/61N3-25F4
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Grafana Beyla: auto-instrumentation
🟢 خلاصه مقاله:
گرافانا بیلا ابزاری منبع باز مبتنی بر eBPF است که به صورت خودکار برنامههای تحت وب، مانند برنامههای HTTP و gRPC، را اندازهگیری و نظارت میکند. این ابزار با تشخیص خودکار عملیات و درخواستها، امکان جمعآوری اطلاعات مهمی مانند ردیابیها و شاخصهای RED (Response time، Errors، Duration) را فراهم میآورد. نتیجه این فرآیند، دادههای معتبر و مهم است که به صورت استانداردهای OpenTelemetry یا Prometheus صادر میشوند، تا تیمهای توسعه و نظارت بتوانند تحلیلهای بهتری انجام دهند و مشکلات را سریعتر شناسایی کنند.
گرافانا بیلا با بهرهگیری از فناوریهای پیشرفته eBPF، به طور خودکار و بدون نیاز به تنظیمات پیچیده، نظارت بر عملکرد برنامهها را آسان میکند و دادههای ارزشمند را در زمان واقعی فراهم مینماید. این ابزار، به ویژه در محیطهایی که نیازمند نظارت سریع و دقیق هستند، بسیارکارآمد است و میتواند نقش کلیدی در بهبود عملکرد و پایداری سیستمها ایفا کند.
#نظارت_پایگاه #گرافانا #ابزار_باز #پایش_سیستم
🟣لینک مقاله:
https://ku.bz/61N3-25F4
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
GitHub
GitHub - grafana/beyla: eBPF-based autoinstrumentation of web applications and network metrics
eBPF-based autoinstrumentation of web applications and network metrics - grafana/beyla
🔵 عنوان مقاله
Linkerd: Federating Clusters for Zero-Downtime Kubernetes
🟢 خلاصه مقاله:
در دنیای امروز، مدیریت چندین خوشه کلاستر در Kubernetes به کسبوکارها کمک میکند تا سرویسهای خود را به صورت موثر و بدون وقفه ارائه دهند. یکی از راهکارهای قدرتمند در این زمینه، استفاده از لینکرد (Linkerd) است؛ ابزاری که امکان همپیوستگی و مدیریت چند خوشه کلاستر را فراهم میکند.
در این مقاله، به بررسی قابلیتهای لینکرد در حالتهای مختلف چند خوشهای، شامل حالتهای فدرالشده، مسطح و دروازهای، خواهیم پرداخت. هدف، نشان دادن عملکرد این فناوری در اتصال چندین خوشه GKE است، جایی که با انجام آزمایشهای خرابی، شاهد قابلیتهای خوددرمانی و انتقال خودکار سرویسها بدون وقفه خواهیم بود.
در مرحله اول، این سیستم به گونهای پیکربندی میشود که تمامی سه حالت ذکر شده به صورت همزمان در سه خوشه GKE اجرا گردد؛ این کار امکان آزمایشهای معتبر و تطبیقپذیر را فراهم میکند. پس از راهاندازی، یک آزمایش آشوب (chaos test) انجام میشود که در آن یک کلاستر کامل به طور کامل خاموش میشود. این فرآیند نشان میدهد که چگونه سیستم به صورت خودکار عملیات انتقال درخواستها را به خوشه فعال و سالم انجام میدهد، و سرویسها بدون تجربه قطعی یا توقف موقت به کاربران ارائه میشوند.
در نهایت، این فناوری نه تنها توصیفگر تواناییهای پیشرفته در مدیریت چند خوشه است، بلکه نشان میدهد چگونه با بهرهگیری از آن میتوان قابلیت اطمینان و در دسترس بودن سرویسها را به حداکثر رساند، حتی در مواجهه با خرابیهای غیرمنتظره. بنابر این، لینکرد یک ابزار حیاتی برای سازمانهایی است که به دنبال استراتژیهای مقاوم و خودکار در حوزه Kubernetes هستند.
#کلاسترهای_کوبنترس #مدیریت_متمرکز #پایداری_سرویس #Kubernetes
🟣لینک مقاله:
https://ku.bz/zNnPgHWRl
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Linkerd: Federating Clusters for Zero-Downtime Kubernetes
🟢 خلاصه مقاله:
در دنیای امروز، مدیریت چندین خوشه کلاستر در Kubernetes به کسبوکارها کمک میکند تا سرویسهای خود را به صورت موثر و بدون وقفه ارائه دهند. یکی از راهکارهای قدرتمند در این زمینه، استفاده از لینکرد (Linkerd) است؛ ابزاری که امکان همپیوستگی و مدیریت چند خوشه کلاستر را فراهم میکند.
در این مقاله، به بررسی قابلیتهای لینکرد در حالتهای مختلف چند خوشهای، شامل حالتهای فدرالشده، مسطح و دروازهای، خواهیم پرداخت. هدف، نشان دادن عملکرد این فناوری در اتصال چندین خوشه GKE است، جایی که با انجام آزمایشهای خرابی، شاهد قابلیتهای خوددرمانی و انتقال خودکار سرویسها بدون وقفه خواهیم بود.
در مرحله اول، این سیستم به گونهای پیکربندی میشود که تمامی سه حالت ذکر شده به صورت همزمان در سه خوشه GKE اجرا گردد؛ این کار امکان آزمایشهای معتبر و تطبیقپذیر را فراهم میکند. پس از راهاندازی، یک آزمایش آشوب (chaos test) انجام میشود که در آن یک کلاستر کامل به طور کامل خاموش میشود. این فرآیند نشان میدهد که چگونه سیستم به صورت خودکار عملیات انتقال درخواستها را به خوشه فعال و سالم انجام میدهد، و سرویسها بدون تجربه قطعی یا توقف موقت به کاربران ارائه میشوند.
در نهایت، این فناوری نه تنها توصیفگر تواناییهای پیشرفته در مدیریت چند خوشه است، بلکه نشان میدهد چگونه با بهرهگیری از آن میتوان قابلیت اطمینان و در دسترس بودن سرویسها را به حداکثر رساند، حتی در مواجهه با خرابیهای غیرمنتظره. بنابر این، لینکرد یک ابزار حیاتی برای سازمانهایی است که به دنبال استراتژیهای مقاوم و خودکار در حوزه Kubernetes هستند.
#کلاسترهای_کوبنترس #مدیریت_متمرکز #پایداری_سرویس #Kubernetes
🟣لینک مقاله:
https://ku.bz/zNnPgHWRl
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
Linkerd
Linkerd Multicluster: Federation, Mirroring on GKE
Linkerd multicluster supports 3 modes: federated, flat, and gateway. Wire all 3 across 3 GKE clusters, run a chaos test, and see automatic failover in action.
🔵 عنوان مقاله
PIQC: vLLM inference fact collector for Kubernetes
🟢 خلاصه مقاله:
در دنیای مدیریت زیرساختهای هوشمند و یادگیری ماشین، نظارت و تحلیل دقیق منابع اهمیت زیادی دارد. ابزار PIQC، که مختص جمعآوری دادههای مربوط به استنتاجهای مدلهای زنده در محیطهای کلاود مانند Kubernetes است، با هدف بهبود کارایی و صرفهجویی در هزینهها طراحی شده است. این ابزار به صورت خودکار تمامی فعالیتهای مرتبط با vLLM و Ray Serve را در کلاسترهای Kubernetes رصد میکند، دادههایی مانند مقدار مصرف GPU، تعداد مدلهای فعال، هزینهها، درصد استفاده، کش حافظه کلید-مقدار و هدررفت منابع را جمعآوری مینماید. پس از آن، با تحلیل این دادهها، گزارشی کاربردی و قابل اجرا درباره هزینه و بهرهوری استنتاجهای مدلها ارائه میدهد که مدیران و تیمهای فنی میتوانند با استفاده از آن تصمیمهای بهتری برای بهینهسازی منابع بگیرند.
این فرآیند، به مسیریابی دقیقتر و بهبود عملکرد سیستمهای مبتنی بر هوش مصنوعی کمک میکند، زیرا اطلاعات جامع و قابل اطمینانی درباره هزینههای عملیاتی و منابع مصرفی فراهم میآورد. کاهش هدررفت و بهبود بهرهوری منابع، از جمله اهداف اصلی این ابزار است که میتواند نقش مهمی در کاهش هزینههای کلی توسعه و استقرار مدلهای یادگیری ماشین در محیطهای بزرگ ایفا کند. در نتیجه، PiQC به عنوان یک ابزار هوشمند و کارآمد در فضای Kubernetes، به تیمها و سازمانها کمک میکند تا استراتژیهای خود را بر پایه دادههای واقعی و دقیق بنا کنند.
#هوش_مصنوعی #کلاود #کنترل_هزینه #پایش_منابع
🟣لینک مقاله:
https://ku.bz/db934bbkg
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
PIQC: vLLM inference fact collector for Kubernetes
🟢 خلاصه مقاله:
در دنیای مدیریت زیرساختهای هوشمند و یادگیری ماشین، نظارت و تحلیل دقیق منابع اهمیت زیادی دارد. ابزار PIQC، که مختص جمعآوری دادههای مربوط به استنتاجهای مدلهای زنده در محیطهای کلاود مانند Kubernetes است، با هدف بهبود کارایی و صرفهجویی در هزینهها طراحی شده است. این ابزار به صورت خودکار تمامی فعالیتهای مرتبط با vLLM و Ray Serve را در کلاسترهای Kubernetes رصد میکند، دادههایی مانند مقدار مصرف GPU، تعداد مدلهای فعال، هزینهها، درصد استفاده، کش حافظه کلید-مقدار و هدررفت منابع را جمعآوری مینماید. پس از آن، با تحلیل این دادهها، گزارشی کاربردی و قابل اجرا درباره هزینه و بهرهوری استنتاجهای مدلها ارائه میدهد که مدیران و تیمهای فنی میتوانند با استفاده از آن تصمیمهای بهتری برای بهینهسازی منابع بگیرند.
این فرآیند، به مسیریابی دقیقتر و بهبود عملکرد سیستمهای مبتنی بر هوش مصنوعی کمک میکند، زیرا اطلاعات جامع و قابل اطمینانی درباره هزینههای عملیاتی و منابع مصرفی فراهم میآورد. کاهش هدررفت و بهبود بهرهوری منابع، از جمله اهداف اصلی این ابزار است که میتواند نقش مهمی در کاهش هزینههای کلی توسعه و استقرار مدلهای یادگیری ماشین در محیطهای بزرگ ایفا کند. در نتیجه، PiQC به عنوان یک ابزار هوشمند و کارآمد در فضای Kubernetes، به تیمها و سازمانها کمک میکند تا استراتژیهای خود را بر پایه دادههای واقعی و دقیق بنا کنند.
#هوش_مصنوعی #کلاود #کنترل_هزینه #پایش_منابع
🟣لینک مقاله:
https://ku.bz/db934bbkg
➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon
GitHub
GitHub - paralleliq/piqc: Kubernetes scanner that discovers LLMs running on vLLM and extracts their deployment and runtime facts.
Kubernetes scanner that discovers LLMs running on vLLM and extracts their deployment and runtime facts. - paralleliq/piqc
Forwarded from Persian Post
نه تنها بنزین گران شد بلکه سهمیه نیز کمتر شد.
https://xn--r1a.website/+Bp8JeTpQoiUwMjVk
https://xn--r1a.website/+Bp8JeTpQoiUwMjVk
🕊1
Forwarded from Software Engineer
امکان تغییر آدرس ایمیل 📧✨
اگر این قابلیت برای حسابت فعال شده باشد، میتوانی آدرس @gmail.com خودت را بدون ساختن حساب جدید تغییر بدهی. این قابلیت بهصورت تدریجی برای کاربران منتشر شده و ممکن است هنوز برای همه فعال نباشد. (Google Help)
روش اول (کامپیوتر - پیشنهاد گوگل) 💻🔍
وارد حساب گوگلت شو:
Google Account
از منوی سمت چپ روی Personal info (اطلاعات شخصی) کلیک کن.
بخش Contact info را باز کن.
روی Email کلیک کن.
گزینه Google Account email را انتخاب کن.
اگر گزینه Change Google Account email یا تغییر آدرس ایمیل گوگل را میبینی:
روی آن کلیک کن.
نام جدید دلخواهت را وارد کن.
اگر آزاد باشد، ادامه بده.
کد تأیید یا مراحل امنیتی را انجام بده. 🔒✅
بعد از تأیید:
ایمیل جدید، آدرس اصلی حسابت میشود.
ایمیل قبلی بهعنوان Alternate Email (آدرس جایگزین) باقی میماند.
ایمیلهایی که به آدرس قدیمی ارسال شوند نیز همچنان به همان Inbox میرسند. (Google Help)
اگر این گزینه را نمیبینی 🚫
اگر در مرحله ۶ گزینه Change Google Account email وجود ندارد، یعنی هنوز این قابلیت برای حسابت فعال نشده است. گوگل آن را بهصورت مرحلهای منتشر میکند و ممکن است چند هفته یا چند ماه دیگر برای حسابت فعال شود. (Google Help)
قبل از تغییر این نکات را بدان 📝👀
همه ایمیلها، فایلهای Drive، عکسهای Photos و اطلاعات حسابت حفظ میشوند. 💾
میتوانی با ایمیل قدیمی و جدید وارد حسابت شوی. 🔑
برخی تنظیمات دستگاه یا برنامهها ممکن است نیاز به ورود مجدد داشته باشند.
فقط هر ۱۲ ماه یکبار میتوانی آدرس را تغییر دهی و تعداد تغییرها نیز محدود است. (Google Help)
اگر این قابلیت برای حسابت فعال شده باشد، میتوانی آدرس @gmail.com خودت را بدون ساختن حساب جدید تغییر بدهی. این قابلیت بهصورت تدریجی برای کاربران منتشر شده و ممکن است هنوز برای همه فعال نباشد. (Google Help)
روش اول (کامپیوتر - پیشنهاد گوگل) 💻🔍
وارد حساب گوگلت شو:
Google Account
از منوی سمت چپ روی Personal info (اطلاعات شخصی) کلیک کن.
بخش Contact info را باز کن.
روی Email کلیک کن.
گزینه Google Account email را انتخاب کن.
اگر گزینه Change Google Account email یا تغییر آدرس ایمیل گوگل را میبینی:
روی آن کلیک کن.
نام جدید دلخواهت را وارد کن.
اگر آزاد باشد، ادامه بده.
کد تأیید یا مراحل امنیتی را انجام بده. 🔒✅
بعد از تأیید:
ایمیل جدید، آدرس اصلی حسابت میشود.
ایمیل قبلی بهعنوان Alternate Email (آدرس جایگزین) باقی میماند.
ایمیلهایی که به آدرس قدیمی ارسال شوند نیز همچنان به همان Inbox میرسند. (Google Help)
اگر این گزینه را نمیبینی 🚫
اگر در مرحله ۶ گزینه Change Google Account email وجود ندارد، یعنی هنوز این قابلیت برای حسابت فعال نشده است. گوگل آن را بهصورت مرحلهای منتشر میکند و ممکن است چند هفته یا چند ماه دیگر برای حسابت فعال شود. (Google Help)
قبل از تغییر این نکات را بدان 📝👀
همه ایمیلها، فایلهای Drive، عکسهای Photos و اطلاعات حسابت حفظ میشوند. 💾
میتوانی با ایمیل قدیمی و جدید وارد حسابت شوی. 🔑
برخی تنظیمات دستگاه یا برنامهها ممکن است نیاز به ورود مجدد داشته باشند.
فقط هر ۱۲ ماه یکبار میتوانی آدرس را تغییر دهی و تعداد تغییرها نیز محدود است. (Google Help)
Google
Change your Google Account email address - Computer - Gmail Help
Your Google Account email is the address that you use to sign in to Google services and to identify your account to you and others. If you choose, you can change your Google Account email that en