×
Dodano do koszyka:
Pozycja znajduje się w koszyku, zwiększono ilość tej pozycji:
Zakupiłeś już tę pozycję:
Książkę możesz pobrać z biblioteki w panelu użytkownika
Pozycja znajduje się w koszyku
Przejdź do koszyka

Zawartość koszyka

ODBIERZ TWÓJ BONUS :: »

Docker. Praktyczne zastosowania. Wydanie II Sean P. Kane, Karl Matthias

(ebook) (audiobook) (audiobook)
  • Czasowo niedostępna
  • Promocja Przejdź
Autorzy:
Sean P. Kane, Karl Matthias
Wydawnictwo:
Helion
Wydawnictwo:
Helion
Ocena:
4.6/6  Opinie: 8
Stron:
312
Druk:
oprawa miękka
Dostępne formaty:
     PDF
     ePub
     Mobi
Czytaj fragment

Sprawdź nowe wydanie

Docker. Niezawodne kontenery produkcyjne. Praktyczne zastosowania. Wydanie III
Sean Kane, Karl Matthias
Docker radykalnie zmienił proces wdrażania oprogramowania. Obrazy i kontenery Dockera ułatwiają zarządzanie zależnościami, co uprościło testowanie, wdrażanie i skalowanie aplikacji. Technologia ta intensywnie się rozwija, wciąż zmieniają się dostępne narzędzia i zalecane praktyki. To wszystko sprawia, że dogłębne zrozumienie działania współczesnego Dockera nie jest trywialnym zadaniem. Dowiedz się, jak budować nowoczesne, niezawodne systemy rozproszone o wysokiej dostępności. Miha...

Docker jest nową technologią, która radykalnie zmieniła podejście do wdrażania oprogramowania. Obrazy i kontenery Dockera upraszczają zarządzanie zależnościami, dzięki czemu testowanie, wdrażanie i skalowanie aplikacji staje się o wiele prostsze. W ciągu ostatnich lat Docker znacznie się rozwinął. Jest teraz bardzo stabilny i daje programistom wiele narzędzi do wyboru. W oczywisty sposób zwiększa to jego popularność wśród twórców dużych systemów. Niemniej zrozumieć działanie Dockera i nauczyć się wykorzystywać go w poprawny sposób - to nie jest trywialne i wymaga wysiłku.

Oto kolejne - zaktualizowane i uzupełnione - wydanie praktycznego przewodnika, dzięki któremu szybko nauczysz się korzystać z Dockera. Wyjaśniono tu podstawy jego działania, pokazano praktyczne techniki wdrażania i testowania kontenerów Dockera, przedstawiono także podstawowe wewnętrzne procesy kontenerów. Z książki dowiesz się, jak przygotować pakiet aplikacji ze wszystkimi ich zależnościami, a następnie przetestować go, wdrożyć, skalować oraz utrzymywać w środowiskach produkcyjnych. Znajdziesz tu również nowy rozdział na temat Docker Compose, głębsze omówienie trybu Docker Swarm, wprowadzenie do Kubernetes, a także przykłady optymalizacji obrazów Dockera i wiele innych przydatnych informacji.

W tej książce między innymi:

  • solidne wprowadzenie do Dockera oraz przygotowanie środowiska pracy
  • debugowanie obrazów i kontenerów Dockera
  • sprawne wdrażanie aplikacji w środowiskach produkcyjnych
  • wdrażanie kontenerów w publicznych i prywatnych chmurach
  • standardy branżowe przy projektowaniu oprogramowania w Dockerze

Docker. Koniec problemów z zależnościami w aplikacjach!

Wybrane bestsellery

O autorach książki

Sean Kane jest starszym inżynierem w firmie New Relic. Ma wieloletnie doświadczenie w utrzymywaniu aplikacji produkcyjnych w rozmaitych dziedzinach przemysłu. Zajmował się kwestiami bezpieczeństwa systemów oraz automatyzacją sprzętową. Mieszka na północno-zachodnim wybrzeżu Stanów Zjednoczonych z rodziną, lubi podróżować i fotografować.

Karl Matthias jest głównym inżynierem systemowym w firmie Nitro Software. Pracował jako programista, administrator systemów oraz inżynier sieciowy w różnych firmach. Mieszka w Dublinie w Irlandii. Lubi spędzać czas z rodziną, kręcić filmy starymi kamerami i jeździć na rowerze.

Sean P. Kane, Karl Matthias - pozostałe książki

Zobacz pozostałe książki z serii

Helion - inne książki

Zamknij

Przenieś na półkę

Proszę czekać...
ajax-loader

Zamknij

Wybierz metodę płatności

Książka
59,00 zł
Czasowo niedostępna
Ebook
29,49 zł
Dodaj do koszyka
Zamknij Pobierz aplikację mobilną Ebookpoint
Zabrania się wykorzystania treści strony do celów eksploracji tekstu i danych (TDM), w tym eksploracji w celu szkolenia technologii AI i innych systemów uczenia maszynowego. It is forbidden to use the content of the site for text and data mining (TDM), including mining for training AI technologies and other machine learning systems.