Установочная встреча с куратором. Знакомимся с курсом и форматом обучения. Рассказываем о том, что ждет в процессе обучения, как учиться онлайн и выполнять практические задания. Отвечаем на вопросы студентов.

Зачем: научиться понимать логику программ на Python, а также писать простые программы — важнейшая задача. «Самое то», если вы не знакомы с синтаксисом Python.

— Типы данных и переменные, мутабельные/иммутабельные и простые/составные типы данных, приемы отладки.
— Условный оператор — логические операторы, простые условия, вложенные условия и замена оператора switch.
— Базовые циклы — циклы while и for, итераторы, прерывания циклов.
— Функции, методы строк, списков и словарей.
— Генерация и обработка исключений.

Практика: набор небольших микрозаданий по каждому уроку.

Зачем: научиться понимать логику программ на Python, а также писать простые программы — важнейшая задача. «Самое то», если вы не знакомы с синтаксисом Python.

— Типы данных и переменные, мутабельные/иммутабельные и простые/составные типы данных, приемы отладки.
— Условный оператор — логические операторы, простые условия, вложенные условия и замена оператора switch.
— Базовые циклы — циклы while и for, итераторы, прерывания циклов.
— Функции, методы строк, списков и словарей.
— Генерация и обработка исключений.

Практика: набор небольших микрозаданий по каждому уроку.

Зачем: Освоим особенности Python — именно за их счет он так прост и практичен. Также раскроем значение тех самых трех букв (мы про ООП) без академической теории и с понятным предназначением.

— Продвинутая работа с циклами — оператор yield и генераторы, инсайты о циклах в Python, оператор else в цикле, оптимизации циклов comprehensions, etc.
— Специальные типы структур: frozendict, defaultdict, etc.
— Базовые понятия ООП: классы, экземпляры классов, инкапсуляция, наследование и полиморфизм.
— Создание контекстных менеджеров для своих типов: конструкция with.

Практика: набор небольших микрозаданий по каждому уроку.
Продвинутая практика: аудит использования услуг.
У CTO появилось подозрение, что некоторые услуги и сервисы уже не используются командами. Проблема заключается в том, что модуль мониторинга используемых услуг не обновлялся последние десять лет: он не может выгрузить агрегированные данные, да и формат возвращаемых значений не соответствует общепринятым стандартам. Вы были избраны, чтобы извлечь снятые показатели, агрегировать их по типу и команде и предоставить данную информацию CTO для первоначальной оценки масштабов проблемы.

Зачем: Практически каждый сервис имеет интерфейс для подключения по какому-либо сетевому протоколу. А без подключения невозможно взаимодействие. К счастью, в экосистеме Python найдутся модули-клиенты практически для любых протоколов.

— Пакет pip и установка сторонних модулей.
— Модуль Paramiko для выполнения команд по ssh.
— Модуль requests для выполнения HTTP запросов.
— Обзор модулей для работы с базами данных и брокерами сообщений.

Практика. Команда разработки внедряет уже не новую методологию: Допустил возникновение алерта — получи задачу. Аналитическая подсистема ищет только отборные ошибки и складывает сообщения о них в брокер сообщений Kafka. Ваша задача завершить цикл возврата багов разработчикам: ваш консьюмер должен автоматически создавать задачи с нужным описанием и приоритетом в Trello.

Встреча со спикерами по темам:

Тема 2,3 «Основы синтаксиса Python 1 и 2 часть»
Тема 4 «Улучшенное владение Python»
Тема 5 «Подключение по сети»

Зачем: Подключение к сервису — только половина дела. Другая половина это обмен информацией. А информация зачастую представляет собой набор текстовых символов в определенном формате. Раскодировать и закодировать помогут модули. Информация не нужна вся целиком? Извлечь важное, отбросив остальное помогут регулярные выражения.

— Модуль re и регулярные выражения.
— Модули работы с данными в разных форматах: separated values, json, yaml, xml.
— Использование аргументов командной строки: модуль argparse.

Практика: создание источника данных об использовании услуг.
В ходе аудита использования услуг вы выявили важную для бизнеса информацию, заинтересовался даже CEO. Было принято решение проанализировать потерянные деньги и больше не допускать таких ситуаций. Для этого нужно дать аналитикам инструмент получения данных, чтобы они подготовили отчеты. Проблема заключается в том, что модуль мониторинга возвращает лимиты по услугам по отдельному запросу в форматах yaml, а цены за услуги возвращаются биллинговой системой в формате xml. Необходимо срастить данные о текущей загрузке с лимитами и ценами. Агрегированную информацию отдел аналитики запросил в формате JSON с возможностью указать интервал времени и шаг агрегации.

Зачем: Важность взаимодействия с операционной системой не нужно объяснять дополнительно. Как подружить её с Python — в этом уроке.

— Чтение и запись файлов.
— Модуль os — чтение environment variables, работа с директориями и правами, работа с процессами.
— Модуль subprocess для интерактивного взаимодействия с процессами.

Практика: автоматическое предоставление доступов к серверам.
В ходе кампании по отказу от неиспользуемых услуг возникла курьезная ситуация: сервер продуктовой команды отключили, но инфраструктурная команда периодически использовала его в качестве хоста для стейджинга. Выяснилось, что продуктовая команда не использовала его потому что периодически кто-то перезаписывал их настройки своими. Было решено, что теперь ресурс будет закрепляться только за членами одной команды, а избежать ошибок поможет автоматика. Вам, как заварившему эту кашу, необходимо написать агент, который будет периодически опрашивать систему управления правами и вносить изменения в конфигурации прав внутри установленных сервисов и по необходимости давать сервисам команду перечитать конфигурации.

Зачем: расширим возможности K8S под свои задачи.

Зачем: Ansible — мощная система управления конфигурациями, да еще и с возможностью расширения собственными модулями. Какое совпадение, что она сама и большинство модулей написаны на Python.

— Написание своих модулей для Ansible.

Практика: написание модуля управления правами.
Давным-давно, в далёкой-далёкой галактике вы уже писали агент для выдачи прав к определенным сервисам. Пришло время поменять pull на push и в этом поможет Ansible. Все что нужно — лишь модуль.

Встреча со спикерами по темам:

Тема 6 «Работа с текстом в различных форматах»
Тема 7 «Взаимодействие с операционной системой»
Тема 8 «K8S operator на Python»
Тема 9 «Пишем свой модуль для Ansible»

Зачем: Подготовка кода к деплою — одна из важнейших задач. Сделать этот процесс гибче и удобнее помогают собственные скрипты для stage пайплайнов.

— Создание REST API на Flask.
— Создание своего prometheus exporter с Prometheus Python Client и Flask.

Практика: выгрузка данных в стороннюю систему мониторинга.
Затраты на неиспользуемое оборудование превысили даже пессимистичные прогнозы. Теперь у команды инженеров есть еще одна зона ответственности — мониторинг неиспользуемых услуг. Для этого вам необходимо периодически опрашивать биллинговую систему через ваш скрипт и передавать данные в Prometheus. Формат получаемых данных все еще не подходит. Вам необходимо реализовать коннектор. А заодно и написать эндпоинт, чтобы отдел аналитики всегда имел под рукой актуальную информацию в формате JSON.

Зачем: Иногда лучше не иметь никакого кода, чем код, который работает нестабильно. Для того чтобы не бояться сломать свой код, нужно писать тесты.

— Виды тестов: unit, интеграционные и end-to-end.
— Обзор модуля pyhamcrest и его матчеров.
— Архитектура и возможности pytest.
— Использование pytest и pyhamcrest для написания юнит-тестов.

Практика: написание тестов при помощи pytest и pyhamcrest для вашего API.

Зачем: Знания о Conventional Commits (общепринятом стандарте написания коммитов) и генерации change log помогают поддерживать структурированность и прозрачность в проекте, что способствует росту культуры DevOps в команде. Это важный шаг к подготовке специалистов к реальным вызовам в разработке ПО.

— Использование сторонних модулей на примере интеграции в пайплайны Gitlab.
— Использование pygit для получения информации об изменениях в коде.

Практика: генерация change log из коммитов.
Ваши решения настолько понравились команде инженеров, что они вдохновились ими и начали писать свои. Только вот описания к релизам сделать всегда забывают. Для этого командой было принято решение внедрить commit conventions и генерировать ченджлоги прямо из коммитов при слиянии dev-бранча с релизным, а если название коммита не соответствует commit conventions — не допускать merge-request до merge.

Зачем: Основные проблемы бизнеса не в производительности приложений и даже не в возникающих в коде ошибках. Самые серьезные проблемы возникают когда коммуникация сотрудников происходит неэффективно. Chatops является одним из способов решения этой проблемы.

— Концепция Chatops: какие проблемы решает внедрение Chatops?
— Фреймворк Errbot: установка, создание базового шаблон плагина, конфигурирование и запуск.
— Фреймворк Errbot: создание своего плагина для Chatops с различными вариантами обработки сообщений.

Встреча со спикерами по темам:

Тема 10 «Создание и кейсы использования своего API»
Тема 11 «Юнит-тестирование своего приложения»
Тема 12 «Взаимодействие с CVS и DevOps системами»
Тема 13 «Chatops с Errbot на Python»
и рассказываем про финальный проект.

По итогам курса студент выполняет финальное задание. Тему и путь решения нужно будет выбрать самостоятельно. Это может быть абсолютно любая автоматизация на Python: свой оператор для Kubernetes, свой модуль или плагин для Ansible, расширение любой системы вне изученных технологий и многое другое.

С 15 ноября по 13 декабря — работа над финальным проектом

19 декабря — открытая защита финального проекта (для желающих) и завершение потока

Дедлайн сдачи практических работ на один модуль — 3 недели
Работа над финальным проектом — 1 месяц