DevOps Docker

Rust, который наконец становится понятным 🦀 Давно хочешь выучить Rust, но ownership, borrowing и lifetimes выглядят как отдельный вид боли? Этот курс проведёт тебя с самого начала до уровня, где ты уже пишешь реальные системные и сетевые программы. Ты разберёшь: Ownership → Borrowing → ошибки → коллекции → Generics → Traits → модули → тесты → сетевой код Никакого бесконечного чтения документации. После каждого урока ты сразу пишешь код, проходишь тесты и решаешь задачу с автопроверкой. 🔥 Rust с нуля 🔥 5–6 часов в неделю 🔥 Практика после каждого урока 🔥 Подойдёт после Python, JavaScript, Java и других языков 🔥 Можно начать сразу В конце у тебя будет понимание Rust, с которым уже можно писать быстрые backend-сервисы, сетевые приложения и системные утилиты, а не смотреть на borrow checker как на врага. Пора добавить Rust в свой стек. Начинай курс и пиши первый код уже сегодня: https://stepik.org/a/294885/

lazydocker — более ленивый способ управления всем docker. Простой терминальный пользовательский интерфейс для docker и docker-compose, написанный на Go с использованием библиотеки gocui.

Docker — это Domain Expansion для твоего приложения Почему Docker Container = Domain Expansion Годжо

⚡️ Linux: ограничьте любой процесс без Docker systemd-run умеет запускать обычную команду в отдельной cgroup с лимитами CPU, памяти и числа процессов: systemd-run --user --scope \ --unit=limited-job \ -p MemoryMax=1G \ -p CPUQuota=50% \ -p TasksMax=100 \ ./your-program Теперь программа: использует максимум 1 ГБ RAM получает до 50% одного ядра создаёт не более 100 процессов и потоков Проверить состояние: systemctl --user status limited-job.scope Полезно для сборок, скриптов, локальных моделей и подозрительных утилит, которые могут внезапно съесть все ресурсы системы.

🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку В IT прокачивается тот, кто каждый день видит сильные идеи, новые инструменты, реальные задачи, вакансии и разборы. Окружение решает больше, чем кажется. Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре. AI: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii DevOps: t.me/DevOPSitsec Docker: t.me/DevopsDocker Golang: t.me/Golang_google Rust: t.me/rust_code C++: t.me/cpluspluc C#: t.me/csharp_1001_notes Java: t.me/java_library JavaScript: t.me/javascriptv React: t.me/react_tg Frontend: t.me/front PHP: t.me/phpshka Android: t.me/android_its Мобильная разработка: t.me/mobdevelop Базы данных: t.me/sqlhub Data Science: t.me/data_analysis_ml Big Data: t.me/bigdatai Математика: t.me/data_math Физика: t.me/fizmat Kubernetes: t.me/kubernetc GameDev: https://t.me/gamedev Haskell: t.me/haskell_tg Собеседования и карьера: DS собеседования: t.me/machinelearning_interview Python собеседования: t.me/python_job_interview Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy Полезное сверху: ИТ-мемы: t.me/memes_prog Английский для программистов: t.me/english_forprogrammers ИИ и технологии: t.me/vistehno 954 ГБ open-source курсов: @courses ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Max Ai: https://max.ru/ai_machinelearning_big_data Max python: https://max.ru/pythonl ТЕХНО: https://max.ru/vistehno Max Go: https://max.ru/Golang_google Max Linux: https://max.ru/linuxkalii Devops: https://max.ru/DevOPSitsec C#: https://max.ru/csharp_ci C++: https://max.ru/cpluspluc SQL: https://max.ru/sqlhub Java: https://max.ru/javatg Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд. Пока кто-то листает шум, ты будешь видеть инструменты, задачи и идеи, которые помогают расти в профессии.

Полезный Docker-трюк для .NET: кэшируйте NuGet-пакеты через BuildKit, а не скачивайте их заново при каждой сборке.

# syntax=docker/dockerfile:1.7

FROM mcr.microsoft.com/dotnet/sdk:9.0 AS build
WORKDIR /src

COPY *.csproj .
RUN --mount=type=cache,target=/root/.nuget/packages \
    dotnet restore

COPY . .
RUN --mount=type=cache,target=/root/.nuget/packages \
    dotnet publish -c Release -o /app

NuGet-кэш не попадает в финальный image, но между сборками сохраняется. В итоге restore работает быстрее, особенно в CI, где зависимости обычно весят больше, чем сам код.

😒 Официальная библиотека промптов для Claude от Anthropic Разработчики из Anthropic обновили и структурировали масштабный хаб готовых запросов для своей языковой модели. База создана для того, чтобы пользователи могли выжать максимум из Claude при решении прикладных и технических задач, не тратя время на самостоятельный подбор формулировок. ⚡️Внутри собраны сотни шаблонов под самые разные сценарии:

🟦Для безопасности: готовые конструкции для проверки кода на уязвимости и анализа граничных условий работы алгоритмов.

🟦Для разработчиков: шаблоны для глубокого ревью кода, автоматического поиска багов, рефакторинга, написания юнит-тестов и проектирования архитектуры.

🟦Для автоматизации и менеджмента: промпты под стратегическое планирование, парсинг неструктурированных данных, генерацию технической документации и выстраивание логики для ИИ-агентов.

Каждый шаблон снабжен подробным разбором: авторы пошагово объясняют, почему выбрана именно такая структура запроса, как модель интерпретирует переменные и как правильно передавать контекст. Поскольку библиотека официальная, все промпты оптимизированы под особенности контекстного окна и логику мышления последних моделей семейства Claude. ❤️‍🩹Сохраняйте в закладки и внедряйте в свои рабочие процессы. Нейросети отлично автоматизируют рутину и помогают искать уязвимости, но управлять ими может только тот, кто понимает саму базу и суть киберугроз. Если вы хотите заложить мощный фундамент начните с нашего бесплатного курса (его прошли уже 1108 человек!).

🟦Разберетесь, как работают кибератаки и как грамотно защитить свои данные.

🟦Познакомитесь с направлениями и профессиями в кибербезопасности, чтобы выбрать свой трек.

🟦Получите скидку, если решите продолжить обучение в CyberYozh Academy.

👉 Начните бесплатно прямо сейчас 🦔 CyberYozh

Docker Desktop на Mac давно ругают за прожорливость. Apple выкатила свой вариант container - open-source инструмент от Apple для запуска Linux-контейнеров на macOS. Он не требует Docker daemon и запускает контейнеры как лёгкие виртуальные машины на Apple silicon. Что важно: * написан на Swift * оптимизирован под M-series * работает с OCI-образами * можно pull/push в стандартные registry * подходит для привычных container workflow на Mac * каждый контейнер изолирован через lightweight VM Это не «Docker Desktop умер», но сигнал понятный: Apple хочет нативный, быстрый и более аккуратный путь для контейнеров на своих чипах. Для разработчиков на Mac это может стать очень сильной альтернативой, особенно если Docker Desktop уже достал расходом RAM и CPU. github.com/apple/container

🚀 Docker не умер. Просто хайп вокруг него стал меньше Иногда пишут, что Docker больше не нужен, потому что есть Kubernetes, serverless и managed-платформы. Но это странный вывод. Docker до сих пор решает базовую боль разработки: одинаковая среда для локального запуска, CI/CD, тестов и продакшена. Почему он всё ещё полезен: * меньше проблем «у меня работает» * проще запускать зависимости: Postgres, Redis, Kafka * легче собирать dev-окружение для команды * удобнее тестировать сервисы изолированно * понятный путь от локальной разработки до Kubernetes Kubernetes не заменил Docker-идею. Он просто использует контейнеры на другом уровне. Для разработчика Docker остаётся одним из самых практичных инструментов: быстро поднять проект, проверить гипотезу, прогнать тесты и не засорять систему локальными зависимостями. Контейнеризация стала настолько обычной, что её просто перестали называть революцией. https://medium.com/@SeasonedDeveloper/docker-is-not-dead-the-enduring-relevance-of-containerization-in-modern-software-development-0c0573adb1d1

🐷 Pumba: инструмент, который специально ломает контейнеры Pumba нужен для chaos testing на уровне контейнеров. Он работает с Docker, containerd и Podman и помогает проверить, как сервис ведёт себя при реальных сбоях: • контейнер упал • сеть начала лагать • часть пакетов теряется • CPU забит • память под давлением • I/O тормозит Что умеет Pumba: • kill, stop, pause, rm, restart для контейнеров • сетевые задержки через netem delay • потерю пакетов через netem loss и iptables loss • ограничение скорости сети • дублирование и повреждение пакетов • стресс CPU, памяти и I/O через stress-ng • выбор контейнеров по имени, regex, labels или случайно • запуск хаоса по расписанию через --interval Пример:

pumba --interval=30s --random kill "re2:^test"

https://github.com/alexei-led/pumba

✔️ Dockerless Environment-free verifier для coding-агентов. Он проверяет патчи без запуска кода и без Docker, при этом обгоняет сильнейший open-source verifier на 14.3 AUC points. А RL post-training полностью без окружения достигает 62.0% на SWE-bench Verified. https://paperswithcode.co/paper/2606.28436

Совет по Docker-бэкапам: не бэкапьте контейнер. Бэкапьте сценарий восстановления. Плохой вариант:

docker commit app backup

Это снимок хаоса: внутри могут быть временные файлы, старые логи, секреты и непонятное состояние процесса. Правильнее сохранять 4 вещи: • docker-compose.yml • .env.example без секретов • дампы данных: pg_dump, mysqldump, redis-cli save • версии образов через digest, а не просто latest Пример:

docker image inspect app:prod \
  --format='{{index .RepoDigests 0}}'

Главная мысль: бэкап ценен только тогда, когда ты можешь поднять проект с нуля на новой машине. Контейнеры одноразовые. Данные и инструкция восстановления — нет.

Модернизация дата-центров и Dev Cluster для ML На infra.conf’26 Яндекс рассказал о развитии инфраструктуры для ИИ. В компании: • внедряют кампусы дата-центров мощностью до 180 МВт; • используют жидкостное охлаждение для повышения эффективности охлаждения вычислительных мощностей; • развивают Dev Cluster — внутренний сервис для ускорения ML-экспериментов и разработки моделей. Изменения затрагивают как физическую инфраструктуру, так и платформенные инструменты для ML-разработки.

Редкий Docker-трюк для баз данных: не запускай приложение сразу после Postgres depends_on сам по себе ждёт только старт контейнера, а не готовность базы. Правильнее делать так:

services:
  db:
    image: postgres:16
    environment:
      POSTGRES_PASSWORD: postgres
    healthcheck:
      test: ["CMD-SHELL", "pg_isready -U postgres"]
      interval: 5s
      timeout: 3s
      retries: 10

  migrate:
    image: myapp
    command: npm run migrate
    depends_on:
      db:
        condition: service_healthy

  app:
    image: myapp
    depends_on:
      migrate:
        condition: service_completed_successfully

Идея простая: 1. Сначала реально поднимается база 2. Потом отдельный контейнер накатывает миграции 3. Только после успешных миграций стартует приложение Так ты убираешь рандомные ошибки вида: connection refused relation does not exist database is starting up Особенно полезно для CI, staging и локальной разработки, где контейнеры часто стартуют с нуля. Маленькая деталь, которая делает Docker-сетап сильно взрослее.

АОТ — первая в России независимая некоммерческая ассоциация, которая занимается развитием cloud-native подходов и объединяет участников рынка облачных технологий. Сейчас организация формирует экспертный совет из девяти практиков, которые будут работать над развитием технологической повестки и отраслевых инициатив. 🔹Основные направления работы: — Kubernetes — Облачная инфраструктура — Платформенные решения — DevOps и DevSecOps — Безопасность облачных систем — Observability и устойчивость инфраструктуры — Применение AI в разработке Cloud-native сегодня — это уже не только контейнеризация, а комплексный подход к созданию масштабируемых, отказоустойчивых и управляемых систем, который становится стандартом для современной инфраструктуры. https://kod.ru/aot-experts/amp

🖥 Обито учит контейнеризации. Контейнер - это отдельное измерение для приложения. Запускаешь сервис через Docker — и он не ломает основную систему. Хочешь понять, что происходит внутри? Смотри логи и заходи в контейнер через shell. Если сервисов несколько, используй Docker Compose. Одна команда поднимает приложение, базу данных и кеш. А важные данные храни в volume. Контейнер можно удалить, но данные должны остаться. И не забывай чистить Docker. Лишние контейнеры и образы быстро превращают систему в хаос. Настоящий шиноби не запускает хаос. Он изолирует его.

Apple фактически сделала Docker Desktop необязательным на Mac. И полностью бесплатно. Речь про apple/container. У проекта уже 26,5 тысяч звёзд на GitHub. Теперь Linux-контейнеры можно запускать на Mac нативно: без Docker Desktop, без фонового демона, который съедает RAM, и без коммерческой лицензии за $21 в месяц на каждого разработчика. Что умеет apple/container: → запускает Linux-контейнеры как лёгкие VM прямо на Apple Silicon через виртуализацию macOS 26 → полностью совместим с OCI. Можно тянуть образы из Docker Hub, GitHub Container Registry и других реестров → написан на Swift и оптимизирован под Apple Silicon. Идея в том, чтобы быть быстрее и легче Docker Desktop на Mac → использует привычный container CLI. Если вы знаете Docker-команды, порог входа минимальный → позволяет пушить собранные образы в стандартные container registry и запускать их где угодно Docker Desktop для коммерческого использования стоит $21 в месяц за разработчика. Версия от Apple бесплатная, open source и распространяется под Apache-2.0. В прошлом месяце Microsoft сделала Docker Desktop необязательным на Windows через WSL Containers. Теперь Apple делает то же самое на Mac. Docker никуда не исчезает. Но эпоха, когда за GUI-обёртку вокруг контейнеров на своей машине приходилось платить, похоже, тихо заканчивается. Репозиторий: github.com/apple/container

🧠 Docker-совет: не копируй весь проект в image слишком рано Одна из частых ошибок в Dockerfile:

COPY . .
RUN npm install

или:

COPY . .
RUN go mod download

Проблема в том, что Docker cache ломается при любом изменении любого файла. Поменял README, тест, конфиг или один исходник — слой COPY . . изменился, значит зависимости снова скачиваются и билд становится медленным. Правильный подход: сначала копировать только dependency manifest, установить зависимости, а уже потом копировать остальной код. Для Node.js:

COPY package.json package-lock.json ./
RUN npm ci

COPY . .

Для Go:

COPY go.mod go.sum ./
RUN go mod download

COPY . .

Для Python:

COPY requirements.txt ./
RUN pip install --no-cache-dir -r requirements.txt

COPY . .

Так Docker будет переиспользовать слой с зависимостями, пока реально не изменились package-lock.json, go.sum или requirements.txt. Ещё сильнее помогает .dockerignore. Туда стоит добавить:

.git
node_modules
dist
build
coverage
.env
*.log

Итог: меньше контекста, меньше лишних invalidated layers, быстрее CI/CD, стабильнее кеши. Хороший Dockerfile - это не просто “собрать image”. Это управлять слоями так, чтобы сборка не начиналась с нуля при каждом чихе.

Как управлять расходами в облаке и не удивляться счетам ✨

Переход в облако дает бизнесу гибкость и скорость, но без продуманного подхода к управлению затратами может обернуться непредвиденными расходами. Когда инфраструктура растет, даже небольшие изменения в потреблении начинают заметно влиять на бюджет.

На вебинаре 25 июня эксперты Cloud.ru расскажут, как с помощью бизнес‑практик и встроенных инструментов сделать расходы на облако прозрачнее, грамотно распределять ресурсы между командами и выстроить эффективное управление затратами без ограничений для разработки. Вы узнаете:

▶️

почему важно назначать владельца каждому облачному ресурсу;

▶️

где скрываются неиспользуемые ресурсы и как автоматически находить их и устранять с помощью инструментов Cloud․ru;

▶️

какие сценарии чаще всего приводят к перерасходу бюджета и как держать их под контролем с помощью лимитов и квот;

▶️

как эффективно использовать FinOps инструменты Cloud․ru для мониторинга расходов, настройки алертов и автоматизации контроля затрат;

▶️

как сократить расходы на облако на 20–30 % за счет правильного выбора тарифов и оценки стоимости сервисов на этапе планирования и разработки.

👉 Зарегистрироваться 👈

4 MCP-сервера, о которых стоит знать каждому DevOps-инженеру 1. Kubernetes MCP - расследовать pod’ы в CrashLoopBackOff; - дебажить неудачные деплои; - анализировать состояние кластера. Repo: https://github.com/Flux159/mcp-server-kubernetes 2. AWS MCP - разбирать резкие скачки расходов в AWS; - находить неиспользуемые ресурсы; - troubleshooting облачной инфраструктуры. Repo: https://github.com/awslabs/mcp 3. Terraform MCP - проверять Terraform-планы; - находить drift в инфраструктуре; - объяснять изменения в инфраструктуре. Repo: https://github.com/hashicorp/terraform-mcp-server 4. Grafana + Prometheus MCP - расследовать скачки latency; - анализировать production-инциденты; - объяснять alert storms. Repos: https://github.com/grafana/mcp-grafana https://github.com/pab1it0/prometheus-mcp-server ИИ может получать доступ к вашей инфраструктуре, понимать, что реально происходит, и помогать разбирать проблемы на основе настоящих данных, а не догадок.