【免费下载链接】ai-infra-engineer-learningAI Infrastructure Engineer Learning Track - Production ML infrastructure curriculum (2-4 years experience)项目地址https://gitcode.com/gh_mirrors/ai/ai-infra-engineer-learning点击查看免费下载在 ai-infra-engineer-learning 项目的「IaCInfrastructure as Code基础设施即代码」模块中你将学会用 Terraform 和 Pulumi 自动化云资源GPU 训练实例、S3 存储桶、Kubernetes 集群一条命令拉起一条命令销毁。本教程带你走完整条 GitOps 流水线——PR 评审、自动terraform plan、合并后自动 apply让 AI/ML 基础设施像应用代码一样可版本化、可审计、可复现。一、为什么 AI 基础设施必须用 IaC 自动化云资源手动点控制台建资源是 AI 基础设施最大的隐形成本来源GPU 太贵一台 p3 实例每小时约 $3 起忘关一天就是几十美元。IaC 可以按需用代码拉起、用完destroy销毁训练完 10 分钟重建/回收整套环境。实验不可复现开发/生产环境配置漂移在我机器上是好的问题在基础设施上同样存在。无法协作谁改了安全组什么时候改的没有版本控制无从追溯。用代码定义基础设施后你得到的是版本控制、代码评审、一键重建灾难恢复几分钟搞定、多环境dev/staging/prod同构。这些核心理念在 01-introduction-to-iac.md 中有系统讲解。二、Terraform 入门4 个命令搞定云资源Terraform 使用声明式语言 HCL——你只描述我要什么不写怎么一步步建。核心工作流只有 4 个命令terraform init # 初始化下载云厂商插件 terraform plan # 预览将发生什么变化养成先 plan 的习惯 terraform apply # 确认后真正创建资源 terraform destroy # 一键销毁省钱关键一个最小示例创建 S3 桶存放 ML 数据集完整版见 02-terraform-fundamentals.mdresource aws_s3_bucket ml_data { bucket my-ml-datasets tags { Name ML Datasets } }Terraform 项目通常拆成main.tf资源、variables.tf变量、outputs.tf输出、versions.tf版本约束几个文件配合.gitignore忽略本地状态文件。三、Pulumi用 Python 写云资源代码对 ML 工程师来说最大的门槛是又得学一门 DSL。Pulumi 的哲学是Infrastructure as Software——直接用 Python 写基础设施代码循环、函数、类、类型检查全部可用详见 05-pulumi-infrastructure-as-software.mdimport pulumi, pulumi_aws as aws bucket aws.s3.Bucket(ml-datasets, bucketmy-ml-datasets, tags{ManagedBy: Pulumi}) pulumi.export(bucket_name, bucket.id)日常命令与 Terraform 一一对应方便迁移操作TerraformPulumi预览变更terraform planpulumi preview部署terraform applypulumi up销毁terraform destroypulumi destroy环境隔离workspacepulumi stack init dev用 Python 写基础设施的好处很实际批量建 GPU 实例用for循环几行搞定还能把MLInfrastructure封装成可复用类和 ML 代码共享同一套工具链。四、Terraform vs Pulumi新手怎么选维度TerraformPulumi语言HCL专用 DSLPython / TS / Go 等学习曲线中等会 Python 就很低云厂商覆盖3000 Provider多但略少于 Terraform社区生态巨大、最成熟增长快适合场景多云标准化、大团队Python 团队、复杂逻辑建议ML 背景会 Python→ 两者都学以 Terraform 打基础业界标准用 Pulumi 写复杂编排。两者的声明式思维、状态管理、CI/CD 流程完全通用。五、状态管理与模块团队协作的关键远程状态 锁状态文件是基础设施的账本团队必须放 S3 远程后端并用 DynamoDB 加锁防止两人同时apply冲突实操见 lab-03-terraform-state-backend.md 和 exercise-04-state-management-at-scale/。模块化复用把GPU 集群ML 数据桶封装成模块dev 环境传t3.micro、prod 传p3.8xlarge同一份代码覆盖三套环境改一处生效全局。模块设计模式完整讲解在 06-advanced-iac-patterns.md。六、GitOps 实战PR 评审 自动 Plan 合并即部署GitOps 的核心思想Git 是唯一事实来源基础设施变更必须走 Pull Request。标准流程开发者改.tf文件并提交 PRCI 自动跑terraform fmt、validate、plan以及 tflint静态检查、tfsec / Checkov安全扫描、OPA策略即代码terraform plan结果直接贴到 PR 评论区评审者既能看代码改动也能看云里会发生什么合并到 main 后CD 自动执行terraform apply可加人工审批门。课程的 Lab 05 用 60 分钟带你搭好这套PR 出 plan、合并才 apply的流水线07-gitops-iac-cicd.md 则深入 GitOps 原则、测试金字塔语法检查 → 静态分析 → 集成测试 → 人工评审与 Atlantis 自动化工具。如果基础设施跑在 Kubernetes 上还可以继续学 ArgoCD 的持续调谐持续比对 Git 与实际状态、自动修复漂移见 exercise-06-gitops-argocd/。七、练手路线跟着 Labs 和 Exercises 做一遍本模块共8 节课 7 个 Labs 13 个 Exercises推荐顺序阶段内容路径热身第一个 Terraform VPC 模块lab-01-terraform-aws-vpc.md进阶EKS 集群 远程状态 Pulumi 多云lab-02、lab-04实战GitOps 流水线、密钥管理、策略即代码lab-05、lab-06、lab-07练习总览含难度与预计时长见 exercises/README.md其中从部署 EC2、S3 数据桶到 GPU 集群、可复用模块、Pulumi 建 ML 平台 等 13 个练习循序渐进。所有 Lab 列表在 labs/README.md模块学习总入口是 README.md。八、新手避坑清单来自课程的Common Pitfalls永远别把密钥写进代码——用环境变量或 IAM 角色别跳过plan直接apply -auto-approveCI 里自动化可以本地必须人肉确认别混用手动操作和 IaC——手动改控制台会造成状态漂移之后plan全部对不上用完 GPU 记得terraform destroy——课程练习 03 专门标注了成本警告️给所有资源打标签Project / Environment / CostCenter后续成本分摊全靠它。下一步学完本模块你可以接着看 LLM 基础设施模块用 IaC 部署 vLLM 推理集群或回顾 云计算模块 补齐 AWS/GCP/Azure 基础。更多官方文档与书单见本模块的 resources.md。仓库是只读的想动手练习请自行复制一份代码到你的目录git clone https://gitcode.com/gh_mirrors/ai/ai-infra-engineer-learning赞分享【免费下载链接】ai-infra-engineer-learningAI Infrastructure Engineer Learning Track - Production ML infrastructure curriculum (2-4 years experience)项目地址https://gitcode.com/gh_mirrors/ai/ai-infra-engineer-learning点击查看免费下载相关推荐Flux IAC tofu-controller 入门指南实现Terraform GitOps自动化Flux IAC tofu controller 入门指南实现Terraform GitOps自动化 前言 tofu controller原TF contr开始ai-infra-engineer-learning之前你的技能够格吗Python、Docker、K8s完整自测清单开始ai infra engineer learning之前你的技能够格吗Python、Docker、K8s完整自测清单 ai infra engineerMLflow实验跟踪与模型注册中心ai-infra-engineer-learning中的MLOps完整实践指南MLflow实验跟踪与模型注册中心ai infra engineer learning中的MLOps完整实践指南 ai infra engineer lear创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 【免费下载链接】ai-infra-engineer-learningAI Infrastructure Engineer Learning Track - Production ML infrastructure curriculum (2-4 years experience)项目地址https://gitcode.com/gh_mirrors/ai/ai-infra-engineer-learning点击查看免费下载在 ai-infra-engineer-learning 项目的「IaCInfrastructure as Code基础设施即代码」模块中你将学会用 Terraform 和 Pulumi 自动化云资源GPU 训练实例、S3 存储桶、Kubernetes 集群一条命令拉起一条命令销毁。本教程带你走完整条 GitOps 流水线——PR 评审、自动terraform plan、合并后自动 apply让 AI/ML 基础设施像应用代码一样可版本化、可审计、可复现。一、为什么 AI 基础设施必须用 IaC 自动化云资源手动点控制台建资源是 AI 基础设施最大的隐形成本来源GPU 太贵一台 p3 实例每小时约 $3 起忘关一天就是几十美元。IaC 可以按需用代码拉起、用完destroy销毁训练完 10 分钟重建/回收整套环境。实验不可复现开发/生产环境配置漂移在我机器上是好的问题在基础设施上同样存在。无法协作谁改了安全组什么时候改的没有版本控制无从追溯。用代码定义基础设施后你得到的是版本控制、代码评审、一键重建灾难恢复几分钟搞定、多环境dev/staging/prod同构。这些核心理念在 01-introduction-to-iac.md 中有系统讲解。二、Terraform 入门4 个命令搞定云资源Terraform 使用声明式语言 HCL——你只描述我要什么不写怎么一步步建。核心工作流只有 4 个命令terraform init # 初始化下载云厂商插件 terraform plan # 预览将发生什么变化养成先 plan 的习惯 terraform apply # 确认后真正创建资源 terraform destroy # 一键销毁省钱关键一个最小示例创建 S3 桶存放 ML 数据集完整版见 02-terraform-fundamentals.mdresource aws_s3_bucket ml_data { bucket my-ml-datasets tags { Name ML Datasets } }Terraform 项目通常拆成main.tf资源、variables.tf变量、outputs.tf输出、versions.tf版本约束几个文件配合.gitignore忽略本地状态文件。三、Pulumi用 Python 写云资源代码对 ML 工程师来说最大的门槛是又得学一门 DSL。Pulumi 的哲学是Infrastructure as Software——直接用 Python 写基础设施代码循环、函数、类、类型检查全部可用详见 05-pulumi-infrastructure-as-software.mdimport pulumi, pulumi_aws as aws bucket aws.s3.Bucket(ml-datasets, bucketmy-ml-datasets, tags{ManagedBy: Pulumi}) pulumi.export(bucket_name, bucket.id)日常命令与 Terraform 一一对应方便迁移操作TerraformPulumi预览变更terraform planpulumi preview部署terraform applypulumi up销毁terraform destroypulumi destroy环境隔离workspacepulumi stack init dev用 Python 写基础设施的好处很实际批量建 GPU 实例用for循环几行搞定还能把MLInfrastructure封装成可复用类和 ML 代码共享同一套工具链。四、Terraform vs Pulumi新手怎么选维度TerraformPulumi语言HCL专用 DSLPython / TS / Go 等学习曲线中等会 Python 就很低云厂商覆盖3000 Provider多但略少于 Terraform社区生态巨大、最成熟增长快适合场景多云标准化、大团队Python 团队、复杂逻辑建议ML 背景会 Python→ 两者都学以 Terraform 打基础业界标准用 Pulumi 写复杂编排。两者的声明式思维、状态管理、CI/CD 流程完全通用。五、状态管理与模块团队协作的关键远程状态 锁状态文件是基础设施的账本团队必须放 S3 远程后端并用 DynamoDB 加锁防止两人同时apply冲突实操见 lab-03-terraform-state-backend.md 和 exercise-04-state-management-at-scale/。模块化复用把GPU 集群ML 数据桶封装成模块dev 环境传t3.micro、prod 传p3.8xlarge同一份代码覆盖三套环境改一处生效全局。模块设计模式完整讲解在 06-advanced-iac-patterns.md。六、GitOps 实战PR 评审 自动 Plan 合并即部署GitOps 的核心思想Git 是唯一事实来源基础设施变更必须走 Pull Request。标准流程开发者改.tf文件并提交 PRCI 自动跑terraform fmt、validate、plan以及 tflint静态检查、tfsec / Checkov安全扫描、OPA策略即代码terraform plan结果直接贴到 PR 评论区评审者既能看代码改动也能看云里会发生什么合并到 main 后CD 自动执行terraform apply可加人工审批门。课程的 Lab 05 用 60 分钟带你搭好这套PR 出 plan、合并才 apply的流水线07-gitops-iac-cicd.md 则深入 GitOps 原则、测试金字塔语法检查 → 静态分析 → 集成测试 → 人工评审与 Atlantis 自动化工具。如果基础设施跑在 Kubernetes 上还可以继续学 ArgoCD 的持续调谐持续比对 Git 与实际状态、自动修复漂移见 exercise-06-gitops-argocd/。七、练手路线跟着 Labs 和 Exercises 做一遍本模块共8 节课 7 个 Labs 13 个 Exercises推荐顺序阶段内容路径热身第一个 Terraform VPC 模块lab-01-terraform-aws-vpc.md进阶EKS 集群 远程状态 Pulumi 多云lab-02、lab-04实战GitOps 流水线、密钥管理、策略即代码lab-05、lab-06、lab-07练习总览含难度与预计时长见 exercises/README.md其中从部署 EC2、S3 数据桶到 GPU 集群、可复用模块、Pulumi 建 ML 平台 等 13 个练习循序渐进。所有 Lab 列表在 labs/README.md模块学习总入口是 README.md。八、新手避坑清单来自课程的Common Pitfalls永远别把密钥写进代码——用环境变量或 IAM 角色别跳过plan直接apply -auto-approveCI 里自动化可以本地必须人肉确认别混用手动操作和 IaC——手动改控制台会造成状态漂移之后plan全部对不上用完 GPU 记得terraform destroy——课程练习 03 专门标注了成本警告️给所有资源打标签Project / Environment / CostCenter后续成本分摊全靠它。下一步学完本模块你可以接着看 LLM 基础设施模块用 IaC 部署 vLLM 推理集群或回顾 云计算模块 补齐 AWS/GCP/Azure 基础。更多官方文档与书单见本模块的 resources.md。仓库是只读的想动手练习请自行复制一份代码到你的目录git clone https://gitcode.com/gh_mirrors/ai/ai-infra-engineer-learning赞分享【免费下载链接】ai-infra-engineer-learningAI Infrastructure Engineer Learning Track - Production ML infrastructure curriculum (2-4 years experience)项目地址https://gitcode.com/gh_mirrors/ai/ai-infra-engineer-learning点击查看免费下载相关推荐Flux IAC tofu-controller 入门指南实现Terraform GitOps自动化Flux IAC tofu controller 入门指南实现Terraform GitOps自动化 前言 tofu controller原TF contr开始ai-infra-engineer-learning之前你的技能够格吗Python、Docker、K8s完整自测清单开始ai infra engineer learning之前你的技能够格吗Python、Docker、K8s完整自测清单 ai infra engineerMLflow实验跟踪与模型注册中心ai-infra-engineer-learning中的MLOps完整实践指南MLflow实验跟踪与模型注册中心ai infra engineer learning中的MLOps完整实践指南 ai infra engineer lear创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考