DevOps Portal | Linux
Відкрити в Telegram
Присоединяйтесь к нашему каналу и погрузитесь в мир DevOps Сотрудничество, реклама: @devmangx Менеджер: @Spiral_Yuri РКН: https://clck.ru/3P8kFH
Показати більше
Сітка:📈 Аналітичний огляд Telegram-каналу DevOps Portal | Linux
Канал DevOps Portal | Linux (@loose_code) у мовному сегменті Російська є активним учасником. На даний момент спільнота об'єднує 13 083 підписників, посідаючи 9 401 місце в категорії Технології та додатки та 49 480 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 13 083 підписників.
За останніми даними від 28 серпня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на 8, а за останні 24 години на 6, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 15.45%. Протягом перших 24 годин після публікації контент зазвичай збирає 9.51% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 2 021 переглядів. Протягом першої доби публікація в середньому набирає 1 244 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 8.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як devops, kubernetes, docker, linux, ebpf.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“Присоединяйтесь к нашему каналу и погрузитесь в мир DevOps
Сотрудничество, реклама: @devmangx
Менеджер: @Spiral_Yuri
РКН: https://clck.ru/3P8kFH”
Завдяки високій частоті оновлень (останні дані отримано 29 серпня, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Технології та додатки.
13 083
Підписники
+624 години
+27 днів
+830 день
Архів дописів
13 083
Трекинг экспериментов в MLOps
В машинном обучении при каждом обучении модели создаётся новый запуск обучения.
Эксперимент - это набор таких запусков.
Трекинг экспериментов - это автоматическое логирование важной информации о каждом запуске обучения.
Например, во время каждого запуска обучения ML-модели сохраняются следующие данные:
- Параметры: алгоритм, гиперпараметры, версия датасета.
- Метрики: точность, F1-мера, время обучения.
- Артефакты: файл модели, файлы окружения и другие материалы.
- Метаданные: информация о расположении артефактов, сигнатура модели, пример входных данных, пользовательские метаданные и другое.
Это похоже на то, как в CI-системах отслеживаются SHA коммита, номер сборки, логи и другие данные.
Трекинг экспериментов выполняет ту же задачу для запусков обучения моделей машинного обучения.
Поэтому запуск обучения без трекинга - это как CI-сборка без истории сборок.
Самый распространённый инструмент для трекинга экспериментов - MLflow.
👉 DevOps Portal
13 083
KubeGUI — десктопное приложение с графическим интерфейсом для управления Kubernetes-кластерами, визуализации ресурсов и работы с ними.
➜ https://github.com/gerbil/kubegui
👉 DevOps Portal
13 083
С Днём сисадмина — праздником тех, кто держит прод в проде
На ежегодном слёте сисадминов записали интервью: спросили, что в работе любят больше всего и как справляются со стрессом.
Помогает и банальное: в Яндекс 360 управление сотрудниками, доступами и сервисами собрано в одной админке.
👉 DevOps Portal
13 083
Repost from Мир Linux
🍻 Сегодня отмечается день системного администратора 🍻
Ежегодно в последнюю пятницу июля мир отмечает праздник людей, благодаря которым компьютеры работают, сети не падают, а проблемы решаются до того, как мы о них узнаем.
В 2026 году этот день выпал на 31 июля.
Поздравляем всех сисадминов с праздником!
@linuxos_tg
13 083
В этой статье рассказывается, как спроектировать ИИ-агента для SRE-задач, который анализирует алерты, логи, данные Kubernetes, ранбуки, деплои и сигналы систем наблюдаемости, чтобы диагностировать инциденты и предлагать безопасные действия.
Читайте тут
👉 DevOps Portal
13 083
Большинство считает, что Kubernetes Gateway API предназначен только для Ingress. Но это не так.
Gateway API также умеет управлять east-west-трафиком – то есть взаимодействием между сервисами. Разберёмся, как это работает
Для начала нужно понять, что такое инициатива GAMMA.
GAMMA — Gateway API for Mesh Management and Administration
Изначально Gateway API был разработан для управления ingress-трафиком.
То есть трафиком, который поступает извне кластера к сервисам внутри него – это сценарий north-south.
GAMMA расширяет возможности Gateway API на внутренний трафик service mesh – то есть на east-west-трафик.
Это означает, что одни и те же ресурсы Gateway API можно использовать как для Ingress, так и для service mesh.
Но есть важное отличие 👇
Обычно при использовании таких ресурсов Gateway API, как
HTTPRoute, GRPCRoute и других, в качестве parentRef указывается Gateway.
Именно Gateway является точкой входа, которой принадлежат IP-адрес и порты, принимающие трафик извне кластера.
Однако в подходе GAMMA при настройке mesh-трафика ресурсы Gateway API, например HTTPRoute, могут использовать в качестве parentRef не Gateway, а Service.
После этого HTTPRoute определяет, как должен маршрутизироваться трафик, поступающий на этот Service: распределение по весам, разделение трафика и другие правила.
Схема прохождения трафика выглядит так:
client → общий Service (backend) → Services отдельных версий (backend-v1, backend-v2) → pods
При этом нельзя использовать паттерн «общий Service + subsets», как в связке Istio VirtualService и DestinationRule.
Причина в том, что Gateway API проектируется как единый стандарт, который должен работать с разными реализациями service mesh, включая Istio, Linkerd и другие.
👉 DevOps Portal13 083
Repost from infosec
• Друзья, пришло время провести очередной конкурс. На этот раз мы разыгрываем бумажную версию книги "The Ultimate Kali Linux Book" - это новое издание книги по изучению Kali Linux, которое перевели на русский язык.
• К слову, книга содержит более 800 страниц информации и будет полезна как новичкам, так и опытным специалистам.
• Итоги подведём 8 августа в 10:00, при помощи бота, который рандомно выберет 8 победителей. Доставка для победителей бесплатная в зоне действия СДЭК. Удачи ❤
Для участия нужно:
1. Быть подписанным на наш канал: Infosec.
2. Подписаться на канал наших друзей: Мир Linux.
3. Нажать на кнопку «Участвовать»;
4. Ждать результат.
Бот может немного подвиснуть — не переживайте! В таком случае просто нажмите еще раз на кнопку «Участвовать».
#Конкурс
13 083
Вышел годный инструмент, который помогает изучать Linux на практике
Shell Gym – интерактивный тренажёр командной строки Linux, созданный на основе многолетнего опыта преподавания. По сути, автор выделил ядро iximiuz Labs и превратил его в отдельный демон.
https://github.com/iximiuz/shellgym
👉 DevOps Portal
13 083
Ozon Tech опубликовал часть программы E-CODE. И по части инфраструктуры там такие бриллианты:
• опыт обмена множества кастомных схем доставки данных на единую платформу
• история крупной гибридной инфры, мигрировавшей в K8-s
• анатомия хранилища артефактов (и не одного — обещают вскрытие сразу семи решений)
• путь сетевого оборудования к декларативному описанию через DSL
• противостояние конечности облаков за счёт capacity management
• перевод кластеров под управлением Patroni с kube-api на etcdv3 без сплитбрейна
Озонтеховцы уже традиционно радуют серьёзным подходом к официальной части конфы. Ну а гастрофест и вечеринки — это уже на вкус и цвет. В этом году, кстати, заявлены ещё и DJ-сеты.
Короче, годная конфа. И если вы ещё не забили в календаре 12 и 13 сентября под E-CODE, пора этим заняться: https://ecode.ozon.tech/
13 083
Запуск распределённого обучения ИИ в Kubernetes – это не просто добавление GPU
В выпуске Kubeflow Pipelines рассказывали, что этап обучения в пайплайне обычно передаётся Kubeflow Trainer.
И вот почему.
Некоторые задачи обучения ML-моделей и дообучения LLM требуют нескольких GPU, распределённых между несколькими нодами Kubernetes.
Для этого необходимо:
— создавать и управлять несколькими worker-подами;
— выделять GPU-ресурсы;
— настраивать взаимодействие между воркерами;
— отслеживать статус обучающих джобов и многое другое.
Kubeflow Trainer решает эти задачи в Kubernetes-native формате с помощью CRD и скрывает большую часть связанной с этим сложности.
В этом выпуске MLOps-рассылки разобрали:
— основы распределённого обучения;
— архитектуру Kubeflow Trainer: TrainJob, Runtimes и JobSet;
— установку Trainer и запуск первого распределённого TrainJob на CPU-нодах;
— запуск ML-задач на GPU-нодах;
— каким моделям действительно нужны GPU.
Читать: https://newsletter.devopscube.com/p/kubeflow-trainer
👉 DevOps Portal
13 083
Небольшой совет по работе с командной строкой Linux
Чтобы скрыть каталоги
. и .., но при этом показать остальные скрытые файлы и директории, используйте:
ls -Als -a13 083
Паттерны проброса портов в Kubernetes
Ты находишься внутри dev-кластера, доступ к сети ограничен, и сервис, который ты только что задеплоил, ведёт себя странно.
Нет ни LoadBalancer, ни настроенного ingress-контроллера, и «просто открыть порт» – не вариант, потому что сетевики либо тормозят, либо отвечают отказом.
Вот здесь тебя и выручает
kubectl port-forward.
Вот простая инфографика, чтобы было легче понять.
👉 DevOps Portal13 083
😒 Подборка каналов по информационной безопасности
Проверенные каналы по безопасности, которые реально помогают расти.
👍 ZeroDay — Уроки, эксплуатация уязвимостей с нуля
👍 Белый Хакер — Свежие новости из мира ИБ
😎 Бункер Хакера — Статьи, книги, шпаргалки и хакинг
👨💻 Серверная Админа — Настройка и уроки по компьютерным сетям
📂 Подписывайся
13 083
В этой статье показано, как использовать Kubernetes ConfigMap в качестве лёгковесного хранилища состояния в реальном времени: отслеживать изменения ConfigMap и распределять события с помощью Python asyncio.
➜ https://medium.com/sahibinden-technology/using-kubernetes-configmaps-as-a-real-time-state-store-483c47ee23cd
👉 DevOps Portal
13 083
Kubeflow — это уже не просто MLOps-платформа.
Она развивается в полноценную cloud-native AI-платформу для:
• распределённого обучения AI-моделей
• дообучения LLM
• GenAI-пайплайнов
• AI-воркфлоу в Kubernetes
Если вы DevOps-инженер и хотите перейти в AI-инфраструктуру, Kubeflow — одна из лучших платформ, которые стоит изучать сегодня.
В последних релизах Kubeflow расширилась поддержка GenAI-сценариев, распределённого обучения и современных воркфлоу для AI-платформ.
Как лучше всего разобраться?
Собрать всё самостоятельно.
Вот пошаговый практический гайд, в котором показано, как:
✅ развернуть Kubeflow Pipelines в Kubernetes
✅ создавать пайплайны с помощью Kubeflow SDK
✅ запускать пайплайны и отслеживать их выполнение
- https://devopscube.com/setup-kubeflow-pipelines-kubernetes/
Если вы только начинаете знакомство с Kubeflow, сначала изучите этот материал:
- https://devopscube.com/kubeflow-pipelines/
👉 DevOps Portal
13 083
Гринатом — ИТ-интегратор Росатома — ищет специалиста технической поддержки пользователей в Москве!
✅Ждём кандидатов с образованием не ниже среднего специального, знанием ОС MS Windows 10 и Linux, Microsoft Office, Active Directory и протокола TCP/IP, навыками работы с мультимедийным ПО и оборудованием, а также опытом настройки первичного конфигурирования и последующей поддержки.
💼Мы предложим официальное трудоустройство, профессиональный рост, ДМС со стоматологией с первого дня и возможность внести вклад в разработку современных ИТ-решений, которыми ежедневно пользуются более 300 тысяч человек.
13 083
Webernetes — браузерный симулятор Kubernetes, который позволяет запускать ограниченный набор возможностей Kubernetes, включая Pod, Service и Deployment, полностью в браузере и без какой-либо бэкенд-инфраструктуры.
➜ https://github.com/ngrok/webernetes
👉 DevOps Portal
13 083
Я предлагаю только знания. Больше ничего.Самое время разобраться и начать работать с инструментом для управления контейнерами Podman. Selectel совместно с автором канала Bash Days подготовили бесплатный курс для быстрого старта работы. Что в программе: — База: узнаете об основных командах для работы с контейнерами и сетями, преимуществах и особенностях работы инструмента. — Понятные инструкции: увидите, как работать с зависимостями и переменными окружения, какие бывают типичные ошибки при запуске контейнера. — Практика: развернете инфраструктуру самостоятельно с промокодом на сервисы Selectel. Все уроки и практика уже доступны, проходите в комфортном темпе. 👉Начните обучение: https://slc.tl/r7uso Ищите закреп с подборкой других бесплатных курсов в канале @Selectel и подписывайтесь, чтобы не пропустить новые. Реклама. АО "Селектел". erid:2W5zFH1hkfT
13 083
В качестве движка выполнения пайплайнов Kubeflow Pipelines использует Argo Workflows.
Это Kubernetes-native движок оркестрации DAG.
Что именно это означает?
DAG (Directed Acyclic Graph, направленный ациклический граф) описывает задачи и зависимости между ними.
Например:
- Сначала выполняется задача A
- После A запускаются задачи B и C
- Задача D запускается только после завершения B и C
Самое интересное — как Argo выполняет эти задачи.
В большинстве инструментов DAG описываются на Python.
В Argo DAG задаётся декларативно в YAML в виде CRD, а каждую задачу Argo выполняет как отдельный Kubernetes Pod.
Kubeflow использует Argo Workflows в качестве бэкенда и добавляет поверх него слой для задач AI/ML.
При работе с Kubeflow Pipelines вместо того, чтобы напрямую писать YAML-манифесты Argo Workflow, пайплайны нужно описывать в виде DAG на Python.
Для ML-команд это значительно удобнее, чем поддерживать сотни строк YAML с Kubernetes CRD.
Kubeflow SDK компилирует описание пайплайна на Python в YAML в формате Intermediate Representation (IR).
Затем оно преобразуется в специфичное для Argo описание и передаётся на выполнение.
👉 DevOps Portal
13 083
Repost from Мир Linux
DevOps-инструмент недели: HAMi
Обычно Kubernetes-кластер выделяет целый GPU под одну рабочую нагрузку.
В результате часть ресурсов GPU простаивает.
HAMi решает эту проблему.
Это опенсорс middleware для Kubernetes, которое позволяет распределять, изолировать и планировать GPU и другие AI-ускорители между Pod’ами без изменений в коде приложения.
Что умеет HAMi:
- Делит один GPU на несколько частей по объёму памяти, количеству ядер или числу устройств
- Задаёт жёсткие лимиты памяти и вычислительных ресурсов для каждой рабочей нагрузки, чтобы один Pod не мог занять ресурсы другого
- Оптимально распределяет задачи по GPU: уплотняет их для экономии ресурсов или разносит по разным устройствам, чтобы избежать снижения производительности
- Управляет NVIDIA GPU, NPU, DCU, MLU и другими типами ускорителей через единый механизм планирования
- Позволяет запускать мультитенантные задачи обучения, инференса и среды с ноутбуками в общем пуле GPU
GitHub: https://github.com/Project-HAMi/HAMi
@linuxos_tg
