Python Kurs für DevOps

Lektion 1 • Grundlegende Python-Syntax und Datentypen

Behandelt Variablen, Operatoren, Strings, Zahlen, Boolesche Werte und Typkonvertierung. Bietet das Vokabular für jedes Skript, das in späteren Kapiteln geschrieben wird.

Lektion 2 • Kontrollfluss und Schleifen

Wenden Sie Bedingungen und Iterationen an, um sich wiederholende Entscheidungsfindungen zu automatisieren. Ermöglicht direkt das Schreiben logikgesteuerter Automatisierungsskripte in den folgenden Kapiteln.

Lektion 3 • Funktionen und Module

Definieren Sie wiederverwendbare Funktionen, behandeln Sie Argumente und importieren Sie Standardbibliotheksmodule. Unterstützt modularen Skriptentwurf, der in allen DevOps-Automatisierungsmustern verwendet wird.

Lektion 4 • Einrichten der Python-Umgebung

Installieren Sie Python, konfigurieren Sie virtuelle Umgebungen und wählen Sie eine IDE aus, die für DevOps-Arbeit geeignet ist. Legt die grundlegende Toolchain fest, die im gesamten Kurs verwendet wird.

Lektion 1 • Planen und Automatisieren von Aufgaben

Planen Sie Python-Skripte als Cron-Jobs und verwenden Sie die schedule-Bibliothek für prozessinterne Zeitsteuerung. Verbindet Datei- und Prozessfähigkeiten zu End-to-End-Automatisierungspipelines.

Lektion 2 • Umgebungsvariablen und Konfiguration

Lesen, Setzen und Validieren von Umgebungsvariablen für die Laufzeitkonfiguration. Unterstützt Twelve-Factor-App-Muster, die in containerisierten Deployments verwendet werden.

Lektion 3 • Pfad- und Verzeichnisoperationen

Navigieren und Manipulieren des Dateisystems mit den Modulen pathlib und os. Ermöglicht portable, plattformübergreifende Automatisierungsskripte.

Lektion 4 • Lesen und Schreiben von Dateien

Öffnen, Lesen, Schreiben und Anhängen von Text- und Binärdateien mit der integrierten Datei-I/O. Bildet die Grundlage für Aufgaben der Konfigurationsanalyse und Protokollverarbeitung.

Lektion 1 • JSON-Analyse und -Generierung

Serialisieren und Deserialisieren von JSON mit dem json-Modul und Behandlung von Sonderfällen. JSON ist das primäre Datenaustauschformat in APIs und CI/CD-Tooling.

Lektion 2 • XML-Analyse und -Transformation

Extrahieren Sie Daten aus XML-Dokumenten mit ElementTree und lxml. Unterstützt die Integration mit Legacy-Systemen und Maven/Ant-Build-Ausgaben.

Lektion 3 • YAML-Konfigurationsdateien

Laden und Ausgeben von YAML-Dokumenten mit PyYAML und ruamel.yaml. YAML ist das dominierende Format für Kubernetes-, Ansible- und CI-Pipeline-Konfigurationen.

Lektion 4 • TOML- und INI-Konfigurationsdateien

Analysieren Sie TOML- und INI-Dateien für Werkzeugkonfiguration und Projektmetadaten. Behandelt Formate, die von pip, pytest und modernen Python-Paketierungstools verwendet werden.

Lektion 1 • Paginierung und Ratenbegrenzung

Behandeln Sie paginierte API-Antworten und respektieren Sie Ratenbegrenzungen mit Wiederholungslogik. Verhindert Skriptfehler beim Konsumieren großer Datensätze von externen APIs.

Lektion 2 • HTTP-Anfragen mit der Requests-Bibliothek

Senden Sie GET-, POST-, PUT- und DELETE-Anfragen und behandeln Sie Antworten. Vermittelt die Kernkompetenz für alle API-gesteuerten Automatisierungen in späteren Abschnitten.

Lektion 3 • Authentifizierung und Sicherheit

Implementieren Sie API-Key-, OAuth2- und Token-basierte Authentifizierung in Skripten. Stellen Sie sicher, dass Automatisierungsskripte die Sicherheitsanforderungen von Unternehmens-APIs erfüllen.

Lektion 4 • Netzwerkdiagnose und Socket-Programmierung

Überprüfen Sie die Erreichbarkeit von Hosts, offene Ports und die DNS-Auflösung mit Python-Sockets. Ermöglichen Sie automatisierte Health Checks und Netzwerkvalidierungsskripte.

Lektion 1 • Kubernetes-Automatisierung mit Python

Stellen Sie Kubernetes-Workloads mit dem offiziellen Python-Client bereit und verwalten Sie sie. Unterstützen Sie automatisierte Rollouts, Skalierung und Health-Verifikation.

Lektion 2 • Integration der Konfigurationsverwaltung

Lösen Sie Ansible-Playbooks und Salt-Zustände aus Python-Skripten aus. Schließen Sie die Lücke zwischen dynamischer Inventargenerierung und Konfigurationsdurchsetzung.

Lektion 3 • Automatisieren von Infrastructure-as-Code-Tools

Rufen Sie Terraform und Pulumi programmgesteuert aus Python-Skripten auf. Integrieren Sie die IaC-Ausführung in Python-gesteuerte Orchestrierungspipelines.

Lektion 4 • Docker-Automatisierung mit Python

Erstellen Sie Images, verwalten Sie Container und inspizieren Sie Netzwerke mit dem Docker SDK für Python. Ermöglichen Sie programmgesteuertes Container-Lebenszyklus-Management in Pipelines.

Lektion 1 • Artefaktverwaltungsautomatisierung

Laden Sie Artefakte in Registries hoch, herunter und stufen Sie sie mit Python-Skripten hoch. Unterstützen Sie versionierte Artefakt-Workflows in mehrstufigen Pipelines.

Lektion 2 • Automatisieren von Build- und Testschritten

Rufen Sie Build-Tools auf, führen Sie Test-Suites aus und analysieren Sie Testergebnisse aus Python. Ermöglichen Sie dynamische Testorchestrierung über statisches Pipeline-YAML hinaus.

Lektion 3 • CI/CD-Konzepte und Python-Integrationspunkte

Ordnen Sie CI/CD-Pipeline-Phasen den Möglichkeiten der Python-Automatisierung zu. Legen Sie das mentale Modell fest, wo Python-Skripte in Build-Systeme eingebunden werden.

Lektion 4 • Deployment-Automatisierungsskripte

Skripten Sie Blue-Green-, Canary- und Rolling-Deployments mit Plattform-APIs. Reduzieren Sie menschliche Fehler bei der Release-Ausführung, indem die Deployment-Logik in Python kodiert wird.

Lektion 1 • Alarmierungsautomatisierung

Fragen Sie Überwachungs-APIs ab und lösen Sie Alarme basierend auf Schwellwertlogik in Python aus. Ersetzen Sie die manuelle Dashboard-Beobachtung durch proaktive automatisierte Alarmierung.

Lektion 2 • Metrikerfassung und -bereitstellung

Instrumentieren Sie Python-Skripte mit Prometheus-Client-Metriken und stellen Sie diese über HTTP bereit. Speisen Sie benutzerdefinierte Metriken in bestehende Überwachungs-Stacks ein.

Lektion 3 • Protokollanalyse und -auswertung

Extrahieren Sie Muster, Fehler und Metriken aus rohen Protokolldateien mit Regex und Analysebibliotheken. Ermöglichen Sie automatisierte Anomalieerkennung und Berichterstellung.

Lektion 4 • Strukturierte Protokollierung in Python

Geben Sie strukturierte JSON-Protokolle aus und konfigurieren Sie Protokollebenen, Handler und Formatierer. Strukturierte Protokolle sind von Protokollaggregationsplattformen maschinell analysierbar.

Lektion 1 • Audit-Protokollierung und Compliance-Berichterstattung

Sammeln Sie Audit-Trails von Cloud- und Plattform-APIs und generieren Sie Compliance-Berichte. Unterstützt die Beweissammlung für Sicherheitsaudits und behördliche Überprüfungen.

Lektion 2 • Secret-Erkennung und -Verwaltung

Scannen Sie Codebasen auf exponierte Secrets und integrieren Sie Vault-Lösungen über Python. Verhindert das Durchsickern von Anmeldeinformationen in Repositories und Pipeline-Artefakten.

Lektion 3 • Automatisierte Sicherheitstests in Pipelines

Integrieren Sie statische Analyse- und DAST-Tools über Python-Skripte in CI-Pipelines. Verschiebt die Sicherheit nach links, indem unsicherer Code vor dem Deployment blockiert wird.

Lektion 4 • Infrastruktur-Compliance-Prüfungen

Validieren Sie Cloud-Ressourcenkonfigurationen anhand von Sicherheitsrichtlinien mit Python. Setzt Least-Privilege- und Verschlüsselungsstandards in allen Umgebungen durch.