Modulseite

Kurs · Modul 324

DevOps-Prozesse mit Tools unterstützen

Nach diesem Kurs kannst du den Weg einer Änderung vom Commit bis in die Produktion analysieren, mit den vier DORA-Kennzahlen messen und den grössten Engpass mit Zahlen belegen. Du führst eine Branching-Strategie mit geschützten Branches, Pull Requests, CODEOWNERS und Commit-Konvention ein und baust in GitHub Actions oder GitLab CI eine schnelle Pipeline mit Build, Tests, Codeanalyse, Quality Gate und Abhängigkeitsscan. Du lieferst ein einmal gebautes, eindeutig versioniertes Artefakt automatisch nach Staging und mit Freigabe in Produktion aus, wählst begründet zwischen Rolling Update, Blue/Green, Canary und Feature Flags und planst Datenbankänderungen so, dass ein Rollback möglich bleibt. Mit Terraform beschreibst du Test- und Produktionsumgebung aus demselben Code, hältst Secrets aus dem Repository heraus und erkennst Drift. Zum Schluss machst du Releases mit Metriken, Deployment-Markern und Alarmen sichtbar, leitest ein Post-Mortem ohne Schuldzuweisung und belegst Verbesserungen mit einem ehrlichen Vorher-nachher-Vergleich. 14 Python-Labore, ein geführtes Projekt und eine Prüfungssimulation sorgen dafür, dass du es nicht nur gelesen, sondern selbst gemacht hast. Die eigene Pipeline bauen musst du trotzdem selbst, genau dafür ist das Projekt da.

9 Lektionenca. 6 Std. Lernzeit60 Aufgaben14 Code-Labore39 KarteikartenPraxisprojekt (5 Meilensteine)Prüfungssimulation (90 Min.)

Dein nächster Schritt

DevOps verstehen und den Lieferfluss messen

Du erklärst, was DevOps wirklich bedeutet, zeichnest den Weg einer Änderung als Wertstrom auf und berechnest die vier DORA-Kennzahlen aus Git und Deploy-Log. · 40 Min.

Jetzt starten

Dein KI-Lerncoach

Lernen mit KI, aber richtig

Der Tutor kennt dieses Modul, deine Lektion und deine Aufgaben. Er führt dich zur Lösung, statt sie vorzusagen.

Deine Kompetenzen

offen begonnen sicher gemeistert

Berechnet aus deinen gelösten Aufgaben. Ziel für den Kompetenznachweis: überall mindestens «sicher» auf Stufe 2.

1 · Grundlagen2 · Fortgeschritten3 · Erweitert
A · Lieferfluss analysieren0%0%0%
B · Branches und Reviews–––
C · Continuous Integration–––
D · Ausliefern und zurückrollen–––
E · Umgebungen als Code–––
F · Feedback aus dem Betrieb–––

Abzeichen

Gestartet
Halbzeit
Durchgezogen
Lauf
Code-Held
Gedächtnis
Praxisprofi
Prüfungsreif
Meisterschaft
Neugierig
KI-Trainer
Fachgespräch bestanden

Lektionen

  1. 1DevOps verstehen und den Lieferfluss messenDu erklärst, was DevOps wirklich bedeutet, zeichnest den Weg einer Änderung als Wertstrom auf und berechnest die vier DORA-Kennzahlen aus Git und Deploy-Log.
  2. 2Branches, Pull Requests und ReviewsDu wählst begründet zwischen GitFlow und Trunk-Based Development und erzwingst gute Zusammenarbeit mit Branch Protection, CODEOWNERS und Conventional Commits.
  3. 3Die erste CI-PipelineDu liest und schreibst Pipelines in GitHub Actions und GitLab CI mit parallelen Jobs, Abhängigkeiten und einer Datenbank für Integrationstests.
  4. 4Qualität, Sicherheit und Tempo in der PipelineDu ergänzt Codeanalyse mit Quality Gate und Abhängigkeitsscans, ordnest Prüfungen nach fail fast und beschleunigst die Pipeline mit Caching und parallelen Jobs.
  5. 5Artefakte, Versionen und Continuous DeliveryDu lieferst ein einmal gebautes, eindeutig versioniertes Artefakt automatisch nach Staging und mit Freigabe in Produktion aus und bestimmst Versionen aus Commits.
  6. 6Deployment-Strategien und RollbackDu vergleichst Rolling Update, Blue/Green und Canary, trennst Deployment und Release mit Feature Flags und planst Datenbankänderungen rollbackfähig.
  7. 7Infrastructure as Code mit TerraformDu liest und schreibst Terraform-Konfigurationen, arbeitest mit init, plan und apply und erkennst im Plan gefährliche Löschungen.
  8. 8Umgebungen, Secrets und DriftDu erzeugst Staging und Produktion aus einem Modul mit tfvars, verwaltest Secrets ausserhalb des Repositorys und legst fest, dass Änderungen nur noch über Code passieren.
  9. 9Monitoring, Feedback und messbare VerbesserungDu liest Fehlerrate und p95 in Grafana, formulierst SLOs mit Fehlerbudget und Alarmen, leitest ein Post-Mortem ohne Schuldzuweisung und belegst die Wirkung mit Kennzahlen.