مهندسی قابلیت اطمینان در ابر توسط پیرسون

مدرس Pearson

انتشار 2026/02/19

مدت زمان 5h 1m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Reliability Engineering in the Cloud by Pearson

در این دوره، مهارت‌های ارزشمند و مورد نیازی را توسعه دهید که می‌توانید به عنوان یک مهندس قابلیت اطمینان از آنها استفاده کنید. استراتژی‌های مهندسی برای ترویج شیوه‌های مهندسی آشفتگی، تکنیک‌های مشاهده و نظارت، تمرین‌های بازیابی فاجعه، معیارهای قابلیت اطمینان، تصمیم‌گیری سریع مبتنی بر داده‌ها و موارد دیگر را کشف کنید. در طول مسیر، یاد بگیرید که چگونه عملیات‌ها را خودکار کنید تا زمان بازیابی و زمان شناسایی با استفاده از سرویس‌های ابری مدرن، LLM و بهترین ابزارهای کلاس را بهبود بخشید. این دوره برای مهندسین نرم‌افزار و تیم‌های توسعه که مسئول طراحی، استقرار یا نگهداری برنامه‌های بومی ابری هستند مناسب است.این دوره توسط پیرسون، ماریا بریتر و کارلوس روجاس ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

Artificial Intelligence (AI) مدل‌های زبان بزرگ (LLM) Network Administration System Administration

Introduction

Cloud-based reliability engineering ()

1. How to Design, Build, Operate, and Stress-Test Highly Reliable Systems

Learning objectives ()

Defining resilience, reliability, engineering, and engineering excellence ()

Ensuring engineering excellence in the cloud: Why your business can’t succeed without it ()

Understanding how to design and build resilient and reliable systems ()

Understanding how to test the resilience of your applications ()

Responding to and mitigating potential issues ()

Understanding how to leverage artificial intelligence (AI) and large language models (LLM) ()

Lesson 1 review and an exercise ()

2. Defining Engineering Strategies for Building Resilient, Available, and Scalable Systems

Learning objectives ()

Understand the foundational concepts of reliability, such as fault tolerance, high availability, scalability, and recovery ()

Choosing between alternatives for uptime and architecture design ()

Implementing service level objectives (SLO) and service level indicators (SLI) as performance measurements ()

Exploring immutable infrastructure, containerization, and event-driven architecture ()

Validating application and infrastructure resilience with chaos engineering and other modern techniques ()

Lesson 2 review and an exercise ()

3. The Power of Artificial Intelligence, Value Streams, and Cloud Reliability Engineering (CRE)

Learning objectives ()

Understanding foundational AI components ()

Applying ML and GenAI to CRE ()

Incorporating value streams and the CRE strategy ()

Fostering a culture of innovation: leadership, ownership, and fast decision-making ()

Lesson 3 review and an exercise ()

4. Leveraging Observability, Monitoring, and Reliability Metrics

Learning objectives ()

Defining observability and monitoring ()

Deploying a 10-step process to create effective monitoring ()

Surveying monitoring and alerting tools from leading cloud providers ()

Recognizing and proactively mitigating known service disruptions ()

Establishing objectives and key results (OKRs) ()

Lesson 4 review and an exercise ()

5. CRE Tooling and Chaos Engineering

Learning objectives ()

Distributing load with autoscaling and load balancing ()

Enabling automatic failovers for high availability ()

Implementing continuous deployments with rollback strategies ()

Leveraging chaos engineering for resilience testing ()

Lesson 5 review and an exercise ()

6. Incident Response for Fast Recovery

Learning objectives ()

Understanding incident response foundational concepts ()

Implementing a structured approach to incident response and CRE tools ()

Understanding incident handling in CRE ()

Defining time to detect (TTD) and time to recover (TTR) ()

Understanding playbooks and runbooks ()

Lesson 6 review and an exercise ()

7. Operational Excellence and Change Management

Learning objectives ()

Defining operational excellence in CRE ()

Identifying processes, people, and tools for operational excellence ()

Establishing key performance indicators ()

Understanding root cause analysis (RCA) and correction of error (CoE) form ()

Identifying tools for operational excellence assessments ()

Lesson 7 review and an exercise ()

Conclusion

Summary and next steps ()

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.