_{^{Photo by Sanjeev Mohindra on Unsplash}}

Overview

Motivation 購買動機

• 主要使用場景
  • 移動: 攜帶
  • 閱讀: 瀏覽網頁, 閱讀電子書
  • 撰寫: 手寫筆記, blog 文章撰寫, 繪圖
• 大螢幕, 比起滑手機比較不會眼睛痛

Objectives 目標 效益

• 積極利用 iPad apple pencil 等與 macbook 整合 提高生產力
• 玩 iPad note, drawing 找靈感
• 重點功能需求
  • url 方便串聯跨平台
  • web edit 方便調整

Gear 周邊

• Apple Pencil 2 白
• Moshi VersaCover for iPad Air 莎瓦納米色
• 先不貼膜的原因: 在猶豫 玻璃膜 跟 類紙膜, 不過還是想先裸機用一陣子再說

_{^{Photo by Ben Kolde on Unsplash}}

Overview

Ref: [[2022-09-10-ipad-setup]]

Challenges 現況 挑戰

• 每次要設定 macbook 開發環境時, 總是頭痛到底設定了哪些東西跟軟體

Objectives 目標 效益

• 整理開發環境所需的套件與安裝指令, 方便後續新增查找

KRs 結果 解法

• 2022-09-10 設定完成
• 2022-09-17 重置 MacBook Pro 2019 15" i7 16G/256G

_{^{Photo by Clément Hélardot on Unsplash}}

Overview

Challenges 現況 挑戰

• 該如何設計良好可擴充的 python 專案目錄結構? 有什麼 naming convention 嗎?

Objectives 目標 效益

• 結合 PyTest 等各 Python Testing Framework, 研究並建立一個 Python Project 範本, 方便未來直接使用及擴充

KRs 結果 解法

• 2022-09-09: 優化 python-playground 的目錄結構. 詳見 Github - Python Playground

Overview

同場加映: DevOpsDays Taipei 2022 - 企業 IT 數位轉型投資成長 + 持續交付高品質可用產品

• Why 為什麼要敏捷
  • 應變 Uncertainty 不確定性 (需求, User, 環境, …)
  • 痛點 = 交付週期長, 重工的浪費
• How 如何敏捷
  • 小增量, 多迭代, 尋求回饋 => 持續交付價值
  • 「趕快錯, 趕快做, 趕快改」
  • 持續學習
  • 分析 價值流 & 產品開發週期
  • 工具流程面上搭配 DevOps
• Common Pitfalls 常見的坑
  • 為敏捷而敏捷 => 敏捷是手段, 不是目的
  • 你的敏捷不是我的敏捷 => 積極討論, 尋求共識
  • 處理如何規模化的議題 (Agile at scale)
• 精選內容
  • 實踐DevSecOps的關鍵心法 - 當數位轉型遇見資訊安全
  • 敏捷導入的挑戰、限制、與解藥
  • Developer eXperience 開發者體驗即學習 - RUDDY LEE 分享空間

Challenges 現況 挑戰

• 需求變動快速, 如何快速應對?
• 專案開發/實作/推廣過程, 尚未形成足夠敏捷的交付模式

Objectives 目標 效益

• Project Management: 透過參考業界經驗, 建立專案管理方法, 使專案的實作與推廣過程, 可以更敏捷
• Delivery Speed & Quality: 提升交付速度, 縮短交付週期

KRs 結果 解法

• 瞭解實戰推動手法 + 懶人包 => 都需要視情況調整
• 瞭解為何敏捷重要
• 瞭解如何在企業裡導入敏捷, 交付價值, 彈性拿捏

_{^{Photo by Clément Hélardot on Unsplash}}

Overview

測試種類百百種, 你測的是哪一種? 該測的又是哪一種? 讓我們來一探究竟! 本文暫不討論為何要寫測試, 效益為何. 有興趣的朋友敬請期待下一篇文章 :P

一言以蔽之就是品質. 不測試的話就只是盲目地相信自己的程式碼永遠都會正常運作. 而這個信仰通常十分薄弱, 基本上都只是落入維運時 見一個修一個, 很難查 root cause 的惡性循環. 細節就留待我最近邊學 TDD 時再來記錄囉~

Challenges

• 測試初心者, 不確定該寫哪些測試才是有效的 (Effective & Efficient)

Objectives

1. 瞭解自動化測試的類型與其定義
2. 建立測試範例程式碼, 結合 Github - Python Playground

KRs

1. 2022-08/E 初版完成。

_{^{Photo by Clément Hélardot on Unsplash}}

Overview

Challenges

不管是 SRE 或是其他簡單的小腳本，在工作上越來越多場合要開始寫 python 來自動化處理一些繁瑣的事項。

習慣性地就想要建立一個 library，邊學邊整理。

Objectives

1. 建立清楚易用的 Python Github repository as utils library.

KRs

1. 2022-08/E 初版完成。

Overview

從 Ghost 搬來 Hugo 後, 終於更積極地回歸 blog 了… 今天要來立下學 golang 的 flag 😂

作為新手, 條列一些觀察與期許

Challenges

1. Profile: Data Engineer
2. Jobs
   1. Deliver data to value by designing and implementing data pipeline
   2. Maintain operations and continuously improve service levels

Objectives

1. Master 1 programming language to better understand the mechanism and principle of Dev & Ops .
2. Manage Ops in software engineering way like class SRE implements DevOps.

KRs

1. 2021-08 Complete Go by Example and get familiar with VS Code extensions.
2. 2021-09 Setup lightweight web server with modern frontend and backend framework to handle form input, api and authentication.

Overview

Google 推行 SRE 也已經好一陣子, 十分認同其中的各種想法與作法. 最近終於能有機會好好整理讀書心得筆記, 持續學習.

因為內容很多, 所以打算以系列文的方式, 不定期地更新內容, 這篇會作為 Summary 使用. 一來紀錄緣由, 二來追蹤進度.

Challenges

1. Hybrid Cloud Environment Complexity Grows. 身為 IT, 在 Hybrid Cloud 環境與 Micro-service 趨勢下, 帶來的是更多的 Dependency 以及更為複雜的資料流.
2. Hard to Prove and Maintain Reliability. 在設計 Data Pipeline 的過程中, 除了最終要 Deliver Data to Value 以達到 Business Impact 外, 更需要確保每天的 Data & Services Quality & Reliability, 甚至可以說是服務上線後天天都會遇到的事.
3. Often Without Clear Value Proposition. 而這些日常維運繁瑣的事務其實有很多可以用工程手段解決/自動化的部分, 但是卻非常容易在繁忙且接踵而來的專案下, 不自覺地疏忽了.
4. Prioritize ITOps Tasks: 為了及早發現及早還技術債, 應該更有意識地持續分析:
   1. 哪些該先做, 成本效益最佳?
   2. 鎖定目標後, 又該如何實作, 才能真的事半功倍?
   3. 實作完成後, 如何良好衡量優化效益?

Objectives

• Learn from Google SRE books
  • then introduce and continuously implement and improve current data services design reliability at work.

KRs

1. 2021-12 完讀 The Site Reliability Workbook (實作細節, 實例)
2. 2021-12 完讀 Site Reliability Engineering (概念, 文化)

GenAI Cloud Run | K8s Summit 2024 GCP Workshop

Preparation

• Deploy a Streamlit App Integrated with Gemini Pro on Cloud Run | GSP1229
  • generative-ai/gemini/sample-apps/gemini-streamlit-cloudrun/app.py

Gemini is a family of generative AI models developed by Google DeepMind that is designed for multimodal use cases. The Gemini API gives you access to the Gemini Pro Vision and Gemini Pro models. In this lab you will understand how to integrate Vertex AI Gemini API with applications and build and deploy the developed sample application on Google Cloud Run.

GCP OTel | K8s Summit 2024 GCP Workshop

Ref

• OpenTelemetry 可觀測性的未來

Preparation

• Application Monitoring with OpenTelemetry

OpenTelemetry是CNCF推廣的容器平台監控技術，針對SRE常用的Metrics, Log, 以及Trace提供了完整的支援。其廣大生態圈，不但可在無侵入的狀態下，廣泛支持各種的程式語言(e.g. Python, Java, .NET, JS等），也提供讓SRE可彈性客制監控標的。