فلش‌کارت‌های آموزشی پیاده‌سازی و بهینه‌سازی سیستم‌های CI/CD با تمرکز بر پردازش با کارایی بالا (HPC) با استفاده از GitLab Custom Executor

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیاده‌سازی و بهینه‌سازی سیستم‌های CI/CD با تمرکز بر پردازش با کارایی بالا (HPC) با استفاده از GitLab Custom Executor

موضوع کلی: مهندسی نرم‌افزار و توسعهٔ پایدار

موضوع میانی: فرایندهای ادغام و استقرار مداوم (CI/CD)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مهندسی نرم‌افزار و توسعهٔ پایدار
• 2. مبانی چرخه‌های عمر توسعهٔ نرم‌افزار
• 3. معرفی فرایندهای یکپارچه‌سازی مداوم (CI)
• 4. اصول استقرار مداوم (CD)
• 5. اهمیت اتوماسیون در توسعهٔ نرم‌افزار
• 6. معرفی سیستم‌های مدیریت کد منبع (SCM)
• 7. کار با GitLab برای کنترل نسخه
• 8. مفاهیم مخازن (Repositories) و انشعاب‌ها (Branches)
• 9. مدیریت ادغام (Merge) و درخواست‌های ادغام (Merge Requests)
• 10. استراتژی‌های خط‌مشی ادغام (Merge Strategies)
• 11. مقدمه‌ای بر پردازش با کارایی بالا (HPC)
• 12. کاربردهای HPC در مهندسی نرم‌افزار
• 13. معرفی GitLab CI/CD
• 14. اجزای اصلی GitLab CI/CD: Runners و Pipelines
• 15. پیکربندی فایل `.gitlab-ci.yml`
• 16. مراحل (Stages) و وظایف (Jobs) در Pipelines
• 17. تعریف متغیرها در GitLab CI/CD
• 18. استفاده از Templateها برای پیکربندی Pipelines
• 19. مقدمه‌ای بر Docker و کانتینرسازی
• 20. مزایای استفاده از Docker در CI/CD
• 21. نصب و پیکربندی Docker Runner
• 22. ارتباط GitLab Runner با Docker Daemon
• 23. اجرای وظایف CI/CD در کانتینرهای Docker
• 24. مفهوم Custom Executor در GitLab CI/CD
• 25. معرفی Jacamar CI
• 26. معماری Jacamar CI
• 27. نحوهٔ عملکرد Jacamar CI با GitLab Custom Executor
• 28. مزایای استفاده از Jacamar CI برای HPC
• 29. نصب و پیکربندی Jacamar CI
• 30. تنظیمات اولیه Jacamar CI
• 31. پیکربندی Runner برای استفاده از Jacamar CI
• 32. اجرای اولین Pipeline با Jacamar CI
• 33. مدیریت وابستگی‌ها در پروژه‌های HPC
• 34. استفاده از محیط‌های مجازی (Virtual Environments)
• 35. ابزارهای مدیریت بسته در Python (Pip, Conda)
• 36. مدیریت وابستگی‌ها در Fortran و C/C++
• 37. ساخت (Build) پروژه‌های HPC
• 38. کامپایلرها و ابزارهای مرتبط در HPC
• 39. استفاده از Makefiles برای مدیریت ساخت
• 40. مدیریت پارالل‌سازی در ساخت (Parallel Builds)
• 41. تست‌نویسی در پروژه‌های HPC
• 42. انواع تست‌ها (واحد، یکپارچه‌سازی، عملکرد)
• 43. فریم‌ورک‌های تست در زبان‌های HPC
• 44. خودکارسازی اجرای تست‌ها در CI/CD
• 45. گزارش‌دهی نتایج تست
• 46. دیپلوی (Deploy) برنامه‌های HPC
• 47. استراتژی‌های دیپلوی در محیط‌های HPC
• 48. مدیریت تنظیمات (Configuration Management)
• 49. اعتبارسنجی دیپلوی
• 50. نظارت (Monitoring) بر اجرای برنامه‌های HPC
• 51. ابزارهای نظارتی در محیط‌های HPC
• 52. جمع‌آوری و تحلیل لاگ‌ها (Logs)
• 53. مدیریت خطا و اشکال‌زدایی (Debugging)
• 54. بهینه‌سازی عملکرد Pipelines
• 55. تنظیمات پیشرفته Runner
• 56. استفاده از Caching برای سرعت بخشیدن به Pipelines
• 57. مدیریت Artifacts در GitLab CI/CD
• 58. فشرده‌سازی و انتقال Artifacts
• 59. امنیت در CI/CD
• 60. مدیریت Secretها و اعتبارنامه‌ها (Credentials)
• 61. استفاده از Vault یا متغیرهای محافظت شده
• 62. پیکربندی دسترسی‌ها و مجوزها
• 63. حفاظت از مخازن کد و داده‌ها
• 64. مقدمه‌ای بر DevOps و فرهنگ آن
• 65. پیاده‌سازی اصول DevOps در پروژه‌های HPC
• 66. همکاری بین تیم‌های توسعه و عملیات
• 67. اتوماسیون فرایندهای عملیاتی
• 68. مدیریت زیرساخت به عنوان کد (Infrastructure as Code)
• 69. استفاده از Ansible یا Terraform
• 70. مقدمه‌ای بر Microservices و CI/CD
• 71. نقش CI/CD در معماری Microservices
• 72. چالش‌های CI/CD برای Microservices
• 73. مدیریت وابستگی‌های بین Microservices
• 74. استفاده از Docker Compose یا Kubernetes
• 75. مقدمه‌ای بر Kubernetes و Orchestration
• 76. یکپارچه‌سازی GitLab CI/CD با Kubernetes
• 77. اجرای Pipelines در Kubernetes Clusters
• 78. مدیریت محیط‌های چندگانه (Multi-environment Deployments)
• 79. دیپلوی به محیط‌های Staging و Production
• 80. مدیریت Rollbacks و Rollforwards
• 81. مقدمه‌ای بر SecOps و DevSecOps
• 82. ادغام امنیت در چرخهٔ CI/CD
• 83. اسکن خودکار آسیب‌پذیری‌ها
• 84. مدیریت ریسک‌های امنیتی
• 85. ارزیابی انطباق با استانداردها
• 86. مقدمه‌ای بر Big Data و CI/CD
• 87. چالش‌های CI/CD در پردازش داده‌های حجیم
• 88. اتوماسیون پردازش و تحلیل داده‌ها
• 89. استفاده از ابزارهای Big Data در CI/CD
• 90. مقدمه‌ای بر Machine Learning و CI/CD
• 91. MLOps و اتوماسیون چرخهٔ عمر مدل‌های یادگیری ماشین
• 92. مدیریت داده‌ها و آموزش مدل‌ها در CI/CD
• 93. نظارت و بازآموزی مدل‌ها
• 94. مقدمه‌ای بر Cloud Computing و CI/CD
• 95. یکپارچه‌سازی CI/CD با سرویس‌های ابری
• 96. مدیریت خودکار زیرساخت ابری
• 97. بهینه‌سازی هزینه در محیط‌های ابری
• 98. بهینه‌سازی فرایندهای CI/CD برای HPC
• 99. نکات عملی برای افزایش سرعت و کارایی
• 100. مدیریت پیچیدگی در پروژه‌های بزرگ HPC