Cloud architect

• L4 vs. L7 balancing pro regionální provoz
• DNS balancing pro globální provoz
• Globálně distribuované řešení (dynamická CDN) pro globální provoz
• Role API managementu a jeho srovnání s reverse proxy řešením
• Hloupé, rychlé a kompatibilní trubky vs. chytré sítě (výhody a nevýhody například service mesh pro kontejnery)

Výstupy z lekce: Dokážeš navrhnout řešení pro nabírání provozu a rozdělení zátěže na web servery pro regionální i globální aplikace s ohledem na výkon a dostupnost. Dokážeš srovnat API management, L7 proxy, L4 balancing a CDN řešení a vybrat správné řešení pro konkrétní situaci. Rozumíš rozdílům mezi hloupými a chytrými sítěmi, včetně výhod a nevýhod service mesh pro kontejnery, a umíš tyto koncepty aplikovat při návrhu síťové infrastruktury.

• Privátní sítě v cloudu a napojení na on-premises přes VPN, SD-WAN nebo privátní linky (leased line – MPLS)
• Hybridní DNS služby
• Připojení platformních služeb do privátní sítě
• Hub-and-spoke topologie a centrální firewall

Praktické cvičení: Vyber si jednu z probíraných oblastí a prakticky ji otestuj, popiš postupy a svoje výsledky předej ostatním.

Výstupy z lekce: Dokážeš posoudit různé možnosti připojení cloudu do firemní sítě, navrhnout enterprise síťovou architekturu pro jednotlivé projekty a rozumíš konceptům hybridních DNS služeb, které umíš využít v enterprise prostředí pro zajištění konzistentního a bezpečného síťového provozu.

• Microservices
• Choreografie vs. orchestrace
• Fasáda a správa API
• Asynchronní architektura – competing consumers, event sourcing
• CQRS, saga pattern
• Zero-trust a identity, autentizace a autorizace v aplikacích (OAuth, OIDC, mTLS, verifiable credentials)
• Distribuované systémy (leader election, RAFT, Etcd, blockchain)

Výstupy z lekce: Umíš navrhnout základní aplikační architekturu s využitím principů jako asynchronní zpracování, event sourcing a mikroslužby. Orientuješ se v identitách a autentizaci v aplikacích, umíš navrhnout použití OAuth pro autentizaci a autorizaci aplikačních komponent a máš přehled i o starších metodách (např. SAML) nebo nejnovějších decentralizovaných řešeních (Verifiable Credentials). Dokážeš navrhnout vzory jako CQRS a saga pattern pro zajištění konzistence a škálovatelnosti distribuovaných systémů.

• Push vs. pull model
• Logování (například OpenSearch, nativní cloudové služby, OpenTelemetry)
• Metriky (například Prometheus a Grafana)
• Tracing (například OpenTelemetry a Jaeger nebo nativní cloudové služby na back-endu)

Praktické cvičení: Vyber si jednu z probíraných oblastí a prakticky ji otestuj, popiš postupy a svoje výsledky předej ostatním.

Výstupy z lekce: Dokážeš navrhnout monitoring pro jednotlivé aspekty aplikace a používat nástroje jako OpenTelemetry, Prometheus a Grafana. Rozumíš rozdílům mezi push a pull modelem a dokážeš je aplikovat při návrhu monitorovacího řešení.

• Bloková storage vs. souborová storage vs. objektová storage vs. databáze
• Mutable vs. immutable (append-only) perzistence a použití v různých systémech (Blob/S3, Kafka, ...)
• Bloková storage a výkonnostní charakteristiky (IOPS vs. throughput vs. latence)
• Relační databáze (MS SQL, PostgreSQL, …)
• NoSQL databáze – document storage, key/value storage, graph storage (MongoDB, Cassandra, cloudové NoSQL)
• Blockchain

Výstupy z lekce: Umíš navrhnout optimální typ storage pro daný typ dat a rozumíš rozdílům mezi relačními a NoSQL databázemi, jejich výhodám a nevýhodám, což ti umožňuje vybrat správné řešení. Orientuješ se ve výkonnostních charakteristikách blokové storage a umíš je využít pro optimalizaci výkonu aplikací. Umíš aplikovat koncepty mutable a immutable perzistence v různých systémech a vybrat vhodnou strategii pro konkrétní použití.

• PACELC (rozšíření CAP teorému) a redundantní či distribuovaná datová vrstva
• Laditelnost konzistence (silná vs. eventuální konzistence a polohy mezi tím)
• Dopady konzistence na výkon a cenu
• Vysoká dostupnost vs. disaster recovery

Praktické cvičení: Vyber si jednu z probíraných oblastí a prakticky ji otestuj, popiš postupy a svoje výsledky předej ostatním.

Umíš navrhovat redundantní a distribuovaná databázová řešení s ohledem na požadovanou dostupnost, výkonnost a cenu oproti míře konzistence. Rozumíš laditelnosti eventuální konzistence, aspektům a nutným opatřením na aplikační straně při situacích bez striktní konzistence. Umíš navrhovat strategie vysoké dostupnosti a disaster recovery pro různé databázové systémy s ohledem na obchodní požadavky a SLA.

• Oddělení dat od compute se Spark a Lakehouse architekturou (např. Databricks)
• Streaming data (microbatching, Spark Structured Streaming, Databricks Delta Live Tables)
• Požadavek na míru čerstvosti dat a její vliv na architekturu a cenu (od batch po near-real-time)

Výstupy z lekce: Umíš navrhnout moderní řešení pro analýzu dat založené na data lake a distribuovaném zpracování s Lakehouse architekturou. Chápeš základní aspekty zpracování dat téměř v reálném čase a umíš navrhnout pipeline pro zpracování proudových dat. Rozumíš rozdílům mezi batch a near-real-time zpracováním dat a umíš zvolit správný přístup s ohledem na požadovanou čerstvost dat a ekonomické aspekty.

• Příprava dat a feature engineering
• Základní procesy strojového učení
• MLops
• Využití hotových AI modelů ve vlastních aplikacích přes API

V lekci si prakticky ukážeme zpracování dat v open source distribuovaných řešeních jako je Parquet, Delta tabulky a Spark. Vyzkoušíme distribuované zpracování a koncept data lake. Ukážeme si zpracování proudových dat na ukázce z Databricks s napojením na zdroj událostí kompatibilní s Apache Kafka. Prakticky si ukážeme zpracování dat a feature engineering při přípravě dat pro strojové učení v Databricks a vyzkoušíme feature store, trénování a správu modelů s využitím open source řešení MLFlow. Demonstrovat budeme i integraci hotových AI služeb do aplikace, například OpenAI API.

Praktické cvičení: Vyber si jednu z probíraných oblastí a prakticky ji otestuj, popiš postupy a svoje výsledky předej ostatním.

Výstupy z lekce: Umíš navrhnout základní postupy pro získání, čištění a přípravu dat pro strojové učení a využít platformy pro orchestraci strojového učení a správu modelů (MLOps). Máš přehled o dostupných AI API pro práci s textem, obrazem nebo řečí a dokážeš navrhnout jejich integraci do aplikací. Umíš navrhovat feature engineering a využít feature store při přípravě dat pro strojové učení v distribuovaných prostředích, jako je Databricks.

• Koncepty desired state, deklarativní vs. imperativní modely
• Srovnání nástrojů pro Infrastructure as Code (Terraform, Pulumi, Crossplane, nativní šablony a CDK)
• Klíčové koncepty pro udržitelné IaC (modularizace, abstrakce, Documentation as Code, smart defaults, verzování)
• Řízení konfigurací (Ansible, Chef, Saltstack, Puppet)

Výstupy z lekce:Umíš navrhnout moduly a postupy pro nasazování infrastruktury kódem (Infrastructure as Code) a vybrat vhodné řešení pro danou situaci (Terraform, Pulumi, Crossplane, nativní cloudové šablony). Rozumíš rozdílu mezi deklarativními a imperativními modely a dokážeš navrhnout správné řešení pro konkrétní situaci. Dokážeš kombinovat infrastrukturu jako kód s konfiguračními nástroji jako Ansible, Puppet, Chef nebo Saltstack.

• GitOps
• Automatizace a testování (na příkladu GitHub Actions)
• Základy DevSecOps, shift-left princip a integrace bezpečnosti do procesů vývoje a nasazování

Praktické cvičení: Vyber si jednu z probíraných oblastí a prakticky ji otestuj, popiš postupy a svoje výsledky předej ostatním.

Výstupy z lekce: Umíš navrhnout procesy pro řízení změn a koordinaci v týmu na základě Gitu jako zdroje pravdy a CI/CD procesů, včetně použití GitOps. Dokážeš začlenit bezpečnost do procesu vývoje, testování a nasazování aplikací s využitím shift-left principu. Rozumíš konceptům a nástrojům pro automatizaci cloudové infrastruktury, jako je Terraform a GitHub Actions, a umíš je implementovat v praxi.

Praktické cvičení: Zpracuj komplexní návrh architektury pro aplikační systém vlastního výběru tak, abys zúročil*a své nabyté znalosti cloudové, aplikační a datové architektury v cloudu.

Výstupy z lekce: Umíš navrhnout komplexní architekturu pro nasazení aplikace v cloudu, která zahrnuje všechny aspekty jako compute, networking, perzistentní datovou vrstvu, zpracování dat, nasazování a aplikační patterny. Čerpáš inspiraci z vybraných ukázek dalších účastníků, jejich řešení, potřeb, způsobů přemýšlení a neotřelých přístupů.