📌 Site Reliability Engineer - Mandarin speaking / Python / SQL / NoSQL / Machine Learning / Big Data

📝 Type: Visa Sponsorship
🌍 Relocation Package: ✅

🏢 Company: european tech recruit

📍 Location: IRELAND

⌨️ Category: #DataScience

🔗 Tags: #javascript #python #nosql #mysql #redis #rabbitmq #oracle #memcache #yarn #storage #kubernetes #docker #jenkins #kafka #grafana #prometheus #cloud #sql #tensorflow #pytorch #hadoop #spark

📌 Senior DevOps Engineer (Europe, Remote, f/m/d)

📝 Type: Visa Sponsorship
🌍 Relocation Package: ✅

🏢 Company: factor eleven

📍 Location: GERMANY

⌨️ Category: #Devops

🔗 Tags: #python #java #rust #typescript #golang #redis #rabbitmq #npm #sqs #yarn #c #saas #kubernetes #aws #docker #devops #apache #kafka #terraform #cloud #datadog

📌 Senior DevOps Engineer

📝 Type: Visa Sponsorship
🌍 Relocation Package: ✅

🏢 Company: Get Recruited Worldwide

📍 Location: NORTH MACEDONIA

⌨️ Category: #Devops

🔗 Tags: #rabbitmq #oracle #loki #kubernetes #aws #docker #devops #microservices #terraform #ansible #grafana #linux #cloud #nginx #containerization

🚀 Every day, we release over 500 job opportunities. For all jobs, visit Jaabz.com

📢 Telegram channel: @jaabz_com


🔍 Apply now

🔵 عنوان مقاله
Kubernetes Event Driven Autoscaling: Spring Boot & RabbitMQ

🟢 خلاصه مقاله:
این مقاله KEDA را به‌عنوان راهکاری سبک برای مقیاس‌پذیری رویدادمحور در Kubernetes معرفی می‌کند؛ رویکردی که به‌جای تکیه صرف بر CPU یا memory، بر اساس منابع رویدادی خارجی مانند طول صف در RabbitMQ مقیاس را تنظیم می‌کند. با پشتیبانی از Deployments، StatefulSets و Jobs، KEDA می‌تواند هنگام نبود کار تا سطح صفر مقیاس دهد و با افزایش پیام‌ها در صف، تعداد پادهای پردازشگر Spring Boot را بالا ببرد.

در این روش، با نصب KEDA و تعریف یک ScaledObject (یا ScaledJob) که به بارکار هدف اشاره دارد، تریگر RabbitMQ با تنظیماتی مانند نام صف، اطلاعات اتصال، هدف طول صف، pollingInterval، cooldownPeriod و حدود حداقل/حداکثر replica پیکربندی می‌شود. KEDA به‌عنوان metrics adapter عمل می‌کند و معیارهای رویدادمحور را به مسیر autoscaling وارد می‌کند تا خوشه بر اساس فشار واقعی کار نه صرفاً آستانه‌های منابع، واکنش نشان دهد.

نتیجه این است که در معماری‌های مبتنی بر صف و پردازش ناهمزمان، مقیاس‌پذیری دقیق‌تر و مقرون‌به‌صرفه‌تری نسبت به روش صرفاً مبتنی بر CPU/memory حاصل می‌شود؛ در زمان اوج، توان پردازش سریع‌تر و در زمان بیکاری، مصرف منابع حداقلی خواهد بود.

#Kubernetes #KEDA #RabbitMQ #SpringBoot #Autoscaling #EventDriven #DevOps #CloudNative

🟣لینک مقاله:
https://ku.bz/YvkjWpfTC

➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon

🔵 عنوان مقاله
Queue-Based Autoscaling Without Flapping: Rethinking App Scaling with K8s, KEDA, and RabbitMQ

🟢 خلاصه مقاله:
در دنیای مدیریت برنامه‌های ابری و مقیاس‌پذیری خودکار، یکی از چالش‌های رایج عدم ثبات در فرآیند اتوسکیلینگ است که به آن «فرفره زدن» یا «فلپینگ» گفته می‌شود. در مقاله‌ای که در تیکرد منتشر شده است، توضیح داده می‌کند چرا استفاده از معیارهای ساده‌ای مانند طول صف یا نرخ انتشار پیام برای خودکارسازی مقیاس‌پذیری در سیستم‌های مبتنی بر Kubernetes و RabbitMQ اغلب منجر به مشکلات می‌شود و نمی‌تواند پاسخگوی نیازهای واقعی باشد.

در این مقاله، اهمیت تغییر دیدگاه از اندازه‌گیری تعداد پیام‌های موجود در صف یا سرعت انتشار آن‌ها به معیارهای مرتبط‌تر مانند زمان مصرف پیام‌ها تأکید شده است. این رویکرد جدید کمک می‌کند تا سیستم‌های مقیاس‌پذیرتر و پایدارتر ساخته شوند، زیرا تمرکز بر مدت زمان لازم برای پردازش پیام‌ها، نمایانگر بار واقعی و نیازهای سیستم است و از نوسانات موقتی یا نادرست در معیارهای اولیه جلوگیری می‌کند.

در نهایت، این مقاله راهکارهایی عملی و پیشنهاداتی شفاف برای توسعه‌دهندگان و مدیران سیستم ارائه می‌دهد تا با استراتژی‌های بهتر و دقیق‌تر، مقیاس‌پذیری هوشمند و بدون مشکل فرفره زدن را در برنامه‌های خود اجرایی کنند.

#مقیاس_پذیری #K8s #RabbitMQ #توسعه‌دهی

🟣لینک مقاله:
https://ku.bz/3WfBdYl4X

➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon

🔵 عنوان مقاله
Kubernetes KEDA Autoscaling: Scale Smarter, Not Harder

🟢 خلاصه مقاله:
در این مجموعه آموزش، به بررسی نحوه کارکرد سیستم اتوسکیلینگ KEDA در وضعیت‌های مختلف پرداخته می‌شود. در حالی که بیشتر راهکارهای مقیاس‌پذیری معمولاً بر اساس مصرف CPU یا حافظه کار می‌کنند، KEDA روشی متفاوت و هوشمندانه ارائه می‌دهد: مقیاس‌گذاری بر اساس عمق صف‌های پیام. این فناوری به‌خصوص زمانی مفید است که برنامه‌ها به صورت ناهم‌زمان با دریافت و پردازش پیام‌ها از صف‌ها کار می‌کنند، و در نتیجه، نیاز به مقیاس‌گذاری دینامیک و بر اساس میزان واقعی بار دارند.

در این آموزش، با یک مثال کامل، نحوه نصب و راه‌اندازی KEDA روی یک نمونه RabbitMQ را بررسی می‌کنیم. ابتدا، با فرآیند نصب و راه‌اندازی KEDA و RabbitMQ آشنا می‌شویم، سپس تنظیمات مورد نیاز برای درخواست‌های مقیاس‌پذیری را انجام می‌دهیم. به دنبال آن، با تعریف TriggerAuthentication و ساختن ScaledObject، کنترل دقیق بر نحوه و میزان مقیاس‌پذیری برنامه‌های خود را به دست می‌آوریم. برای اثبات موثر بودن این روش، یک تست بار (load test) انجام می‌شود که نشان می‌دهد سیستم به صورت پویا و هوشمندانه در پاسخ به تغییرات عمق صف، سطوح مقیاس‌پذیری مطلوب را حفظ می‌کند.

این رویکرد، به توسعه‌دهندگان اجازه می‌دهد منابع را به صورت بهینه مدیریت کنند، هزینه‌های زیرساختی کاهش یافته و سازگاری با نیازهای متغیر بار به شکل موثری انجام شود. در نتیجه، استفاده از KEDA برای مقیاس‌گذاری بر اساس صف‌های پیام، یکی از راهکارهای قدرتمند برای بهبود عملکرد و کارایی برنامه‌های مبتنی بر معماری میکروسرویس است.

#کوبنیتس #مقیاس‌پذیری #RabbitMQ #کِدا

🟣لینک مقاله:
https://ku.bz/h98Gv_lXp

➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon